Visão de máquina e medicina

Cinco anos se passaram desde o momento em que as redes neurais começaram a grudar em cada buraco. Existem muitos exemplos em que tudo funciona quase perfeitamente - biometria, reconhecimento de informações técnicas (números, códigos), classificação e pesquisa em um conjunto de dados.

Há áreas em que tudo está piorando, mas agora há muito progresso - reconhecimento de fala / texto, traduções.



Mas existem áreas misteriosas. Parece que há progresso. E artigos são publicados regularmente. Só que agora não chega a ser prático.

Vamos ver como as redes neurais e a visão de máquina funcionam na medicina.

Uma pequena reserva . No artigo, falarei apenas sobre visão de máquina. É quando tentamos reconhecer algo por meio de uma radiografia, uma fotografia, uma imagem com uma ultra-sonografia, TC / RM, etc.
Estas são áreas que melhoraram bastante nos últimos anos. Em outras áreas, tudo é um pouco mais confuso / astuto, não quero tocá-los.

Isenção de responsabilidade pequena 2 . Quero ficar sem exemplos explícitos aqui, considerando as comunidades verdadeiras para quase todos os neurônios. Se você estiver interessado em ler o que os neurônios aprenderam recentemente a fazer em medicina, aconselho:
Reconhecimento de fluorograma
Reconhecimento de mamografia
Retina
Câncer de pele

E muito mais

Parte 1 - com uma rusga

A medicina é uma área muito específica do conhecimento humano. Ao contrário do que listei acima (biometria / números / traduções) - há uma responsabilidade. Se o médico claramente estragou tudo - a sociedade humana sugere que ele deveria voar. Para não dizer que esta instalação é sempre realizada. Mas há um certo paradigma nas mentes dos médicos e nas mentes da sociedade. Com quem você conversa, as pessoas sempre pensam nessa estrutura.

E agora chegamos à nossa rede neural. E dizemos: "prevemos com a mesma precisão que o médico!" (abaixo, consideraremos essa declaração em detalhes). O médico olha para uma foto - aprox. O segundo é lindo. Mas no décimo, ele não concorda radicalmente com a opinião da rede. O médico escreveria "desconfiado" e a rede diz "saudável". "O que é isso ?!" - o médico pensa. "Nós realmente deixaríamos esse paciente sair ?!"

Globalmente, com a abordagem "rede neural + médico", onde o objetivo da rede é "procurar patologia", a distribuição posterior pode ser a seguinte:

1. O paciente tem uma patologia -> a rede neural a encontrou -> o médico a viu (mais o carma do médico)
2. O paciente tem uma patologia -> a rede neural não a encontrou -> o médico a viu (o médico acredita "bem, eles inventaram porcaria aqui", menos o carma da rede)
3. O paciente tem uma patologia -> a rede neural não conseguiu encontrá-la -> o médico também não vê nada (todo mundo ficou oco, sem punição para ninguém)
4. O paciente tem uma patologia -> a rede neural não a encontrou -> o médico não a vê (o médico pensa "bem, eles inventaram porcaria aqui") e as duas opções são "o médico tem certeza de que está certo", a descoberta vai para o lixo e "o médico quer se livrar da responsabilidade" - a nomeação de análises adicionais / estudos adicionais - e depois a vitória)
5. O paciente não tem patologia -> a rede neural não a encontrou -> o médico também não vê nada (além do carma do médico)
6. O paciente não tem uma patologia -> a rede neural não a encontrou -> o médico vê alguma coisa ("qual é o seu neurônio não vê sintomas tão óbvios, mesmo se não houver patologia aqui - definitivamente precisa ser verificado!")
7. O paciente não tem uma patologia -> a rede neural a encontrou -> o médico também encontrou alguma coisa (todos concordam, está tudo bem)
8. O paciente não tem patologia -> a rede neural encontrou -> o médico não vê nada (novamente, existem duas versões dos eventos "o médico acredita que ele está certo" - e está tudo bem "o médico quer se livrar da responsabilidade" - e inicia a cadeia de pesquisa. O resultado é um médico irritado. que, novamente, tive que marcar vários testes e não há nada).

Vamos resumir todos os resultados: 1,3,5,7 - não há alterações no protocolo atual do estudo. Para estudos de triagem, este será 95% dos casos. A rede neural não muda nada, e quaisquer ações associadas a ela complicam o trabalho do médico => no sentido global, elas pressionam negativamente.

Os pontos 2 e 6 dão um impressionante sinal negativo ao carma das redes neurais. Eles criarão um negativo claro toda vez que ocorrerem.

