Ежегодно рак головы и шеи диагностируют у более чем полумиллиона человек, многим из которых приходится проходить радиотерапию. Процедуру необходимо проводить предельно аккуратно: чтобы не пострадали соседние здоровые ткани, их нужно тщательно изолировать перед операцией, то есть сегментировать. Эта процедура, которую обычно выполняют врачи, не всегда проходит безошибочно. Кроме того, она отнимает много времени — даже специалисты могут потратить четыре или более часов на один случай, пишет VentureBeat.

Необходимость распознавать образы и обеспечить высокую скорость принятия решений — отличная предпосылка для использования ИИ. «Автоматическая сегментация могла бы решить эту проблему, но на сегодня производительность доступных решений в клинической практике остается намного ниже человеческой, — пишут исследователи. — Пару лет назад алгоритмы глубокого обучения доказали, что могут показать лучший результат, чем традиционные алгоритмы сегментирования».

В статье, представленной на медицинской конференции, команда DeepMind описала трехмерную архитектуру сверточной нейронной сети U-Net, обученную на базе 663 снимков томографии 21 органа (гортани, языка, носовых полостей, соединительных и мягких тканей) головы и шеи, пораженных раковой опухолью. Обучение заняло менее 30 секунд на одном видеопроцессоре, отметили разработчики.

Результат показал, что на 19 из 21 органа существенной разницы между производительностью команды рентгенологов и моделью ИИ не было — колебания составили 5%.

Исключениями стали мозговой ствол и правый хрусталик. Другой тест на основе снимков, которые модель до этого не видела, также показал равную эффективность человека и машины.

Следующей фазой испытаний станет проверка возможностей ИИ в клинических условиях.   

Команда DeepMind регулярно радует прорывами в использовании ИИ для нужд медицины. В августе разработчики рассказали об алгоритме, который назначает лечение пациентам с болезнями глаз. Точность его рекомендаций достигает 94%, превосходя любого офтальмолога-человека.