пресс-центр

Глубокое обучение ускоряет диагностику проблем роста у детей

NVIDIA Blog NVIDIA Blog
NVIDIA Blog https://blogs.nvidia.com/blog/2016/09/21/deep-learning-bone-age-kids-growth/

Глубокое обучение ускоряет диагностику проблем роста у детей

Если вы спросите у врачей, они расскажут вам, что у детей есть хронологический и костный возраст. Когда два этих возраста не совпадают, возникают проблемы. Кости, которые "взрослеют" слишком быстро или слишком медленно, могут нарушить процесс роста детского организма.

Рентгенологи оценивают костный возраст, или развитие скелета, сравнивая рентгеновские снимки руки ребенка с возрастными стандартами. Эта техника не менялась последние 75 лет. GPU-ускоренные алгоритмы глубокого обучения намерены изменить это.

Исследователи из Научного центра исследований клинических данных при больнице Massachusetts General Hospital проводят тестирование автоматизированного анализатора костного возраста, который они разработали. Он ускоряет диагностику проблем роста у детей, и результаты его анализа почти так же точны, как у врача-рентгенолога.

Что костный возраст говорит о здоровье организма

По словам Синхо До (Synho Do), доцента в Гарвардской медицинской школе и руководителя исследовательской группы, анализатор, который скоро начнет проходить клинические испытания, призван стать для рентгенологов вспомогательным инструментом, а не заменить их.

“Рост может служить общей метрикой здоровья ребенка", - объяснил Марк Михальски (Mark Michalski), директор научного центра при массачусетской больнице. (NVIDIA является партнером-учредителем этого центра.)

При замедленном или ускоренном росте ребенка оценка костного возраста позволяет понять, является ли это всего лишь наследственной особенностью или свидетельствует о хронической болезни, патологии эндокринной системы или генетическом заболевании.

Рост проблемы оценки костного возраста

Но вычисление костного возраста - это трудоемкий процесс, занимающий много времени: рентгенологам приходится сравнивать оцифрованные рентгенограммы с изображениями в учебниках, опубликованных еще в 1950-х годах.

“У вас есть отличные цифровые снимки, полученные с помощью современных технологий, и вам приходится листать эти старые книги, пытаясь найти страницу с необходимым изображением", - рассказал Марк.

Вычисление костного возраста у детей требует сравнения цифровых рентгеновских снимков с изображениями в старых книгах, выпущенных 75 лет назад. Изображение предоставлено больницей Massachusetts General Hospital

Вычисление костного возраста у детей требует сравнения цифровых рентгеновских снимков с изображениями в старых книгах, выпущенных 75 лет назад. Изображение предоставлено больницей Massachusetts General Hospital.

По мнению До, пришло время решить эту проблему с помощью глубокого обучения. Он и его команда натренировали нейронную есть с помощью приблизительно 7400 рентгеновских снимков и записей рентгенологов в медицинских картах пациентов массачусетской больницы. До рассказал, что смог сократить время тренировки нейросети, используя фреймворк Caffe со встроенной библиотекой cuDNN и систему NVIDIA DIGITS DevBox, оснащенную четырьмя графическими картами TITAN X и программным обеспечением DIGITS для тренировки алгоритмов глубокого обучения.

“Без GPU я бы не смог добиться необходимой производительности и разработать настолько точный алгоритм, - рассказал До, помощник руководителя отдела исследований и разработки современных медицинских технологий при больнице Massachusetts General Hospital.

До надеется добиться еще более высокой производительности своего алгоритма в будущем. В начале сентября научный центр при массачусетской больнице стал первым исследовательским институтом, который получил нашу производительную систему для глубокого обучения DGX-1, первый в мире суперкомпьютер для задач искусственного интеллекта.

Более быстрая и точная диагностика

Если больница сможет внедрить автоматизированный анализатор костного возраста, разработанный До, в медицинскую практику, родители смогут быстрее получать результаты тестов.

“Родителям часто приходится ждать результатов обследования день или даже больше, - рассказал До. - Этот алгоритм позволяет получить результат за секунды".

Глубокое обучение также может помочь повысить точность диагностирования, устранив разногласия между рентгенологами с разным образованием и опытом, считает До. Его анализатор с искусственным интеллектом будет обрабатывать рентгеновские снимки и находить совпадения. Рентгенолог сможет выбрать наиболее оптимальный из предложенных вариантов и система создаст отчет о результатах обследования. Точность алгоритма достигает 99% со средним коэффициентом ошибок в плюс-минус один год.

“Это маленький шаг вперед к более эффективному оказанию медицинской помощи", - заявил Михальски.

До и его исследовательская группа представили на Конференции по искусственному интеллекту в медицинской визуализации, которая прошла в Александрии, штат Виргиния, короткий доклад с описанием своей работы и вскоре планируют опубликовать статью на эту тему.