Диагностика рака кожи с помощью нейросетевой системы, которую разработали ученые Северо-Кавказского федерального университета, позволит повысить точность выявления заболевания и снизить число ложных диагнозов.
Дмитрий Беспалов
Ректор СКФУ
«Технологии искусственного интеллекта позволяют анализировать большие массивы разнородной информации, что имеет большие перспективы для постановки медицинских диагнозов с более высокой степенью точности. Наши ученые ведут исследования по актуальным проблемам теоретической и прикладной математики и информатики на базе центра математических исследований».
Рак кожи – наиболее часто диагностируемая форма онкопатологии у человека. Он составляет более 40% от общего числа диагностированных раковых заболеваний в мире. Методы визуального анализа имеют риск ложноотрицательного ответа, из-за чего злокачественное пигментное поражение может быть диагностировано как доброкачественное.
Предложенная учеными СКФУ нейросетевая система анализирует данные для распознавания злокачественных пигментных поражений кожи. Среди них:
- дерматологические изображения;
- возраст и пол пациента;
- расположение пигментного поражения на теле.
Для повышения точности использовалась предварительная очистка анализируемого участка от структур волос и параллельный анализ других гетерогенных данных.
По словам одного из авторов статьи, младшего научного сотрудника научно-исследовательской лаборатории кафедры математического моделирования СКФУ Ульяны Ляховой, цифровая обработка изображений распознает пигментные образования по 10 категориям. Точность диагнозов интеллектуальной системы составила 85,20%.
Разработанная программа с использованием искусственного интеллекта ставит диагнозы на 15 процентов точнее, чем традиционная визуальная. Авторы отметили, что качество постановки диагнозов предложенной нейросетевой системы выше зарубежных аналогов из Германии, Австрии и КНР.
«Обращаю внимание, что нейросетевая программа является вспомогательным инструментом и может быть использована врачами-дерматологами в качестве дополнительного метода диагностики. Она позволяет уменьшить влияние человеческого фактора при принятии решений, значительно снизить количество ложных диагнозов и повысить точность раннего распознавания рака кожи, – рассказал заведующий кафедрой математического моделирования СКФУ Павел Ляхов.
Соавтор исследования, доцент кафедры математического моделирования СКФУ Диана Калита, отметила, что нейронные сети способны использовать дополнительные данные через интеграцию нескольких модальностей в общую структуру.
В дальнейшем научный коллектив СКФУ планирует построить более сложные ансамблевые системы нейросетевого анализа дерматологических данных, чтобы расширить диагностические категории и повысить точность исследований.
Разработка ученых была поддержана Российским научным фондом. Результаты исследования опубликованы в IEEE Access. Ознакомиться с ними можно по ссылке.
Также ученые математического центра СКФУ ведут разработку технологии обработки рентгеновских снимков, чтобы выявить различные заболевания легких. Система подходит для обработки и многих других изображений, полученных в ходе медицинского обследования.
Напомним, ученые СКФУ создали биосовместимые материалы для тканевой инженерии и хирургии.