Новости > Хроника рынков НТИ > HealthNet

31.03.2020

В Иннополисе анонсировали разработку онлайн-сервиса, способного выявлять больных с коронавирусной пневмонией

Сотрудники Центра искусственного интеллекта Университета Иннополиса обучили нейросеть на 28 тыс. медицинских изображениях с пневмонией, в том числе на 94 изображениях, взятых у больных c COVID-19. Сотрудники центра готовят к запуску онлайн-сервис, который поможет врачам быстрее выявлять больных с развившейся коронавирусной пневмонией при массовой диагностике во всём мире, сообщается на портале вуза. 

Диагностирование пациентов с подозрением на новую коронавирусную инфекцию многофакторное: больным делают анализ крови, мазок на микрофлору носа и зёва, но в ряде стран не хватает тестов, поэтому анализы делают лишь небольшому числу пациентов с тяжёлыми симптомами или подтверждёнными контактами с больными. Рентген лёгких в таком случае становится одним из доступных вариантов диагностики: в некоторых случаях на снимках наблюдаются особые признаки, которые может вызывать коронавирусная пневмония.

Команда Центра искусственного интеллекта Университета Иннополис с 2014 года работает над разработкой алгоритмов и сервисов распознавания медицинских изображений, включая рентгеновские изображения органов грудной полости, КТ-изображения и МРТ-изображения различных органов, на основе нейронных сетей. Одна из разработок — алгоритм обнаружения признаков пневмонии по рентгеновским изображениям. Для обучения искусственного интеллекта в набор данных включили 28 тысяч снимков лёгких здоровых людей и пациентов с разными видами пневмонии. Специалисты Центра искусственного интеллекта адаптировали модель для новых задач и включили в набор данных алгоритма 94 рентгеновских изображения органов грудной полости инфицированных COVID-19, взятых из открытого датасета на сайте Github. Так, нейронная сеть научилась определять общие признаки патологий, вызванных новым коронавирусом.

Как объясняет руководитель Центра искусственного интеллекта Университета Иннополис Рамиль Кулеев, точность решений нейросети пока недостаточна для повсеместного клинического внедрения, однако сам метод после доработки окажется полезным при массовых исследованиях легких: «Ежегодно в России проводится около 80 млн флюорографических исследований, а в день это около 220 тыс. снимков. Причем, предположительно, эпидемиологическая обстановка мало изменила количество процедур. Тестов на вирус гораздо меньше, и они требуют дополнительных ресурсов, поэтому массовый скрининг и анализ снимков органов грудной полости поможет выявлять заболевших коронавирусом среди населения, а также планировать лечение. Кроме того, сервис может быть развернут в облаке, что позволит подключить к нашей системе рентген-кабинеты труднодоступных и отдаленных поселений. Автоматический анализ данных повысит эффективность диагностики и снизит нагрузку на врачей-рентгенологов», — уточнил Рамиль Кулеев.

Алгоритм и врач-рентгенолог независимо проанализировали снимки пациентов с коронавирусом. Оказалось, что «вывод нейросети» о наличии или отсутствии патологии совпадает с описанием врача в 80% случаях. Кроме этого, алгоритм не ошибся в 13%, в которых врач не смог определить патологию. Ожидается, что в ближайшее время размеры датасетов рентгеновских изображений с коронавирусом существенно увеличатся. Это позволит значительно повысить точность алгоритмов.

Заведующий рентгенодиагностическим отделением Республиканского клинического противотуберкулёзного диспансера Татарстана Сергей Коновалов, отметил, что, когда врач-клиницист сталкивается с пациентом с признаками коронавирусной инфекции, в своем арсенале он имеет очень ограниченный набор инструментов, позволяющих оперативно выявить признаки заболевания. «Рентгенологическое исследование органов грудной полости является объективным инструментом для выявления изменений в легких, которые могут быть признаками развития коронавирусной пневмонии. Результат цифровой рентгенографии, оперативно полученный врачом, смог бы помочь в выявлении у больных с коронавирусом прогрессирующих изменений в легких. Программное обеспечение для автоматического распознавания признаков заболевания по рентгеновским изображениям могло бы упростить работу врача-клинициста и повысить эффективность диагностики при необходимости проведения неотложных исследований, в том числе при невозможности моментального анализа исследования врачом-рентгенологом. Но при этом, конечно, возникают вопросы по встраиванию системы на основе искусственного интеллекта в алгоритм диагностики коронавирусной инфекции для возможности максимально оперативного выявления развивающихся патологических изменений в легких и принятия неотложных мер по эффективному лечению», — подчеркнул он.

