Новый метод обучения искусственного интеллекта поможет более точно анализировать медицинские изображения.
Искусственный интеллект (ИИ) получил широкое применение в различных сферах медицины. Сегодня его используют для анализа медицинских изображений и прогнозирования заболеваний 1, а ChatGPT недавно смог сдать один из самых сложных медицинских экзаменов USMLE2. Однако, несмотря на впечатляющие достижения, пользователи все чаще сталкиваются с проблемами.
Так, например, ИИ созданный для выявления онкологических поражений кожи, ложно идентифицировал поражения кожных покровов, рядом с изображением которых располагалась линейка, как злокачественные. Это произошло потому, что в обучающих изображениях рядом с злокачественным образованием часто располагалась линейка3.
Чтобы избежать возникновения подобных ложных корреляций, ученые разработали новый метод обучения ИИ — Knowledge-Enhanced Bottlenecks (KnoBo). Этот подход имитирует процесс обучения врача, основываясь на получении информации из различных учебных пособий и медицинских баз данных. По мнению авторов, это позволяет ИИ точнее интерпретировать клиническую информацию, а также позволяет помогает врачам лучше понимать логику решений, принимаемых ИИ4,5.
Модели, обученные с помощью KnoBo, в среднем показали на 32,4% большую точность, чем нейронные сети, обученные на основании медицинских изображений4. Это явно указывает на эффективность нового метода и его потенциал в улучшении медицинской диагностики!
ИИ — искусственный интеллект.
1. Ghaffar Nia N., Kaplanoglu E., Nasab A. Evaluation of artificial intelligence techniques in disease diagnosis and prediction. Discover Artificial Intelligence. 2023; 3(1): 5. doi:10.1007/s44163-023-00049-5
2. Kung T. H., Cheatham M., Medenilla A. et al. Performance of ChatGPT on USMLE: Potential for AI-assisted medical education using large language models. PLOS Digit Health. 2023; 2(2): e0000198. Published 2023 Feb 9. doi:10.1371/journal.pdig.0000198
3. Narla A., Kuprel B., Sarin K., Novoa R., Ko J. Automated Classification of Skin Lesions: From Pixels to Practice. J Invest Dermatol. 2018; 138(10): 2108-2110. doi:10.1016/j.jid.2018.06.175
4. Yue Yang et al. A Textbook Remedy for Domain Shifts: Knowledge Priors for Medical Image Analysis, arXiv (2024). DOI: 10.48550/arxiv.2405.14839
5. Training medical image analysis AI with knowledge, not shortcuts. [Электронный ресурс]. URL: https://medicalxpress.com/news/2024-10-medical-image-analysis-ai-knowledge.html (дата обращения: 16.10.2024).
