Исследователи из MIT разработали инновационную систему искусственного интеллекта, которая кардинально упрощает процесс сегментации медицинских изображений — одну из самых трудоемких задач в клинических исследованиях. Об этом сообщает MIT News.
Проблема ручной сегментации
Разметка областей интереса на медицинских снимках, известная как сегментация, является критически важным первым шагом для многих клинических исследований. Например, для изучения изменений размера гиппокампа при старении исследователь должен вручную обвести каждую структуру на серии сканов мозга. Этот процесс может занимать часы и даже дни, особенно при работе со сложными для определения областями.
Как работает MultiverSeg
Новая система под названием MultiverSeg использует принципиально иной подход к сегментации медицинских изображений. В отличие от традиционных методов, она:
- Позволяет исследователям быстро размечать изображения с помощью кликов, рисования линий и прямоугольников
- Использует уже размеченные изображения как контекст для последующих предсказаний
- Требует все меньше пользовательских взаимодействий с каждым новым изображением
- В конечном счете достигает полной автоматизации без необходимости ручного вмешательства
Технические преимущества
Архитектура MultiverSeg специально разработана для работы с контекстным набором любого размера, что обеспечивает гибкость применения в различных медицинских задачах. Система не требует предварительно размеченных наборов данных для обучения и может использоваться исследователями без специальных знаний в машинном обучении.
То, что раньше занимало дни рутинной работы, теперь можно сделать за считанные минуты. MultiverSeg — это не просто очередной инструмент для сегментации, а качественный скачок в методологии медицинских исследований. Система демонстрирует, как контекстное обучение может трансформировать даже самые консервативные области науки.
Сравнительные результаты
В тестах против современных инструментов для интерактивной и контекстной сегментации изображений MultiverSeg показала превосходные результаты:
- К девятому изображению требуется всего два клика для достижения более точной сегментации, чем у специализированных моделей
- Для некоторых типов изображений (например, рентгеновских снимков) достаточно разметить 1-2 изображения вручную
- Система достигает 90% точности с примерно 2/3 количества линий и 3/4 количества кликов по сравнению с предыдущей разработкой команды
Практическое значение
По словам ведущего автора исследования Халли Вонг, «многие ученые могут тратить всего несколько изображений в день на свои исследования из-за трудоемкости ручной сегментации. Наша система позволит проводить исследования, которые ранее были невозможны из-за отсутствия эффективного инструмента».
В долгосрочной перспективе MultiverSeg может значительно ускорить изучение новых методов лечения, снизить стоимость клинических испытаний и улучшить эффективность клинических приложений, таких как планирование лучевой терапии.
Исследовательская группа планирует дальнейшее тестирование инструмента в реальных клинических условиях и разработку поддержки 3D-биомедицинских изображений.