Нейросеть научили находить на МРТ мозга признаки эпилепсии, которые раньше пропускали

Алгоритм ищет признаки эпилепсии и рассеянного склероза на снимках МРТ мозга. При эпилепсии доля найденных очагов выросла с 72% до 80%, а для такого же результата нужно на 30% меньше обучающих данных.

Учёные Лаборатории биомедицинского ИИ Сколтеха (институт группы ВЭБ.РФ) и Университета Шарджи вместе с коллегами из других научных центров улучшили алгоритмы машинного зрения, которые ищут на снимках МРТ мозга признаки эпилепсии и рассеянного склероза. Исследование опубликовано в сборнике трудов Medical Image Computing and Computer Assisted Intervention — ведущей мировой конференции по медицинской визуализации и ИИ в медицине (рейтинг CORE A). Работа поддержана грантом Российского научного фонда.

Сейчас такие алгоритмы уже неплохо находят признаки фармакорезистентной эпилепсии и рассеянного склероза. Но модели заточены под стандартные проявления болезни. При эпилепсии часто размывается граница между серым и белым веществом, и нейросети это хорошо видят. Реже ключевым признаком становятся компактные области с повышенной интенсивностью сигнала, и современные модели их в значительной мере игнорируют. При рассеянном склерозе модели находят крупные очаги, но часто пропускают мелкие. Около 30% случаев эпилепсии сейчас признаются «МРТ-негативными»: врач не видит признаков на снимке, но их может рассмотреть машина.

Учёные дополнили традиционную сегментацию снимка, которая делит его на здоровую ткань и патологию, вспомогательной задачей — классификацией. Модель теперь относит патологические области к классам: по части мозга, наличию размытых границ и другим признакам. Так она начинает опираться на биомедицинские признаки, которые учитывают врачи, и не принимает атипичные очаги за случайный шум.

Подход проверили на клинических данных. Эффективность обнаружения областей, связанных с патологиями, выросла на 2% на снимках с признаками рассеянного склероза и на 8% (с 72% до 80%) на снимках с признаками эпилепсии. Обучение стало устойчивее: такие же результаты, как у существующих моделей, удалось получить при на 30% меньшем объёме обучающих данных.

Первый автор исследования — Надежда Алсаханова. По её словам, дальнейшее развитие подхода позволит сделать результат интерпретируемым: модель будет обосновывать заключения в комментарии, что повысит доверие врача. В будущем такие решения помогут врачам диагностировать заболевания и выбирать тактику лечения. При эпилепсии важно знать расположение очагов для хирургического вмешательства, а при рассеянном склерозе мониторинг новых очагов разного размера помогает спланировать лечение.

Сколтех