Системы искусственного интеллекта (ИИ) — это вычислительные модели, способные обучаться выявлению закономерностей в данных, делать точные прогнозы или генерировать контент (например, тексты, изображения, видео или звукозаписи). Эти модели могут надежно выполнять различные задачи и в настоящее время используются для проведения исследований в различных областях.

За последние несколько десятилетий некоторые модели искусственного интеллекта продемонстрировали многообещающие результаты в ранней диагностике и изучении конкретных заболеваний или нейропсихиатрических состояний. Например, анализируя большие объемы снимков головного мозга, полученных с помощью неинвазивной методики, известной как магнитно-резонансная томография (МРТ), ИИ может выявлять закономерности, связанные с опухолями, инсультами и нейродегенеративными заболеваниями, что может помочь в диагностике этих состояний.

Исследователи из Массачусетской больницы общего профиля Бригхэма, Гарвардской медицинской школы и других институтов недавно разработали Brain Imaging Adaptive Core (BrainIAC) — крупную систему искусственного интеллекта, предварительно обученную на обширном массиве данных МРТ, которую можно адаптировать для решения различных задач. Эта базовая модель, представленная в статье, опубликованной в журнале Nature Neuroscience , показала лучшие результаты, чем многие модели, обученные для выполнения конкретных задач, связанных с медициной или нейронаукой.

«В миллионах МРТ-исследований головного мозга, проводимых ежегодно в Соединенных Штатах, содержится огромный массив данных», — рассказал Medical Xpress Бенджамин Х. Канн, старший автор статьи. «Как правило, эти снимки анализируются людьми по определенной причине, но это лишь верхушка айсберга того, что эти снимки могут рассказать нам о наших пациентах. С помощью искусственного интеллекта и передовых методов компьютерной визуализации мы можем получить гораздо больше информации из этих снимков, чем когда-либо прежде, что может привести к появлению эффективных, клинически полезных способов отслеживания различных острых и хронических заболеваний, от инсульта до рака и деменции, а также прогнозирования будущих рисков для пациентов».

Базовая модель BrainIAC

BrainIAC, универсальная модель, разработанная Канном и его коллегами, была предварительно обучена на 48 965 снимках головного мозга, полученных с помощью МРТ. Модель обучалась с использованием подхода, известного как самообучение, который позволяет моделям выявлять закономерности на основе преимущественно немаркированных данных.

Благодаря этому обширному обучению модель получила информацию о структуре человеческого мозга и закономерностях, лежащих в основе его организации. После первоначального предварительного обучения модель может быть адаптирована для выявления или изучения прогрессирования конкретных заболеваний и нейропсихиатрических состояний по данным МРТ-сканирования пациента.

«Эта „предварительная подготовка“, использующая так называемое контрастное обучение , отличает ее от большинства алгоритмов искусственного интеллекта для МРТ, которые просто обучают модель прогнозировать что-то одно», — объяснил Канн. «Используя эти базовые знания, инструмент можно адаптировать для выявления различных заболеваний головного мозга, определения их тяжести и прогнозирования будущих рисков, связанных с этими заболеваниями».

В рамках своего исследования ученые адаптировали свою модель и оценили ее способность выявлять различные заболевания, включая болезнь Альцгеймера , аутизм, деменцию, опухоли головного мозга, болезнь Паркинсона и инсульты. Примечательно, что они обнаружили, что их модель может предсказывать большинство из этих заболеваний с высокой точностью и легко адаптироваться к каждому из них, требуя лишь незначительного дополнительного обучения.

«При сравнении этой модели с другими моделями, обученными на отдельных задачах, модели иногда требовалось до 10 раз меньше обучающих данных для достижения эквивалентных результатов, а иногда и больше, чем обученной модели, предназначенной для решения одной задачи», — сказал Канн. «Это означает, что модель может служить базовым показателем для прогнозирования многих различных типов заболеваний головного мозга».

Перспективный инструмент для медицинских и нейробиологических исследований.

В будущем модель BrainIAC может быть дополнительно усовершенствована и предварительно обучена на еще большем объеме данных МРТ. Кроме того, она может послужить источником вдохновения для разработки других базовых моделей ИИ, обученных на других типах изображений, таких как компьютерная томография (КТ), изображения микроскопии высокого разрешения, изображения сетчатки, ультразвуковые записи и сканы других частей конкретных органов.

«Мы считаем, что этот алгоритм может помочь исследователям и врачам использовать ИИ для лечения многих различных типов заболеваний головного мозга, что ранее было невозможно из-за ограниченного объема доступных данных», — сказал Канн.

Алгоритм BrainIAC является открытым и доступен онлайн на специальном веб-сайте . Другие исследовательские группы уже начали использовать эту модель для изучения различных заболеваний головного мозга, выявления их возникновения и отслеживания их развития.

«Мы уже получили большой интерес и сотрудничаем с различными группами для исследования BrainIAC при различных заболеваниях головного мозга, таких как болезнь Альцгеймера и травмы», — добавил Канн.

Внимание, автоперевод! За ошибки перевода ответственности не несём. Первоисточник по ссылке.