ИИ от Alibaba MAOSS: ранняя диагностика жировой болезни печени

Жировая болезнь печени – одно из самых распространённых заболеваний в мире, но при этом одно из самых незаметных. На ранних стадиях она почти не даёт симптомов и чаще всего обнаруживается случайно – при обследовании по другому поводу. Проблема в том, что «случайно» – это не метод. Пропущенная болезнь прогрессирует и со временем может перейти в цирроз или рак печени.

Именно здесь исследовательское подразделение Alibaba – DAMO Academy – предложило свой ответ. Они разработали модель под названием MAOSS, которая способна анализировать обычные КТ-снимки и выявлять признаки жировой болезни печени значительно раньше и точнее, чем это происходит сейчас в рутинной клинической практике.

Недостатки современных методов диагностики жировой болезни печени

Что не так с текущими методами

Стандартный способ диагностики жировой болезни печени – биопсия. Это инвазивная процедура: врач берёт небольшой образец ткани печени и исследует его под микроскопом. Метод точный, но неудобный, болезненный и дорогостоящий. Поэтому к нему прибегают не при первом подозрении, а когда клиническая картина уже достаточно выражена.

Есть и менее травматичные альтернативы – УЗИ или МРТ – но у них свои ограничения: они либо дают недостаточно детальную картину, либо требуют специального оборудования, которое есть далеко не в каждой больнице.

Компьютерная томография (КТ) при этом используется повсеместно. Миллионы людей проходят её каждый год по самым разным причинам: проверка лёгких, органов брюшной полости, плановые обследования. Но информация о состоянии печени, которая потенциально содержится в этих снимках, в большинстве случаев просто не считывается – не потому что её там нет, а потому что у радиологов нет ни времени, ни инструментов для досконального анализа каждого органа.

Возможности ИИ-системы MAOSS

Что умеет MAOSS

MAOSS встраивается именно в этот момент: когда снимок уже сделан, но никто не смотрит на печень внимательно.

Модель анализирует КТ-изображения и оценивает состояние печени по нескольким параметрам: степень накопления жира, наличие воспаления, признаки фиброза (то есть начального рубцевания тканей). Проще говоря, она делает то, что делала бы биопсия, – только без иглы и операционного стола.

Ключевая особенность подхода – модель работает с объёмными данными снимка, а не с отдельными срезами. КТ даёт трёхмерную картину, и MAOSS использует эту объёмность в полной мере, что позволяет замечать изменения, которые на плоских изображениях могли бы остаться незамеченными.

По результатам тестирования, точность MAOSS при оценке степени жирового поражения печени оказалась сопоставима с биопсией – что для неинвазивного метода является серьёзным достижением. Кроме того, модель показала высокую точность в определении стадии фиброза, что особенно важно: именно фиброз определяет, насколько далеко зашёл процесс и какое лечение необходимо.

Значение развития ИИ в диагностике для медицины и пациентов

Почему это важно не только для пациентов

Если смотреть шире, MAOSS – это пример того, как ИИ может «дочитывать» медицинские данные, которые уже собраны, но не используются в полной мере.

КТ-сканирование – дорогостоящая процедура с точки зрения оборудования и времени специалистов. Но снимки уже делаются – миллионами. Если из каждого такого снимка можно извлекать дополнительную диагностическую информацию без дополнительных затрат для пациента, это меняет экономику медицинской диагностики.

Для системы здравоохранения это означает возможность выявлять больше случаев болезни на ранней стадии – там, где лечение ещё относительно простое и дешёвое, – вместо того чтобы сталкиваться с запущенными случаями, требующими длительной и дорогостоящей терапии.

Для радиологов – это не замена, а скорее второй взгляд. Модель может автоматически помечать снимки, требующие дополнительного внимания, и тем самым помогать расставлять приоритеты в работе.

Перспективы и проблемы внедрения ИИ в медицину

Открытые вопросы

Как и у большинства медицинских ИИ-моделей, у MAOSS есть путь, который предстоит пройти до реального применения в клиниках.

Исследования – это одно, клиническая практика – другое. Модели нужно будет пройти проверку на разных популяциях пациентов, в разных медицинских учреждениях и на оборудовании разных производителей. Качество КТ-снимков варьируется в зависимости от аппарата и протокола сканирования, и насколько устойчива MAOSS к таким различиям – важный вопрос, который ещё предстоит изучить.

Также остаётся открытым вопрос интеграции: как именно такой инструмент встраивается в рабочий процесс радиолога или терапевта, кто несёт ответственность за итоговое заключение, как выстраивается взаимодействие между ИИ-системой и врачом.

Это не специфические проблемы MAOSS – это общие вопросы, которые стоят перед всей отраслью медицинского ИИ. Но их наличие не отменяет ценности самого подхода.

ИИ MAOSS: будущее ранней диагностики жировой болезни печени

В итоге

MAOSS – это попытка сделать раннюю диагностику жировой болезни печени более доступной, не требуя при этом ни новых процедур, ни нового оборудования. Только другой способ смотреть на то, что уже есть.

Если подход подтвердится в клинической практике, это может стать одним из тех случаев, когда ИИ действительно меняет что-то важное – тихо, без громких анонсов, просто делая привычный процесс немного умнее.