Искусственный интеллект научили диагностировать рак кожи

Новая компьютерная система на основе глубинного обучения и распознавании образов может быть разработана для смартфонов, обеспечивая недорогой способ проверить, являются ли повреждения кожи основанием для беспокойства. «Мы надеемся, что это первый шаг на пути к раннему диагностированию», — говорит Андре Эстева, аспирант Стэнфордского университета и соавтор исследования, слова которого приводит The Guardian.

• Технологические инновации ускорят прогресс, но приведут к «мрачному будущему»
• «Искусственный интеллект и жизнь в 2030 году»

По данным Всемирной организации здравоохранения, на каждый из трех раковых заболеваний, диагностируемых по всему миру, приходится один случай рака кожи. К примеру, в Великобритании в 2014 году было зафиксировано более 130 тысяч случаев немеланомного рака кожи и 15 тысяч 419 новых случаев меланомы.

Эстева объединился с коллегами из разных областях — от дерматологии до искусственного интеллекта — с целью создания компьютерной системы для определения смертельного рака кожи на ранней стадии. Подход, описанный в журнале Nature, основывается на глубинном обучении — классе алгоритмов, используемых для искусственного интеллекта. При обеспечении большого набора отсортированных данных эти алгоритмы выбирают и «изучают» паттерны и модели. После этого, алгоритмы глубинного обучения могут быть использованы для классификации новых, неупорядоченных данных.

Для обучения глубинных сверточных нейронных сетей использовался набор данных из более чем двух тысяч различных заболеваний кожи и форм рака на 129 тысячах 450 клинических изображениях. Работу систему искусственного интеллекта проверял совет из 21 сертифицированного дерматолога по подтвержденным биопсией клиническим изображениям. В ходе условного экзамена глубинные сверточные нейронные сети достигли производительности на одном уровне — если не лучше — с экспертами в области дерматологии, демонстрируя способность ИИ классифицировать рак кожи с достаточным уровнем компетентности.

Дерматологи правильно диагностировали около 95% злокачественных новообразований и 76% безвредных родинок. Для сравнения, алгоритм глубинных сверточных нейронных сетей успешно классифицировал 96% злокачественных новообразований и, соответственно, 90% доброкачественных поражений.

В то время как Андре Эстева и его коллеги признают необходимость дальнейших испытаний в клинических условиях, авторы исследования считают, что у подхода есть большие перспективы для применения в других областях медицины.

Богуслав Обара, ученый из Даремского университета и эксперт по обработке изображений, признает впечатляющие объем и сложность набора данных, используемых для обучения компьютерной системы на основе глубинного обучения.

«Захватывающая, новая технология обладает потенциалом для расширения доступа к дерматологии, когда существует дефицит в этой специальности, а темпы роста рака кожи продолжают увеличиваться», — отмечает доктор Анджали Махто.

В ходе исследования 2016 года, в котором принимали участие ученые Тель-Авивского университета, врачи больниц «Вольфсон» и «Шиба», а также немецкие ученые из исследовательского центра в Гейдельберге, был раскрыт механизм распространения меланомы и найден способ замедлить ее перерождение из неагрессивного новообразования в агрессивную и неизлечимую форму. Это исследование впервые предоставило врачам инструмент диагностики на ранней стадии. Для создания лекарства от меланомы ученым может потребоваться несколько лет.