Российские исследователи разработали алгоритм искусственного интеллекта, способный точнее определять химический состав почечных камней. Особенно заметного улучшения удалось добиться при распознавании редких фосфатных образований. Для обучения системы специалисты использовали искусственно созданные спектральные данные, позволившие устранить недостаток образцов редких типов камней.
Учёные Санкт-Петербургского государственного университета, Университета ИТМО и Военно-медицинской академии имени С. М. Кирова представили метод, который может повысить точность определения химического состава почечных камней. Разработка сочетает спектроскопию в ближнем инфракрасном диапазоне и алгоритмы машинного обучения.
О результатах исследования 21 октября сообщил Российский научный фонд. Работа опубликована в научном журнале Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy.
Мочекаменная болезнь сопровождается образованием твёрдых отложений, химический состав которых может значительно различаться. От этого зависят свойства камней и особенности их разрушения во время медицинских процедур.
Одним из способов лечения является лазерное дробление. При выборе параметров оборудования врачам важно понимать, с каким типом образования они имеют дело. Некоторые разновидности камней разрушаются значительно труднее других.
Наиболее распространёнными являются образования на основе оксалатов кальция. Реже встречаются уратные и фосфатные камни. Именно последние представляют особую сложность для автоматизированного распознавания, поскольку в доступных исследовательских наборах данных их значительно меньше.
Из-за такого неравномерного распределения стандартные алгоритмы машинного обучения хуже определяли редкие типы образований. Чтобы устранить проблему, исследователи создали генеративно-состязательную нейросеть, способную формировать искусственные данные, имитирующие инфракрасные спектры фосфатных камней.
Всего специалисты сгенерировали 400 дополнительных спектров. Эти данные объединили с реальной обучающей выборкой и использовали для подготовки модели, определяющей состав камней по характеру отражения инфракрасного света.
По данным Российского научного фонда, новый подход позволил повысить точность распознавания редких фосфатных образований на 5–10%, а показатель полноты распознавания – на 10–20%. Последний характеризует способность алгоритма находить нужные образцы, не пропуская их при классификации.
Разработчики рассчитывают, что в перспективе технологию можно будет использовать для определения состава камней непосредственно во время хирургических процедур. Это потенциально позволит оперативно подбирать параметры лазерного оборудования и уточнять дальнейшую тактику лечения.
Однако пока речь идёт о результатах научного исследования и работе алгоритмов с экспериментальными спектральными данными. Метод ещё предстоит проверить на образцах, полученных во время реальных операций, прежде чем можно будет говорить о его полноценном клиническом применении.
Авторы проекта планируют продолжить обучение системы на архивных и новых медицинских образцах. Разработка осуществляется при поддержке Российского научного фонда.