Джина Чиаварра сидит в темной комнате в NYU Langone Health на Манхэттене. Это читальный зал, где рентгенологи, такие как она, изучают рентгеновские и магнитно-резонансные снимки. На мониторах перед ней отображаются полутоновые изображения колена неидентифицированного пациента, и на них она обнаруживает одну ключевую проблему: разрыв ACL. "Это определенно ненормально", - объясняет Чиаварра.
Но есть еще одна оценка, которую должен сделать Киаварра, помимо сканирования вихрей костей, связок, жира, хрящей и сухожилий на предмет таких проблем, как разрывы или артрит. Было ли это конкретное сканирование колена создано искусственным интеллектом, или оно появилось из аппарата МРТ традиционным способом? "Моя интуиция говорит, что это искусственный интеллект", - говорит она без уверенности. "Он просто выглядит немного размытым".
Киаварра и ее коллеги из Нью-Йоркского университета участвовали в исследовании, в котором качество созданных искусственным интеллектом снимков сравнивалось с традиционными. Компьютерные ученые и радиологи считают, что, объединив искусственный интеллект с аппаратами МРТ, они смогут значительно ускорить один из распространенных видов медицинского обследования - благо как для пациентов, так и для больниц. Это может означать сокращение десятиминутного сканирования колена до пяти минут или часового сканирования сердца до получаса. Это также может сэкономить деньги больниц и уменьшить необходимость в анестезии для пациентов детского возраста, которым трудно усидеть на месте.
Исследование, которое Нью-Йоркский университет сейчас готовится представить на академическую экспертизу, является частью проекта двух странных соратников: Медицинской школы Нью-Йоркского университета и Facebook. Партнерство, инициированное подразделением Facebook по исследованию искусственного интеллекта и объявленное более года назад, преследует простую цель: использовать ИИ для разработки быстрых, но качественных МРТ-сканеров, которые в будущем позволят загруженным медицинским центрам обслуживать больше людей, странам с ограниченными ресурсами лучше использовать имеющееся у них оборудование, а пожилым, молодым и страдающим клаустрофобией людям проводить меньше времени в узкой и шумной магнитной трубе.
Суть использования ИИ таким образом заключается в том, что для создания изображений, позволяющих врачам взглянуть на человеческое тело изнутри, требуется гораздо меньше информации, чем при использовании устоявшегося подхода (называемого обратным преобразованием Фурье). "При МРТ мы получаем определенный объем данных, а затем используем методы реконструкции для создания изображения", - говорит Майкл Рехт, заведующий отделением радиологии в NYU Langone Health. "Но оказалось, что мы всегда собирали больше данных, чем нам, вероятно, нужно". Подумайте об этом, как об экономичном автомобиле, пришедшем на смену бензиновой машине: Новому алгоритму требуется меньше данных, меньше измерений, чтобы пройти то же расстояние (или, в данном случае, получить правильный снимок), что и аппарату МРТ.
Чтобы радиолог или хирург получил необходимую информацию, а эксперимент можно считать успешным, изображение, сгенерированное ИИ, должно соответствовать двум требованиям, объясняет Ларри Зитник, научный сотрудник FAIR. Во-первых, оно должно быть точным: Красивый снимок, который пропускает разрыв связок или придумывает то, чего на самом деле нет, может быть и бесполезным, и опасным. Во-вторых, "рентгенологам должно нравиться изображение", - говорит Зитник. Когда такие врачи, как Киаварра, часами сидят в темных читальных залах и смотрят на снимки, им нужны четкие и легкие для глаз фотографии.
Однако заставить алгоритм интерпретировать информацию, которую выдает такая проверенная машина, - задача не из легких. Чтобы обучить программу искусственного интеллекта правильно преобразовывать частотные данные в изображения, команда Facebook говорит, что они опробовали около 1000 различных вариантов моделей, используя информацию с реальных снимков МРТ. Они предоставили алгоритму исходную информацию, а также показали ему соответствующие изображения, чтобы помочь нейронной сети (обычный инструмент машинного обучения, который инженеры-программисты могут обучить выполнять различные задачи, например, распознавать, что изображено на фотографии) генерировать правильные изображения.
