Радиомика, машинное обучение и искусственный интеллект: что необходимо знать нейрорадиологу

Цель: Искусственный интеллект (ИИ) играет всё более значимую роль в нейрорадиологии.

Методы: При разработке исследований с применением ИИ в нейрорадиологии и оценке научных публикаций важно понимать фундаментальные принципы ИИ. Наборы данных для обучения, валидации и тестирования необходимо чётко определить и разделить. Внешние наборы данных для валидации и тестирования предпочтительны, когда это возможно. Также необходимо указать конкретный тип обучения (с учителем или без учителя) и модель машинного обучения. Глубокое обучение — подход на основе ИИ, структура которого смоделирована по аналогии со строением нейронов головного мозга; распространённым примером его применения в нейрорадиологии служат свёрточные нейронные сети (CNN).

Результаты: Радиомика — широко используемый подход, при котором из области интереса извлекают множество признаков изображений, а затем сокращают их количество и отбирают признаки, содержащие диагностическую или прогностическую информацию. При глубокой радиомике для непосредственного извлечения признаков применяют CNN, что устраняет необходимость заранее задавать признаки.

Выводы: К распространённым ограничениям и методологическим ошибкам исследований с применением ИИ в нейрорадиологии относятся малые размеры выборок (проблема «малое n — большое p»), систематическая ошибка отбора, а также переобучение и недообучение моделей.