Новая система искусственного интеллекта, анализирующая форму и структуру клеток крови, может кардинально улучшить диагностику таких заболеваний, как лейкемия. Исследователи утверждают, что инструмент способен выявлять аномальные клетки с большей точностью и последовательностью, чем специалисты-люди, что потенциально снизит количество пропущенных или сомнительных диагнозов.
Система, получившая название CytoDiffusion, основана на генеративном ИИ – технологии того же типа, что используется в генераторах изображений вроде DALL-E. Вместо того чтобы концентрироваться только на очевидных признаках, она детально изучает тончайшие вариации внешнего вида клеток под микроскопом. Этот подход позволяет выйти за рамки простого распознавания образов и научить машину понимать весь спектр нормальных состояний клеток крови, чтобы надежно отмечать редкие или необычные экземпляры, которые могут сигнализировать о болезни.
Идентификация мельчайших различий в размере, форме и структуре клеток крови является ключевым элементом в диагностике многих заболеваний крови. Однако для овладения этим навыком требуются годы опыта, и даже высококвалифицированные врачи могут расходиться во мнениях при анализе сложных случаев. «У всех нас много разных типов клеток крови с разными свойствами и ролями в организме, – объясняет Саймон Дельтадаль, ведущий автор исследования из Кембриджского университета. – Знание того, как выглядит необычная или больная клетка крови под микроскопом, является важной частью диагностики многих заболеваний».
Стандартный мазок крови может содержать тысячи отдельных клеток – гораздо больше, чем человек способен реалистично изучить одну за другой. «Люди не могут посмотреть на все клетки в мазке – это просто невозможно, – говорит Дельтадаль. – Наша модель может автоматизировать этот процесс, отсортировать рутинные случаи и выделить все необычное для проверки человеком». Эту проблему подтверждают и клиницисты. «Как младший врач-гематолог я сталкивался с тем, что после рабочего дня мне предстояло проанализировать огромное количество мазков крови, – делится соавтор исследования доктор Сутеш Сивапаларатнам из Лондонского университета королевы Марии. – Анализируя их поздними вечерами, я убедился, что ИИ справится с этой работой лучше меня».
Для создания CytoDiffusion исследователи обучили систему на более чем полумиллионе изображений мазков крови, собранных в больнице Адденбрука в Кембридже. Этот набор данных, названный крупнейшим в своем роде, включает как распространенные типы клеток, так и редкие образцы. Вместо простого обучения разделению клеток на заранее определенные категории, ИИ моделирует весь спектр их возможного внешнего вида. Это делает его более устойчивым к различиям между больницами, микроскопами и техниками окрашивания, а также повышает его способность обнаруживать редкие или аномальные клетки.
Во время тестирования CytoDiffusion выявлял аномальные клетки, связанные с лейкемией, со значительно более высокой чувствительностью, чем существующие системы. Особенно важным преимуществом стала его способность оценивать собственную уверенность в прогнозах. «Когда мы проверяли точность, система была немного лучше людей, – отмечает Дельтадаль. – Но где она действительно выделялась, так это в осознании своей неуверенности. Наша модель никогда не скажет, что она уверена, а потом ошибется, но люди иногда так делают». Эта «метакогнитивная» осведомленность – знание того, чего ты не знаешь – критически важна для принятия клинических решений.
В ходе эксперимента команда также обнаружила, что CytoDiffusion может генерировать синтетические изображения клеток крови, неотличимые от настоящих. В своеобразном «тесте Тьюринга» с участием десяти опытных гематологов специалисты не смогли отличить настоящие изображения от созданных ИИ с точностью, превышающей случайное угадывание. «Это меня по-настоящему удивило, – признался Дельтадаль. – Это люди, которые смотрят на клетки крови целый день, и даже они не смогли заметить разницу».
В рамках проекта исследователи открывают публичный доступ к своей коллекции из более чем полумиллиона изображений мазков периферической крови. «Сделав этот ресурс открытым, мы надеемся дать возможность исследователям по всему миру создавать и тестировать новые модели ИИ, демократизировать доступ к высококачественным медицинским данным и в конечном итоге внести вклад в улучшение ухода за пациентами», – заявил Дельтадаль.
Несмотря на впечатляющие результаты, разработчики подчеркивают, что CytoDiffusion не предназначен для замены квалифицированных врачей. Он создан как помощник, способный быстро выявлять вызывающие беспокойство случаи и автоматически обрабатывать рутинные образцы, освобождая время специалистов для более сложных задач. Как отметил профессор Парашкев Начев из Университетского колледжа Лондона, истинная ценность ИИ в здравоохранении заключается в предоставлении больших диагностических и прогностических возможностей, чем могут достичь эксперты или простые статистические модели. Работа над CytoDiffusion показывает, что машины могут превзойти нас в самооценке пределов собственных знаний.
