मशीन दृष्टि और चिकित्सा

पांच साल बीत चुके हैं जब तंत्रिका नेटवर्क प्रत्येक छेद में चिपकना शुरू हुआ था। ऐसे कई उदाहरण हैं जहां सब कुछ लगभग पूरी तरह से काम करता है - बायोमेट्रिक्स, तकनीकी जानकारी की मान्यता (संख्या, कोड), वर्गीकरण और एक डेटा सरणी में खोज।

ऐसे क्षेत्र हैं जहां सब कुछ खराब हो रहा है, लेकिन अब बहुत प्रगति हो रही है - भाषण / पाठ मान्यता, अनुवाद।



लेकिन रहस्यमयी क्षेत्र हैं। ऐसा लगता है जैसे प्रगति है। और लेख नियमित रूप से प्रकाशित होते हैं। केवल अब यह वास्तव में व्यावहारिक उपयोग के लिए नहीं है।

आइए देखें कि चिकित्सा में तंत्रिका नेटवर्क और मशीन दृष्टि कैसे काम करती है।

एक छोटा सा आरक्षण । लेख में मैं केवल मशीन विजन के बारे में बात करूंगा। यह तब होता है जब हम एक रेडियोग्राफ़, एक तस्वीर, एक अल्ट्रासाउंड स्कैन के साथ एक तस्वीर, सीटी / एमआरआई, आदि द्वारा कुछ पहचानने की कोशिश करते हैं।
ये ऐसे क्षेत्र हैं जिन्होंने हाल के वर्षों में बहुत सुधार किया है। अन्य क्षेत्रों में, सब कुछ कुछ अधिक भ्रमित / चालाक है, मैं उन्हें छूना नहीं चाहता।

छोटा अस्वीकरण २ । मैं यहां स्पष्ट उदाहरणों के बिना करना चाहता हूं, उन समुदायों को देखते हुए जो लगभग सभी न्यूरॉन्स के लिए सच हैं। यदि आप पढ़ने में रुचि रखते हैं कि न्यूरॉन्स ने हाल ही में चिकित्सा में क्या करना सीखा है, तो मैं आपको सलाह देता हूं:
फ्लोरोग्राम पहचान
मैमोग्राम मान्यता
रेटिना
त्वचा का कैंसर

और भी बहुत कुछ।

भाग 1 - एक झपट्टा के साथ

चिकित्सा मानव ज्ञान का एक बहुत विशिष्ट क्षेत्र है। इसके विपरीत जो मैंने ऊपर सूचीबद्ध किया है (बायोमेट्रिक्स / संख्या / अनुवाद) - एक जिम्मेदारी है। अगर डॉक्टर ने स्पष्ट रूप से गड़बड़ की - मानव समाज का सुझाव है कि उसे उड़ना चाहिए। यह कहने के लिए नहीं कि यह स्थापना हमेशा की जाती है। लेकिन डॉक्टरों के मन में और समाज के मन में एक निश्चित प्रतिमान है। आप जो भी बात करते हैं, लोग हमेशा उस ढांचे में सोचते हैं।

और अब हम अपने तंत्रिका नेटवर्क के साथ आते हैं। और हम कहते हैं: "हम डॉक्टर के समान सटीकता के साथ भविष्यवाणी करते हैं!" (नीचे हम इस कथन पर विस्तार से विचार करेंगे)। डॉक्टर एक फोटो को देखता है - लगभग। दूसरा भव्य है। लेकिन दसवें पर, वह नेटवर्क की राय से मौलिक रूप से सहमत नहीं है। डॉक्टर "संदिग्ध रूप से" लिखते हैं, और नेटवर्क "स्वस्थ" कहता है। "यह क्या है?" - डॉक्टर सोचता है। "क्या हम वास्तव में इस मरीज को बाहर जाने देंगे?"

