ИИ оказывается исключительно полезным для масштабной диагностики заболеваний по медицинским изображениям, например рентгеновским снимкам. Однако инструменты ИИ не всегда способны распознать собственные неточности.
В ответ на это компания Google разработала новую систему искусственного интеллекта под названием Complementarity-driven Deferral-to-Clinical Workflow (CoDoC), которая может определить, когда стоит довериться диагнозам, поставленным искусственным интеллектом, и обратиться за вторым мнением к врачу-человеку.
Согласно исследованиеCoDoC сокращает объем работы по анализу данных медицинского сканирования на 66%, но при этом обнаруживает, когда решение ИИ потенциально неверно, что снижает количество ложных срабатываний на 25%.
CoDoC работает параллельно с существующими системами искусственного интеллекта, которые обычно используются для интерпретации медицинских изображений, таких как рентгеновские снимки грудной клетки или маммограммы.
Например, если инструмент искусственного интеллекта интерпретирует маммограмму, CoDoC оценивает, достаточно ли велика уверенность в анализе, который проводит инструмент, чтобы на него можно было положиться. Если возникают какие-либо неясности, CoDoC обращается к эксперту-человеку за вторым мнением.
Вот как это работает:
- Для обучения CoDoC компания Google взяла данные из существующих клинических инструментов искусственного интеллекта и сравнила их с интерпретацией тех же изображений врачом-клиницистом. Модель была дополнительно проверена с помощью анализа данных, полученных при биопсии или другими методами.
- Этот процесс позволяет CoDoC узнать и понять, насколько точен анализ и уровень доверия, проводимый инструментом искусственного интеллекта, по сравнению с человеческими врачами.
- После обучения CoDoC может определить, заслуживает ли анализ сканирования, проведенный ИИ, доверия или требуется человеческая проверка.
Алан Картикесалингам из Google Health UK, принимавший участие в исследовании, сказалЕсли вы используете CoDoC вместе с инструментом искусственного интеллекта и результатами работы реального радиолога, а затем CoDoC помогает решить, какое заключение использовать, то точность в результате будет выше, чем у человека или инструмента искусственного интеллекта в отдельности".
Дальнейшее тестирование CoDoC проводилось с использованием различных наборов данных маммографии и рентгеновских снимков для скрининга туберкулеза в различных системах предиктивного ИИ, что дало положительные результаты.
Кришнамурти Двиджотхам из Google DeepMind отметил: "Преимущество CoDoC в том, что он совместим с различными собственными системами ИИ".
Однако Хелен Солсбери из Оксфордского университета отмечает, что некоторые медицинские диагностические процессы сложнее, чем те, на которых тестировался CoDoC. Она говорит: "Для систем, в которых у вас нет возможности повлиять на то, что выходит из "черного ящика", добавление машинного обучения кажется хорошей идеей. Приблизит ли это ИИ, который будет с нами каждый день и каждый день выполнять рутинную работу, я не знаю".
Как подчеркивают исследователи, функциональная совместимость CoDoC означает, что он может быть использован в различных диагностических процессах.
AI-системы могут работать с системами искусственного интеллекта для повышения их точности. Как говорится, четыре глаза видят больше, чем два.
