Исследователи из Массачусетского технологического института (MIT) разработали ИИ-модель для определения неоднозначных результатов на медицинских изображениях. По словам разработчиков, даже при использовании нейросетей для диагностики заболеваний по рентгеновским снимкам или данным МРТ всегда существует риск ошибок. Это связано с тем, что изображения могут быть нечеткими или содержать артефакты. «Наличие цифрового помощника может помочь в принятии решений. Сам факт обнаружения неопределенности на снимке может повлиять на вывод врача», — отметила кандидат компьютерных наук MIT Марианна Ракич. В основе метода лежит сегментация — процесс, в ходе которого медицинские изображения разделяются на отдельные области и тщательно изучаются на предмет выявления потенциально опасных участков. Названная в честь греческой богини случая ИИ-модель Tyche использует байесовские нейронные сети, которые способны обрабатывать неопределенность. Эти сети обучаются на наборе данных медицинских изображений, помеченных экспертами-врачами. Система сегментации Tyche. Данные: arxive.org. Нейросеть от MIT имеет несколько преимуществ по сравнению с другими ИИ-методами: более точно диагностирует заболевания, поскольку учитывает неопределенность в изображениях; генерирует меньше ложных срабатываний; позволяет врачам лучше понять, как ИИ пришел к своему выводу. Новая модель может иметь множество применений в медицине. Она способна помочь врачам более точно диагностировать рак на ранних стадиях и спрогнозировать исход заболевания, что может помочь им принимать более обоснованные решения. Также Tyche дает возможность исследователям разрабатывать новые варианты лечения. Ранее Google Cloud и немецкая медицинская компания Bayer объявили о создании ИИ-платформы, которая поможет рентгенологам быстрее ставить диагнозы. Напомним, в марте ученые Университета Оттавы сообщили о внедрении в свою работу нейросети для обнаружения сердечно-сосудистых заболеваний.
laravel-share::laravel-share-fa4.facebooklaravel-share::laravel-share-fa4.twitterlaravel-share::laravel-share-fa4.linkedin