Искусственный интеллект помог точнее определять состав редких почечных камней

Исследователи из Санкт-Петербургского госуниверситета, Университета ИТМО и Военно-медицинской академии научили алгоритмы машинного обучения определять химический состав почечных камней по тому, как они отражают свет в ближнем инфракрасном диапазоне

Чтобы подобрать оптимальный способ удаления камней из почек, важно знать их химический состав. Раньше точно определить его можно было только после хирургического извлечения камня. Методы без вмешательства, например спектроскопия в ближней инфракрасной области, были недостаточно точны — в том числе потому, что камни разного состава встречаются с разной частотой, и на редких алгоритмы плохо обучались.

Учёные решили проблему с помощью генеративно-состязательной нейросети: одна её часть создаёт новые данные (в данном случае — инфракрасные спектры), а вторая пытается отличить подделку от реальных образцов. В итоге генератор научился создавать синтетические данные, неотличимые от настоящих. Исследователи сгенерировали 400 спектров, характерных для редких фосфатных почечных камней.

Полученные данные добавили к реальной обучающей выборке и использовали для тренировки алгоритма машинного обучения. Он разделяет камни на три типа: из соли щавелевой кислоты, из мочевой кислоты и фосфатные.

Добавление сгенерированных нейросетью данных позволило поднять точность распознавания редких фосфатных камней на 5–10 %, а способность системы не пропускать такие камни — на 10–20 %.

Разработка поможет врачам заранее подбирать оптимальный способ удаления камней и назначать пациентам подходящую диету, чтобы избежать рецидивов. В дальнейшем учёные планируют обучать алгоритмы на спектрах архивных мочевых камней и использовать эти модели для распознавания состава камней, извлечённых в ходе реальных операций.

Источник: Российский научный фонд