Слева - необработанные данные МРТ. Справа - типичное изображение колена, созданное с использованием достаточного количества данных. Как только Facebook разработала модель, ей пришлось вслепую протестировать ее на орлиных экспертах. Радиологи Нью-Йоркского университета, такие как Киаварра, просмотрели снимки колена, созданные искусственным интеллектом, и снимки, сделанные по старинке, чтобы выяснить, смогут ли они получить одинаковую диагностическую информацию от обоих. Затем они должны были угадать, какой из них какой. Вместо того, чтобы сканировать пациентов дважды - более медленным, обычным способом и более быстрым, с помощью ИИ, - команда задним числом удалила некоторые необработанные данные из обычных снимков, чтобы смоделировать, как выглядела бы более быстрая работа машины.
Зитник также отмечает, что его команда добавила немного шума в изображения, созданные ИИ, чтобы они выглядели более реалистично и не выдавали себя перед врачами. "Вы настраиваете его как надо, и вдруг рентгенологам становится очень трудно определить, какое изображение создано ИИ, а какое нет, потому что вы убираете ту единственную подсказку, которая там была", - говорит он. (По его словам, добавленный шум не повлиял на диагностическую ценность сканирования).
Обычно, когда вы слышите о пересечении ИИ и радиологии, алгоритм анализирует изображения, а не создает их, как в проекте Facebook-NYU. "Я думаю, что это очень интересное и важное направление исследований", - говорит Мацей Мазуровски, доцент Университета Дьюка, который занимается вопросами радиологии и ИИ, но не участвует в работе над МРТ. "Это отличается от большинства исследований ИИ в радиологии". Например, Мазуровски использовал нейронную сеть для оценки узелков на щитовидной железе людей при ультразвуковом сканировании. Другие исследования были направлены на использование машинного обучения для поиска таких проблем, как туберкулез, на снимках грудной клетки.
Facebook заявляет, что сделает свой алгоритм ИИ-МРТ общедоступным, чтобы другие исследователи, желающие работать над задачей ускорения работы машин и использования искусственного интеллекта для интерпретации данных в изображения, могли это сделать. "Влияние этого в клинике может быть огромным, потому что МРТ-сканеры стоят дорого и часто бывают перегружены", - говорит Мазуровски. Однако существуют некоторые потенциальные риски, связанные с внедрением ИИ в этот процесс. Например, алгоритм может придумать проблему, которой на самом деле нет (артефакт). Более важным, говорит Мазуровски, является то, что алгоритм может пропустить реальную проблему, то есть рентгенолог никогда не заметит разрыв ACL.
На изображении слева показаны необработанные данные магнитно-резонансной томографии с отсутствующими фрагментами. Изображение справа показывает, что происходит, когда эти скудные данные интерпретируются традиционным способом. Искусственный интеллект, с другой стороны, способен на основе меньшего количества данных создавать изображения, которые, как надеются Facebook и NYU, будут удобными и точными. Это проект с высокими ставками и потенциально решающей отдачей: Хирург может резать или не резать в зависимости от результатов сканирования. "Это заставляет нас нервничать", - говорит Зитник. "Важно сделать все правильно, и поэтому мы делаем это очень методично".
Пока исследование взаимозаменяемости ожидает академического рассмотрения, ученые Нью-Йоркского университета готовятся к проведению дальнейших сравнений, чтобы определить, соответствуют ли изображения, созданные искусственным интеллектом, тому, что видит хирург при проведении артроскопии коленного сустава. Цель на будущее - не ограничивать эту технологию только коленями, но и использовать ее для других частей тела, например, для МРТ головного мозга, которая в настоящее время требует много времени на сканирование.
Рехт из Нью-Йоркского университета говорит, что надеется, что быстрое сканирование с помощью ИИ изменит отношение врачей и пациентов к МРТ. "Моя мечта, - говорит он, - иметь пятиминутное время сканирования каждого сустава".