Медицинские изображения и нейросети: ограничения компьютерной диагностики
Краткое изложение интервью, опубликованного в сообществе «Врачи РФ» от .
В интервью математик рассказал о возможностях и ограничениях машинного обучения при анализе медицинских изображений. По словам собеседника, оценивать результаты нейросетей сложно, когда исследователи не раскрывают данные для обучения и проверки моделей; поэтому заявленную точность таких систем часто нельзя независимо подтвердить. Собеседник также отметил, что для анализа нужны исходные данные, поскольку медицинское оборудование обрабатывает изображения, а фильтрация может приводить к потере информации.
Математик считает, что нейросети полезны для диагностики, но не должны исключать другие методы и работу врача. Результативность компьютерного анализа различается в зависимости от заболевания: собеседник привёл диабетическую ретинопатию как пример задачи с высокой точностью, а диагностику глаукомы — как менее очевидную. По его мнению, в ближайшие десять лет компьютерные программы не смогут заменить медицинский персонал среднего уровня, хотя технологии могут улучшить диагностику в отдалённых регионах.
Главное
- Собеседник считает, что без данных для обучения и проверки нейросетей их точность трудно независимо подтвердить.
- Обработка медицинского изображения оборудованием может привести к потере информации, необходимой для компьютерного анализа.
- По словам математика, точность компьютерного анализа зависит от заболевания; диабетическую ретинопатию удаётся диагностировать лучше, чем глаукому.
- Собеседник полагает, что в ближайшие десять лет компьютерные программы не заменят медицинский персонал среднего уровня.
Подготовлено автоматически с помощью ИИ, возможны неточности. Полный просмотр материала доступен только для медицинских специалистов с высшим медицинским образованием.
Войти Регистрация