Доза обучения: ИИ сможет лучше выявлять болезнь Альцгеймера на ранних стадиях

Искусственный интеллект способен обнаруживать признаки болезни Альцгеймера даже при недостатке генетической информации. Исследователи из Гарварда применили российскую технологию, которая использует искусственно созданные данные, что позволило повысить точность распознавания когнитивных нарушений до 77%. Эта методика может значительно расширить возможности медицинских исследований, где каждый набор данных имеет большое значение. По мнению врачей, ИИ может кардинально изменить подходы к диагностике нейродегенеративных заболеваний, смещая акцент с выявления уже необратимых нарушений на профилактику на ранних стадиях. Об этом сообщает издание Известия.

Ученые из Гарвардского университета и Университета штата Техас нашли способ улучшить работу ИИ в контексте болезни Альцгеймера, используя технологию «Яндекса» и факультета компьютерных наук НИУ ВШЭ. Основной проблемой таких исследований является нехватка генетических данных пациентов, необходимых для обучения нейросетей. Исследователи продемонстрировали, что частично решить эту проблему можно с помощью искусственно созданных данных, что позволило повысить точность распознавания когнитивных нарушений, связанных с заболеванием.

Для эксперимента использовали генетические и демографические данные пятисот сорока двух человек. Нейросети способны выявлять сложные взаимосвязи между особенностями организма и заболеваниями, однако для обучения им обычно требуется большое количество примеров. При недостатке данных алгоритм рискует запомнить особенности конкретных пациентов, вместо того чтобы научиться распознавать признаки заболевания у других.

Проблему помогла решить открытая технология TabDDPM. Этот метод генерации искусственных данных с помощью нейросети изучает закономерности в реальной информации и создает новые статистически похожие записи. В данном случае ученые получили дополнительные сочетания генетических и демографических признаков, что увеличило объем данных для обучения ИИ без привлечения новых участников исследования.

Исследователи сравнили работу ИИ, обученного только на реальных данных, с моделью, использующей искусственно созданные сведения. Во втором случае нейросеть точнее различала людей с когнитивными нарушениями и без них: показатель качества распознавания (AUC) увеличился с 0,721 до 0,769, а доля правильно выявленных случаев нарушений — с 68 до 77%. Результаты показали, что синтетические данные могут повысить эффективность обучения медицинского ИИ, однако они не заменяют наблюдения за реальными пациентами.

Алгоритм не ставит диагнозы самостоятельно, а помогает обучать нейросети, которые могут использоваться для диагностики. Искусственно созданные данные позволяют увеличить обучающую выборку без привлечения дополнительных пациентов, что в свою очередь повышает качество моделей и снижает вероятность ошибок при распознавании заболеваний.

Искусственный интеллект может существенно изменить подходы к диагностике болезни Альцгеймера, смещая акцент с выявления необратимых нарушений на раннюю профилактику. Алгоритмы машинного обучения анализируют массивы данных, включая МРТ, ПЭТ и генетические биомаркеры, выявляя патологии за несколько лет до появления клинических симптомов. Для пациентов это означает быструю и неинвазивную процедуру, а для врачей — устранение субъективного фактора и получение необходимого временного окна для начала терапии.

Глобальный дефицит квалифицированных радиологов становится одним из факторов развития рынка медицинского ИИ, объем которого в 2026 году превысит два миллиарда долларов. В ближайшие годы рутинная расшифровка снимков и подготовка базовых медицинских заключений будут переданы нейросетям, что позволит системе здравоохранения перенаправить кадровые ресурсы на более сложные клинические случаи и другие медицинские манипуляции.

Главная ценность данной технологии заключается в возможности повышения точности алгоритмов ИИ при работе с ограниченными медицинскими данными. Болезнь Альцгеймера требует комплексной оценки когнитивных функций и неврологического статуса, а применение синтетических данных позволяет обучать нейросети на более разнообразных сочетаниях генетических и демографических признаков, даже если исходная выборка пациентов невелика. Это может способствовать разработке более точных инструментов выявления когнитивных нарушений на ранних стадиях.

При этом важно учитывать, что алгоритм распознавал когнитивные нарушения, а не подтверждал диагноз болезни Альцгеймера. Поэтому говорить о создании готового диагностического метода пока преждевременно. В перспективе такие алгоритмы могут стать дополнительным инструментом поддержки принятия врачебных решений, помогая выявлять пациентов с повышенной вероятностью когнитивных нарушений, которым необходимо более углубленное обследование.

Больше новостей и эксклюзивных видео смотрите в канале Самара Онлайн 24 в MAX

Читайте также: