Модель сканирования мозга на основе ИИ распознает инсульт, опухоли мозга и аневризмы

Ученые из Королевского колледжа Лондона провели исследование, опубликованное в журнале Radiology AI, которое демонстрирует, как искусственный интеллект может помочь справиться с увеличивающимися задержками в радиологии. Эти задержки вызваны нехваткой специалистов и постоянным ростом количества назначаемых МРТ-исследований уже более десяти лет.

Подобные проволочки нередко замедляют начало лечения и могут ухудшать прогноз для пациентов, поскольку МРТ играет ключевую роль в выявлении и наблюдении множества заболеваний мозга, включая инсульты, опухоли и аневризмы. ИИ способен уменьшить нагрузку на радиологические отделения, автоматически сортируя снимки и ускоряя подготовку заключений.

Для проверки эффективности разработанную модель сначала научили определять, является ли скан нормальным или содержит патологию. Результаты оказались сопоставимыми с оценками опытных рентгенологов. Затем систему протестировали на выявлении конкретных заболеваний – инсульта, рассеянного склероза и опухолей мозга – используя новые МРТ-снимки, которые не входили в обучающий набор. Модель успешно справилась и с этой задачей.

Обычно ИИ обучают на больших наборах данных, которые вручную размечают специалисты, что требует значительных ресурсов. Чтобы избежать этих сложностей, исследователи создали модель, способную обучаться самостоятельно, используя более 60 000 имеющихся МРТ мозга вместе с соответствующими медицинскими заключениями. Ученые также настроили модель так, что она способна по загруженному МРТ-снимку или по текстовому запросу – например, "глиома" (разновидность опухоли мозга) – находить и показывать похожие случаи. Это может быть полезно как для уточнения диагноза, так и для обучения специалистов.

Результаты исследования демонстрируют, что модель можно применять прямо в процессе проведения МРТ: она способна обнаруживать аномалии в реальном времени и помогать врачам принимать решения. ИИ может подсказывать возможные находки, указывать на ошибки в заключениях или подбирать аналогичные случаи из архивов. Все это ускоряет диагностический процесс, сокращает время ожидания результатов и в конечном итоге улучшает качество лечения пациентов.