Vision industrielle et médecine

Cinq ans se sont écoulés depuis l'époque où les réseaux de neurones ont commencé à se coller dans chaque trou. Il existe de nombreux exemples où tout fonctionne presque parfaitement - biométrie, reconnaissance des informations techniques (numéros, codes), classification et recherche dans un tableau de données.

Il y a des domaines où tout va de mal en pis, mais maintenant beaucoup de progrès sont réalisés - reconnaissance de la parole / du texte, traductions.



Mais il y a des zones mystérieuses. Il semble qu'il y ait des progrès. Et des articles sont régulièrement publiés. Ce n'est que maintenant qu'il ne devient pas vraiment pratique.

Voyons comment fonctionnent les réseaux de neurones et la vision artificielle en médecine.

Une petite réservation . Dans l'article, je ne parlerai que de vision industrielle. C'est lorsque nous essayons de reconnaître quelque chose par une radiographie, une photographie, une image avec une échographie, une TDM / IRM, etc.
Ce sont des domaines qui se sont considérablement améliorés ces dernières années. Dans d'autres domaines, tout est un peu plus confus / rusé, je ne veux pas les toucher.

Petit avertissement 2 . Je veux me passer d'exemples explicites ici, compte tenu des communautés qui sont vraies pour presque tous les neurones. Si vous êtes intéressé à lire ce que les neurones ont récemment appris à faire en médecine, alors je vous conseille:
Reconnaissance du fluorogramme
Reconnaissance de mammographie
Rétine
Cancer de la peau

Et bien plus.

Partie 1 - avec un swoop

La médecine est un domaine très spécifique de la connaissance humaine. Contrairement à ce que j'ai énuméré ci-dessus (biométrie / nombres / traductions) - il y a une responsabilité. Si le médecin a clairement foiré - la société humaine suggère qu'il devrait voler. Pour ne pas dire que cette installation est toujours effectuée. Mais il y a un certain paradigme dans l'esprit des médecins et dans l'esprit de la société. À qui vous parlez, les gens pensent toujours dans ce cadre.

Et maintenant, nous arrivons avec notre réseau de neurones. Et nous disons: "nous prédisons avec la même précision que le médecin!" (ci-dessous, nous examinerons cette déclaration en détail). Le médecin regarde une photo - env. Le second est magnifique. Mais le dixième, il ne partage pas radicalement l'avis du réseau. Le médecin écrirait «avec suspicion» et le réseau dit «en bonne santé». "Qu'est-ce que c'est?!" - pense le médecin. "Allions-nous vraiment laisser sortir ce patient?!"

À l'échelle mondiale, avec l'approche «réseau neuronal + médecin», où l'objectif du réseau est de «rechercher la pathologie», la distribution postérieure peut être la suivante:

1. La patiente a une pathologie -> le réseau neuronal l'a trouvée -> le médecin l'a vue (plus le karma du médecin)
2. La patiente a une pathologie -> le réseau neuronal ne l'a pas trouvée -> le médecin l'a vue (le médecin pense "bien, ils ont trouvé de la merde ici", moins le karma du réseau)
3. Le patient a une pathologie -> le réseau neuronal n'a pas pu la trouver -> le médecin ne voit rien non plus (tout le monde était évidé, aucune punition pour personne)
4. La patiente a une pathologie -> le réseau neuronal ne l'a pas trouvée -> le médecin ne la voit pas (le médecin pense "bien, ils ont trouvé de la merde ici", puis les deux options sont "le médecin est sûr qu'il a raison", la trouvaille va à la poubelle et "le médecin veut repousser la responsabilité" - la nomination d'analyses / d'études complémentaires - puis la victoire)
5. Le patient n'a pas de pathologie -> le réseau neuronal n'a pas pu le trouver -> le médecin ne voit rien non plus (plus le karma du médecin)
6. Le patient n'a pas de pathologie -> le réseau neuronal ne l'a pas trouvée -> le médecin voit quelque chose ("quel est votre neurone ne voit pas de symptômes aussi évidents, même s'il n'y avait pas de pathologie ici - doit certainement être vérifié!")
7. Le patient n'a pas de pathologie -> le réseau neuronal l'a trouvé -> le médecin a également trouvé quelque chose (tout le monde est d'accord, tout est en plus)
8. Le patient n'a pas de pathologie -> le réseau neuronal l'a trouvé -> le médecin ne voit rien (encore une fois, il y a deux versions des événements «le médecin croit qu'il a raison» - et tout va bien «le médecin veut repousser la responsabilité» - et commence la chaîne de recherche. Le résultat est un médecin agacé, que là encore j'ai dû nommer un tas de tests et il n'y a rien).

Résumons maintenant tous les résultats: 1,3,5,7 - il n'y a aucun changement dans le protocole d'étude actuel. Pour les études de dépistage, ce sera 95% des cas. Le réseau neuronal ne change rien, et toute action qui lui est associée compliquera le travail du médecin => au sens global, il mettra la pression négativement.

Les points 2 et 6 donnent un inconvénient impressionnant au karma des réseaux de neurones. Ils créeront un négatif clair à chaque fois qu'ils se produiront.

