Компьютерное зрение в медицине — как развитие ИИ помогает врачам и пациентам
С момента, как в 1895 году немецкий физик Вильгельм Конрад Рентген открыл икс-излучение, у врачей появилась возможность использовать изображения для выявления и диагностики заболеваний. С годами процесс получения медицинской визуализации совершенствовался благодаря внедрению МРТ, ультразвука, компьютерной томографии и других видов технологий. Однако медицинские работники не всегда могут точно интерпретировать эти изображения — человеческий фактор играет свою роль.
Для улучшения различных аспектов здравоохранения многие медицинские организации стали использовать технологию компьютерного зрения (CV). Ее популярность стремительно растет – в 2022 году объем рынка компьютерного зрения составил 992 миллиона долларов, а к 2030 году прогнозируется его рост на 47,8%.
Это означает, что инвесторы и медицинские учреждения проявляют большой интерес к развитию искусственного интеллекта в здравоохранении.
В этой статье я расскажу подробнее о технологии компьютерного зрения, ее применении в медицине, а также вызовах, которые стоят перед сферой CV.
Я – Егор Красильников, product-менеджер и CEO компании AllSee. Более 7 лет я развиваю ML и AI в стартапах и корпорациях – Газпронефть, МегаФон, AutoCoach, MVP Lab. В рамках AllSee реализовал ряд успешных проектов: бот для подбора готовой еды для ВкусВилл, проект для распознавания и синтеза речи пользователей в сфере знакомств и другие.
Давайте разбираться - что же из себя представляет компьютерное зрение?
Компьютерное зрение (CV, Computer Vision) - это область искусственного интеллекта, которая позволяет собирать, преобразовывать и интерпретировать данные с различных изображений с помощью методов машинного обучения. В медицине полученная таким способом информация применяется для облегчения постановки более точных диагнозов и персонализированного медицинского обслуживания.
Компьютерное зрение является подразделом более широкого, всеобъемлющего термина “искусственный интеллект” и занимается проблемой анализа неподвижных изображений или видеопотоков с целью понимания их содержания, чтобы делать выводы и выполнять на их основе определенные действия.
Этот процесс основан на комплексных математических алгоритмах (нейронных сетях), которые обучаются с использованием датасетов — в данном случае, наборов изображений, относящихся к определенному предмету.
Чем дольше обучается нейронная сеть и чем больше датасет, тем выше точность результатов.
За последние десять лет CV претерпело серьезные изменения и значительно повысило свою среднюю точность — примерно с 50% до 99%! Этот факт объясняется усовершенствованием и оптимизацией алгоритмов глубокого обучения, а также быстрым увеличением объема цифровых изображений в Интернете, которые могут быть использованы для обучения нейронных сетей.
Общий процесс тренировки моделей компьютерного зрения выглядит следующим образом:
1. Сбор данных – медицинских изображений или видеозаписей
2. Выбор данных для аннотирования
3. Аннотация данных (разметка)
Аннотирование данных — это процесс атрибутирования, тегирования или маркировки данных, помогающий алгоритмам машинного обучения понимать и классифицировать обрабатываемую ими информацию. Этот процесс необходим для обучения моделей ИИ, позволяя им точно определять различные типы данных, например, изображения, аудиофайлы, видеоматериалы или текст.
4. Обучение моделей
5. Оценка моделей – выявление ошибок и устранение их причин
6. Выбор модели
7. Внедрение модели
8. Мониторинг модели
А как именно компьютерное зрение используется в медицине?
Несмотря на то, что компьютерное зрение используется в различных сферах – начиная от ритейла, заканчивая сельским хозяйством – медицина стала областью, получившей наибольшее число выгод от развития этой технологии.
Применение компьютерного зрения позволило сохранить большое число жизней и поспособствовало развитию многих медицинских наук – все это благодаря улучшенной диагностике, раннему выявлению заболеваний и более точным планам лечения. Но есть сферы, в которых эта технология привела к наиболее заметным результатам:
Радиология
Радиология была одной из первых медицинских дисциплин, где были внедрены медицинские приложения на базе CV. Поскольку радиологи в значительной степени полагаются на данные медицинской визуализации, поступающие из различных источников, доступность точных алгоритмов распознавания объектов и компьютерного зрения для анализа медицинских изображений стала поистине бесценной практикой для целого ряда целей:
- Компьютерный контроль рентгеновских снимков, КТ и МРТ внутренних органов
- Выявление микроскопических переломов костей
- Долгосрочный мониторинг результатов лечения
- Выявление новообразований, в том числе опухолей, на ранних стадиях
Пока что полная автоматизация диагностики невозможна, и последнее слово всегда остается за настоящими врачами, но совместные усилия опытного врача и мощных алгоритмов машинного обучения могут давать наилучшие результаты.
Ортопедия
Ортопедия — еще одна область, где компьютерное зрение находит эффективное применение в медицине, охватывая весь спектр предоперационных, операционных и послеоперационных мероприятий. Область возможного применения инструментов CV в этой области охватывает широкий спектр операций:
- Планирование операции и операционная навигация
- Интеграция с программным обеспечением для планирования роботизированной хирургии
- Планирование эндопротезирования на основе МРТ
- КТ, рентген, сегментация МРТ, определение 2D/3D ориентиров
Кардиология
В кардиологии компьютерное зрение помогает хирургам и другому медицинскому персоналу в различных аспектах их работы:
- Помогает выявлять аномалии развития сердца и отслеживать прогрессирование врожденных пороков сердца
- Помогает визуализировать артерии и кровоток во время операций
- Помогает проводить количественный анализ сердечных показателей
- Приблизительно оценивает кровопотерю во время операций
Офтальмология
Компьютерное зрение просто не могло остаться в стороне от зрения как такового. CV в офтальмологии используются для ряда целей:
- Сканирование сетчатки и последующий анализ ее состояния
- Раннее выявление аномалий развития глаза
- Предоперационное планирование
- Айтрекинг для коррекции зрения
Дерматология
Компьютерное зрение стало значительным помощником для дерматологов, особенно для тех, кто специализируется на диагностике и лечении рака кожи.
