ИИ научили анализировать образцы тканей по подходу патологов
Исследователи разработали систему искусственного интеллекта Pathology-o3, которую научили просматривать цифровые изображения образцов тканей по принципу работы патологов. Алгоритм сначала сканирует весь препарат в низком разрешении, определяет участки для более детального изучения, а затем анализирует их в более высоком разрешении. О результатах исследования, опубликованного в июле в журнале Nature, сообщает Live Science.
Обучение на действиях специалистов
В отличие от многих систем, которые работают с заранее отобранными фрагментами или делят препарат на участки фиксированного размера, новый подход учитывает навигацию специалиста по изображению. Патологи во время работы перемещаются по препарату, меняют масштаб и останавливаются на подозрительных зонах.
Команда записала действия восьми патологов во время просмотра препаратов: перемещение по изображению и изменение увеличения. Исследователи отфильтровали случайные движения, оставив действия, свидетельствовавшие о целенаправленном внимании. Результаты также сопоставили с данными отслеживания движения глаз. Для каждого осмотренного участка ИИ формировал краткое объяснение, которое специалисты могли принять, отредактировать или отклонить.
Больше актуальных новостей — в Telegram-канале UA.News Telegram.
Результаты проверки
Pathology-o3 тестировали на изображениях лимфатических узлов, полученных в случаях колоректального рака. Часть препаратов содержала метастатический рак, ранее отмеченный патологами. Система правильно определила все препараты с раком, однако 15,5% препаратов, которые она обозначила как положительные, на самом деле были отрицательными.
Для сравнения, OpenAI o3 правильно выявил 87,5% положительных препаратов, а 53,3% образцов, отмеченных им как положительные, фактически не содержали рака. На независимом наборе данных, которого алгоритм ранее не видел, Pathology-o3 правильно идентифицировал 97,6% положительных образцов; среди отмеченных им как положительные 37,1% оказались отрицательными.
Возможное применение
Авторы работы не сравнивали Pathology-o3 напрямую с патологами и не оценивали, сделает ли система работу врачей более точной или быстрой. По мнению не участвовавшего в исследовании специалиста по анализу данных Стэнфордского университета Мохаммада Асади, алгоритм недостаточно точен для самостоятельной постановки диагноза, но может помогать специалисту обращать внимание на зоны, которые стоит проверить. Следующий эксперимент команды должен сравнить работу патологов с системой и без нее.
