Искусственный интеллект может эффективнее выявлять признаки рака, если анализирует гистологические изображения по принципу работы врача-патолога. К такому выводу пришли исследователи, опубликовавшие работу в журнале Nature Biomedical Engineering, о чем пишет Live Science. Вместо последовательного изучения участков одинакового размера система сначала просматривает весь снимок, а затем приближает зоны, которые могут вызывать подозрения.
Обычный патолог перемещается по изображению, меняет масштаб и задерживается на участках с потенциальными отклонениями. Такой подход особенно важен потому, что целый срез может содержать миллиарды пикселей, тогда как признаки опухоли занимают лишь небольшую область. Исследователи записали действия восьми специалистов, включая перемещения по срезу и изменение увеличения.
Из полученных записей убрали случайные движения и оставили действия, которые указывали на целенаправленное внимание врача. Затем эти данные сопоставили с результатами отслеживания взгляда. Для отдельных участков система также формировала краткое объяснение, почему их следует изучить подробнее, а специалисты могли принять, изменить или отклонить такой комментарий.
На основе этих данных создали систему Pathology-o3. Сначала она просматривает срез в низком разрешении, затем выбирает области для дополнительного изучения и передает их модели искусственного интеллекта для анализа в высоком разрешении. Такой метод назвали Pathology-CoT — обучением на последовательности действий специалистов.
При проверке на изображениях лимфатических узлов из случаев колоректального рака Pathology-o3 правильно распознала все срезы с раковыми изменениями. Среди отмеченных системой положительными 15,5% оказались отрицательными. Для сравнения, модель OpenAI o3 выявила 87,5% положительных срезов, однако доля ошибочных тревог среди отмеченных ею случаев составила 53,3%.
На независимом наборе данных Pathology-o3 правильно определила 97,6% положительных срезов, а доля ложноположительных результатов достигла 37,1%. Исследователи подчеркивают, что система не предназначена для самостоятельной постановки диагноза и пока не сравнивалась напрямую с врачами. По словам специалиста Стэнфордского университета Мохаммада Асади, наиболее вероятное применение технологии — предварительный просмотр изображений и указание патологу на участки, которые стоит проверить повторно.
Фото: Universal Images Group via Getty Images