Применение искусственного интеллекта к медицинским изображениям: от машинного обучения до глубокого обучения

ЦЕЛЬ: Модели искусственного интеллекта (ИИ) играют все более важную роль в биомедицинских исследованиях и медицинских услугах. В данном обзоре рассматриваются ключевые вопросы, требующие уточнения при разработке приложений ИИ в качестве систем поддержки принятия клинических решений в реальных условиях. МЕТОДЫ: Проведен нарративный обзор, включавший критическую оценку статей, опубликованных в период с 1989 по 2021 год и использованных для рассмотрения основных проблемных аспектов. РЕЗУЛЬТАТЫ: Сначала представлены архитектурные характеристики подходов машинного обучения (МО)/радиомики и глубокого обучения (ГО). Для МО/радиомики описаны этапы отбора признаков, обучения, валидации и тестирования. Модели ГО представлены как многослойные искусственные/сверточные нейронные сети, позволяющие непосредственно обрабатывать изображения. Раздел, посвященный подготовке данных, включает такие технические этапы, как маркировка изображений, аннотирование изображений (при этом сегментация является ключевым этапом радиомики), гармонизация данных (позволяющая компенсировать различия в протоколах визуализации, которые обычно создают шум в исследованиях медицинских изображений без использования ИИ) и федеративное обучение. Далее отдельные разделы посвящены расчету размера выборки с учетом множественного тестирования в подходах ИИ; процедурам аугментации данных для работы с ограниченными и несбалансированными наборами данных; а также интерпретируемости моделей ИИ (так называемой проблеме «черного ящика»). В заключение в обобщенном виде представлены преимущества и недостатки выбора МО по сравнению с ГО для реализации приложений ИИ в медицинской визуализации. ВЫВОДЫ: Биомедицина и системы здравоохранения являются одними из наиболее важных направлений применения ИИ, а медицинская визуализация, вероятно, представляет собой наиболее подходящую и перспективную область. Уточнение конкретных проблемных аспектов способствует разработке таких систем и их внедрению в клиническую практику.