O ponto 4 é a única situação em que um neurônio pode se recuperar. Mas ela deve passar pela negatividade do médico. E será completamente eliminado pelo parágrafo 8 . Para que os médicos entendam que o neurônio é eficaz, o número de casos descritos no parágrafo 4 deve ser comparável ou superior ao parágrafo 8. Mas isso só é possível nos casos em que o número de pacientes com patologia é alto. Para triagem, isso não ocorre.

A realidade parece ainda pior, para ser honesto. Se o neurônio vir o que não estava no treinamento, mas o que está claro para o médico, ele fornecerá algumas respostas aleatórias. Bem, por exemplo, os restos de intervenções médicas complexas durante a fluorografia (suturas / próteses / fragmentos). E, mesmo que a rede seja estatisticamente melhor que o médico, mas a cada duas semanas o médico vê o mesmo erro óbvio - ele queimará.

Ok Chegamos à conclusão de que, quando integrada a um médico qualificado, a rede neural praticamente não é capaz de aumentar a detecção de doenças - apenas adiciona problemas. E vamos pensar em como um neurônio pode ser danificado sem um médico? O verdadeiro problema das clínicas na Rússia são muitos especialistas de baixa qualidade no campo. Conversei com médicos de centavos federais - e há duas queixas:

• Médicos com a menor dúvida enviam para o centro federal para diagnóstico
• Os médicos não veem tumores no assoalho do peito (pouca experiência)

Deve-se entender que, em tais situações, qualquer rede neural produz precisão em uma ordem de magnitude maior do que um médico.

Mas quando você tenta atrair para a realidade, tudo fica um pouco mais triste:

1. A legislação não permitirá substituir completamente um médico - novamente, "quem será o responsável"
2. Um médico de nível baixo provavelmente seguirá um dos dois caminhos:
   
   • Considere-se mais inteligente que a rede e não ouça suas decisões. A julgar pelo que vi - haverá a maioria.
   • Cumpra totalmente suas decisões. Isso não é ruim, mas não podemos forçar o médico a fazer isso burocraticamente, porque o médico é o responsável.
3. Em um nível baixo, existem médicos muito bons - e isso deve ser levado em consideração. Esses médicos podem minar a reputação de qualquer programa, indicando seus erros.

O mais triste é que esse problema de "baixa qualificação de um médico" seja resolvido de outras maneiras, não nas redes neurais. Uma abordagem sistemática competente, com treinamento constante de um médico / teste de proficiência / criação de uma infraestrutura de rede para que um médico possa atender muitos hospitais de uma só vez / duplicação para 2-3 médicos. Resolver esse problema com redes neurais é o mesmo que abordar o reparo de automóveis com as palavras "Eu tenho um rolo de fita adesiva, por que não tentar?"

O mesmo DIT em Moscou também está no caminho "primeiro vamos reduzir tudo para um lugar e depois reconhecê-lo". Eles promoveram sua decisão com neurônios em conferências. Mas eles começam a trabalhar precisamente com soluções de sistema. Os neurônios chegarão a esses lugares mais tarde, em algum lugar acelerando o trabalho, em algum lugar melhorando a qualidade. É necessário começar com a infraestrutura.

Obviamente, existe uma maneira de solucionar esse problema em parte com um neurônio. Verifique automaticamente todas as fotos tiradas na instituição. Defina um limite de forma que quase não haja falsos positivos (sim, deixe 20% dos pacientes serem ignorados). E, se tivermos certeza de que o paciente está doente, ignorando o médico, atribua-lhe exames adicionais.
Parece simples. Na realidade, essa é uma opção infernal: destrói a lógica da tomada de decisão (o paciente foi liberado, como chamá-lo agora), destrói a reputação dos médicos (como Vasily Petrovich está cortando a grama?!), Ele é inaceitável para a administração (como pular 20%?!). Ele não funcionará se os médicos forem competentes. Para o hospital, o lucro deste sistema não é claro, por que gastar dinheiro na instalação. E isso só é possível se a instituição médica já tiver um bom sistema de informação.

Mas metade dos projetos que encontrei olha nessa direção ...

Outra boa opção é destacar ao médico o que a rede vê. Tumores / órgãos / algumas características. Mas isso não é uma prioridade. E antes de tudo, os fabricantes de equipamentos precisam disso. Em algum momento, esses "assistentes" poderão passar o padrão em campo. Essa abordagem não requer licenciamento rigoroso, alivia parcialmente o médico, é uma boa vantagem competitiva para o dispositivo / software. Eu já vi vários desses projetos. Mas, novamente, isso é sobre outra coisa. Isso não substitui o médico, não melhora a detecção.

