Российские ученые разработали систему машинного обучения для определения химического состава камней в почках по отражению излучения ближнего инфракрасного диапазона. Технология должна помочь врачам выбирать подходящий способ удаления камней, сообщает ТАСС со ссылкой на пресс-службу Российского научного фонда.
Научный сотрудник Института химии СПбГУ Екатерина Бойченко пояснила, что хирург сможет определять состав камня непосредственно в теле пациента и с учетом результата настраивать оборудование для дробления. По ее словам, это ускорит процедуру, повысит ее безопасность и эффективность, а также позволит в день операции назначить диету и лечение для снижения риска повторного образования камней.
Мочекаменная болезнь относится к наиболее распространенным заболеваниям выводящей системы человека. Для лечения применяются лазерные системы, которые дробят камни и позволяют удалить их с минимальными неудобствами для пациента. Скорость дробления сильно зависит от химического состава, однако ранее определять его бесконтактным способом не удавалось.
Предыдущие попытки использовать машинное обучение давали недостаточно точные результаты из-за нехватки сведений о редких камнях, содержащих соли фосфорной кислоты и другие вещества. Специалисты Института химии СПбГУ, Университета ИТМО и Военно-медицинской академии имени Кирова решили эту проблему при помощи генеративно-состязательной системы искусственного интеллекта.
Разработка состоит из двух нейросетей. Первая формирует аналоги научных данных, получаемых при исследовании камней инфракрасными спектроскопами, а вторая оценивает реалистичность созданных наборов. Так ученые восполнили нехватку данных о редких разновидностях камней и обучили специализированные алгоритмы определять состав по спектру.
Испытания показали, что система распознает распространенные типы почечных камней с вероятностью 92–97%. При определении фосфатных камней ее точность на 5–10% выше, чем у существующих подходов, обученных только на реальных данных. Исследователи связывают применение разработки с повышением точности диагностики и подбором оптимального метода удаления камней.