Теперь врачи могут поставить точный медицинский диагноз на основе серии фото- и видеосъемок конкретного кожного образования, которые были проанализированы алгоритмом, обученным на тысячах случаев подтвержденных раковых и доброкачественных образований.
Вот как компьютерное зрение используется в дерматологии:
- Сканирование кожных образований с высоким разрешением и мониторинг любых новообразований
- Выявление ранних признаков кожных заболеваний
- Разработка индивидуальных планов ухода за кожей, основанных на типе кожи, чувствительности и реакциях на различные лекарственные препараты
Но ведь все не может быть так хорошо. Есть ли какие-то проблемы использования CV в медицине?
Из-за сложности, новизны и широкого спектра применения технологии проект по внедрению компьютерного зрения может оказаться непосильным для некоторых медицинских организаций. Однако большая часть других проблем, связанных с внедрением CV, имеет решение:
Низкое качество данных
Чем больший объем высококачественных данных обрабатывает система компьютерного зрения, тем более точные результаты она выдает.
Поэтому медицинские организации должны разработать надлежащие процедуры стандартизации, дополнения, очистки и аннотирования данных, которые выполняются до обработки датасетов алгоритмами компьютерного зрения.
Проблемы наблюдения и безопасности
Системы компьютерного зрения обрабатывают большое количество персональных данных пациентов, что, естественно, вызывает опасения по поводу конфиденциальности.
Чтобы предотвратить ущерб репутации и финансовые потери из-за утечки данных пациентов, медицинские организации должны иметь комплексную стратегию управления данными, использовать программное обеспечение для сбора, хранения и управления данными, соответствующее основным нормативным актам, и получать информированное согласие своих пациентов на сбор и обработку данных.
Недоверие врачей и пациентов
Как и в случае с любой новой технологией, пациенты и врачи могут скептически относиться к технологии CV.
Поэтому медицинские организации, внедряющие компьютерное зрение, должны обучить медицинский персонал использованию этой технологии в своих интересах и в интересах пациентов.
Квалифицированные специалисты в области здравоохранения также должны информировать пациентов о преимуществах применения компьютерного зрения в проведении медицинских процедур.
И каково же будущее компьютерного зрения?
Будущее компьютерного зрения в медицине непременно окажет значительное влияние на сферу ИИ в здравоохранении и его отраслях:
- Развитие CV упростит распознавание изображений в реальном времени.
- Кроме того, алгоритмы глубокого обучения и прогнозной аналитики будут использовать для обучения более обширные и качественные данные.
- Продукты компьютерного зрения станут более точными и простыми в использовании.
- Компьютерное зрение в медицинских учреждениях станет более автономным — CV-алгоритмы будут обеспечивать мгновенный анализ и принятие мер.
Развитие компьютерного зрения также открывает новые возможности для удаленного лечения и ухода за пациентами.
В ближайшее время на рынке медицинских продуктов появится больше компонентов дополненной реальности, которые будут обеспечивать консультации и лечение. Таким образом, людям не придется так часто обращаться в больницу, поскольку онлайн-визиты станут более распространенными.
AllSee занимается разработкой ИИ в сфере медицины?
Для нас медицина – область с широкими возможностями для внедрения ИИ. Вот какие выгоды компании могут извлекать от применения наших AI-инструментов:
Персонализация и адаптация
● Автоматизация административных задач - регистрации пациентов и обработки медицинских записей - что освобождает время медперсонала для клинической работы.
● Системы распознавания и классификации изображений: все то, о чем вы уже прочитали выше.
Персонализированные чат-боты
● Персонализированные чат-боты, голосовые помощники и ИИ-ассистенты, которые предоставляют индивидуальные рекомендации по лечению и профилактике, что улучшает результаты лечения и удовлетворенность пациентов.
Прогнозирование и оптимизация принятия решений
● Анализ медицинских данных для прогнозирования заболеваний и планирования лечения.
● Автоматическое создание медицинских отчетов и проведение аналитики для улучшения качества лечения и управления медицинскими учреждениями.
Улучшение клиентского сервиса
● Системы автоматизации поддержки и helpdesk: автоматизация обработки запросов пациентов и решение их проблем, что сокращает время ожидания и улучшает качество обслуживания.
● Корпоративные чат-боты для обучения и работы с базой знаний: поддержка и обучение медицинского персонала, что улучшает их профессиональный рост и качество обслуживания.
Анализ больших данных
● Анализ медицинских данных для выявления ключевых тенденций и улучшения качества лечения.
● Сбор и анализ данных для получения инсайтов о медицинских трендах и нововведениях.
Команда разработчиков AllSee знает, как делать ИИ быстро, просто и понятно для заказчика. Мы используем готовые технологии искусственного интеллекта, а там, где их не хватает — обучаем свои модели машинного обучения. Поэтому нашей команде можно поручить проект любой сложности: от разработки пилотного AI-проекта до уникальной ML-модели.
Вы можете быть уверены, что партнерство с AllSee станет надежным основанием для устойчивого развития и откроет новые горизонты для будущего успеха.