Parte 2. E as estatísticas

Recentemente, foi publicado um artigo incrível. Um meta-estudo sobre qual a precisão das redes neurais e como ela luta contra as pessoas. Ele não contém respostas sobre como algo pode ser implementado / usado. Mas pelo menos permite avaliar a vanguarda moderna da ciência.
O cronograma final do artigo é aproximadamente o seguinte (classificação de precisão para todos os estudos):



Parece que até as pessoas perdem significativamente! Mas não esqueça que este é um meta-estudo, onde os pontos no gráfico são a precisão final dos algoritmos.

Se deixarmos os artigos em que a avaliação de pessoas e o algoritmo se baseia em um conjunto de dados idêntico (existem apenas 14 deles), o gráfico final será muito mais interessante:



Pode-se observar que, com uma comparação adequada, os algoritmos produzem quase a mesma precisão que os médicos profissionais.

Mas não se esqueça de alguns pontos:

1. Você só pode treinar um neurônio em uma tarefa claramente definida. Se de repente houver alguma porcaria estranha na imagem - o médico entenderá imediatamente, e a saída do neurônio não será determinada
2. A precisão do médico depende das qualificações. Este será um exemplo abaixo. É provável que o neurônio dê alguma precisão média.
3. O neurônio pode ser dependente do método / do conjunto de treinamento. A invariância do médico é muito maior.

Sobre a precisão dos médicos. Me deparei com vários estudos onde eles analisaram a precisão dos médicos. De fato, um neurônio realmente bom não pode ser produzido sem esse estudo. Deste último, eu realmente gostei deste. A leitura de mamografias é uma das áreas mais difíceis em radiologia. É necessário restaurar espacialmente 4 imagens tiradas de diferentes direções e entender se está tudo bem ou não. Um neurônio fornece 87% de precisão na classificação de doente / saudável. Médicos - de 70% a 86%. Além disso, de acordo com o estudo, os médicos tinham experiência nessa tarefa.

Não há necessidade de generalizar este estudo para todas as outras tarefas. Mas um momento frio é visível - "o neurônio definitivamente ajuda os médicos ruins". Mas os bons são um pouco lentos.

Parte 3. Sobre onde os neurônios da medicina realmente ajudam

Tudo o que eu disse acima foi uma discussão sobre o tópico "neurônios e a busca de patologias". Vamos divagar por alguns minutos e falar sobre um tópico mais geral - neurônios e medicina. Os neurônios podem ajudar na medicina, na análise de imagens?

E então a resposta é definitivamente sim. E já é usado ativamente. Dos exemplos mais recentes (trago aqui as startups russas puramente médicas que chegaram ao produto):

O UNIM é uma rede de laboratórios que realizam pesquisas sobre espécimes de biópsia (os médicos chamam isso de estudos patológicos). Esses estudos são bastante longos e tristes. O médico se senta e conta o número de células de um tipo, outro tipo, o número de células coradas, etc. Apenas alguns anos atrás, todos esses cálculos foram feitos sob microscópios e com um contador na mão.

Isso é resolvido rapidamente e bem através dos neurônios. A precisão é aumentada (algo já é possível e o número de células está contando algoritmicamente muito mais fácil do que com os olhos + você pode processar uma área maior em menos tempo). E o mais importante - o tempo de trabalho do médico é bastante acelerado.

DiagnoCat - tomografia computadorizada para detectar doenças dentárias . Uma pessoa tem muitos dentes. O médico assistente geralmente presta atenção no dente que cura + pelo que chama a atenção. Ninguém descreve todos os 32 dentes completamente. Mas o algoritmo pode. Essa abordagem aumenta a conversão, melhora a condição final dos pacientes.

Somente na Rússia, vi mais 3-4 empresas / startups que introduziram com sucesso o aprendizado de máquina em tecnologias quase médicas. E essas soluções melhoraram a qualidade dos serviços / reduziram seu preço.
A principal característica dessas startups é que elas não vêm da "solução de todos os problemas", mas da "aceleração do processamento de dados" / "melhoria da eficiência".

Epílogo

As redes neurais agora não vêm de uma idéia como "mas vamos reconhecer o X". E a partir de uma ideia como "gastamos muito em Y -> podemos de alguma forma otimizar isso?". Bem, por exemplo, preencha automaticamente um diagnóstico se passarmos muito tempo rabiscando. Infelizmente, muitos não entendem isso.

A medicina mudará nos próximos 10 anos? Eu acho que sim. Mas não devido às redes neurais, mas devido à informatização. Controle automático de fluxo, estações de trabalho virtuais, combinando todos os dados em um banco de dados comum. E visão de máquina ... Ela aparecerá nos projetos que crescerão antes dela. Calmo e quieto.