Новая модель генеративного ИИ (Generative AI) 'CytoDiffusion' превосходит экспертов в анализе кровяных клеток

Прорывная система искусственного интеллекта, разработанная исследователями из Соединённого Королевства, продемонстрировала способность обнаруживать лейкемию (leukemia) и другие заболевания крови с точностью, превосходящей человеческих экспертов. Система, известная как CytoDiffusion, использует генеративный ИИ для анализа микроскопической структуры кровяных клеток — та же технология, что лежит в основе создателей изображений, таких как DALL-E. Важнейшей особенностью модели является «сверхчеловеческая» способность математически количественно оценивать собственную неопределённость, что гарантирует уведомление клиницистов, когда диагноз неоднозначен, вместо выдачи уверенного, но ошибочного прогноза.

Исследование, проведённое совместной группой из University of Cambridge, University College London (UCL) и Queen Mary University of London, было опубликовано на этой неделе в журнале Nature Machine Intelligence. Это достижение знаменует собой значительный сдвиг в ИИ в здравоохранении (Healthcare AI), переходя от простого распознавания шаблонов к глубокому морфологическому пониманию, что потенциально может трансформировать процессы диагностики в гематологии.

За пределами стандартной классификации: сила генеративного ИИ

Традиционные медицинские инструменты ИИ обычно обучаются с помощью «контролируемого обучения», при котором они распределяют изображения по заранее определённым категориям (например, «здоровый» vs «больной»). Хотя это эффективно для однозначных случаев, такие модели часто испытывают трудности с тонкими, нерегулярными вариациями, характерными для ранних стадий рака крови. Они также склонны к «чрезмерной уверенности», присваивая высокие вероятности неверным догадкам при встрече с данными, которых не видели ранее.

CytoDiffusion использует иной подход. За счёт применения техник Генеративный ИИ — в частности, диффузионных моделей (diffusion models) — система изучает полную картину того, как выглядят нормальные и аномальные кровяные клетки. Вместо того чтобы просто провести границу между двумя категориями, она понимает сложное распределение морфологии клеток. Это позволяет обнаруживать редкие аномалии и «пограничные случаи», которые традиционные модели — и даже уставшие человеческие глаза — могут пропустить.

«Наша модель работает иначе, чем стандартные классификаторы ИИ», — объяснил Саймон Делтадааль (Simon Deltadahl), первый автор исследования из University of Cambridge. «Она строит всестороннее представление структуры кровяных клеток. Когда мы тестировали её точность, система оказалась немного лучше людей. Но настоящим её преимуществом было то, что она знала, когда была неуверена».

Решение проблемы «уверенности» в медицинской диагностике

Одна из самых устойчивых проблем в медицинской диагностике (Medical Diagnosis) — это изменчивость человеческих суждений. Гематологи часто не сходятся во мнениях при оценке сложных мазков крови, а усталость может приводить к ошибкам. Предыдущие модели ИИ решили проблему усталости, но ввели новую опасность: высокомерие. Стандартный ИИ может классифицировать запутанную клетку как «лейкемия» с 99% уверенностью просто потому, что она похожа на заученный паттерн, даже если на самом деле это доброкачественный имитатор.

CytoDiffusion устраняет это, предоставляя «оценку неопределённости» вместе со своим диагнозом. Если ИИ сталкивается со структурой клетки, которая не соответствует чётко изученным распределениям известных заболеваний, он помечает случай для экспертного рассмотрения, а не навязывает решение.

Валидационные тесты показали, что система продемонстрировала:

• Большую чувствительность: она выявляла тонкие признаки лейкемии, и других злокачественных заболеваний, которые эксперты изначально пропускали.
• Надёжную калибровку: уровни уверенности модели идеально соответствовали её уровням точности. Она «никогда не заявит, что уверена, а затем окажется неправой», что является существенным преимуществом по сравнению с человеческой интуицией, которая может быть смещена недавним опытом или ожиданиями.

Сравнение: ИИ против анализа экспертов-людей

The following table outlines the key performance differences observed between the CytoDiffusion system and traditional manual analysis by hematologists.

Преобразование клинических рабочих процессов

Введение CytoDiffusion не направлено на замену гематологов, а на расширение их возможностей. В типичном больничном окружении младший врач или техник может часами просматривать мазки крови после долгой смены — сценарий, благоприятный для диагностических ошибок.

«Клиническая проблема, с которой я сталкивался как младший врач-гематолог, была в том, что после рабочего дня мне приходилось анализировать большое количество мазков», — отметил д-р Сутеш Сивапаларатнам (Dr. Suthesh Sivapalaratnam), со-старший автор исследования из Queen Mary University of London. «Человеку невозможно просмотреть все клетки в мазке — это просто нереально. Наша модель может автоматизировать этот процесс, отсеивать рутинные случаи и выделять всё необычное для рассмотрения человеком».

Действуя как высокоточный фильтр, ИИ обеспечивает, чтобы специалисты сосредотачивали внимание на самых сложных и критичных случаях. Такой подход «человек в цикле» повышает безопасность пациентов, сочетая неутомимую пропускную способность ИИ с тонким принятием решений опытными врачами.

Будущие последствия для биотехнологий

Успех CytoDiffusion подтверждает применение генеративных моделей в областях, выходящих за рамки творческих индустрий. В биотехнологии (Biotechnology) этот подход можно адаптировать для обнаружения аномалий в других типах тканей или для анализа сложных геномных данных, где «неопределённость» является критической переменной.

По мере того как регулирующие органы продолжают оценивать интеграцию ИИ в больницах, способность системы «знать, чего она не знает», может стать обязательной функцией безопасности. CytoDiffusion задаёт новый стандарт объяснимого и надёжного ИИ в медицине, приближая нас к будущему, в котором диагностика крови будет быстрее, дешевле и, что самое важное, безопаснее.