Новая ИИ-модель улучшает рентген-диагностику
Новая система искусственного интеллекта ItpCtrl-AI обещает значительно улучшить диагностику заболеваний по рентгеновским снимкам грудной клетки. Модель обеспечивает интерпретацию и контролируемость, что решает проблему прозрачности решений ИИ в медицинской визуализации. Разработанная исследователями Университета Арканзаса в сотрудничестве с онкологическим центром MD Anderson, ItpCtrl-AI моделирует паттерны взгляда радиологов, чтобы ее алгоритмы принимали решения в соответствии с экспертным медицинским анализом.
Диагностические программы на основе искусственного интеллекта продемонстрировали высокую точность в выявлении медицинских аномалий, таких как накопление жидкости в легких, увеличение сердца и ранние признаки рака. Однако большинство таких ИИ-моделей работают как «черные ящики», что затрудняет понимание медицинскими работниками того, как они делают выводы.
По словам Нган Ле (Ngan Le), доцента кафедры компьютерных наук и инженерии Университета Арканзаса, прозрачность имеет решающее значение для внедрения AI-технологий в медицине. «Когда люди понимают процесс принятия решений и ограничения ИИ, они более склонны доверять и использовать технологию».
ItpCtrl-AI (Interpretable and Controllable Artificial Intelligence) было создано для имитации процесса анализа рентгеновских снимков грудной клетки опытными радиологами. В отличие от традиционных AI-моделей, которые просто выдают диагноз, ItpCtrl-AI создает тепловые карты взгляда – визуализации областей, на которые врачи обращают больше всего внимания во время обследования. Эти тепловые карты обеспечивают прозрачный процесс принятия решений искусственным интеллектом, повышая доверие и интерпретируемость.
Чтобы разработать эту модель ИИ, исследователи отслеживали движения глаз рентгенологов во время просмотра рентгеновских снимков грудной клетки. Они фиксировали не только то, куда смотрели специалисты, но и то, как долго они сосредотачивались на определенных участках, прежде чем поставить диагноз. Собранные данные были использованы для обучения ItpCtrl-AI и позволили модели генерировать тепловые карты внимания, которые выделяют ключевые диагностические области на изображении.
Этот контролируемый подход к принятию решений дает возможность AI игнорировать нерелевантные области, анализируя только медицински значимые участки, так же, как это делает врач. Благодаря этому система ItpCtrl-AI является значительно более интерпретируемой и понятной для врачей, чем традиционные AI-модели.
В процессе разработки ItpCtrl-AI исследователи создали DiagnosedGaze++ – уникальный набор данных, содержащий объединенную информацию о медицинских заключениях и зонах внимания радиологов. В отличие от существующих наборов данных, DiagnosedGaze++ предоставляет детальные анатомические карты внимания, устанавливая новый стандарт прозрачности диагностики на основе ИИ.
Используя полуавтоматизированный подход, исследовательская группа отфильтровала и структурировала данные отслеживания взгляда радиологов, гарантируя, что каждая тепловая карта точно соответствует медицинским аномалиям. Этот набор данных не только улучшает интерпретацию ИИ, но и прокладывает путь для будущих достижений в области ИИ для медицинской визуализации.
ItpCtrl-AI – не единственная система на основе ИИ, которая способствует повышению прозрачности медицинской визуализации. В QuData мы также используем метод Grad-CAM (Gradient-weighted Class Activation Mapping) для создания тепловых карт для анализа маммограмм.
Grad-CAM создает тепловые карты, которые подсвечивают важные области изображения, повлиявшие на решение модели. Это позволяет врачам точно определять критические участки, повышая точность и надежность диагностики рака молочной железы. Интегрируя визуальные объяснения на основе тепловых карт, как ItpCtrl-AI, так и решения с искусственным интеллектом от QuData повышают доверие и удобство их использования в клинических условиях.
Прозрачность в диагностике с помощью ИИ – это не просто технический прогресс, но и этическая необходимость. Способность объяснять решения, принятые с помощью ИИ, имеет решающее значение для обеспечения справедливости, уменьшения предвзятости и поддержки подотчетности в здравоохранении. Учитывая правовые и этические проблемы, связанные с использованием ИИ в медицине, ItpCtrl-AI – это модель, которая позволяет врачам брать на себя ответственность за диагностику с помощью ИИ.
Сейчас исследовательская группа работает над усовершенствованием ItpCtrl-AI для анализа трехмерных КТ-снимков. Поскольку такие исследования требуют более сложных процессов принятия решений, интеграция данных о более глубоких и широких анатомических структур может значительно повысить точность диагностики в критически важных сферах медицины.
Чтобы способствовать дальнейшим исследованиям и распространению технологии, разработчики планируют сделать исходный код проекта, модели и размеченные наборы данных ItpCtrl-AI общедоступными. Это станет новым эталоном прозрачности и ответственности AI в медицинской визуализации.