«Искусственный интеллект на стыке медицины»: в ПГУ продолжают обучать нейронные сети для диагностики патологий
В подведомственном Минобрнауки России Пензенском государственном университете (ПГУ) смогут диагностировать различные патологии по одной капли биологической жидкости. Оценит их состояние и наличие предикторов недуга специально разработанная нейронная сеть. Их подход позволит за несколько минут диагностировать различные заболевания на начальной стадии. Например, хроническую сердечную недостаточность. Кроме того, предложение ученых поможет отказаться от дорогостоящих лабораторных анализов. В скором времени ноу-хау будет внедрено в практическое здравоохранение. Об этом рассказала газета «Аргументы и факты».
В ПГУ провели уникальные исследования. Их предложение в 99% случаев обнаруживает хроническую сердечную недостаточность (ХСН) на начальной стадии. Человек получает заключении в течение нескольких минут, отдав всего лишь каплю крови.
Метод основан на принципе тензиометрии. Поясним. В процессе тензиометрии определяются деформации, вызванные механическим напряжением. Метод применяется в различных устройствах и приборах: весах, манометрах, динамометрах. С его помощью оценивают напряжение в деталях, конструкциях, применяют в медицине и ветеринарии.
Напомним, в ПГУ не первый год научный коллектив медиков и айтишников исследует тензиометрические характеристики различных жидкостей. Ранее они диагностировали ХСН и определяли подлинность лекарственных препаратов.
Эксперименты научный коллектив проводит с помощью тензиометра — специального прибора высокой точности. Суть в том, чтобы исследовать динамическое и равновесное поверхностное натяжение жидкой части крови или лекарственного препарата. Жидкость все время исследования находится под наблюдением видеокамеры прибора. Прибор автоматически регистрирует, как изменяются форма и объем капли. На основании этого программное обеспечение прибора автоматически рассчитывает величины тензиометрических показателей. Эти показатели отличаются у больных и здоровых людей, у качественного и некачественного препарата. Любое отклонение может свидетельствовать о наличии патологии или фальсификата.
Далее полученные данные анализирует обученная айтишниками ПГУ нейронная сеть.
Научный коллектив — д-р мед. наук, профессор кафедры «Анатомия человека» ПГУ Олег Зенин, д-р техн. наук, профессор, заведующий кафедрой «Компьютерные технологии» ПГУ Владимир Горбаченко, канд. мед. наук, ассистент кафедры анестезиологии Донецкого национального медицинского университета имени М. Горького Владимир Потапов, аспирант ПГУ Дмитрий Грибков, д-р мед. наук, профессор, декан лечебного факультета Медицинского института ПГУ Инесса Моисеева, аспирант ПГУ Илья Милтых — продолжает усовершенствовать свой способ. Ученые смогли повысить точность диагностики ХСН на ранней стадии с 98% до 99%. Определяет патологию не врач-кардиолог, а умная нейросеть.
В базу данных для обучения включены показатели сыворотки крови 65 условно здоровых людей (возраст — от 44 до 72 лет) и 67 добровольцев с ишемической болезнью сердца (возраст — от 44 до 76).
Исследования проводились в Центральной научно-исследовательской лаборатории Донецкого национального медицинского университета имени М. Горького и специализированной лаборатории ПГУ с использованием аппаратно-программного комплекса РАТ 1 (Sinterface Technologies, Германия). Нейронные сети разрабатываются на кафедре «Компьютерные технологии» ПГУ.
Программа сравнила эталонные характеристики — величины тензиометрических показателей сыворотки крови здоровых людей — со значениями изучаемого образца — сывороткой добровольцев с ХСН. В 99% случаев искусственный интеллект выдавал верный диагноз. Кроме того, нет необходимости проводить дополнительный забор анализов у пациента, потому что для проведения тензиометрического теста достаточно в прямом смысле одной капли биологической жидкости. В случае с ХСН — крови.
«Наша разработка дешевле известных и общепринятых методов диагностики. Поскольку сразу, на основе одного тензиометрического анализа, можно установить ХСН с точностью 99%. В то время как для постановки диагноза делается минимум три анализа: общий и биохимический анализ крови и мочи. Это требует большого количества и сотрудников, и необходимой аппаратуры», — рассказал Олег Зенин.
По его словам, это только начало. В их планах — распространить научный интерес на другие биологические жидкости: мочу, спинномозговую жидкость, пот и т. д. Он уверен, благодаря тензиометру станет возможным распознавать неврологические, онкологические, кардиологические заболевания на ранней стадии.
Олег Зенин добавил, в этом поможет искусственный интеллект. Для каждой патологии ученые разрабатывают уникальную математическую сетку — рекуррентную нейронную сеть. Айтишники настраивают параметры математической модели — нейронной сети — на большом количестве размеченных обучающих примеров.
«Рекуррентная сеть реализована с использованием свободно распространяемых библиотек TensorFlow и Keras. Потребовался большой объем экспериментов для подбора параметров нейронной сети, обеспечивающих высокую точность предсказания», — поделился Владимир Горбаченко.
В ПГУ в настоящее время могут определить ХСН и обнаружить фальсификат лекарств.
Научный коллектив получил очередное свидетельство о государственной регистрации программы для ЭВМ «Компьютерная программа ранней диагностики хронической сердечной недостаточности с применением рекуррентной нейронной сети для анализа результатов тензиометрии крови». По словам исследователей, аналогов изобретению нет. Напомним, ранее ученым выдали патент и несколько свидетельств по разрабатываемым темам: ранняя диагностика ХСН и определение подлинности лекарств.
Ученые начали собирать клинический материал для других патологических состояний.
Стоит отметить, в ПГУ также помогут модернизировать тензиометры. Некоторые технические элементы в них больше не понадобятся. Например, эксперимент можно будет проводить без осцилляции жидкости. Прибор состоит из нескольких элементов. Самый дорогостоящий из них — создающий осцилляцию капли. Рекуррентная сеть проведет диагностику по величинам поверхностного натяжения ко времени динамического равновесия. Поэтому от этой части можно отказаться. Прибор будет стоить в два раза дешевле, а время анализа уменьшится.
«По виду нескольких кривых, характеризующих динамические характеристики поверхностного натяжения, необходимо определить наличие патологии. Решение этой задачи, которую мы нашли, позволяет существенно упростить и удешевить прибор. Для классификации многомерных временных рядов применена рекуррентная нейронная сеть, предназначенная для анализа последовательностей. Для того чтобы сеть „помнила” все значения временного ряда использована сложная архитектура сети „долгая кратковременная память” (LSTM — Long Short-Term Memory)», — рассказал Владимир Горбаченко.
Медики продолжают свое исследование в тесном сотрудничестве с айтишниками. Следующий этап — внедрение метода в больницы — клинические базы Медицинского института Пензенского госуниверситета.