Visi mesin dan obat-obatan

Lima tahun telah berlalu sejak saat jaringan saraf mulai menempel di setiap lubang. Ada banyak contoh di mana semuanya bekerja hampir dengan sempurna - biometrik, pengenalan informasi teknis (angka, kode), klasifikasi dan pencarian dalam array data.

Ada area di mana semuanya semakin buruk, tetapi sekarang banyak kemajuan sedang dibuat - pidato / pengenalan teks, terjemahan.



Tapi ada area misterius. Sepertinya ada kemajuan. Dan artikel diterbitkan secara berkala. Hanya sekarang ini tidak benar-benar dapat digunakan secara praktis.

Mari kita lihat bagaimana jaringan saraf dan penglihatan mesin bekerja dalam kedokteran.

Reservasi kecil . Dalam artikel ini saya hanya akan berbicara tentang visi mesin. Ini adalah ketika kita mencoba mengenali sesuatu dengan radiografi, foto, gambar dengan pemindaian ultrasound, CT / MRI, dll.
Ini adalah area yang sangat meningkat dalam beberapa tahun terakhir. Di area lain, semuanya agak membingungkan / licik, saya tidak ingin menyentuhnya.

Penafian kecil 2 . Saya ingin melakukannya tanpa contoh eksplisit di sini, mengingat komunitas yang berlaku untuk hampir semua neuron. Jika Anda tertarik membaca apa yang baru-baru ini dipelajari oleh neuron dalam bidang kedokteran, maka saya menyarankan Anda:
Pengenalan fluorogram
Pengakuan Mammogram
Retina
Kanker kulit

Dan masih banyak lagi.

Bagian 1 - dengan gerakan

Kedokteran adalah bidang pengetahuan manusia yang sangat spesifik. Tidak seperti yang saya sebutkan di atas (biometrik / angka / terjemahan) - ada tanggung jawab. Jika dokter jelas-jelas kacau - masyarakat manusia menyarankan agar ia terbang. Bukan untuk mengatakan bahwa instalasi ini selalu dilakukan. Tetapi ada paradigma tertentu di benak para dokter dan di benak masyarakat. Siapa pun yang Anda ajak bicara, orang selalu berpikir dalam kerangka itu.

Dan sekarang kita datang dengan jaringan saraf kita. Dan kami berkata: "Kami memprediksi dengan akurasi yang sama dengan dokter!" (di bawah ini kami akan mempertimbangkan pernyataan ini secara rinci). Dokter melihat satu foto - kira-kira. Yang kedua cantik. Namun pada kesepuluh, dia tidak setuju dengan pendapat jaringan secara radikal. Dokter akan menulis "dengan curiga," dan jaringan mengatakan "sehat." "Apa ini?!" - pikir dokter. "Apakah kita benar-benar akan membiarkan pasien ini keluar?!"

Secara global, dengan pendekatan "jaringan saraf + dokter", di mana tujuan jaringan adalah "untuk mencari patologi," distribusi posterior dapat sebagai berikut:

1. Pasien memiliki patologi -> jaringan saraf menemukannya -> dokter melihatnya (ditambah karma dokter)
2. Pasien memiliki patologi -> jaringan saraf tidak menemukannya -> dokter melihatnya (dokter percaya "baik, mereka menemukan omong kosong di sini," minus karma jaringan)
3. Pasien memiliki patologi -> jaringan saraf tidak dapat menemukannya -> dokter juga tidak melihat apa-apa (semua orang dilubangi, tidak ada hukuman kepada siapa pun)
4. Pasien memiliki patologi -> jaringan saraf tidak menemukannya -> dokter tidak melihat dia (dokter berpikir "baik, mereka datang dengan omong kosong di sini", dan kemudian dua pilihan adalah "dokter yakin bahwa dia benar", temuan pergi ke sampah dan "dokter ingin melepaskan tanggung jawab") - penunjukan analisis tambahan / studi tambahan - dan kemudian kemenangan)
5. Pasien tidak memiliki patologi -> jaringan saraf tidak dapat menemukannya -> dokter juga tidak melihat apa-apa (ditambah karma dokter)
6. Pasien tidak memiliki patologi -> jaringan saraf tidak menemukannya -> dokter melihat sesuatu ("apa neuron Anda tidak melihat gejala yang jelas, bahkan jika tidak ada patologi di sini - pasti perlu diperiksa!")
7. Pasien tidak memiliki patologi -> jaringan saraf menemukannya -> dokter juga menemukan sesuatu (semua orang setuju, semuanya ada dalam plus)
8. Pasien tidak memiliki patologi -> jaringan saraf menemukannya -> dokter tidak melihat apa-apa (sekali lagi, ada dua versi peristiwa "dokter percaya bahwa dia benar" - dan semuanya baik-baik saja "dokter ingin melepaskan tanggung jawab" - dan memulai rantai penelitian. Hasilnya adalah dokter yang kesal, itu lagi saya harus menunjuk banyak tes dan tidak ada).

