Новая система искусственного интеллекта показывает, что она может лучше, чем специалисты-люди, распознавать опасные изменения в клетках крови, что потенциально может изменить методы диагностики таких заболеваний, как лейкемия. Фото: Shutterstock
Новая система искусственного интеллекта, которая изучает форму и структуру клеток крови, может значительно улучшить диагностику таких заболеваний, как лейкемия. Исследователи говорят, что этот инструмент может идентифицировать аномальные клетки с большей точностью и постоянством, чем специалисты-люди, что потенциально сокращает количество пропущенных или неопределенных диагнозов.
Система, известная как CytoDiffusion, основана на технологии generative AI, аналогичной технологии, используемой в генераторах изображений, таких как DALL-E, для детального анализа внешнего вида клеток крови. Вместо того, чтобы фокусироваться только на очевидных закономерностях, она изучает тонкие различия в том, как клетки выглядят под микроскопом.
Выход за рамки распознавания образов
Многие существующие медицинские инструменты искусственного интеллекта обучены сортировать изображения по заранее определенным категориям. Напротив, команда, занимающаяся цитодиффузией, продемонстрировала, что их подход позволяет распознавать весь спектр нормальных форм клеток крови и надежно выявлять редкие или необычные клетки, которые могут сигнализировать о заболевании. Работой руководили исследователи из Кембриджского университета, Университетского колледжа Лондона и Лондонского университета королевы Марии, а результаты были опубликованы в журнале Nature Machine Intelligence.
Выявление небольших различий в размере, форме и структуре клеток крови имеет решающее значение для диагностики многих заболеваний крови. Однако для того, чтобы научиться делать это хорошо, могут потребоваться годы опыта, и даже высококвалифицированные врачи могут расходиться во мнениях при рассмотрении сложных случаев.
«У всех нас есть много разных типов клеток крови, которые обладают разными свойствами и играют разную роль в нашем организме», — сказал Саймон Дельтадал из Кембриджского факультета прикладной математики и теоретической физики, первый автор исследования. «Белые кровяные тельца специализируются, например, на борьбе с инфекциями. Но знание того, как выглядит необычная или пораженная болезнью клетка крови под микроскопом, является важной частью диагностики многих заболеваний».
Работа со шкалой анализа крови
Стандартный мазок крови может содержать тысячи отдельных клеток, гораздо больше, чем человек может реально изучить по отдельности. «Люди не могут рассмотреть все клетки в мазке — это просто невозможно», — сказал Дельтадал. «Наша модель может автоматизировать этот процесс, сортировать обычные случаи и выявлять все необычное для рассмотрения людьми».
Эта задача знакома клиницистам. «Клиническая проблема, с которой я столкнулся, будучи младшим врачом-гематологом, заключалась в том, что после рабочего дня мне приходилось анализировать множество образцов крови», — сказал соавтор исследования доктор Сутеш Сивапаларатнам из Лондонского университета Королевы Марии. «Анализируя их поздним вечером, я убедился, что искусственный интеллект справится с этой задачей лучше, чем я».
Обучение на беспрецедентном наборе данных
Для создания системы цитодиффузии исследователи использовали более полумиллиона изображений мазков крови, собранных в больнице Адденбрука в Кембридже. Набор данных, который описывается как самый большой в своем роде, включает в себя распространенные типы клеток крови, редкие примеры и особенности, которые часто сбивают с толку автоматизированные системы.
Вместо того чтобы просто учиться разделять клетки на определенные категории, искусственный интеллект моделирует весь спектр возможных форм клеток крови. Это делает его более устойчивым к различиям между больницами, микроскопами и методами окрашивания, а также улучшает его способность обнаруживать редкие или аномальные клетки.
Выявлять лейкемию с большей достоверностью
При тестировании цитодиффузия выявляла аномальные клетки, связанные с лейкемией, с гораздо большей чувствительностью, чем существующие системы. Она также работала не хуже или даже лучше, чем ведущие современные модели, даже при обучении на гораздо меньшем количестве примеров, и смогла количественно оценить, насколько она была уверена в своих прогнозах.
