Исследователи разработали генеративную систему искусственного интеллекта под названием CytoDiffusion, которая может анализировать клетки крови с точностью, не уступающей, а в некоторых случаях и превосходящей точность специалистов-людей. Фото: Shutterstock

Система искусственного интеллекта, способная анализировать форму и структуру клеток крови с более высокой точностью и стабильностью, чем специалисты-люди, может существенно изменить подход к диагностике таких заболеваний, как лейкемия.

Инструмент под названием CytoDiffusion создан на основе генеративного искусственного интеллекта — той же технологии, которая используется в таких программах для создания изображений, как DALL-E. Он предназначен для детального изучения внешнего вида клеток крови.

Многие современные модели искусственного интеллекта в основном ориентированы на распознавание образов, но группа исследователей из Кембриджского университета, Университетского колледжа Лондона и Лондонского университета королевы Марии продемонстрировала, что CytoDiffusion может распознавать широкий спектр вариаций нормальных клеток крови и выявлять редкие или необычные клетки, которые могут указывать на заболевание. Их результаты опубликованы в журнале Nature Machine Intelligence.

Сложности ручного анализа клеток крови

Выявление незначительных различий в размере, форме и внешнем виде клеток крови крайне важно для диагностики многих заболеваний крови. Однако для того, чтобы овладеть необходимыми для этой работы навыками, требуется длительное обучение, и даже высококвалифицированные врачи могут расходиться во мнениях при оценке сложных образцов.

«У всех нас есть множество различных типов клеток крови, которые обладают разными свойствами и выполняют разные функции в нашем организме, — говорит Саймон Дельтадаль с факультета прикладной математики и теоретической физики Кембриджского университета, первый автор исследования. — Например, лейкоциты специализируются на борьбе с инфекциями. Но знание того, как выглядит под микроскопом необычная или повреждённая клетка крови, является важной частью диагностики многих заболеваний».

Различные типы клеток крови, проанализированные с помощью CytoDiffusion — инструмента на основе генеративного искусственного интеллекта, который используется для выявления отклонений в образцах крови. Источник: Саймон Дельтадаль

Однако в обычном мазке крови содержатся тысячи клеток — гораздо больше, чем может проанализировать человек. «Люди не могут рассмотреть все клетки в мазке — это просто невозможно, — говорит Дельтадаль. — Наша модель может автоматизировать этот процесс, сортировать стандартные случаи и выделять всё необычное для проверки человеком».

«Клиническая проблема, с которой я столкнулся, будучи молодым врачом-гематологом, заключалась в том, что после рабочего дня мне приходилось анализировать множество мазков крови, — рассказал соавтор исследования доктор Сутеш Шивапаларатнам из Лондонского университета королевы Марии. — Анализируя их в позднее время, я понял, что искусственный интеллект справится с этой задачей лучше меня».

Обучение CytoDiffusion

Для разработки CytoDiffusion исследователи обучили систему на более чем полумиллионе изображений мазков крови, собранных в больнице Адденбрука в Кембридже. Набор данных — крупнейший в своём роде — включал как распространённые типы клеток крови, так и более редкие, а также элементы, которые могут сбить с толку автоматизированные системы.

Благодаря моделированию полного спектра внешнего вида клеток, а не просто обучению разделению на категории, ИИ стал более устойчивым к различиям между больницами, микроскопами и методами окрашивания и научился лучше распознавать редкие или аномальные клетки.

В ходе испытаний CytoDiffusion смогла обнаружить аномальные клетки, связанные с лейкемией, с гораздо большей чувствительностью, чем существующие системы. Она также не уступала или даже превосходила современные модели, даже при гораздо меньшем количестве обучающих примеров, и количественно оценивала собственную неопределённость.

«Когда мы проверили точность системы, она оказалась немного лучше, чем у людей, — сказал Дельтадаль. — Но что действительно выделяло её, так это способность распознавать неопределённость. Наша модель никогда бы не сказала, что она уверена в чём-то, а потом оказалась бы неправа, но люди иногда так делают».

«Мы протестировали наш метод на множестве задач, с которыми сталкивается ИИ в реальной жизни, таких как распознавание ранее не встречавшихся изображений, изображений, снятых разными устройствами, а также на задачах с высокой степенью неопределённости в метках», — сказал соавтор исследования профессор Майкл Робертс, также работающий на факультете прикладной математики и теоретической физики Кембриджского университета. «Эта система даёт многогранное представление об эффективности модели, которое, по нашему мнению, будет полезно исследователям».

Генерация синтетических изображений

Команда также продемонстрировала, что CytoDiffusion может генерировать синтетические изображения клеток крови, неотличимые от реальных. В ходе «теста Тьюринга» с участием десяти опытных гематологов эксперты-люди не смогли отличить реальные изображения от сгенерированных ИИ.

«Это меня очень удивило, — сказал Дельтадал. — Эти люди целыми днями смотрят на клетки крови, но даже они не смогли отличить одно от другого».

В рамках проекта исследователи публикуют, по их словам, самый большой в мире общедоступный набор данных с изображениями мазков периферической крови: всего более полумиллиона изображений.

«Открыв этот ресурс, мы надеемся дать возможность исследователям со всего мира создавать и тестировать новые модели искусственного интеллекта, демократизировать доступ к высококачественным медицинским данным и в конечном счёте способствовать улучшению ухода за пациентами», — сказал Дельтадаль.

Не замена, а помощник

Несмотря на многообещающие результаты, исследователи утверждают, что CytoDiffusion не заменит квалифицированных врачей. Вместо этого она призвана помогать им, быстро выявляя аномальные случаи для проверки и автоматически обрабатывая более стандартные.

«Истинная ценность ИИ в здравоохранении заключается не в том, чтобы заменить человеческий опыт с меньшими затратами, а в том, чтобы обеспечить более высокую диагностическую, прогностическую и предписывающую способность, чем могут обеспечить как эксперты, так и простые статистические модели», — сказал соавтор исследования профессор Парашкев Начев из Университетского колледжа Лондона. «Наша работа показывает, что генеративный ИИ будет играть ключевую роль в этой миссии, изменяя не только точность систем клинической поддержки, но и их понимание границ собственных знаний. Эта «метакогнитивная» осведомлённость — понимание того, чего мы не знаем, — крайне важна для принятия клинических решений, и здесь мы показываем, что машины справляются с этой задачей лучше нас.

По словам исследователей, необходимо провести дополнительную работу, чтобы ускорить систему и протестировать её на различных группах пациентов для обеспечения справедливости и точности.