Ученые Института прикладной математики и компьютерных наук Томского государственного университета ведут исследование по созданию алгоритмов и программного обеспечения, которые помогут с помощью искусственного интеллекта выявлять злокачественные опухоли по снимкам КТ. Это повысит точность и оперативность обнаружения патологий и ускорит назначение лечения пациентам.

Это одно из ключевых направлений, которое развивается в ТГУ. Разработку алгоритмов и ПО ведет четверокурсник ИПМКН Никита Литвиненко под руководством доцента ИПМКН Сергея Аксёнова. Разработка будет автоматически определять злокачественные новообразования легких на снимках КТ.

«Искусственный интеллект будет не только запоминать характерные визуальные изменения в структуре легочной ткани, но и находить типичные зависимости (сочетания), подтверждающие, что на снимке злокачественная опухоль. Опыт нейросети нарабатывается гораздо быстрее, чем опыт врача. Если человек за свою практику посмотрел 200 или 300 снимков, то нейросеть может за короткий период времени изучить несколько тысяч изображений», – рассказал автор проекта, студент ИПМКН Никита Литвиненко.

Разработка ведется на основе анализа и сравнения уже существующих нейросетей. Программа будет включать в себя снимки нормального состояния тканей и онкологической патологии. ИИ научат отличать злокачественные опухоли от патологий, связанных с пневмонией, туберкулезом и другими заболеваниями легких.

«Актуальность данной проблемы обусловлена тем, что правильная интерпретация медицинских изображений требует достаточного опыта и времени. Широкие возможности технологий ИИ и глубокого обучения позволяют автоматизировать процесс диагностики и вывести его на новый уровень», – говорит доцент кафедры теоретических основ информатики ИПМКН Сергей Аксенов.

Однако исключить участие врача не получится. Нейросеть будет лишь дополнительным инструментом диагностики. Ее можно применять в мониторинге течения болезни и оценки лечения.

Также применять обученный искусственный интеллект можно будет во время подготовки специалистов. Студенты смогут сравнивать свои варианты диагнозов с анализом нейросети.

Источник фото: www.tsu.ru