Ученые из Массачусетского общего госпиталя имени Бригама разработали надежную базовую модель искусственного интеллекта (ИИ), способную анализировать данные МРТ головного мозга для решения множества медицинских задач, в том числе определения возраста мозга, прогнозирования риска развития деменции, выявления мутаций в опухолях головного мозга и прогнозирования выживаемости при раке мозга. Инструмент под названием BrainIAC превзошел другие модели ИИ, ориентированные на решение более узких задач, и был особенно эффективен при ограниченном объеме обучающих данных. Результаты опубликованы в Nature Neuroscience.
«По словам одного из авторов исследования, платформа BrainIAC способна ускорить выявление биомаркеров, оптимизировать диагностические средства и способствовать более быстрому применению искусственного интеллекта в медицине Бенджамин Канн, кандидат медицинских наук . — Внедрение BrainIAC в процедуры визуализации позволит медицинским работникам адаптировать терапию для каждого пациента и повысить ее эффективность».
В области медицинского искусственного интеллекта достигнуты значительные успехи, однако существует дефицит общедоступных инструментов, предназначенных для всестороннего анализа магнитно-резонансной томографии головного мозга. Преобладающие модели обычно решают отдельные задачи и нуждаются в длительном обучении с использованием обширных массивов данных, получение которых может быть затруднено. К тому же, изображения МРТ головного мозга, полученные в различных медицинских учреждениях, могут существенно различаться по качеству и назначению – например, применительно к неврологическим или онкологическим исследованиям – что усложняет получение сопоставимой информации для систем искусственного интеллекта.
Для преодоления этих ограничений, команда исследователей создала адаптивное ядро для визуализации мозга, получившее название BrainIAC. Данный инструмент применяет метод самообучения, позволяющий определять ключевые признаки в объединенных наборах данных, которые впоследствии могут быть адаптированы для решения разнообразных задач. После предварительного обучения системы на нескольких наборах данных магнитно-резонансной томографии головного мозга, ее эффективность была проверена с использованием 48 965 различных снимков МРТ головного мозга, охватывающих 7 задач различной клинической сложности.
Анализ показал, что BrainIAC способен успешно применять полученные знания к изображениям, как нормальным, так и патологическим. Это позволяет использовать его для решения широкого спектра задач, начиная от классификации МРТ-снимков и заканчивая определением типов мутаций при опухолях головного мозга. Кроме того, модель продемонстрировала более высокие показатели по сравнению с другими системами искусственного интеллекта, предназначенными для решения узкоспециализированных задач.
По мнению авторов, BrainIAC демонстрировал высокую точность прогнозов в ситуациях, когда объем обучающих данных был ограниченным или задача представлялась сложной. Это позволяет предположить, что модель способна успешно приспосабливаться к практическим условиям, где аннотированные медицинские данные не всегда доступны. Для оценки эффективности системы при использовании альтернативных методов визуализации мозга и на более объемных наборах данных требуются дополнительные исследования.
[Фото: Divyanshu Tak, Mass General Brigham]