Дослідницька група Alibaba відкрила вихідний код для моделі штучного інтелекту, яка може ідентифікувати близько 150 абдомінальних захворювань, включно з раком, шляхом зчитування комп’ютерної томографії (КТ), останнього кроку в розширеній програмі китайської технологічної групи з медичних штучних інтелектів.

Модель під назвою Damo Radar була розроблена Damo Academy, науково-дослідним інститутом Alibaba, і описана в дослідженні, опублікованому в четвер у журналі Science, повідомляє South China Morning Post. Інститут оголосив про вихід з відкритим кодом у п’ятницю. На відміну від закритих комерційних систем, модель з відкритим вихідним кодом може бути завантажена, перевірена та адаптована лікарнями та дослідниками — модель розповсюдження, яка може прискорити впровадження в клініках, які ніколи не можуть отримати ліцензію на власний діагностичний інструмент. For more context on this story, see our ongoing AI news.

Універсальна модель медичної візуалізації

Damo Radar — це модель зорової мови, призначена для аналізу КТ-сканувань із контрастним підсиленням, що охоплюють 18 органів черевної порожнини, і ідентифікує широкий спектр захворювань та інших аномалій, включаючи злоякісні пухлини, повідомили в інституті. Його творці описують його як «першу в світі загальну медичну візуалізаційну модель експертного рівня» — єдину систему, призначену для читання багатьох різних знахідок, а не вузький інструмент, навчений виявляти одне захворювання.

Ці загальні амбіції відрізняють його від більшості медичних систем ШІ, які, як правило, створювалися та перевірялися для одного завдання, наприклад виявлення одного типу пухлини. Єдина модель, яка охоплює 146 різних клінічних результатів, якщо вона витримає за межами лабораторії, може змінити економіку розгортання штучного інтелекту в радіологічних відділеннях, де з’єднання дюжини одноцільових інструментів виявилося непрактичним.

Модель навчалася на комп’ютерній томографії в поєднанні з клінічними звітами. Це підхід, який навчає систему зв’язувати те, що відображається на зображенні, з мовою, яку клініцисти використовують для його опису. Дослідницька група заявила, що цей метод навчання може з часом бути поширений на інші типи медичної візуалізації, повідомляє Post.

Перевірено працюючими радіологами

Головні цифри отримані з оцінки майже 40 000 реальних іспитів. За 146 клінічними результатами Damo Radar досяг середньої площі під кривою (AUC) 0,913, статистичної міри діагностичної ефективності, у якій 1,0 означає ідеальну точність, повідомляється в дослідженні.

Порівняння з людьми-читачами приверне найбільше уваги. Згідно з дослідженням, у дослідженні за участю 26 радіологів із кількох лікарень середня точність моделі перевищила точність 23 учасників. А коли радіологи працювали за допомогою моделі, вони покращили свою здатність запобігати пропускам діагностики на 10 відсотків, скоротивши час, необхідний для кожного випадку, більш ніж на 30 відсотків, повідомили в Damo Academy.

У дослідженні поряд з Alibaba брали участь кілька установ, у тому числі лікарня, пов’язана з університетом Чжецзян. Публікація в Science, одному з найбільш відбіркових наукових журналів, дає результатам такий рівень зовнішньої перевірки, якого часто не вистачає в еталонних тестах, спонсорованих постачальниками, — хоча реальна ефективність завжди залежить від сканів, обладнання та популяції пацієнтів, яких насправді бачить лікарня.

Чому відкрите програмне забезпечення має значення

Відкритий випуск ваг є помітним вибором для медично чутливих технологій. Власні постачальники зазвичай тримають медичні моделі закритими, посилаючись на правила та безпеку. Відкритий випуск дозволяє незалежним дослідникам досліджувати режими збоїв, дозволяє лікарням запускати модель на власній інфраструктурі, не надсилаючи дані пацієнтів зовнішньому постачальнику, і надає невеликим закладам доступ до можливостей, інакше зарезервованих для великих лікарняних систем.

Це також означає, що Alibaba менше контролює використання моделі. Відкрита доступність не є клінічним схваленням: регулятори в кожній юрисдикції все одно вирішуватимуть, чи можна та як модель застосовувати на пацієнтах, а лікарні повинні будуть перевірити її на своєму власному обладнанні та популяціях.

Варто зауважити одне застереження: газета South China Morning Post належить Alibaba, і газета розкриває цей факт у власному звіті. Публікація основного дослідження в Science забезпечує незалежне підтвердження самого дослідження, але обрамлення п’ятничного оголошення неминуче походить від компанії.

Широкий медичний AI Push від Alibaba

Damo Radar — це не перший крок Alibaba до діагностичної обробки зображень. Академія Damo витратила останні роки на розробку інструментів скринінгу AI, щоб допомогти лікарям ідентифікувати рак підшлункової залози, шлунка та колоректального раку, а також розшарування аорти, повідомляє Post. У квітні підрозділ випустив модель під назвою Coca, розроблену спільно з установами, включаючи загальну лікарню Гуандуна, яка, за словами компанії, була більш чутливою, ніж радіологи, у виявленні ранньої стадії колоректального раку на КТ.

Перехід від скринінгу окремих хвороб до загальної моделі відображає ширшу ставку: великі зорово-мовні моделі, навчені на парних зображеннях і звітах, можуть поглинути роботу з розпізнавання образів, яка зараз потребує дефіцитного часу спеціаліста. У багатьох системах охорони здоров’я гостро відчувається нестача радіологів, а програми скринінгу дають набагато більше сканувань, ніж спеціалісти можуть прочитати з такою ж увагою.

Що буде далі

Випуск із відкритим кодом — це початок, а не розгортання. Лікарні, які розглядають цю модель, потребуватимуть місцевої валідації власних сканів, а клінічне використання залежатиме від регуляторної перевірки в країні. Але дані, опубліковані цього тижня — майже 40 000 обстежень у реальному світі, пряме порівняння з працюючими радіологами та 30-відсоткове скорочення часу читання за допомогою ШІ — дають Damo Radar міцнішу основу, ніж більшість моделей, які дебютують у прес-релізах. Те, чи стануть загальні медичні візуалізаційні моделі стандартними лікарняними інструментами чи залишаться віхою досліджень, залежатиме від того, як вони працюватимуть у складнішому середовищі повсякденної клінічної практики.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →