ТБ или нет? Вот в чем вопрос…
Искусственный интеллект помогает диагностировать туберкулез. Вот как он может спасти миллионы жизней.
1,600,000 жизней
Столько людей умерло от туберкулеза в 2017 году. Они умерли от печально известной инфекции, которая поражает ваши легкие, заставляя вас кашлять кровью и становиться невыносимо слабее. Жизнь с туберкулезом ужасна, и поэтому у нас есть ряд методов лечения.
Эти 1 600 000 человек умерли смертью, которую можно было предотвратить.
Они умерли, потому что их системы здравоохранения не смогли диагностировать их туберкулез и направить их на соответствующее лечение. В противном случае им могла бы быть оказана медицинская помощь.
Представьте себя:
Однажды утром вы просыпаетесь с тяжелым дыханием. Вы начинаете кашлять и в течение всего дня чувствуете слабость. Что дает?
На следующее утро тебе стало хуже. Ваш кашель усиливается, в груди ощущается тяжесть до боли, и вы чувствуете адскую слабость. Скорее всего, ты сегодня не будешь работать.
На следующее утро при приступах кашля начинается срыгивание крови. Это серьезно плохо, но ты хоть представляешь, что может происходить? Пневмония? Какая-то инфекция легких? Туберкулез?
Неопределенность здесь возникает из-за того, что у туберкулеза очень много общих симптомов с другими инфекциями. Учитывая, что у нас нет самых лучших инструментов для выявления туберкулеза, неудивительно, почему мы теряем так много людей из-за этого заболевания!
Излечимый, но иногда невидимый
Туберкулез возникает в результате заражения легких штаммом бактерий Mycobacterium Tuberculosis. Эти длинные бактерии, которые вызывают туберкулез, находятся в организме пациента в двух формах:
Активный туберкулез - смертельная инфекция, о которой вы обычно слышите. Это бактериальная инфекция, которая начинает разъедать легочную ткань, в конечном итоге создавая опасную дыру в легком.
Скрытый туберкулез остается в вашем организме в спящем состоянии, не представляя никакой угрозы для вашего здоровья в целом. 10% случаев скрытого туберкулеза становятся активными, несмотря на то, что это самый сложный для выявления тип туберкулеза. , это по-прежнему важно.
Интересный факт: Приблизительно 1,7 миллиарда человек во всем мире (~ 25% населения мира) страдают латентным туберкулезом.
Сломанный трубопровод
Предполагая, что у вас обычный туберкулез, не устойчивый к лекарствам, вы можете принять множество лекарств. Однако все это восходит к нашей первоначальной проблеме: Как вы относитесь к тому, о чем не подозреваете?
Именно поэтому ООН относит раннее выявление и диагностику к одной из трех основных проблем глобальной ликвидации туберкулеза. Современные способы скрининга на туберкулез, не требующие сложных лабораторий, таких как тесты мокроты, обычно жертвуют масштабируемостью в ущерб точности.
В мире, где туберкулез убивает большинство своих жертв в развивающихся странах, довольствоваться дешевым и неточным тестированием не поможет. Я хотел узнать, как люди создают масштабируемые и менее точные методы тестирования, более удобные для пациентов.
ТБ или нет? Вот в чем вопрос…
Обычно мы проводим скрининг пациентов на туберкулез несколькими способами, некоторые из которых используются более широко, чем другие.
- Тестирование мокроты. Анализируя тип слизи, выделяемой из дыхательных путей (мокрота), вы можете выявить туберкулезную инфекцию с точностью только ~ 50%.
- Рентгеновское изображение: вы можете использовать рентгеновское изображение для обнаружения аномалий в легких, которые являются признаком активного туберкулеза. Здесь мы сосредоточимся на том, как ИИ делает этот процесс более точным!
- Кожные пробы: вводя химическое вещество, называемое туберкулин, в кожу пациента, вы можете определить туберкулезную инфекцию по тому, как кожа набухает до туберкулина.
- Xpert Testing: Эта точная форма геномного лабораторного тестирования позволяет полностью диагностировать латентный / активный туберкулез. Теперь это стандарт ВОЗ для выявления туберкулеза.
Однако проблема все еще остается для сообществ с низкими доходами, у которых нет легкого доступа к лабораториям. Эти области обычно являются передовыми для заражения туберкулезом, поэтому более удобные и менее точные тесты имеют большое значение.
Но с этими тестами мы можем работать намного лучше и спасти больше людей, пока мы в них участвуем! Здесь на сцену выходит модель машинного обучения под названием сверточные нейронные сети глубокого обучения (CNN)…
Сверточные нейронные сети 101
Пройдя через несколько разных тестов, герой, который никогда не расслабляется, хорошо разбирается в глубоком обучении . Будь то повышение чувствительности и точности тестов Рентгеновские лучи или Микроскоп, Сверточные нейронные сети являются нашим средством улучшения этих жизненно важных тестов.
Вкратце, это будет CNN, поэтому, если вы хотите получить более подробный урок о CNN, Я рекомендую эту статью, откуда взято упражнение ниже!
Делаем изображения удобоваримыми
Будь то через микроскоп или рентгеновский снимок, конечным продуктом этих тестов является фотография, по которой мы можем сделать вывод.
Проблема здесь в том, что алгоритмы машинного обучения не воспринимают изображения, а принимают только числа. Эти алгоритмы похожи на растущих детей, которые не могут есть твердую пищу, поэтому вам нужно размять еду (растушевать пиксели в числах), чтобы они съели. Это работа базового компьютерного зрения.
Когда вы смотрите на любую из фотографий в этой статье, вы на самом деле смотрите на массив чисел, кодирующих множество различных оттенков изображения.