Sekarang mari kita merangkum semua hasil: 1,3,5,7 - tidak ada perubahan dalam protokol penelitian saat ini. Untuk studi skrining, ini akan menjadi 95% kasus. Jaringan saraf tidak mengubah apa pun, dan tindakan apa pun yang terkait dengannya akan mempersulit kerja dokter => dalam arti global mereka akan memberi tekanan pada yang negatif.

Poin 2 dan 6 memberikan minus yang luar biasa pada karma jaringan saraf. Mereka akan membuat negatif yang jelas setiap kali terjadi.

Poin 4 adalah satu-satunya situasi ketika neuron dapat pulih. Tetapi dia harus melalui negativitas dokter. Dan itu akan sepenuhnya dibunuh oleh Paragraf 8 . Agar dokter memahami bahwa neuron efektif, jumlah kasus yang dijelaskan dalam ayat 4 harus sebanding atau lebih tinggi dari pada ayat 8. Tetapi ini hanya dapat dicapai dalam kasus di mana jumlah pasien dengan patologi tinggi. Untuk penyaringan, ini tidak terjadi.

Realitas terlihat lebih buruk, jujur. Jika neuron melihat apa yang tidak ada dalam pelatihan, tetapi apa yang jelas bagi dokter, dia akan memberikan beberapa jawaban acak. Nah, misalnya, sisa-sisa intervensi medis kompleks selama fluorografi (jahitan / prostesis / fragmen). Dan, bahkan jika jaringan secara statistik lebih baik daripada dokter, tetapi setiap beberapa minggu dokter melihat kesalahan nyata yang sama - ia akan terbakar.

Ok Kami sampai pada kesimpulan bahwa ketika terintegrasi dengan dokter yang berkualifikasi, jaringan saraf secara praktis tidak dapat meningkatkan deteksi penyakit - itu hanya akan menambah masalah. Dan mari kita pikirkan tentang bagaimana neuron dapat dikacaukan tanpa dokter? Masalah sebenarnya dari klinik di Rusia adalah banyak spesialis berkualitas rendah di lapangan. Saya berbicara dengan dokter sen federal - dan ada dua keluhan:

• Dokter yang ragu-ragu mengirimkan ke pusat federal untuk diagnosis
• Dokter tidak melihat tumor di lantai dada (sedikit pengalaman)

Harus dipahami bahwa dalam situasi seperti itu, jaringan saraf mana pun menghasilkan akurasi urutan besarnya lebih tinggi dari dokter tersebut.

Tetapi ketika Anda mencoba menarik kenyataan, semuanya menjadi sedikit lebih sedih:

1. Undang-undang tidak akan memungkinkan untuk mengganti dokter sepenuhnya - lagi, "siapa yang akan bertanggung jawab"
2. Dokter tingkat rendah kemungkinan akan mengikuti salah satu dari dua jalur:
   
   • Anggap diri Anda lebih pintar daripada jaringan dan tidak mendengarkan keputusannya. Dilihat oleh apa yang saya lihat - akan ada mayoritas.
   • Sepenuhnya mematuhi keputusannya. Ini tidak buruk, tetapi kita tidak dapat memaksa dokter untuk melakukannya secara birokratis, karena dokterlah yang bertanggung jawab.
3. Pada level rendah, ada dokter yang cukup bagus - dan ini harus diperhitungkan. Dokter semacam itu dapat merusak reputasi program apa pun, menunjukkan kesalahannya.