वैश्विक स्तर पर, "तंत्रिका नेटवर्क + डॉक्टर" दृष्टिकोण के साथ, जहां नेटवर्क का लक्ष्य "विकृति विज्ञान की खोज करना" है, इसके बाद का वितरण निम्नानुसार हो सकता है:

1. रोगी के पास एक विकृति है -> तंत्रिका नेटवर्क उसे मिला -> डॉक्टर ने उसे देखा (प्लस डॉक्टर का कर्म)
2. रोगी के पास एक विकृति है-> तंत्रिका नेटवर्क ने इसे नहीं पाया -> डॉक्टर ने उसे देखा (डॉक्टर का मानना ​​है "अच्छी तरह से, वे यहां बकवास के साथ आए थे", नेटवर्क कर्म को घटाते हैं)
3. रोगी के पास एक विकृति है -> तंत्रिका नेटवर्क इसे नहीं ढूंढ सका -> डॉक्टर को भी कुछ भी नहीं दिखता है (हर किसी को खोखला कर दिया गया था, किसी को कोई सजा नहीं)
4. रोगी के पास एक विकृति है-> तंत्रिका नेटवर्क को यह नहीं मिला -> डॉक्टर ने उसे नहीं देखा (डॉक्टर सोचता है "ठीक है, वे यहाँ बकवास के साथ आए थे", और फिर दो विकल्प हैं "डॉक्टर को यकीन है कि वह सही है", खोज कबाड़ में चला जाता है और "डॉक्टर जिम्मेदारी से हटना चाहता है" - अतिरिक्त विश्लेषण / अतिरिक्त अध्ययन की नियुक्ति - और फिर जीत)
5. रोगी के पास कोई विकृति नहीं है -> तंत्रिका नेटवर्क इसे नहीं खोज सका -> डॉक्टर को भी कुछ नहीं दिखता है (साथ ही डॉक्टर का पता)
6. रोगी के पास एक विकृति नहीं है -> तंत्रिका नेटवर्क ने इसे नहीं पाया -> डॉक्टर कुछ देखता है ("क्या आपके न्यूरॉन को इस तरह के स्पष्ट लक्षण दिखाई नहीं देते हैं, भले ही यहां कोई विकृति नहीं थी - निश्चित रूप से जांच करने की आवश्यकता है!")।
7. रोगी के पास एक विकृति नहीं है -> तंत्रिका नेटवर्क ने इसे पाया -> डॉक्टर ने भी कुछ पाया (हर कोई इससे सहमत है, सब कुछ प्लस में)
8. रोगी के पास कोई विकृति नहीं है -> तंत्रिका नेटवर्क ने इसे पाया -> डॉक्टर को कुछ भी दिखाई नहीं देता (फिर से, घटनाओं के दो संस्करण हैं "डॉक्टर का मानना ​​है कि वह सही है" - और सब कुछ ठीक है "डॉक्टर जिम्मेदारी से धक्का देना चाहता है" - और अनुसंधान श्रृंखला शुरू करता है। परिणाम एक नाराज डॉक्टर है। फिर से मुझे परीक्षणों का एक समूह नियुक्त करना पड़ा और वहाँ कुछ भी नहीं है)।

आइए अब सभी परिणामों को संक्षेप में प्रस्तुत करें: 1,3,5,7 - वर्तमान अध्ययन प्रोटोकॉल में कोई बदलाव नहीं हुआ है। स्क्रीनिंग अध्ययन के लिए, यह 95% मामले होंगे। तंत्रिका नेटवर्क कुछ भी नहीं बदलता है, और इसके साथ जुड़ी कोई भी कार्रवाई डॉक्टर के काम को जटिल बना देगी => वैश्विक अर्थों में वे नकारात्मक में दबाव डालेंगे।

अंक 2 और 6 तंत्रिका नेटवर्क के कर्म को एक भयानक ऋण देते हैं। वे हर बार एक स्पष्ट नकारात्मक पैदा करेंगे।

