Искусственный интеллект с высокой точностью диагностирует по фотографиям кистей рук заболевание, вызванное избыточной выработкой…

Искусственный интеллект с высокой точностью диагностирует по фотографиям кистей рук заболевание, вызванное избыточной выработкой гормона роста — превосходя опытных врачей-эндокринологов.

Японские врачи, которые в сотрудничестве с инженерами-программистами разработали данную диагностическую ИИ-модель, следующим шагом видят применение этой модели для диагностики других заболеваний, которые можно выявить с помощью анализа фотографий, например — ревматоидного артрита, анемии и контрактур пальцев.

Для начала напомним. Впервые предположение, что компьютеры могут справляться с диагностикой лучше людей, было высказано в 1990 в статье Уильяма Бакста, на тот момент врача неотложной помощи Калифорнийского ун-та в Сан-Диего. Бакст описал «искусственную нейронную сеть»…Такие экспертные системы обучаются на своем опыте во многом так же, как
и люди, усваивая обратную связь от каждого удачного или неудачного случая для повышения точности предположений. Результатом разработки такой системы стало то, что компьютер
играючи победил группу
врачей при диагностике инфаркта у пациентов с болью в груди.
(см. vk.com/wall-136637198_128256 ).

Перейдём к проблеме диагностики эндокринологического заболевания, вызванного избыточной выработкой гормона роста.

Искусственный интеллект (ИИ) может точно диагностировать редкое эндокринологическое заболевание, просто проанализировав снимки тыльной стороны ладони и сжатого кулака. Это достижение Университета Кобе (Япония).

Акромегалия — редкое, трудноизлечимое заболевание, которое обычно проявляется в среднем возрасте. При акромегалии увеличиваются кисти и стопы, меняется внешность, а также нарушается рост костей и внутренних органов.
Заболевание, вызванное избыточной выработкой гормона роста, развивается медленно, в течение десятилетий, но при отсутствии лечения может привести к опасным для жизни осложнениям и сокращению продолжительности жизни примерно на 10 лет.

«Поскольку заболевание прогрессирует очень медленно и встречается редко, на постановку диагноза может уйти до десяти лет», — говорит Фукуока Хидэнори, эндокринолог из Университета Кобе, который возглавил разработку ИИ-модели для диагностики заболевания.

Фукуока Хидэнори и его соавторы пишут в своей статье: «Без соответствующего лечения смертность в 2-3 раза выше, чем среди населения в целом, а ожидаемая продолжительность жизни сокращается примерно на десятилетие. Достижения в области хирургических методов, фармакотерапии и лучевой терапии в последние годы значительно улучшили выживаемость пациентов; однако улучшение качества жизни (QoL) после лечения остается ограниченным…
Пациенты, как правило, сначала обращаются в отделения, не связанные с эндокринологией, в том числе в отделения ортопедии, челюстно-лицевой хирургии, гинекологии, гастроэнтерологии и кардиологии. Первоначальное подозрение [на данное заболевание] высказывалoсь специалистами, не являющимися эндокринологами в 37,2 % случаев и врачами общей практики в 16,2 % случаев. Таким образом, направление к эндокринологу часто откладывается, и примерно у 24 % пациентов диагностика затягивается более чем на 10 лет. Эти задержки связаны с увеличением числа осложнений, повышением смертности и ухудшением качества жизни.»

Японские специалисты считают, что «для решения этой актуальной клинической проблемы необходимы дальнейшие усилия, особенно в области ранней диагностики и своевременного терапевтического вмешательства.»
Для этого они решили применить ИИ.

В Университете Кобе для разработки ИИ-модели для диагностики акромегалии — врачи объединились с инженерами-программистами, имеющими компетенции в разработках ИИ.

Эндокринолог Фукуока Хидэнори поясняет: «С развитием инструментов на основе ИИ предпринимались попытки использовать фотографии для ранней диагностики, но они не нашли применения в клинической практике».
Причина — риск нарушения врачебной тайны и конфиденциальности пациента.
Ранее другие разработчики ИИ для диагностики данного заболевания использовали фотографии лиц пациентов. Использование разработанных ими моделей ограничено соображениями конфиденциальности.

Исследователи Университета Кобе решили использовать фотографии верхних конечностей.

Омати Юка, аспирант Университета Кобе, обращает внимание на то, что «при акромегалии часто происходят изменения в руках».
Кроме того, использование фотографий рук позволяет соблюдать конфиденциальность — в отличие от ИИ-моделей, осуществляющих диагностику путём анализа фотографий лиц.

Более того, японские врачи-исследователи в интересах соблюдения врачебной тайные и конфиденциальности пациентов
решили использовать только фотографии тыльной стороны ладони и сжатого кулака и решили не использовать фотографии индивидуальных узоров на ладони.
Это позволило им заручиться согласием 725 пациентов из 15 медицинских учреждений по всей Японии, которые предоставили более 11 000 фотографий для обучения и проверки их модели искусственного интеллекта.

Команда решила использовать разновидность ИИ, которая известна под названием «глубокое обучение».
Глубокое обучение (Deep Learning) — является разновидностью машинного обучения. Машинное обучение (англ. machine learning, ML) — это совокупность методов, направленных на то, чтобы заставить искусственный интеллект (ИИ) учиться и действовать как человек, а также сделать так, чтобы ИИ сам постоянно улучшал свое обучение и способности на основе данных о реальном мире.

