Российские исследователи создали систему машинного обучения, способную определять химический состав камней почек по тому, как они отражают излучение в ближней части инфракрасного спектра. Эта система ИИ позволит медикам подбирать оптимальный метод удаления камней, сообщила пресс-служба Российского научного фонда (РНФ).
© ТАСС
«Наша разработка позволит хирургу мгновенно определять состав почечных камней прямо в теле пациента и настраивать оборудование для их дробления с учетом полученных данных. Это сделает процедуру быстрее, безопаснее и эффективнее. Кроме того, врачи смогут сразу в день операции назначить больным правильную диету и лечение, снижая риск рецидивов», — заявила научный сотрудник Института химии СПбГУ Екатерина Бойченко, чьи слова приводит пресс-служба РНФ.
Как объясняют ученые, мочекаменная болезнь представляет собой одно из самых распространенных заболеваний выводящей системы человека. При работе с носителями этого заболевания врачи часто используют терапевтические системы на базе лазеров, которые дробят камни и позволяют удалить их с минимальными неудобствами для пациента. Химический состав камней сильно влияет на скорость дробления, однако у ученых не было возможности определить его бесконтактным образом.
В прошлом исследователи уже пытались адаптировать для решения этой задачи системы машинного обучения, однако они оказывались не очень точными из-за отсутствия большого количества данных по почечным камням с необычным химическим составом, состоящим из солей фосфорной кислоты и других веществ. Ученые из Института химии СПбГУ, Университета ИТМО (Санкт-Петербург) и Военно-медицинской академии имени Кирова решили эту проблему при помощи генеративно-состязательной системы ИИ.
Она представляет собой набор из двух нейросетей, одна из которых генерирует аналоги научных данных, получаемых при наблюдениях за почечными камнями при помощи инфракрасных спектроскопов, а вторая — оценивает их реалистичность. Используя эту систему ИИ, ученые сгенерировали недостающий набор данных для редких почечных камней, и обучили на их базе специализированные ИИ-алгоритмы, способные определять состав камня по его спектру.
Последующие проверки работы этих систем машинного обучения показали, что она способна выявлять распространенные типы почечных камней с 92–97% вероятностью, и при этом она на 5–10% превосходит в точности распознавания фосфатных почечных камней уже существующие подходы, обученные только на реальных данных. Это позволит значительным образом повысить точность диагностики мочекаменной болезни и улучшит подбор оптимальной методики удаления камней из почек пациентов, подытожили ученые.