Yang paling menyedihkan adalah masalah “kualifikasi rendah dokter” ini diselesaikan dengan cara lain, bukan di jaringan saraf. Pendekatan sistematis yang kompeten, dengan pelatihan terus-menerus dari dokter / pengujian kecakapan / pembuatan infrastruktur jaringan sehingga satu dokter dapat melayani banyak rumah sakit sekaligus / duplikasi untuk 2-3 dokter. Menyelesaikan masalah ini dengan jaringan saraf hampir sama dengan mendekati perbaikan mobil dengan kata-kata "Saya punya gulungan pita perekat, mengapa tidak mencobanya."

DIT yang sama di Moskow juga ada di jalur "pertama kita akan mengurangi segalanya menjadi satu tempat, dan kemudian mengenalinya." Mereka mempromosikan keputusan mereka dengan neuron di konferensi. Tetapi mereka mulai bekerja secara tepat dengan solusi sistem. Neuron akan datang ke tempat-tempat seperti itu nanti, di suatu tempat mempercepat pekerjaan, di suatu tempat meningkatkan kualitas. Perlu dimulai dengan infrastruktur.

Tentu saja, ada cara bagaimana menghubungkan masalah ini dengan neuron. Secara otomatis memeriksa semua gambar yang diambil di institusi. Tetapkan ambang batas sedemikian rupa sehingga hampir tidak ada positif palsu (ya, biarkan 20% pasien dilewati). Dan, jika kami yakin pasien itu sakit, maka, melewati dokter, berikan dia pemeriksaan tambahan.
Itu terlihat sederhana. Pada kenyataannya, ini adalah pilihan yang sangat buruk: itu menghancurkan logika pengambilan keputusan (pasien dilepaskan, bagaimana memanggilnya sekarang), ia menghancurkan reputasi dokter (bagaimana cara memangkas dengan mudah Petrovich?!), Ia tidak dapat diterima oleh administrasi (bagaimana melewatkan 20%?!). Dia tidak akan bekerja jika dokternya kompeten. Untuk rumah sakit, keuntungan dari sistem ini tidak jelas, mengapa menghabiskan uang untuk instalasi. Dan itu hanya mungkin jika institusi medis sudah memiliki sistem informasi yang baik.

Tapi, setengah dari proyek yang saya temui melihat ke arah ini ...

Pilihan lain yang baik adalah untuk menyoroti dokter apa yang dilihat jaringan. Tumor / organ / beberapa karakteristik. Tapi ini bukan prioritas. Dan pertama-tama, produsen peralatan membutuhkannya. Pada titik tertentu, "asisten" tersebut akan dapat melewati standar di lapangan. Pendekatan ini tidak memerlukan lisensi ketat, sebagian membebaskan dokter, merupakan keunggulan kompetitif yang baik untuk perangkat / perangkat lunak. Saya telah melihat beberapa proyek semacam itu. Tapi, sekali lagi, ini tentang hal lain. Ini tidak menggantikan dokter, tidak meningkatkan deteksi.

Bagian 2. Dan bagaimana dengan statistik

Baru-baru ini, sebuah artikel yang luar biasa keluar. Sebuah meta-studi tentang apa yang dicapai akurasi jaringan saraf dan bagaimana hal itu melawan orang. Itu tidak mengandung jawaban bagaimana sesuatu dapat diimplementasikan / digunakan. Tapi setidaknya itu memungkinkan Anda untuk mengevaluasi ujung tombak modern dalam sains.
Jadwal akhir artikel kira-kira sebagai berikut (peringkat akurasi untuk semua studi):



Tampaknya bahkan banyak orang yang kalah! Tapi jangan lupa bahwa ini adalah studi meta, di mana titik-titik pada grafik adalah akurasi terakhir dari algoritma.

Jika kita meninggalkan artikel tersebut di mana penilaian orang dan algoritme didasarkan pada kumpulan data yang identik (hanya ada 14 di antaranya), maka grafik terakhir akan jauh lebih menarik:



Dapat dilihat bahwa dengan perbandingan yang memadai, algoritma menghasilkan akurasi yang hampir sama dengan dokter profesional.

