ОБЩЕСТВО
26.04.2023 | 14:57
Ученые Пермского национального исследовательского политехнического университета (ПНИПУ) обучили нейросеть диагностировать болезнь Альцгеймера на ранней стадии. Исследователи смогли преодолеть проблему ограниченности исходных данных и построили модель нейронной сети на основе механизма комплексного оценивания, рассказали ТАСС в пресс-службе вуза.
«Из-за малозаметных симптомов на начальном этапе развития диагностировать болезнь Альцгеймера возможно только по физиологическим изменениям в головном мозге, зафиксированным на МРТ. Используя данные медицинских исследований пациентов с Альцгеймером, ученые обучили нейросеть выявлять заболевание. Для этого они построили модель нейронной сети на основе механизма комплексного оценивания, преодолев проблему ограниченности исходных данных. Полученные результаты лягут в основу программного обеспечения системы диагностики болезни Альцгеймера», — сказали в университете.
Исследование выполнили при финансовой поддержке Министерства науки и высшего образования РФ в рамках программы деятельности Пермского научно-образовательного центра «Рациональное недропользование» в кооперации с двумя малыми инновационными предприятиями, созданными при поддержке Фонда содействия инновациям. Статья об исследовании опубликована в научном журнале Algorithms, также на разработку оформляется патент.
Как отметил научный руководитель проекта, начальник управления организации научных исследований ПНИПУ, доцент Александр Алексеев, основное ограничение применения нейросетей в медицине сводится к проблеме ограниченности данных.
«Во многом это объясняется этическими мотивами: пациенты или их законные представители должны дать согласие на использование их медицинских данных для научных целей и публикации в открытой печати. Например, на сбор данных о 81 пациенте, 59 из которых имели подтвержденный диагноз «болезнь Альцгеймера», потребовалось пять лет», — сказал ученый, отметив, что эту проблему удалось решить за счет использования механизма комплексного оценивания, также известного как «корень принятия решений». Этот механизм традиционно применяется для агрегирования нескольких показателей в одну комплексную оценку.
По словам одного из разработчиков методики Леонида Кожемякина ключевое значение разработанного подхода заключается в сокращении времени, затрачиваемого на поиск оптимальной нейронной сети для анализа ограниченного набора данных.
«С помощью методов идентификации корней принятия решений нам удалось получить такую структуру нейросетевой модели, которая способна с высокой точностью описывать изучаемую область, в данном случае — диагностировать болезнь», — пояснил Кожемякин. По словам исследователя, применять предложенный механизм можно и в других сферах, где исходный набор данных существенно ограничен.
