(044) 592 13 36
info@x-ray.com.ua

Программное обеспечение искусственного интеллекта может точно идентифицировать туберкулез

Программное обеспечение искусственного интеллекта (ИИ) может точно идентифицировать туберкулез (ТБ) на рентгенограммах грудной клетки, предлагая потенциал для использования в качестве недорогого или даже бесплатного метода для скрининга часто смертельной болезни в странах с недостаточным уровнем обслуживания, согласно исследованию, опубликованному 25 апреля в радиологии,

Исследовательская группа из Университетской больницы Томаса Джефферсона в Филадельфии обнаружила, что сочетание двух типов алгоритма искусственного интеллекта, называемого глубокой сверхточной нейронной сетью, может обнаружить туберкулез с точностью 96%. Более того, группа определила, что производительность может быть улучшена еще больше, если кардиоторакальный рентгенолог прочитает несколько случаев, которые имели противоречащие результаты на двух моделях искусственного интеллекта.

 

Лечение болезни

Туберкулез является излечимым заболеванием, которое является лидером в показателях причин смерти от инфекционных заболеваний по всему миру. К сожалению, некоторые регионы мира сталкиваются с относительной нехваткой радиологов, которые могут интерпретировать рентгенографию грудной клетки и высокий спрос на эти услуги - особенно в районах, где распространенность туберкулеза зашкаливает.

Чтобы обучить нейронные сети, и обнаружить туберкулез, исследователи использовали 685 постневрологических рентгенограмм грудной клетки, которые были собраны из четырех источников данных: двух общедоступных наборов данных из Национального института здравоохранения США (NIH), набора данных из Университета Томаса Джефферсона, и набор данных с Белорусского портала по туберкулезу.

Хотя все изображения были дополнены случайным обрезкой, средним вычитанием и зеркальными изображениями, некоторые модели нейронной сети также получили обучающие изображения, которые в дальнейшем были дополнены дополнительными преобразованиями изображений в надежде повысить точность.

Затем была проведена проверка различных моделей нейронной сети на еще 172 случаях, а остальные 150 случаев были зарезервированы для тестирования. Из этого набора тестов 75 были отрицательными, а 75 - положительными. После того, как все нейронные сети прошли обучение, тестовые примеры были использованы для оценки эффективности различных моделей для точного определения туберкулеза.

Исследователи выполнили анализ рабочих характеристик приемника (ROC) для сравнения производительности и определения оптимальных значений чувствительности и специфичности для объединения двух типов нейронных сетей в ансамбль для достижения более высокой точности.