Исследователи из совместной Лаборатории искусственного интеллекта для биомедицины (BIMAI-Lab) Сколковского института науки и технологий (Сколтех) и Университета Шарджи, а также их коллеги из Института AIRI научили нейросеть оперативно диагностировать глазные и сердечно-сосудистые заболевания с помощью снимков сетчатки глаза. Создатели системы надеются, что она станет стандартным инструментом, позволяющим диагностировать патологии быстрее и точнее. А более раннее медицинское вмешательство повысит результативность лечения, ведь именно в мелких сосудах часто проявляются первые признаки патологий, связанных с глазами.

Заведующие совместной лабораторией — старший преподаватель Сколтеха Максим Шараев и профессор Университета Шарджи Рифат Хамуди. В коллектив лаборатории входит руководитель исследования со стороны ОАЭ Ахмед Буридан; он обладает обширным опытом в области приложения искусственного интеллекта к анализу медицинских данных.

Как пояснили в Сколтехе, ученых интересовала автоматизация анализа снимков сетчатки глаза для диагностики диабетической ретинопатии — повреждения сетчатки при сахарном диабете, которое может приводить к слепоте. В зависимости от сложности случая и квалификации врача, на рассмотрение сети сосудов на одном снимке сетчатки и вынесение диагноза без применения искусственного интеллекта уходит 10–40 минут. А представленное в журнале Pattern Recognition Letters решение выдает ответ мгновенно, после чего врачу остается лишь проверить и подтвердить результат.

Как это работает? При помощи прибора под названием фундус-камера офтальмологи делают снимки глазного дна, на которых видна сетчатка и сеть кровеносных сосудов в ней. Врач изучает такое изображение и вручную сегментирует его в специальной компьютерной программе, выделяя сосуды разной длины, ширины и извилистости. Особенности сосудистой сети сетчатки могут указывать на наличие у пациента диабетической ретинопатии и других глазных или сердечно-сосудистых заболеваний, включая атеросклероз. Однако сегментация изображения вручную сложна, требует времени и подвержена ошибкам. Специалистам удалось автоматизировать эту сложную задачу, причем новое решение на базе ИИ не просто способно экономить время врачей. Ожидается, что его применение устранит «человеческий фактор». Людям свойственно ошибаться. Систему обучили надежной выборке снимков, каждый из которых размечен сразу двумя высококвалифицированными специалистами. В результате ИИ отлично показал себя в испытании на трех современных датасетах. В частности, решение показало точность более 97% и чувствительность выше 84% на популярной в отрасли базе данных DRIVE.

«…Очень важна чувствительность. Она отражает способность модели распознавать микрососуды, с которыми у предыдущих моделей были сложности, — отметил первый автор исследования Мелаку Гетахун, аспирант Сколтеха по программе «Инженерные системы. — …В этой работе мы предлагаем иную архитектуру нейросети, чем в более ранних решениях, которые упускали микрососуды сетчатки… Мы также ввели алгоритм, который настраивает выдачу модели за счет понимания сути данных на снимке сосудов сетчатки. Тем самым мы избегаем случаев, когда относящиеся к сосудам пиксели ошибочно распознаются как фон».

Одна из сложностей, с которыми столкнулись исследователи, связана с ограниченным размером датасета. Дважды размеченные экспертами снимки — это обучающая выборка отличного качества, но, увы, их не так много, как хотелось бы, как уточнили в пресс-службе Сколтеха.

«Из-за этого страдала способность модели к обобщению, распространению на те данные, которых модель не видела. Однако благодаря тщательному применению методов увеличения объема данных и их обработки нам удалось значительно улучшить результат, — прокомментировал исследование руководитель с российской стороны, старший научный сотрудник Центра ИИ Сколтеха и руководитель группы «Доверенные и безопасные интеллектуальные системы» в Институте AIRI Олег Рогов. — Кроме того, даже после обновления архитектуры нейросети проблемы с неверной классификацией пикселей микрососудов как фона не исчезли полностью. Чтобы справиться с ними, мы внедрили адаптивный пороговый алгоритм, который значительно повысил чувствительность и точность».

Источник: журнал «Изобретатель и рационализатор», № 2/2025