Le point 4 est la seule situation où un neurone peut récupérer. Mais elle doit passer par la négativité du médecin. Et il sera complètement tué par le paragraphe 8 . Pour que les médecins comprennent que le neurone est efficace, le nombre de cas décrits au paragraphe 4 doit être comparable ou supérieur à celui du paragraphe 8. Mais cela n'est possible que dans les cas où le nombre de patients atteints de pathologie est élevé. Pour le dépistage, cela ne se produit pas.

Pour être honnête, la réalité est encore pire. Si le neurone voit ce qui n'était pas dans la formation, mais ce qui est clair pour le médecin, il donnera des réponses aléatoires. Eh bien, par exemple, les restes d'interventions médicales complexes pendant la fluorographie (sutures / prothèses / fragments). Et, même si le réseau est statistiquement meilleur que le médecin, mais toutes les deux semaines, le médecin voit la même erreur évidente: il brûlera.

Ok Nous sommes arrivés à la conclusion que lorsqu'il est intégré à un médecin qualifié, le réseau neuronal n'est pratiquement pas en mesure d'augmenter la détection des maladies - il ne fera qu'ajouter des problèmes. Et réfléchissons à la façon dont un neurone peut être foutu sans médecin? Le vrai problème des cliniques en Russie, c'est beaucoup de spécialistes de mauvaise qualité dans le domaine. J'ai parlé avec des médecins de cents fédéraux - et il y a deux plaintes:

• Des médecins au moindre doute envoyés au centre fédéral pour diagnostic
• Les médecins ne voient pas de tumeurs sur le plancher thoracique (peu d'expérience)

Il faut comprendre que dans de telles situations, tout réseau neuronal produit une précision d'un ordre de grandeur plus élevée qu'un tel médecin.

Mais quand vous essayez d'attirer la réalité, tout devient un peu plus triste:

1. La législation ne permettra pas de remplacer entièrement un médecin - encore une fois, «qui sera responsable»
2. Un médecin de bas niveau suivra probablement l'une des deux voies suivantes:
   
   • Considérez-vous plus intelligent que le réseau et n'écoutez pas ses décisions. A en juger par ce que j'ai vu - il y aura la majorité.
   • Se conformer pleinement à ses décisions. Ce n'est pas mal, mais nous ne pouvons pas forcer le médecin à le faire bureaucratiquement, car c'est le médecin qui est responsable.
3. À un faible niveau, il y a de très bons médecins - et il faut en tenir compte. Ces médecins peuvent saper la réputation de tout programme, indiquant ses erreurs.

Le plus triste, c'est que ce problème de «faible qualification d'un médecin» est résolu par d'autres moyens, pas dans les réseaux de neurones. Une approche systématique compétente, avec une formation constante d'un médecin / tests d'aptitude / création d'une infrastructure de réseau afin qu'un médecin puisse desservir plusieurs hôpitaux à la fois / duplication pour 2-3 médecins. Résoudre ce problème avec les réseaux de neurones revient à approcher la réparation automobile avec les mots «J'ai un rouleau de ruban adhésif, pourquoi ne pas essayer».

Le même DIT à Moscou est également sur la voie "d'abord, nous allons tout réduire à un seul endroit, puis le reconnaître". Ils ont promu leur décision avec des neurones lors de conférences. Mais ils commencent à travailler précisément avec des solutions système. Les neurones arriveront à ces endroits plus tard, quelque part pour accélérer le travail, quelque part pour améliorer la qualité. Il faut commencer par l'infrastructure.

Bien sûr, il existe un moyen de résoudre ce problème en partie avec un neurone. Vérifiez automatiquement toutes les photos prises dans l'établissement. Fixez un seuil de telle sorte qu'il n'y ait presque pas de faux positifs (oui, laissez 20% des patients être ignorés). Et, si nous sommes sûrs que le patient est malade, alors, en contournant le médecin, attribuez-lui des examens supplémentaires.
Ça a l'air simple. En réalité, c'est une option infernale: elle détruit la logique de la prise de décision (le patient a été libéré, comment l'appeler maintenant), il détruit la réputation des médecins (comment va Vasily Petrovich tondre?!), Il est inacceptable pour l'administration (comment sauter 20%?!). Il ne fonctionnera pas si les médecins sont compétents. Pour l'hôpital, le bénéfice de ce système n'est pas clair, pourquoi dépenser de l'argent pour l'installation. Et cela n'est possible que si l'établissement médical dispose déjà d'un bon système d'information.

Mais, la moitié des projets que j'ai rencontrés vont dans ce sens ...

Une autre bonne option consiste à mettre en évidence le médecin ce que le réseau voit. Tumeurs / organes / certaines caractéristiques. Mais ce n'est pas une priorité. Et tout d'abord, les équipementiers en ont besoin. À un moment donné, ces «assistants» pourront passer la norme sur le terrain. Cette approche ne nécessite pas de licence stricte, soulage partiellement le médecin, est un bon avantage concurrentiel pour l'appareil / logiciel. J'ai vu plusieurs de ces projets. Mais, encore une fois, il s'agit d'autre chose. Cela ne remplace pas le médecin, n'améliore pas la détection.