В отличие от классических алгоритмов машинного обучения, при глубоком обучении нейронные сети способны автоматически извлекать сложные иерархии признаков из необработанных данных.
При глубоком обучении искусственная нейронная сеть последовательно преобразует входные данные, проходя через множество вычислительных слоёв, где каждый слой извлекает новые характеристики. Например, при анализе изображения первые слои могут обнаруживать простые элементы (края, углы), средние слои распознают более сложные структуры (например пальцы), а глубокие слои идентифицируют целостные объекты (кисть человека).

В своей научной статье в журнале Journal of Clinical Endocrinology & Metabolism команда ученых из Университета Кобе сообщает, что их модель распознает акромегалию с очень высокой чувствительностью и специфичностью.
Модель показала чувствительность 0,89, специфичность 0,91, прогностическую ценность положительного результата 0,88, прогностическую ценность отрицательного результата 0,93.

Сообщается, что разработанная ими модель ИИ даже обошла опытных врачей-эндокринологов, которым предложили оценить те же фотографии.

«Честно говоря, вызвало удивление, что точность диагностики достигает такого высокого уровня при использовании только фотографий тыльной стороны ладони и сжатого кулака. Особенно меня поразило то, что такого результата удалось добиться не используя анализ черт лица, что делает этот подход гораздо более практичным для скрининга заболеваний», — говорит Омати Юка.

Следующим шагом группа исследователей запланировала применение их модели для диагностики других заболеваний, которые можно выявить с помощью анализа фотографий, например ревматоидного артрита, анемии и контрактур пальцев. Омати Юка говорит: «Этот результат может стать отправной точкой для расширения возможностей медицинского искусственного интеллекта».

Японские врачи-исследователи напоминают, что врачи в клинической практике должны для диагностики использовать не только ИИ,
но и данные клинического осмотра, анализов, целый ряд самых разных данных полученных с помощью современных методов диагностики.
Разработанную ими совместно с инженерами модель ИИ они рассматривают как инструмент «дополняющий клиническую практику, снижающий вероятность диагностических ошибок и позволяющий обеспечить более раннее вмешательство» — так они пишут в своей статье.

Руководитель исследования Фукуока Хидэнори считает, что дальнейшее развитие этой технологии может привести к созданию медицинской инфраструктуры, которая во время комплексных медицинских осмотров будет обеспечивать пациентам с различными заболеваниями — коммуникацию с узкими специалистами. Это может выглядеть в виде интернет-платформы,
на которую врач общей практики при медосмотре будет загружать фотографии рук или других частей тела пациента. В случае диагностики какого-либо заболевания (диагностировать которое ИИ может — анализируя фотографии) пациент получит возможность связаться с узким специалистом. Пациент сможет получить телемедицинскую консультацию и записаться на очное (в оффлайне) посещение врача-специалиста.

«Кроме того, это будет разгружать врачей общей практики в региональных медицинских учреждениях, тем самым способствуя сокращению неравенства в сфере здравоохранения», — говорит Фукуока Хидэнори.

Пост написан по материалам японских СМИ.

Ссылка на научную статью японских исследователей: Automatic Acromegaly Detection Using Deep Learning on Hand Images: A Multicenter Observational Study, The Journal of Clinical Endocrinology & Metabolism (2026). DOI: 10. 1210/ clinem/ dgag027

Ранее в паблике «Доказательная медицина» было опубликовано:

Искусственный интеллект (ИИ) видит на рентгенограммах то, что не видят врачи: стеатоз печени. Это очередной триумф науки и научного прогресса.
Гепатологи и рентгенологи в Японии в регионе Осака в государственном университете Osaka Metropolitan University
создали компьютерную программу, которая может выявлять жировую инфильтрацию печени по результатам обычной рентгенографии грудной клетки.
https://vk.com/wall-136637198_216858

ИИ-инструменты в работе врача. Врач Татьяна Румянцева. Видео от Doc2Doc.
vk.com/wall-136637198_176169

Искусственный интеллект в российской медицине: московский эксперимент.
Где в медицине может применяться искусственный интеллект (ИИ)? На что он способен сейчас и что сможет в обозримом будущем? Что такое «компьютерное зрение»? Где ИИ применяется сегодня? Какие имеются проблемы с его внедрением и почему? Каковы
результаты внедрения ИИ? Об этом рассказывает Анна Хоружая, врач лучевой диагностики.
vk.com/wall-136637198_181801

Чат-бот ChatGPT помог поставить диагноз ребенку с синдромом фиксированного спинного мозга — с этой задачей не справились 17 американских врачей
Доктор Джесси Эренфельд, президент Американской медицинской ассоциации, считает что «подобно тому, как мы требуем доказательств того, что новые лекарства… безопасны и эффективны»,
мы должны требовать «доказательства безопасности и эффективности» применяемых в медицине компьютерных программ, работа которых основана на искусственном интеллекте (ИИ).
vk.com/wall-136637198_123864

Чат-бот с искусственным интеллектом (ChatGPT): применение при розацеа
ChatGPT (Чат Джи Пи Ти) в очередной раз показал: искусственный интеллект (ИИ) в медицине нужен. ChatGPT достигает высокой надежности от 92,22% до 97,78% при ответе на распространенные вопросы пациентов о розацеа.
vk.com/wall-136637198_155339

Чат-бот с искусственным интеллектом (ChatGPT) превзошёл врачей-эндоскопистов в определении интервалов повторного скрининга и надзорной колоноскопии.
vk.com/wall-136637198_160371

Машинное обучение снизило смертность в канадской больнице почти на 30 процентов. Это очередной триумф науки и научного прогресса:
машинное обучение спасло множество жизней.
vk.com/wall-136637198_176487