Ассистент-профессор Университета Копенгагена и ведущий научный сотрудник Университета Иннополиса Булат Ибрагимов подтвердил, что недостаток лабораторных тестов для COVID-19 — одна из главных проблем ранней диагностики заболевания для своевременного начала лечения пациента и минимизации его контактов с окружающими. «Неделю назад журнал Radiology опубликовал исследование КТ-снимков пассажиров с корабля “Diamond Princess”. Более половины пассажиров, у которых еще не было симптомов заболевания, имели затемнения в легочных полях. Диагностический потенциал есть также у флюорографических исследований — более дешёвого, безопасного и распространённого инструмента для анализа органов грудной клетки. Наша команда занимается разработкой методов искусственного интеллекта для диагностики заболеваний лёгких и уже смогла разработать алгоритмы для диагностики пневмонии на близком к врачам уровне. Отмечу, что анализ снимков не заменит использование лабораторных тестов, но может серьёзно помочь там, где доступ к тестам затруднён», — заверил Булат Ибрагимов.

С 2014 года Университет Иннополис ведёт разработки с использованием технологий искусственного интеллекта для промышленности, нефтегазовой отрасли, энергетики, медицины, лесного и сельского хозяйства. В 2019 году вуз объединил проекты в рамках одного центра.

Команда исследователей Университета Иннополис в сотрудничестве с зарубежными вузами занимается проблемами автоматизированного диагностирования заболеваний на медицинских изображениях. Существенных результатов удалось добиться для заболеваний опорно-двигательного аппарата, брюшной полости и органов грудной полости. Разработанные алгоритмы стали победителями трех международных конкурсов по анализу позвонков и межпозвоночных дисков на КТ и МРТ снимках, а также цефалометрии по снимкам черепа (конкурсы проведены Medical Image Computing and Computer Assisted Intervention Society и IEEE International Symposium on Biomedical Imaging). С 2014 года специалисты работают над нейронными сетями для диагностики патологий грудной полости. Нейронная сеть была обучена распознавать пневмонию, используя 26,7 тыс. снимков легких. Она попала в 3% лучших алгоритмов на конкурсе, организованном Радиологическом обществом Северной Америки в 2018 году.

#медицина, #искусственный интеллект, #нейросеть, #коронавирус

Еще по теме

17.07.2020 Конкурс NEUROTECH CUP 2020 – срок подачи заявок продлен

22.04.2020 АСИ открывает отбор проектов социальных и технологических проектов по ликвидации последствий пандемии

22.04.2020 На хакатоне Кружкового движения предложили 86 решений для борьбы с COVID-19

21.04.2020 «Городской цифровой акселератор» Санкт-Петербурга открывает экстрим-отбор антивирусных проектов

20.04.2020 Робот-диагност, дезинфектор «Скорпион» и медицинский чат-бот предлагаются как российские антивирусные продукты

20.04.2020 Ассоциация «НБМЗ» подготовит пакет «быстрых решений» для телемедицины в условиях пандемии коронавируса

20.04.2020 Робот-дезинфектор, способный автономно уничтожать вирус COVID-19 в помещениях, представлен в России

20.04.2020 Российские разработки для борьбы с распространением COVID-19 готовы к масштабированию

17.04.2020 Кружковое движение запускает юниорское направление акции «Мейкеры против COVID-19»

16.04.2020 Мобильное приложение спрогнозирует риск заражения коронавирусом и покажет носителей COVID-19

string(3) "!!!" array(14) { ["ID"]=> string(4) "3903" ["~ID"]=> string(4) "3903" ["NAME"]=> string(68) "Технологии HealthNet: лекции и практикумы" ["~NAME"]=> string(68) "Технологии HealthNet: лекции и практикумы" ["DATE_CREATE"]=> string(19) "12.11.2019 20:34:44" ["~DATE_CREATE"]=> string(19) "12.11.2019 20:34:44" ["PROPERTY_LINK_VALUE"]=> string(40) "https://rf2035.net/labs/faculty/1/lab/5/" ["~PROPERTY_LINK_VALUE"]=> string(40) "https://rf2035.net/labs/faculty/1/lab/5/" ["PROPERTY_LINK_VALUE_ID"]=> string(5) "13044" ["~PROPERTY_LINK_VALUE_ID"]=> string(5) "13044" ["PREVIEW_PICTURE"]=> string(4) "4049" ["~PREVIEW_PICTURE"]=> string(4) "4049" ["SORT"]=> string(3) "500" ["~SORT"]=> string(3) "500" }

Принять участие

8, 11, 15, 18, 22, 25 июня 2020 года

Искусственный интеллект в медицине

Мероприятия НТИ

Подписка на обновления

«Информбюро 20.35» делает почтовую рассылку самых интересных публикаций один раз в неделю. Чтобы подписаться на нее, зарегистрируйтесь или войдите через свою учетную запись на платформе leader-id.ru.