Google использует глубокое обучение для диагностики заболеваний (и весьма успешно)
Если вы дадите компьютеру достаточно фотографий и нужный алгоритм, он сможет научиться видеть. А если на фотографиях будут поврежденные глаза, компьютер сможет научиться диагностировать заболевания глаз лучше людей. Примерно треть больных сахарным диабетом имеют такого рода повреждения, и если их не лечить, они могут привести к постоянной слепоте. Но в случае своевременного обнаружения они вполне поддаются лечению.
Проблема в том, что многие люди не имеют доступа к офтальмологу, который мог бы диагностировать их. В мире 387 миллионов больных диабетом людей, которые нуждаются в регулярном наблюдении специалиста, который мог бы вовремя выявить проблему. Современные профилактические методы недостаточно хороши — диабетическая ретинопатия является основной причиной ухудшения зрения и слепоты у трудоспособного населения.
Поэтому Google разработала способ использовать глубокое машинное обучение, чтобы научить нейронную сеть обнаруживать диабетическую ретинопатию по фотографиям глаз пациентов. Результаты работы были опубликованы в журнале Американской медицинской ассоциации во вторник.
Нейронная сеть — это в некотором роде искусственный мозг, хотя и простой. Показывая ей гигантский набор изображений пациентов с повреждениями сетчатки глаза и без, инженеры могут обучить сеть различать глаза больных и здоровых. После обучения команда Google протестировала нейронную сеть, чтобы узнать, сможет ли алгоритм обнаружить диабетическую ретинопатию на уровне офтальмолога, который видел те же снимки.
Алгоритм Google показал себя немного лучше человека-офтальмолога, что свидетельствует о том, что нейронная сеть может помочь пациентам в будущем, ну или хотя бы помочь врачам в процессе диагностики.
Врачи уже используют технологию подобного рода для диагностирования болезней сердца и некоторых видов рака. В настоящее время эта технология не так продвинута, как новый алгоритм глубокого обучения Google, но работает на тех же принципах. Врачи выявляют такие проблемы, как закупорка артерий при болезни сердца и патологические наросты при раке, глядя на снимки вашего тела, рентгеновские или КТ. Специалист по таким снимкам — радиолог — имеет многолетний опыт выявления проблемных зон по фотографиям.
И все же взгляд человека не совершенный, а люди склонны ошибаться. Если бы компьютер мог проделывать то же самое, он почти наверняка превзошел бы человека в умении находить раковые наросты или заблокированные артерии. Логичным решением было бы научить компьютер отличать необычную картинку от обычной. Казалось бы, это просто.
Проблема в том, что компьютеры сложнее распознают снимки, чем человеческий мозг. Показывая изображение компьютеру, вы видите, что на нем женщина на пляже. Для компьютера этот пейзаж — лишь набор пикселей. Вы видите ее очки и шляпку. Вы знаете, что на ней зеленое бикини с белыми цветочками, что небо слегка пасмурное. Компьютер ничего этого не видит, если не обладает компьютерным зрением.
Компьютерное зрение — это в некотором роде попытка научить компьютеры "видеть". Диагностика болезней по снимкам — это простейшая форма компьютерного зрения, но ее недостаточно, чтобы заменить пару человеческих глаз.
Google планирует это изменить. У компании есть прогресс в области компьютерного зрения, отчасти из-за доступа к огромным объемам данных. Вы уже можете наблюдать его в работе, поскольку Google использует свое компьютерное зрение для организации ваших личных изображений в Google Photos. В них можно найти, скажем, "картинки со снегом" или "картинки собак". Алгоритм Google находит нужное на снимках и сортирует для вас.
Диабетическая ретинопатия — одно из первых диагностических приложений, которое создала компания Google по глубокому обучению компьютерного зрения. Другие группы работают над похожими проектами. Корнелльский университет учит компьютеры диагностировать болезни легких, сердца и костей. Финская группа работает над методами диагностики малярии по снимкам крови, а IBM давно работает над алгоритмом для обнаружения рака кожи.
Однажды компьютерное зрение и глубокое обучение изменит процесс диагностирования пациентов. Но FDA пока не одобрила использование такого рода технологий в медицине. Для начала придется определить, как обеспечивать безопасную работу нейронных сетей. А пока можно поискать изображения собак и кошек при помощи нейронной сети Google и превратить их в кошмары.