बिंदु 4 एकमात्र ऐसी स्थिति है जब एक न्यूरॉन पुनरावृत्ति कर सकता है। लेकिन उसे डॉक्टर की नकारात्मकता से गुजरना होगा और यह पूरी तरह से पैरा 8 द्वारा मार दिया जाएगा। डॉक्टरों को यह समझने के लिए कि न्यूरॉन प्रभावी है, पैरा 4 में वर्णित मामलों की संख्या पैराग्राफ 8 की तुलना में अधिक या अधिक होनी चाहिए। लेकिन यह केवल उन मामलों में प्राप्त करने योग्य है जहां विकृति वाले रोगियों की संख्या अधिक है। स्क्रीनिंग के लिए, यह नहीं होता है।

वास्तविकता और भी बदतर लग रही है, ईमानदार होना। यदि न्यूरॉन देखता है कि प्रशिक्षण में क्या नहीं था, लेकिन डॉक्टर के लिए क्या स्पष्ट है, तो वह कुछ यादृच्छिक उत्तर देगा। खैर, उदाहरण के लिए, फ्लोरोग्राफी (टांके / कृत्रिम अंग / टुकड़े) के दौरान जटिल चिकित्सा हस्तक्षेप के अवशेष। और, भले ही नेटवर्क सांख्यिकीय रूप से डॉक्टर से बेहतर हो, लेकिन हर दो हफ्ते में डॉक्टर को एक ही स्पष्ट त्रुटि दिखाई देती है - वह जल जाएगा।

लगभग। हम इस निष्कर्ष पर पहुंचे कि जब एक योग्य चिकित्सक के साथ एकीकृत किया जाता है, तो तंत्रिका नेटवर्क व्यावहारिक रूप से बीमारियों का पता लगाने में सक्षम नहीं होता है - यह केवल समस्याओं को जोड़ देगा। और चलो सोचते हैं कि डॉक्टर के बिना न्यूरॉन को कैसे खराब किया जा सकता है? रूस में क्लीनिक की वास्तविक समस्या क्षेत्र में बहुत कम गुणवत्ता वाले विशेषज्ञों की है। मैंने संघीय सेंट के डॉक्टरों से बात की - और दो शिकायतें हैं:

• मामूली संदेह पर डॉक्टर निदान के लिए संघीय केंद्र को भेजते हैं
• डॉक्टर छाती के तल पर ट्यूमर नहीं देखते हैं (थोड़ा अनुभव)

यह समझा जाना चाहिए कि ऐसी स्थितियों में, कोई भी तंत्रिका नेटवर्क सटीकता को ऐसे डॉक्टर की तुलना में अधिक परिमाण का आदेश देता है।

लेकिन जब आप वास्तविकता को आकर्षित करने की कोशिश करते हैं, तो सब कुछ थोड़ा दुखी हो जाता है:

1. विधान पूरी तरह से एक डॉक्टर को बदलने की अनुमति नहीं देगा - फिर से, "कौन जिम्मेदार होगा"
2. निम्न-स्तर के डॉक्टर संभवतः दो रास्तों में से एक का पालन करेंगे:
   
   • अपने आप को नेटवर्क की तुलना में अधिक स्मार्ट समझें और इसके निर्णयों को न सुनें। मैंने जो देखा, उसे देखते हुए - बहुमत होगा।
   • उसके फैसलों का पूरी तरह से पालन करें। यह बुरा नहीं है, लेकिन हम डॉक्टर को नौकरशाही करने के लिए मजबूर नहीं कर सकते, क्योंकि डॉक्टर वही है जो जिम्मेदार है।
3. निम्न स्तर पर, काफी अच्छे डॉक्टर हैं - और इसे ध्यान में रखा जाना चाहिए। ऐसे डॉक्टर किसी भी कार्यक्रम की प्रतिष्ठा को कमजोर कर सकते हैं, इसकी त्रुटियों को दर्शाते हैं।

