Фото: пресс-служба СКФУ
Поделиться
– Технологии искусственного интеллекта позволяют проанализировать большие массивы разнородной информации, что имеет большие перспективы для постановки медицинских диагнозов с более высокой степенью точности. Наши ученые ведут исследования по актуальным проблемам теоретической и прикладной математики и информатики на базе центра математических исследований, – прокомментировал ректор СКФУ Дмитрий Беспалов.
Отметим, что рак кожи является наиболее часто диагностируемой формой онкопатологии у человека, более 40% от общего числа диагностированных раковых заболеваний в мире составляет рак кожи. Методы визуального анализа несут в себе риски так называемого ложноотрицательного ответа. В этом случае злокачественное пигментное поражение может быть диагностировано как доброкачественное.
Предложенная учеными СКФУ нейросетевая система анализирует разнородные данные для распознавания злокачественных пигментных поражений кожи, включая дерматологические изображения и метаданные о пациенте (возраст, пол, локализация пигментного поражения на теле).
В качестве методов повышения точности использовалась предварительная очистка анализируемого участка от структур волос, а также параллельный анализ других гетерогенных данных. По словам одного из авторов статьи младшего научного сотрудника научно-исследовательской лаборатории кафедры математического моделирования СКФУ Ульяны Ляховой, цифровая обработка изображений показывает распознает пигментные образования по 10 диагностическим категориям, точность диагнозов для предложенной интеллектуальной системы составила 85,20%.
Разработанная программа с использованием искусственного интеллекта ставит диагнозы на 15 процентов точнее, чем традиционная визуальная. Авторы также отметили, что качество постановки диагнозов предложенной нейросетевой системы выше зарубежных аналогов из Германии, Австрии, КНР.
– Обращаю внимание, что нейросетевая программа является вспомогательным инструментом и может быть использована врачами-дерматологами в качестве дополнительного метода диагностики, как высокоточный инструмент, помогающий врачу поставить медицинский диагноз. Она позволяет уменьшить влияние человеческого фактора при принятии решений, значительно снизить количество ложных диагнозов и повысить точность раннего распознавания рака кожи, – рассказал заведующий кафедрой математического моделирования СКФУ Павел Ляхов.
Соавтор исследования доцент кафедры математического моделирования СФКУ Диана Калита также отметила, что нейронные сети способны использовать дополнительные данные путем интеграции нескольких модальностей в общую структуру.
В дальнейшем научный коллектив СКФУ планирует построить более сложные ансамблевые системы нейросетевого анализа дерматологических данных, чтобы расширить диагностические категории и повысить точность исследований.
Разработка ученых была поддержана Российским научным фондом. Результаты исследования опубликованы в IEEE Access (https://doi.org/10.1109/ACCESS.2023.3336289 https://doi.org/10.1109/ACCESS.2023.3336289).
Также ученые математического центра СКФУ ведут разработку технологии обработки рентгеновских снимков, чтобы выявить различные заболевания легких. Система подходит для обработки и многих других изображений, полученных в ходе медицинского обследования.