Partie 2. Et qu'en est-il des statistiques

Récemment, un article génial est sorti. Une méta-étude sur la précision des réseaux de neurones et la manière dont ils combattent les gens. Il ne contient pas de réponses sur la façon dont quelque chose peut être mis en œuvre / utilisé. Mais au moins, cela vous permet d'évaluer la pointe moderne de la science.
Le calendrier final de l'article est approximativement le suivant (cote de précision pour toutes les études):



Il semble que même les gens perdent considérablement! Mais n'oubliez pas qu'il s'agit d'une méta-étude, où les points sur le graphique sont la précision finale des algorithmes.

Si nous laissons ces articles où l'évaluation des personnes et l'algorithme sont basés sur un ensemble de données identiques (il n'y en a que 14), le graphique final sera beaucoup plus intéressant:



On peut voir qu'avec une comparaison adéquate, les algorithmes donnent presque la même précision que les médecins professionnels.

Mais n'oubliez pas quelques points:

1. Vous ne pouvez entraîner un neurone que dans une tâche clairement définie. S'il y a soudainement de la merde étrange dans l'image - le médecin comprendra immédiatement et la sortie du neurone ne sera pas déterminée
2. La précision du médecin dépend des qualifications. Ce sera un exemple ci-dessous. Le neurone est susceptible de donner une certaine précision moyenne.
3. Le neurone peut dépendre de la méthode / de l'ensemble d'entraînement. L'invariance du docteur est beaucoup plus grande.

À propos de l'exactitude des médecins. Je suis tombé sur plusieurs études où ils ont analysé l'exactitude des médecins. En fait, un très bon neurone ne peut pas être fabriqué sans une telle étude. De ce dernier, j'ai vraiment aimé celui- ci . La lecture des mammographies est l'un des domaines les plus difficiles en radiologie. Il faut restaurer spatialement 4 images prises dans des directions différentes et comprendre si tout va bien ou non. Un neurone donne une précision de 87% dans la classification des malades / en bonne santé. Médecins - de 70% à 86%. De plus, selon l'étude, les médecins avaient de l'expérience dans cette tâche.

Pas besoin de généraliser cette étude à toutes les autres tâches. Mais un moment frais est visible - "le neurone aide définitivement les mauvais médecins." Mais les bons sont un peu lents.

Partie 3. À propos de l’utilité réelle des neurones en médecine

Tout ce que j'ai dit ci-dessus était une discussion sur le thème "les neurones et la recherche de pathologies". Écartons-nous quelques minutes et parlons d'un sujet plus général - les neurones et la médecine. Les neurones peuvent-ils aider en médecine, en analyse d'images?

Et puis la réponse est définitivement oui. Et il est déjà activement utilisé. D'après les derniers exemples rencontrés (j'apporte ici des startups purement médicales russes qui ont atteint le produit):

L'UNIM est un réseau de laboratoires effectuant des recherches sur des échantillons de biopsie (les médecins appellent cela des études pathologiques). Ces études sont assez longues et mornes. Le médecin s'assoit et compte le nombre de cellules d'un type, d'un autre type, le nombre de cellules colorées, etc. Il y a quelques années à peine, tous ces calculs ont été effectués au microscope et avec un compteur en main.

Ceci est résolu rapidement et bien grâce aux neurones. La précision est augmentée (quelque chose est déjà possible et le nombre de cellules compte algorithmiquement beaucoup plus facilement qu'avec les yeux + vous pouvez traiter une zone plus grande en moins de temps). Et le plus important - le temps de travail du médecin est considérablement accéléré.

DiagnoCat - tomodensitométrie pour maladie dentaire . Une personne a beaucoup de dents. Le médecin traitant prête généralement attention à la dent qui guérit + pour ce qui attire l'œil. Personne ne décrit complètement les 32 dents. Mais l'algorithme peut. Cette approche augmente la conversion, améliore l'état final des patients.

Ce n'est qu'en Russie que j'ai vu 3-4 autres entreprises / startups qui ont introduit avec succès l'apprentissage automatique dans les technologies quasi médicales. Et ces solutions ont amélioré la qualité des services / réduit leur prix.
La caractéristique principale de ces startups est qu'elles ne proviennent pas de "la résolution de tous les problèmes", mais de "l'accélération du traitement des données" / "l'amélioration de l'efficacité".

Épilogue

Les réseaux de neurones ne viennent plus d'une idée comme «mais reconnaissons X». Et à partir d'une idée comme «nous dépensons beaucoup sur Y -> pouvons-nous en quelque sorte optimiser cela?». Eh bien, par exemple, remplissez automatiquement un diagnostic si nous passons beaucoup de temps à gribouiller. Malheureusement, beaucoup ne comprennent pas cela.

La médecine va-t-elle changer au cours des 10 prochaines années? Je pense que oui. Mais pas à cause des réseaux de neurones, mais à cause de l'informatisation. Contrôle de flux automatique, postes de travail virtuels, combinant toutes les données dans une base de données commune. Et la vision industrielle ... Elle apparaîtra elle-même dans les projets qui se développeront devant elle. Calme et tranquille.