Учёные научили ИИ точнее определять состав камней в почках
Учёные научили ИИ точнее определять состав камней в почках Исследователи научили алгоритмы машинного обучения точнее определять химический состав камней в почках по данным о том, как они отражают свет в ближнем инфракрасном диапазоне. Об этом сообщили в пресс-службе РНФ. Ранее стандартные математические модели были недостаточно точными для распознавания камней с редким составом. Исследователи создали 400 ближних инфракрасных спектров, идентичных спектрам редких почечных камней, что помогло решить проблему дисбаланса данных в обучении алгоритмов. Мочекаменная болезнь — одно из самых распространённых заболеваний почек, часто сопровождающееся рецидивами. Для удаления камней с минимальными неудобствами их дробят миниатюрным лазером. Интенсивность лазерной обработки зависит от химического состава камней, так как некоторые из них сложнее разрушить. Около 72% камней состоят из оксалатов кальция, 18% — из уратов и около 10% — из фосфатов. Фосфатные камни требуют высокой энергии лазера для разрушения. Ранее состав камня можно было точно определить только после его хирургического удаления. Спектроскопия в ближней инфракрасной области была недостаточно точной из-за различной частоты встречаемости камней разных составов. Учёные из СПбГУ, Университета ИТМО и Военно-медицинской академии имени С. М. Кирова использовали генеративно-состязательную нейросеть для решения проблемы несбалансированности данных. Две сети соревнуются: одна создаёт новые спектры, а вторая пытается отличить подделку от настоящих образцов. В результате генератор учится создавать синтетические данные, неотличимые от реальных. Затем эти данные добавили к реальной обучающей выборке и использовали для тренировки метода опорных векторов. Выяснилось, что добавление сгенерированных данных повысило точность распознавания редких фосфатных камней на 5-10%, а полноту — на 10-20%. «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. В дальнейшем мы планируем обучать алгоритмы на спектрах архивных мочевых камней и использовать эти модели для распознавания состава камней, извлеченных в ходе реальных операций», – рассказывает основной исполнитель проекта, поддержанного грантом РНФ, Екатерина Бойченко, кандидат технических наук, научный сотрудник кафедры аналитической химии Института химии СПбГУ. Результаты исследования, поддержанного грантом РНФ, опубликованы в Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy. Ранее учёные создали «спектрофотометр в кювете» – компактное устройство с прозрачными стенками, которое позволяет анализировать химический состав раствора. Кювета сделана из материала с люминесцентными частицами, поэтому для анализа достаточно посветить на её дно фонариком. Медицинская диагностика развивается не только в урологии, но и в неврологии. Как рассказывала интернет-газета «ЖУК», нейробиологи Томского государственного университета научились измерять миелин без биопсии.