В России обучили нейросеть находить признаки деменции на снимках мозга
ВЕЛИКИЙ НОВГОРОД, 18 мая. /ТАСС/. Ученые Новгородского государственного университета обучили нейросеть EfficientNet диагностировать когнитивные нарушения по снимкам головного мозга. На тестовой выборке прототип различает здоровых пациентов и людей с деменцией с точностью до 79%, сообщил автор исследования Егор Фекличев.
"На ранних стадиях симптомы часто воспринимаются как обычные возрастные изменения, и из-за этого пациенты и их семьи слишком поздно обращаются за медицинской помощью. Именно поэтому важны методы выявления когнитивных нарушений, в том числе с применением искусственного интеллекта и анализа медицинских изображений. Такой помощник увеличил бы частоту выявления деменции и точность постановки диагноза", - рассказал Фекличев.
По его словам, диагностировать деменцию на ранней стадии на данный момент сложно даже с помощью современного оборудования. Для решения этой проблемы в Новгородском университете обучают нейросеть EfficientNet для диагностики снимков головного мозга.
Актуальность разработки
По данным Всемирной организации здравоохранения, в 2021 году количество людей, страдающих деменцией, достигло 57 млн, а каждый год появляется около 10 млн новых случаев. В России число таких пациентов достигает 2 млн, и ожидается подъем на 3 или 4 млн к 2050 году. Для создания прототипа проводилось сравнительное тестирование трех нейросетей, способных распознавать изображения: EfficientNet, VGG и ResNet. В качестве начального датасета использовались материалы проекта OASIS, содержащие данные томографии мозга как здоровых, так и больных людей с разными степенями тяжести.
Проект OASIS имеет несколько наборов данных, содержащих различное наполнение в плане клинических исследований. Для обучения нейросети использовались наборы OASIS-1 и OASIS-2. Первый содержит данные МРТ 416 человек в возрасте от 18 до 96 лет и включает как здоровых людей, так и пациентов с болезнью Альцгеймера на стадиях от очень легкой до умеренной. Второй включает повторяющиеся во времени МРТ-сканирования 150 пожилых людей от 60 до 96 лет, набор также содержал результаты тестирований на тяжесть деменции MMSE и CDR.
"Степень когнитивного снижения определялась не по одному отдельному признаку на снимке, а по совокупности структурных изменений мозга. Нейросеть анализировала трехмерный МРТ-объем и училась находить закономерности, связанные с атрофией мозговой ткани, изменениями в височных областях и гиппокампе, расширением желудочковой системы и другими признаками, которые могут сопровождать болезнь Альцгеймера. MMSE и CDR при этом использовались как клиническая разметка: модель сопоставляла найденные на МРТ особенности с уже известной оценкой когнитивного состояния пациента", - отметил разработчик.
После анализа снимков программа относила пациентов к одному из классов когнитивного состояния. В основе разметки использовалась шкала CDR: значение 0 соответствует отсутствию признаков деменции, промежуточные значения указывают на сомнительное или легкое когнитивное снижение, а более высокие значения соответствуют выраженной стадии заболевания. Таким образом, искусственный интеллект не просто "запоминает" снимки, а учится находить в них закономерности, связанные с клинической оценкой состояния пациента.
В результате сравнения трех моделей наибольшую эффективность в правильности анализа показала модель EfficientNet - 79% правильных ответов. Остальные две - VGG и ResNet - демонстрировали от 50% до 60% эффективности.