Нейронная сеть научилась диагностировать меланому

Для диагностики меланомы врачи используют специальный инструмент, дерматоскоп. Нейронная сеть научилась обходиться без него.
Для диагностики меланомы врачи используют специальный инструмент, дерматоскоп. Нейронная сеть научилась обходиться без него.

Технологии распознавания изображений могут в скором времени появиться в практической медицине. Группа учёных из Стэнфордского университета (Stanford University) научила компьютер определять наличие рака кожи по фотографиям «родинок» или «бородавок». Точность такой «компьютерной диагностики» оказалась сопоставима с результатами работы врача-дерматолога.

Авторы исследования, опубликованного в журнале Nature, предполагают, что в будущем люди будут проходить проверку на рак кожи через приложение для смартфона.

«Наша цель — принести помощь дерматологов высокого класса туда, где дерматологов просто нет», — рассказал ведущий автор работы Себастьян Тран (Sebastian Thrun), доцент Стэнфордского университета. Он также добавил, что в развивающихся государствах нет доступа к медицинской помощи того уровня, который доступен американцам и жителям других развитых стран.

На долю меланомы приходится менее 5% всех случаев рака кожи в США. Однако с этим диагнозом связано примерно три четверти смертей от онкодерматологических заболеваний. В России в 2008 г. было зарегистрировано около 8 тыс. новых случаев меланомы и около 3 тыс. обусловленных этой болезнью летальных исходов.

Если меланома выявлена на ранней стадии, пятилетняя выживаемость больных составляет около 97%. Но при позднем обнаружении болезни этот показатель стремительно падает до 14%.

Диагностика меланомы начинается с визуального осмотра. Дерматолог ищет признаки злокачественного заболевания, осматривая «родинку» или «бородавку». Затем диагноз подтверждается (или снимается) при помощи биопсии и дополнительных обследований.

Совместно с группой коллег, Тран обучил компьютер выполнению первой задачи из этого списка: определять меланому по внешнему виду. Таким образом, учёным удалось создать «автоматического дерматолога».

Работа началась с формирования у машины навыков распознавания образов. Для этого использовался метод, известный как «глубокое обучение». В частности, исследователи разработали свёрточную нейронную сеть.

Карл Вондрик (Carl Vondrick), сотрудник лаборатории компьютерных наук и искусственного интеллекта (Computer Science and Artificial Intelligence Lab) Массачусетского технологического института (Massachusetts Institute of Technology), не принимавший участие в исследовании, поясняет: «Свёрточная нейронная сеть — это тип программного обеспечения, который очень хорошо обучается распознаванию образов. Загружая оцифрованные изображения, исследователи одновременно «говорили» компьютеру, есть ли на фотографии меланома. Машина, в свою очередь, пыталась разработать правила, которые помогли бы определить наличие этого вида рака на снимках».

Соавтор исследования Андре Эстева (Andre Esteva), аспирант Стэнфордского университета, рассказывает: «Мы начали с того, что «объясняли» компьютеру, как выглядит мир в целом. Обучали его распознавать фотографии кошек и собак, столов и стульев — словом, всего, что мы видим вокруг. При этом использовалась обширная база данных, содержавшая около миллиона изображений». Эта стадия обучения заняла около недели.

Затем Эстева и его коллеги перешли к формированию у компьютера «представлений» о разных заболеваниях кожи. На этом этапе исследователи столкнулись со сложной проблемой: злокачественные и доброкачественные изменения у разных пациентов могут выглядеть очень по-разному.

Чтобы преодолеть это затруднение, учёные «показали» уже прошедшему определённое обучение компьютеру 129 450 изображений 2000 кожных заболеваний. Все фотографии были получены из онлайн-хранилищ, курируемых врачами, и каждая фотография сопровождалась диагнозом — эти данные были загружены в компьютер вместе с самими изображениями.

«„Машинное зрение“ и нейронные компьютерные сети являются таким мощным инструментом, потому что вам достаточно определить ввод и вывод — компьютер сам сформирует правила, по которым будет работать, — рассказывает Вондрик. — Он изучит серию математических операций, которые необходимо провести, чтобы превратить фотографию в ответ на вопрос „Есть ли здесь рак кожи?“»

В этом заключается существенная разница между человеческим зрением и компьютерными системами распознавания образов. Человек может научиться распознавать образы при помощи небольшого числа примеров. Машине потребуются тысячи или даже миллионы изображений.

«Вы можете вырасти до 20 с лишним лет, ни разу не увидев рак кожи. А потом вы идёте в медицинский институт, видите несколько примеров на слайдах — и вот вы уже собираетесь диагностировать рак кожи, причём делать это достаточно хорошо», — добавляет Вондрик.

Компьютеры не способны повторить этот опыт. Однако, как сообщается в новом исследовании, машинные системы распознавания образов могут выявлять в цифровых фотографиях особенности, неразличимые человеческим глазом.

Момент истины наступил, когда учёные загрузили в компьютер изображение, не «виденное» машиной раньше. По словам Эстевы, «алгоритм решил несколько важных диагностических задач с точностью сертифицированного дерматолога».

«Важно, что машина «научилась» распознавать несколько разных типов рака кожи, а не только меланому. Кроме того, диагностику теперь можно проводить при помощи обычных фотографий, не ограничиваясь изображениями, полученными в результате дерматоскопии», — рассказывает соавтор исследования Роберто Новоа (Roberto Novoa), дерматолог из Стэнфордского университета.

Хотя авторы исследования подчёркивают, что «офлайновая» диагностика в кабинете врача всё ещё необходима, они полагают, что со временем разработанный ими метод может найти применение в других областях медицины, например, в офтальмологии или радиологии.