Tapi jangan lupa beberapa poin:

1. Anda hanya bisa melatih neuron dalam tugas yang jelas. Jika tiba-tiba ada beberapa omong kosong aneh dalam gambar - dokter akan segera mengerti, dan output dari neuron tidak akan ditentukan
2. Keakuratan dokter tergantung pada kualifikasi. Ini akan menjadi contoh di bawah ini. Neuron kemungkinan memberikan akurasi rata-rata.
3. Neuron mungkin tergantung pada metode / pada set pelatihan. Invarian dokter jauh lebih besar.

Tentang ketepatan dokter. Saya menemukan beberapa studi di mana mereka menganalisis keakuratan dokter. Faktanya, neuron yang benar-benar baik tidak dapat dibuat tanpa penelitian semacam itu. Yang terakhir, saya sangat suka yang ini. Membaca mammogram adalah salah satu bidang yang paling sulit dalam radiologi. Hal ini diperlukan untuk mengembalikan spasial 4 gambar yang diambil dari arah yang berbeda dan memahami apakah semuanya OK atau tidak. Neuron memberikan akurasi 87% dalam klasifikasi sakit / sehat. Dokter - dari 70% menjadi 86%. Apalagi menurut penelitian, dokter punya pengalaman dalam tugas ini.

Tidak perlu menggeneralisasi penelitian ini untuk semua tugas lain. Tapi momen yang keren terlihat - "neuron pasti membantu dokter yang buruk." Tapi yang bagus agak lambat.

Bagian 3. Tentang di mana neuron dalam kedokteran sangat membantu

Semua yang saya katakan di atas adalah diskusi tentang topik "neuron dan pencarian patologi." Mari kita ngelantur selama beberapa menit dan berbicara tentang topik yang lebih umum - neuron dan kedokteran. Dapatkah neuron membantu dalam kedokteran, dalam analisis citra?

Dan kemudian jawabannya pasti ya. Dan sudah aktif digunakan. Dari contoh-contoh terbaru yang muncul (saya bawa ke sini perusahaan rintisan medis Rusia murni yang telah mencapai produk):

UNIM adalah jaringan laboratorium yang melakukan penelitian pada spesimen biopsi (dokter menyebutnya studi patologis). Studi-studi ini cukup panjang dan suram. Dokter duduk dan menghitung jumlah sel dari satu jenis, jenis lain, jumlah sel yang ternoda, dll. Hanya beberapa tahun yang lalu, semua perhitungan ini dilakukan di bawah mikroskop dan dengan penghitung di tangan.

Ini dipecahkan dengan cepat dan baik melalui neuron. Akurasi meningkat (sesuatu sudah mungkin dan jumlah sel secara algoritme menghitung lebih mudah daripada dengan mata + Anda dapat memproses area yang lebih besar dalam waktu yang lebih singkat). Dan yang paling penting - waktu kerja dokter sangat dipercepat.

DiagnoCat - CT scan untuk penyakit gigi . Seseorang memiliki banyak gigi. Dokter yang merawat biasanya memperhatikan gigi yang menyembuhkan + apa yang menarik mata. Tidak ada yang menjelaskan semua 32 gigi sepenuhnya. Tetapi algoritma bisa. Pendekatan ini meningkatkan konversi, meningkatkan kondisi akhir pasien.

Hanya di Rusia saya melihat 3-4 lebih banyak perusahaan / startup yang berhasil memperkenalkan pembelajaran mesin dalam teknologi hampir medis. Dan solusi ini telah meningkatkan kualitas layanan / mengurangi harganya.
Fitur utama dari startup tersebut adalah mereka tidak datang dari "menyelesaikan semua masalah", tetapi dari "mempercepat pemrosesan data" / "meningkatkan efisiensi".

Epilog

Jaringan saraf sekarang tidak berasal dari ide seperti "tetapi mari kita kenali X". Dan dari ide seperti "kita membelanjakan banyak pada Y -> bisakah kita mengoptimalkan ini?". Nah, misalnya, secara otomatis mengisi diagnosis jika kita menghabiskan banyak waktu untuk menulis. Sayangnya, banyak yang tidak mengerti hal ini.

Apakah obat akan berubah dalam 10 tahun ke depan? Saya kira begitu. Tetapi bukan karena jaringan saraf, tetapi karena informatisasi. Kontrol aliran otomatis, workstation virtual, menggabungkan semua data ke dalam database umum. Dan visi mesin ... Itu sendiri akan muncul dalam proyek-proyek yang akan tumbuh sebelumnya. Tenang dan tenang.