Обученная разработчиками ННГУ им. Н.И. Лобачевского гибридная квантово-классическая нейросеть с точностью до 98% диагностировала наличие опухоли по МРТ-изображениям головного мозга, полученным из открытых баз данных. Это одна из первых успешных попыток объединить возможности стандартных нейросетей и квантовых схем. Благодаря квантовому слою ученым удалось получить глубокий анализ снимков по меньшему числу параметров, чем необходимо классической нейросети, а значит, гибридная нейросеть может быть более эффективным решением для анализа медицинских данных.
«Наш подход позволяет повысить точность классификации за счет оптимизации архитектуры нейросети. Классические глубокие модели могут содержать миллиарды обучаемых параметров и требуют значительных вычислительных ресурсов. В нашей архитектуре квантовый слой работает с сильно сжатым представлением признаков. При этом важную роль играет именно взаимодействие классической и квантовой частей модели», – отметила автор исследования, кандидат физико-математических наук, старший научный сотрудник лаборатории «Искусственный интеллект в превентивной медицине» Исследовательского центра в сфере искусственного интеллекта Института информационных технологий, математики и механики (ИИТММ) ННГУ Марина Бастракова.
Гибридная квантово-классическая нейросеть также уверенно справилась с диагностикой МРТ-снимков с шумами и дефектами. Так, при сильном гауссовском шуме точность одной из квантово-классических моделей составляла 96,6% против 92,2% у классической сети. Это преимущество особенно важно для оценки медицинских изображений, на качество которых влияет множество факторов от положения пациента до особенностей оборудования и протоколов сканирования.
«Мы увидели, что квантовый слой – это не просто дополнительный элемент архитектуры: его устройство заметно влияет на результат. В частности, модели с более развитыми повторяющимися квантовыми блоками в наших экспериментах лучше сохраняли точность при искажении изображений. Это позволяет предполагать, что квантовые преобразования признаков играют существенную роль в формировании более устойчивого представления данных. При этом механизм этого эффекта еще предстоит отдельно исследовать и подтвердить на реальном квантовом оборудовании», – рассказала Марина Бастракова.
«Важно отметить, что любые нейросетевые решения не заменяют врача-диагноста. Они выступают как помощники при первичной диагностике, помогают не пропустить важные признаки и дают сигнал врачу обратить внимание на критические значения. Снижается вероятность ошибки, и диагноз специалиста становится более обоснованным», – прокомментировал доктор физико-математических наук, главный научный сотрудник лаборатории «Искусственный интеллект в превентивной медицине» Исследовательского центра в сфере искусственного интеллекта ИИТММ ННГУ Михаил Иванченко.
Ученым предстоит протестировать подход на новых медицинских наборах данных с использованием мощностей российских квантовых компьютеров. Обсуждается участие в проекте профильных учреждений и научных центров для продвижения подобных гибридных подходов в реальной медицинской практике. Разработчики планируют обучить нейросеть более детальному описанию снимка и расширить классификацию изображений.
«Развитие квантовых технологий и искусственного интеллекта является стратегическим приоритетом Нижегородского университета. Наши ученые создали передовой инструмент для медицинской диагностики, который позволяет точно анализировать сложные данные и открывает новые возможности для раннего выявления патологий и повышения качества отечественного здравоохранения в целом. Мы нацелены на дальнейшую интеграцию этих алгоритмов в клиническую практику и их адаптацию под мощности российских квантовых компьютеров для решения важнейших государственных задач в сфере технологического лидерства», – отметил ректор ННГУ им. Н.И. Лобачевского Олег Трофимов.
Работа выполнена учеными Исследовательского центра в сфере искусственного интеллекта Института информационных технологий, математики и механики Университета Лобачевского в рамках федеральной программы «Приоритет-2030». Результаты опубликованы в международном журнале The European Physical Journal Special Topics.
Источник информации и фото: пресс-служба ННГУ им. Н.И. Лобачевского