सबसे दुखद बात यह है कि “एक डॉक्टर की कम योग्यता” की यह समस्या अन्य तरीकों से हल होती है, न कि तंत्रिका नेटवर्क में। एक सक्षम व्यवस्थित दृष्टिकोण, एक डॉक्टर के निरंतर प्रशिक्षण / प्रवीणता परीक्षण / एक नेटवर्क बुनियादी ढांचे के निर्माण के साथ ताकि एक डॉक्टर 2-3 डॉक्टरों के लिए एक बार में कई अस्पतालों / दोहराव की सेवा दे सके। तंत्रिका नेटवर्क के साथ इस समस्या को हल करना "मैं चिपकने वाला टेप का एक रोल है, क्यों कोशिश नहीं की।"

मास्को में एक ही डीआईटी भी रास्ते में है "पहले हम एक जगह पर सब कुछ कम कर देंगे, और फिर इसे पहचान लेंगे।" उन्होंने सम्मेलनों में न्यूरॉन्स के साथ अपने फैसले को बढ़ावा दिया। लेकिन वे सिस्टम समाधान के साथ ठीक काम करना शुरू करते हैं। न्यूरॉन्स ऐसे स्थानों पर बाद में आएंगे, कहीं काम में तेजी लाएंगे, कहीं गुणवत्ता में सुधार करेंगे। आधारभूत संरचना से शुरू करना आवश्यक है।

बेशक, एक तरीका है कि न्यूरॉन के साथ इस समस्या को कैसे प्लग किया जाए। संस्था में ली गई सभी तस्वीरों को स्वचालित रूप से जांचें। इस तरह से सीमा निर्धारित करें कि लगभग कोई झूठी सकारात्मकता नहीं है (हाँ, 20% रोगियों को छोड़ दिया जाए)। और, अगर हमें यकीन है कि रोगी बीमार है, तो, डॉक्टर को दरकिनार करते हुए, उसे अतिरिक्त परीक्षाएं दें।
यह सरल दिखता है। वास्तव में, यह एक नारकीय विकल्प है: यह निर्णय लेने के तर्क को नष्ट कर देता है (मरीज को कैसे रिहा किया जाता है, अब उसे कैसे बुलाना है), वह डॉक्टरों की प्रतिष्ठा को नष्ट कर देता है (वासिली पेत्रोविच घास काटने का तरीका कैसे है?), वह प्रशासन के लिए अस्वीकार्य है (20% कैसे छोड़ें!)। डॉक्टरों के सक्षम होने पर वह काम नहीं करेगा। अस्पताल के लिए, इस प्रणाली का लाभ स्पष्ट नहीं है, स्थापना पर पैसा क्यों खर्च करना है। और यह केवल तभी संभव है जब चिकित्सा संस्थान में पहले से ही एक अच्छी सूचना प्रणाली हो।

लेकिन, इस परियोजना के आधे हिस्से मैं इस दिशा में आए ...

एक और अच्छा विकल्प डॉक्टर को उजागर करना है जो नेटवर्क देखता है। ट्यूमर / अंग / कुछ विशेषताएं। लेकिन यह प्राथमिकता नहीं है। और सबसे पहले, उपकरण निर्माताओं को इसकी आवश्यकता है। कुछ बिंदु पर, ऐसे "सहायक" क्षेत्र में मानक पारित करने में सक्षम होंगे। इस दृष्टिकोण को सख्त लाइसेंस की आवश्यकता नहीं है, आंशिक रूप से डॉक्टर को राहत देता है, डिवाइस / सॉफ्टवेयर के लिए एक अच्छा प्रतिस्पर्धी लाभ है। मैंने ऐसे कई प्रोजेक्ट देखे हैं। लेकिन, फिर, यह कुछ और के बारे में है। यह डॉक्टर को प्रतिस्थापित नहीं करता है, पता लगाने में सुधार नहीं करता है।

