Выявить COVID-19 по рентгеновским и КТ-снимкам не всегда так просто, учитывая что пациентов с подозрением на инфекцию к одному врачу могут поступать ежедневно несколько десятков, а то и сотня. В начале пандемии на помощь врачам пришли программисты — они разработали множество моделей с машинным обучением, которые могут ставить диагноз COVID-19 прямо по снимкам.
Программы, которые находят COVID-19 по рентгеновским снимкам, не подходят для клинической практики
В прошлом году научное сообщество построило тысячи систем искусственного интеллекта для идентификации COVID-19 на рентгеновских снимках грудной клетки и компьютерной томографии. Ученые показали, что использовать эти программы в клинической практике нельзя.
Unsplash
Одним из самых надежных инструментов диагностики COVID-19 считается рентген и КТ. Оказалось, что нейросети, обученные обработке этих снимков, на самом деле смотрят на наличие стрелок и текста на фото, а не на особенности структур в легких
Конечно, такие программы — скорее подспорье для врачей, так как окончательный диагноз зависит и от других тестов и наличия симптомов. Но если программа даст ложный результат, она может заставить врача усомниться в поставленном диагнозе. Очень часто работа нейросетей представляет собой «черный ящик» — программа получает данные, обрабатывает их путями, выработанными в результате обучения, а затем выдает конечный результат. Но что в ходе обработки происходит с данными, зачастую неясно. В некоторых случаях принципы анализа могут быть основаны на особенностях, которые к медицине не имеют никакого отношения.
Ученые Вашингтонского университета решили проверить, насколько используемые для анализа снимков модели машинного обучения корректно учитывают медицинскую специфику данных. Но проблемы с этим возникли уже на первом этапе, когда исследователи решили воссоздать программы других ученых. Обычно в научных работах ученые не дают исходный код программ, а лишь рассказывают, как они их создавали. И если воссоздать код программы еще возможно, то обучить алгоритм точно так же, как авторы анализируемой работы, невозможно без их участия.
Продолжение ниже
Видео
Продолжение
Все же исследователям удалось создать код анализируемых программ и обучить полученные нейросети. Но оказалось, что многие из них обращают внимание при обработке снимков по большей части не на особенности легких человека, а на стрелки и текст, которыми часто сопровождаются опубликованные в интернете картинки. И эти маркеры зачастую служат опорой при принятии решений моделью, хотя стрелки могут указывать и на не имеющие отношения к COVID-19 структуры в легких.
Статья опубликована в журнале Nature Machine Intelligence.