Группа исследователей из Осакского университета разработала метод определения хронических заболеваний через анализ рентгеновских снимков груди с использованием искусственного интеллекта (ИИ). Этот метод, основанный на нейросетях и глубоком обучении, может улучшить процесс выявления патологий и повысить эффективность предотвращения и лечения заболеваний.
![Японские ученые научили ИИ распознавать возраст по рентгену груди]( "Фото: Японские ученые научили ИИ распознавать возраст по рентгену груди")
Фото из открытых источников
Исследование, описанное в журнале The Lancet Healthy Longevity, детально раскрывает методику, которая позволяет нейросети определить возраст пациента по рентгеновским снимкам грудной клетки. Однако настоящая инновация заключается в использовании расхождения между оцененным искусственным возрастом и хронологическим возрастом для выявления наличия хронических заболеваний.
Ученые потренировали модель на огромном объеме данных, включающем более 67 тысяч рентгенограмм грудной клетки, полученных от 36 тысяч здоровых добровольцев. Далее команда провела анализ данных пациентов с уже известными заболеваниями, такими как гипертония, гиперурикемия и хроническая обструктивная болезнь легких (ХОБЛ). Результаты подтвердили, что разница между оцененным возрастом нейросетью и фактическим хронологическим возрастом коррелировала с наличием этих заболеваний. Чем выше была оценка искусственного интеллекта, тем выше вероятность наличия указанных патологий.
Важно подчеркнуть, что разработанная модель продемонстрировала коэффициент корреляции 0,95 между предсказанным возрастом и хронологическим возрастом пациента. Обычно, для сравнения, коэффициент корреляции 0,9 считается высоким показателем. Это свидетельствует о высокой точности работы ИИ в определении возраста и выявлении связи с заболеваниями.
Внедрение подобных технологий в практику может значительно сократить время диагностики и обеспечить более эффективное лечение. Ученые надеются, что данное исследование станет отправной точкой для дальнейших исследований и приведет к практическому применению этой методики в клинической практике, что способствует повышению качества здравоохранения.
