ИИ превзошел врачей в диагностике некоторых заболеваний
. Однако нейросети не готовы к клиническому применениюNature: ИИ превзошел врачей в диагностике заболеваний
Ученые выяснили, что специализированные ИИ-модели Mira и Google Amie достигли такого же уровня в сфере постановки диагноза и составления плана лечения, как и терапевты. В некоторых случаях нейросети смогли превзойти специалистов. Исследование было опубликовано в журнале Nature.
Mira показала более высокие результаты при выявлении у пациентов признаков рака поджелудочной железы и пневмонии. Модель достигла точности диагностики восьми заболеваний, среди которых аппендицит и легочная эмболия, на уровне 87,1%, в то время как результат группы из шести терапевтов составил 78,1%. Ее протестировали, используя информацию из более чем 500 клинических случаев из отделения неотложной помощи.
«Я рассматриваю агентов ИИ как систему автопилота в самолете. Эти системы могут поддерживать и разгружать медицинских работников, беря на себя рутинные задачи, но окончательная ответственность всегда будет оставаться за врачами», — заявил глава группы ученых, разрабатывающих Mira, Якоб Катер.
Модель Google Amie, в свою очередь, оказалась эффективнее при выборе лечения и назначении медикаментов. Нейросеть на основе Gemini реагировала на сведения, которые ей давали актеры, притворяющиеся больными. Она проанализировала 100 сценариев типовых обращений пациентов, основанных на действующих британских клинических рекомендациях и указаниях по лекарствам. В сложных случаях Google Amie смогла обойти группу из 21 терапевта.
Ученые подчеркнули, что ИИ в рамках исследования работал с более четкой и точной информацией, чем обычно получают врачи от пациентов. Эти модели не готовы к реальному клиническому применению, уточняют их создатели. Врачам на практике приходится иметь дело с более противоречивой информацией, что затрудняет принятие решений.
Алгоритм, определяющий депрессию
Ученые из Российского экономического университета (РЭУ) имени Г.В. Плеханова вместе с коллегами создали вычислительную систему, которая позволяет с 86-процентной точностью отличать пациентов с депрессией. Алгоритм использует снимки МРТ.
При создании системы использовались две технологии машинного обучения для анализа снимков. В начале алгоритм определяет особенности сетевой организации мозга, которые лучше всего отражают изменения в поведении, например изменения в связях лобной коры.
Исследователи также использовали контрастивный подход. Он позволяет найти различия в этих особенностях между пациентами с депрессией и здоровыми людьми.
В рамках эксперимента ученые сравнили снимки МРТ 70 пациентов с диагнозом «большое депрессивное расстройство» и 70 здоровых участников. Новый подход указал 20 основных связей, играющих роль в развитии депрессии. Традиционные методы смогли выявить лишь пять из них.