भाग 2. और आँकड़ों के बारे में क्या

हाल ही में, एक भयानक लेख सामने आया। तंत्रिका नेटवर्क क्या सटीकता प्राप्त करते हैं और यह लोगों को कैसे लड़ता है, इस पर एक मेटा-अध्ययन। इसमें किसी चीज को कैसे लागू / उपयोग किया जा सकता है, इसका उत्तर नहीं है। लेकिन कम से कम यह आपको विज्ञान में आधुनिक अत्याधुनिक का मूल्यांकन करने की अनुमति देता है।
लेख की अंतिम अनुसूची लगभग इस प्रकार है (सभी अध्ययनों के लिए सटीकता रेटिंग):



ऐसा लगता है कि लोगों को भी काफी खोना! लेकिन यह मत भूलो कि यह एक मेटा-अध्ययन है, जहां ग्राफ पर अंक एल्गोरिदम की अंतिम सटीकता हैं।

यदि हम उन लेखों को छोड़ देते हैं जहां लोगों और एल्गोरिथ्म का मूल्यांकन एक समान डेटा सेट पर आधारित है (उनमें से केवल 14 हैं), तो अंतिम ग्राफ़ बहुत अधिक दिलचस्प होगा:



यह देखा जा सकता है कि एक पर्याप्त तुलना के साथ, एल्गोरिदम पेशेवर डॉक्टरों के समान ही सटीकता प्रदान करते हैं।

लेकिन कुछ बिंदुओं को न भूलें:

1. आप केवल स्पष्ट रूप से परिभाषित कार्य में एक न्यूरॉन को प्रशिक्षित कर सकते हैं। अगर अचानक तस्वीर में कुछ अजीब बकवास है - डॉक्टर तुरंत समझ जाएगा, और न्यूरॉन का आउटपुट निर्धारित नहीं किया जाएगा
2. डॉक्टर की सटीकता योग्यता पर निर्भर करती है। यह नीचे एक उदाहरण होगा। न्यूरॉन कुछ औसत सटीकता देने की संभावना है।
3. न्यूरॉन प्रशिक्षण पद्धति पर / विधि पर निर्भर हो सकता है। डॉक्टर का आक्रमण बहुत अधिक है।

डॉक्टरों की सटीकता के बारे में। मुझे कई अध्ययनों में पता चला जहां उन्होंने डॉक्टरों की सटीकता का विश्लेषण किया। वास्तव में, इस तरह के अध्ययन के बिना वास्तव में अच्छा न्यूरॉन नहीं बनाया जा सकता है। उत्तरार्द्ध में से, मुझे वास्तव में यह पसंद आया। मैमोग्राम पढ़ना रेडियोलॉजी में सबसे कठिन क्षेत्रों में से एक है। विभिन्न दिशाओं से ली गई 4 छवियों को स्थानिक रूप से पुनर्स्थापित करना और यह समझना आवश्यक है कि सब कुछ ठीक है या नहीं। एक न्यूरॉन कहीं न कहीं बीमार / स्वस्थ के वर्गीकरण में 87% सटीकता देता है। डॉक्टर - 70% से 86% तक। इसके अलावा, अध्ययन के अनुसार, डॉक्टरों को इस कार्य में अनुभव था।

इस अध्ययन को अन्य सभी कार्यों के लिए सामान्यीकृत करने की आवश्यकता नहीं है। लेकिन एक ठंडा क्षण दिखाई देता है - "न्यूरॉन निश्चित रूप से बुरे डॉक्टरों की मदद करता है।" लेकिन अच्छे लोग थोड़े धीमे होते हैं।

भाग 3. जहां दवा में न्यूरॉन्स वास्तव में मदद करते हैं

ऊपर मैंने जो कुछ भी कहा वह "न्यूरॉन्स और पैथोलॉजी की खोज" विषय पर एक चर्चा थी। आइए कुछ मिनटों के लिए खुदाई करें और अधिक सामान्य विषय पर बात करें - न्यूरॉन्स और दवा। क्या छवि विश्लेषण में न्यूरॉन्स दवा में मदद कर सकते हैं?

