Искусственный интеллект сможет точнее выявлять болезнь Альцгеймера
Искусственный интеллект (ИИ) способен обнаруживать признаки болезни Альцгеймера даже при недостатке генетических данных. Ученые из Гарварда применили российскую технологию, которая использует искусственно созданные данные, что повысило точность распознавания когнитивных нарушений до 77%. Это открытие может значительно расширить возможности медицинских исследований, где каждый набор данных имеет значение. По мнению специалистов, ИИ может изменить подходы к диагностике нейродегенеративных заболеваний, смещая акцент с выявления необратимых нарушений на раннюю профилактику. Однако на данный момент алгоритм лишь распознает когнитивные нарушения, не подтверждая диагноз болезни Альцгеймера, и может использоваться только как вспомогательный инструмент для врачей. Об этом сообщает Известия.
Ученые из Гарварда и Университета штата Техас нашли способ улучшить работу ИИ в изучении болезни Альцгеймера, воспользовавшись технологией «Яндекса» и факультета компьютерных наук НИУ ВШЭ. Одной из основных проблем в таких исследованиях является нехватка генетических данных пациентов, необходимых для обучения нейросетей. Исследователи продемонстрировали, что частично решить эту проблему можно с помощью искусственно созданных данных, что позволило повысить точность распознавания когнитивных нарушений.
В эксперименте использовались генетические и демографические данные 542 человек. Нейросети способны выявлять сложные взаимосвязи между особенностями организма и заболеваниями, однако для их обучения требуется большое количество примеров. Если данных недостаточно, алгоритм может запомнить особенности конкретных пациентов, вместо того чтобы научиться распознавать признаки заболевания у других.
Для решения этой проблемы была применена открытая технология TabDDPM, которая генерирует искусственные данные на основе изученных закономерностей в реальной информации. Это позволило создать новые статистически похожие записи, увеличив объем данных для обучения ИИ без привлечения новых участников исследования.
Исследователи сравнили работу ИИ, обученного на реальных данных, с моделью, использующей искусственно созданные сведения. Во втором случае нейросеть точнее различала людей с когнитивными нарушениями и без них: показатель качества распознавания (AUC) вырос с 0,721 до 0,769, а доля правильно выявленных случаев нарушений — с 68 до 77%. Результаты показывают, что синтетические данные могут повысить эффективность обучения медицинского ИИ, но не заменяют наблюдения за реальными пациентами.
Алгоритм не ставит диагнозы самостоятельно, а помогает обучать нейросети, которые могут использоваться для диагностики. Искусственно созданные данные позволяют увеличить обучающую выборку без привлечения дополнительных пациентов, что повышает качество моделей и снижает вероятность ошибок при распознавании заболеваний.
ИИ способен радикально изменить подходы к диагностике болезни Альцгеймера, смещая акцент на раннюю профилактику. Алгоритмы машинного обучения анализируют массивы данных, включая МРТ, ПЭТ и генетические биомаркеры, выявляя патологии за несколько лет до появления клинических симптомов. Это обеспечивает быструю и неинвазивную процедуру для пациентов и помогает врачам избежать субъективных факторов, предоставляя критически необходимое время для начала терапии.
В ближайшие годы рутинная расшифровка снимков и подготовка базовых медицинских заключений могут быть переданы нейросетям, что позволит системе здравоохранения перенаправить ресурсы на более сложные клинические случаи и исследования. Главная ценность предложенной технологии заключается в повышении точности алгоритмов ИИ при работе с ограниченными медицинскими данными. Применение синтетических данных позволяет обучать нейросети на более разнообразных сочетаниях генетических и демографических признаков, что может способствовать разработке более точных инструментов для выявления когнитивных нарушений на ранних стадиях.
