Глубокое обучение в анализе медицинских изображений: третий глаз врача

Цель и область применения: Искусственный интеллект (ИИ) в медицине — быстро развивающаяся область. Развитие алгоритмов глубокого обучения, таких как сверточные нейронные сети (CNN), открывает перспективы автоматизации анализа медицинских изображений. В этом систематическом обзоре мы проанализировали современные публикации и изучили следующий вопрос: «Могут ли алгоритмы глубокого обучения для распознавания изображений улучшить визуальную диагностику в медицине?»

Материалы и методы: Проведен систематический обзор статей по применению CNN для анализа медицинских изображений, опубликованных в медицинской литературе до мая 2019 года. Публикации оценивали по следующим параметрам: тип анализа изображений (обнаружение или классификация), архитектура алгоритма, использованный набор данных, этап обучения, тестирование, метод сравнения (со специалистами или другими методами), результаты (точность, чувствительность и специфичность), а также выводы.

Результаты: В базе данных PubMed выявлено 352 статьи; 327 публикаций исключены, поскольку в них не оценивали эффективность (обзорные статьи) или изучали задачи, отличные от обнаружения и классификации, например сегментацию. В итоговый анализ вошли 25 статей, опубликованных с 2013 по 2019 год и посвященных широкому спектру медицинских специальностей. Большинство авторов были из Северной Америки и Азии. Для обучения CNN требовались большие массивы качественных медицинских изображений, которые часто формировались в рамках международного сотрудничества. Наиболее распространенные CNN, такие как AlexNet и GoogleNet, первоначально разработанные для анализа естественных изображений, продемонстрировали применимость к медицинским изображениям.

Выводы: CNN не заменят врачей, но помогут оптимизировать рутинные задачи и тем самым потенциально положительно повлиять на медицинскую практику. Специальности с выраженной визуальной составляющей, такие как радиология и патология, претерпят глубокие изменения. Медицинские работники, включая хирургов, должны играть ключевую роль в разработке и внедрении таких систем.