और तब जवाब निश्चित रूप से हाँ है। और यह पहले से ही सक्रिय रूप से उपयोग किया जाता है। नवीनतम उदाहरणों से जो सामने आए (मैं उत्पाद पर पहुंच चुके रूसी शुद्ध रूप से चिकित्सा स्टार्टअप यहां ला रहा हूं):

UNIM बायोप्सी नमूनों पर शोध करने वाली प्रयोगशालाओं का एक नेटवर्क है (डॉक्टर इसे पैथोलॉजिकल अध्ययन कहते हैं)। ये अध्ययन काफी लंबे और सुनसान हैं। डॉक्टर नीचे बैठते हैं और एक प्रकार की कोशिकाओं की संख्या, एक अन्य प्रकार, सना हुआ कोशिकाओं की संख्या आदि को गिनते हैं। बस कुछ साल पहले, ये सभी गणना माइक्रोस्कोप के तहत और हाथ में एक काउंटर के साथ की गई थीं।

यह न्यूरॉन्स के माध्यम से जल्दी और अच्छी तरह से हल किया जाता है। सटीकता में वृद्धि हुई है (कुछ पहले से ही संभव है और कोशिकाओं की संख्या आंखों की तुलना में एल्गोरिथ्म की गिनती बहुत आसान है + आप कम समय में एक बड़े क्षेत्र की प्रक्रिया कर सकते हैं)। और सबसे महत्वपूर्ण बात - डॉक्टर के काम का समय बहुत तेज है।

डायग्नोकोट - दंत रोग के लिए सीटी स्कैन। एक व्यक्ति के दांत बहुत होते हैं। उपस्थित चिकित्सक आमतौर पर उस दांत पर ध्यान देता है जो आंख को पकड़ता है। कोई भी सभी 32 दांतों का पूरी तरह से वर्णन नहीं करता है। लेकिन एल्गोरिथ्म कर सकते हैं। यह दृष्टिकोण रूपांतरण को बढ़ाता है, रोगियों की अंतिम स्थिति में सुधार करता है।

केवल रूस में मैंने 3-4 और कंपनियों / स्टार्टअप्स को देखा, जिन्होंने निकट-चिकित्सा प्रौद्योगिकियों में सफलतापूर्वक मशीन सीखने की शुरुआत की। और इन समाधानों ने सेवाओं की गुणवत्ता में सुधार किया है / उनकी कीमत कम की है।
ऐसे स्टार्टअप की मुख्य विशेषता यह है कि वे "सभी समस्याओं को हल करने" से नहीं आते हैं, लेकिन "डेटा प्रोसेसिंग में तेजी लाने" / "दक्षता में सुधार" से आते हैं।

उपसंहार

तंत्रिका नेटवर्क अब "आइए X को पहचानते हैं" जैसे विचार से नहीं आते हैं। और "हम वाई पर एक गुच्छा खर्च करते हैं जैसे एक विचार से - क्या हम किसी तरह इसे अनुकूलित कर सकते हैं?"। उदाहरण के लिए, उदाहरण के लिए, यदि हम स्क्रिबल पर बहुत समय बिताते हैं, तो स्वचालित रूप से एक निदान भरें। दुर्भाग्य से, कई लोग इसे नहीं समझते हैं।

क्या अगले 10 सालों में दवा बदल जाएगी? मुझे ऐसा लगता है। लेकिन तंत्रिका नेटवर्क के कारण नहीं, बल्कि सूचना के कारण। स्वचालित प्रवाह नियंत्रण, वर्चुअल वर्कस्टेशन, सभी डेटा को एक आम डेटाबेस में संयोजित करना। और मशीन की दृष्टि ... यह स्वयं उन परियोजनाओं में दिखाई देगा जो इससे पहले बढ़ेंगे। शांत और शांत।