Но теперь мы хотим обрабатывать изображения с помощью нашей нейронной сети. Как в мире мы загружаем изображения в нейронную сеть, а не просто числа?
Ответ невероятно прост. Нейронная сеть принимает числа в качестве входных данных. Для компьютера изображение на самом деле представляет собой сетку чисел, которые показывают, насколько темным является каждый пиксель.
Возьмем, к примеру, эту рукописную цифру "1":
Ваша рукописная форма на самом деле представляет собой набор темных пикселей определенной формы, контрастирующих с белым фоном. Это легко проиллюстрировать числами, где у вас есть целые значения, окруженные кучей нулей.
В этом числовом массиве (14 x 14) вы конвертируете это центрированное рукописное изображение «1» во что-то, что ваша нейронная сеть может принимать в качестве входных данных: Числа. Таким образом, рентгеновский снимок больного легкого можно легко преобразовать пиксель за пикселем в огромный массив чисел.
Добавление «NN» в CNN
Нейронные сети представляют собой многоуровневую структуру, в которой вы можете: получать входные значения данных, обрабатывать их с помощью определенных параметров и выкачивать определенные выходные значения.
Наши входные значения будут поступать через входной уровень, передаваться для обработки по определенным параметрам с помощью скрытого слоя, который затем будет генерировать значения вероятности в выходной слой!
Затем мы можем добавить веса и смещения, где вы можете присвоить своим входным данным значение приоритета или вес над другими входными данными. Предубеждения позволяют отдавать приоритет нашим результатам и по ценности.
Чтобы получить результаты, вы должны обучить эту модель сотням, если не тысячам различных изображений, чтобы определить, смотрите ли вы на «1» или нет . Также крайне важно обучить эту нейронную сеть работе с разными типами единиц, а не всеми одинаковыми единицами!
Сверточная вишня сверху
Нет ничего хорошего в алгоритме, который может обнаружить туберкулез или цифру «1» только в одной позиции на изображении. Но пока это все, что мы в основном сделали.
Сверточные слои - это то, что дает CNN их эффективное преимущество в распознавании изображений, что делает их creme de la creme в их работе.
Если мы хотим, чтобы наша CNN находила туберкулез в любом варианте или положении на изображении, мы должны обучить специальный сканер функций, известный как ядро , чтобы разбивать фотографии на более мелкие части и проводить мини-анализ эти части. Наш сверточный слой сканирует на наличие признаков туберкулеза в этой области изображения, а затем выдает массив выходных чисел.
Используя этот массив чисел для различных частей нашей большой картины, мы пропускаем числа через процесс, называемый «максимальное объединение». На этом последнем шаге принимаются многообещающие значения, которые могут указывать на туберкулез, и пропускаются через другой сверточный слой.
Завершение работы
CNN могут иметь любое количество сверточных слоев, что в конечном итоге будет зависеть от того, что мы пытаемся идентифицировать на изображениях. Когда все сверточные слои выполнят свою работу, мы отправляем окончательный выходной массив последнего сверточного слоя.
Этот массив отправляется в последнюю нейронную сеть, которая выкачивает два магических значения:
- Насколько вероятно это изображение туберкулеза?
- Насколько маловероятно это изображение показывает туберкулез?
Благодаря этому у вас будет лучший способ сканировать потенциальные случаи туберкулеза, диагностировать их с большей общей специфичностью и чувствительностью.
В случае обнаружения рентгеновских лучей, тест в паре с CNN дал 97,3% чувствительность и 100% специфичность из 150 тестов.
Для обнаружения под микроскопом из 201 теста была достигнута чувствительность 97,94% и специфичность 83,65%.
Некоторые заключительные мысли и основные выводы
Меня лично раздражает, что неспособность выявлять болезни у пациентов является более постоянной темой среди самых крупных убийц сегодня, чем когда-либо. Будь то рак или туберкулез, статус-кво застрял в самых смертоносных болезнях мира.
- От туберкулеза в его активной форме ежегодно умирает более 1 000 000 человек, и в большинстве случаев это можно предотвратить.
- У нас есть методы лечения туберкулеза, но нет эффективных способов его диагностики среди населения на масштабируемом уровне.
- Искусственный интеллект в форме сверточных нейронных сетей повышает эффективность различных видов тестов на туберкулез, в том числе рентгеновских лучей и микроскопии.
ИИ придет, и не волнуйтесь, это не обязательно для вашей работы. Искусственный интеллект здесь для неизвестных молекул наркотиков, он прибывает для недиагностированных смертей от туберкулеза.
ИИ приходит за лучший мир, он приходит в мир, где 1600000 человек не умирают мучительной смертью, которую можно предотвратить.
Заинтересованы в моей работе? Подпишитесь на мою ежемесячную новостную рассылку , чтобы быть в курсе моих исследований, проектов и другого контента!
Источники:
Https://www.mayoclinic.org/diseases-conditions/tuberculosis/diagnosis-treatment/drc-20351256
Http://www.gbchealth.org/innovations-in-global-health-detecting-tb-using-artificial-intelligence/
Https://docsend.com/view/ivja4wr - Исследовательский документ по ИИ при туберкулезе
Https://www.who.int/tb/End_TB_brochure.pdf (План миссии ВОЗ по борьбе с туберкулезом)
Http://www.sickkids.ca/AboutSickKids/Newsroom/Past-News/2013/TB-bacteria-hide-in-stem-cells.html - туберкулезные шкуры в СК костного мозга
Https://www.who.int/news-room/fact-sheets/detail/tuberculosis -TB Смертей / год
