Алгоритм глубокого обучения, разработанный в Google AI, распознает широкий класс заболеваний по рентгеновским снимкам грудной клетки. Модель оказалась способной признавать аномальными снимки пациентов с заболеваниями, не представленными в обучающем датасете.
Ранее на основе глубокого обучения уже были разработаны инструменты выявления конкретных заболеваний, таких как рак легких, туберкулез и пневмоторакс. Однако в силу того, что они обучены выявлять конкретное заболевание, применение данных алгоритмов ограничена в тех случаях, когда у пациента может проявиться широкий спектр отклонений. Поэтому алгоритм общего назначения, находящий все возможные аномалии, может значительно облегчить процесс диагностики. Однако разработка классификатора для этой задачи осложняется разнообразием аномалий, которые могут присутствовать на рентгеновском снимке.
В статье, опубликованной в журнале Scientific Reports, представлена модель, способная различать аномалии различных типов на рентгеновских снимках грудной клетки.
Использованная модель глубокого обучения основана на архитектуре EfficientNet-B7, предварительно обученной на ImageNet. Для обучения использовался датасет, содержащий более 200 000 анонимизированных рентгеновских снимков пациентов из Индии. Каждый снимок был помечен как “нормальный” или “содержащий аномалии” на основе анализа медицинских отчетов с помощью моделей обработки естественного языка. Модель была протестирована на нескольких датасетах. Показатель AUC составил 0,95-0,97 при выявлении туберкулеза и 0,65-0,68 при выявлении COVID-19.
Алгоритм сокращает время обработки нестандартных случаев на 28% по сравнению с ручным изучением снимков. В Google AI предлагают использовать модель для выявления пациентов, требующих незамедлительного получения лечения, и пакетной обработки снимков здоровых пациентов для подтверждения отсутствия заболеваний.
