Квантовый диагноз: российские ученые научили ИИ искать опухоли на МРТ
Российские ученые создали нейросеть, в которой искусственный интеллект работает вместе с квантовым слоем. Модель может распознавать опухоли головного мозга на МРТ. В будущем технология может стать дополнительным инструментом для врача.
Сейчас уже никого не удивить тем, что ИИ помогает врачам работать с медицинскими изображениями. Нейросети умеют находить подозрительные участки на МРТ, КТ и рентгеновских снимках, классифицировать патологии и выделять области, которым специалисту нужно уделить особое внимание. Но у таких систем есть проблема: медицинские изображения далеко не всегда идеальны. На качество МРТ могут влиять микродвижения пациента, дыхание, особенности оборудования и другие факторы, провоцирующие визуальный шум. Чем хуже снимок, тем больше потеря точности.
Ученые Исследовательского центра в сфере искусственного интеллекта ННГУ решили проверить, может ли здесь помочь квантовый подход. В основе разработанной ими системы лежит обычная нейросеть, дополненная специальным квантовым слоем. Он работает с сильно сжатым набором признаков и позволяет анализировать изображение, используя меньше параметров, чем классические модели.
Иными словами, исследователи не просто добавили в медицинский ИИ еще один вычислительный модуль. Они проверили, может ли квантовая архитектура сделать нейросеть более устойчивой к сложным входным данным?
Результат оказался интересным. На обычных изображениях гибридная модель показала точность до 98%. А при сильном шуме одна из квантово-классических моделей продемонстрировала точность 96,6% против 92,2% у классической нейросети. Для медицинской диагностики это очень важная разница. Результаты опубликованы в международном журнале The European Physical Journal Special Topics.
Как это работает?
Система предварительно анализирует МРТ и отмечает признаки, которые могут указывать на патологию. Радиолог получает дополнительный ориентир и уже сам оценивает снимок, сопоставляет результаты с историей пациента и принимает клиническое решение.
Для врача это, прежде всего, способ сократить объем рутинного поиска. А для пациента – дополнительный уровень контроля, который может помочь не пропустить подозрительный участок и зарождающийся очаг воспаления.
Исследования на потоке
Нынешняя работа продолжает направление, которое в Нижегородском университете развивают уже несколько лет. В 2024 году ученые ННГУ совместно с Российским квантовым центром предложили архитектуру нейроморфного процессора на сверхпроводниках. Система проектировалась так, чтобы работать как в классическом, так и в квантовом режиме.
Годом позже университет сообщил о разработках ИИ для диагностики опухолей мозга по генетическим признакам. Машинное обучение использовали для классификации глиом (опухолей головного мозга), прогноза выживаемости пациентов и анализа активности генов.
Следующий шаг – реальные данные
Пока разработка находится на исследовательском этапе. Для обучения и проверки модели использовали изображения из открытых медицинских баз. Поэтому следующий шаг – за испытаниями на новых наборах данных. Это необходимо, чтобы понять, насколько хорошо модель работает на изображения, на которых она не обучилась. Затем ученые планируют испытать подход с использованием мощностей российских квантовых компьютеров. Также обсуждается участие профильных медицинских учреждений и научных центров. В обозримом будущем технология будет проверена на конкретных пациентах.
Чего хотят ученые?
Разработчики хотят научить нейросеть не только определять наличие опухоли, но и давать более подробное описание МРТ-снимка. Кроме того, планируется расширить перечень заболеваний, которые система сможет распознавать.
Если говорить о проекте в целом, то нижегородские ученые уже сейчас показывают, как российские ИТ-разработки выходят за рамки нейросетей. ИИ, работая вместе квантовыми технологиями, расширяет свой функционал и становится еще более полезным инструментом для врача. Он повышает шансы заметить патологию там, где обычному алгоритму может помешать плохое качество снимка. А значит, повышает шанс на здоровую жизнь конкретного пациента.