«Когда мы проверили ее точность, система оказалась немного лучше, чем люди», — сказал Дельтадал. «Но что действительно отличало его, так это умение распознавать, когда что-то было неопределенным. Наша модель никогда бы не сказала, что что-то определенно, а затем ошиблась, но это то, что люди иногда делают».
Соавтор исследования, профессор Майкл Робертс с факультета прикладной математики и теоретической физики Кембриджа, сказал, что система была оценена с учетом реальных задач, с которыми сталкивается медицинский ИИ. «Мы сравнили наш метод со многими проблемами, с которыми сталкивается искусственный интеллект в реальном мире, такими как невиданные ранее изображения, изображения, полученные различными машинами, и степень неопределенности в надписях», — сказал он. «Этот фреймворк дает многогранное представление о работе модели, которое, по нашему мнению, будет полезно исследователям».
Когда изображения с помощью искусственного интеллекта вводят в заблуждение экспертов-людей
Команда также обнаружила, что цитодиффузия может генерировать синтетические изображения клеток крови, которые выглядят неотличимыми от настоящих. В ходе «теста Тьюринга», в котором участвовали десять опытных гематологов, специалисты не смогли отличить реальные изображения от созданных искусственным интеллектом.
«Это меня действительно удивило», — сказал Дельтадаль. «Эти люди целыми днями смотрят на клетки крови, и даже они сами не могут этого сказать».
Открытие данных для мирового исследовательского сообщества
В рамках проекта исследователи публикуют то, что они называют крупнейшей в мире общедоступной коллекцией изображений мазков периферической крови, насчитывающей в общей сложности более полумиллиона образцов.
«Делая этот ресурс открытым, мы надеемся дать исследователям по всему миру возможность создавать и тестировать новые модели искусственного интеллекта, демократизировать доступ к высококачественным медицинским данным и, в конечном счете, способствовать улучшению ухода за пациентами», — сказал Дельтадал.
Поддержка, а не замена клиницистов
Несмотря на высокие результаты, исследователи подчеркивают, что цитодиффузия не предназначена для замены квалифицированных врачей. Вместо этого она предназначена для оказания помощи клиницистам за счет быстрого выявления случаев и автоматической обработки рутинных образцов.
«Истинная ценность искусственного интеллекта в здравоохранении заключается не в том, чтобы приблизиться к опыту человека при меньших затратах, а в том, чтобы обеспечить большую диагностическую, прогностическую и предписывающую силу, чем могут обеспечить эксперты или простые статистические модели», — сказал соавтор исследования профессор Парашкев Начев из Калифорнийского университета. «Наша работа предполагает, что генеративный ИИ будет играть центральную роль в этой миссии, изменяя не только точность систем клинической поддержки, но и их понимание пределов собственных знаний. Это «метакогнитивное» осознание — знание того, чего человек не знает, — имеет решающее значение для принятия клинических решений, и здесь мы показываем, что машины могут справляться с этим лучше, чем мы».
Команда отмечает, что необходимы дополнительные исследования для повышения быстродействия системы и проверки ее эффективности в более разнообразных группах пациентов, чтобы обеспечить точность и беспристрастность.
Исследование получило поддержку от Trinity Challenge, Wellcome, Британского фонда сердца, Кембриджских университетских больниц NHS Trust, Barts Health NHS Trust, Кембриджского центра биомедицинских исследований NIHR, Центра биомедицинских исследований NIHR UCLH и Национальной службы крови и трансплантации. Работа была проведена рабочей группой по визуализации в рамках консорциума BloodCounts! целью которого является улучшение диагностики крови во всем мире с помощью искусственного интеллекта. Саймон Дельтадал является сотрудником колледжа Люси Кавендиш в Кембридже.