Система оценки состояния шейных артерий

Система оценки состояния шейных артерий разработана на базе алгоритмов машинного обучения и позволяет проводить автоматический поиск холестериновых бляшек в артериях в области шейного отдела по результатам ультразвукового сканирования.

2018: Разработка

Компания WaveAccess в марте 2018 года сообщила о разработке своим независимым подразделением Health Samurai модуля на базе алгоритмов машинного обучения для автоматического поиска холестериновых бляшек в шейных артериях по результатам ультразвукового сканирования.

Решение для оценки состояния шейных артерий включает портативный сканер и сервис по подробной расшифровке результатов сканирования опытными техниками. Нейросеть помогает определять области нахождения артерий и распознавать холестериновые бляшки.

После обучения система научилась отличать обычный «шум» на видеозаписи от аномалии и находить нужные кадры с высоким процентом точности. Модуль делит запись на отдельные кадры и предлагает технику 5 самых качественных снимков с наиболее удачной областью для измерения диаметра стенки артерии. Также система предлагает 20 снимков артерии, где выделены области, представляющие интерес. С задачей по расшифровке записи для измерения диаметра стенки артерии алгоритмы справляются с точностью около 95%, с задачей по поиску кадров с потенциальными аномалиями — с точностью 80%, рассказали в WaveAccess.

Специалисты Health Samurai научили нейросеть отличать обычный «шум» на видеозаписи от аномалии

Проект выполнен по заказу американской медицинской компании, поставщика высокотехнологичного решения для оценки состояния артерий.

Разработка решения потребовала тесного сотрудничества наших алгоритмистов и разработчиков с врачами. На первом этапе внедрения медицинские специалисты сами "дообучали" решение: просматривали кадры вручную, указывали на аномалии, оценивали качество принятого модулем решения и рассказывали, чего им не хватает в данных. Данные готовились вручную, что требовало повышенного внимания специалистов с обеих сторон, — рассказал Александр Азаров, старший вице-президент по разработке ПО в WaveAccess.

Ранее специалисты по расшифровке просматривали всю полученную видеозапись длиной в среднем 5 минут, кадр за кадром проверяя состояние артерии, чтобы выявить репрезентативные для врача снимки и определить на них наличие холестериновых бляшек. Измерение толщины стенки артерии и ее диаметра, определение формы, размеров и расположения бляшек также осуществлялись вручную. Подготовка одного заключения могла занимать несколько часов. Дмитрий Бородачев, DатаРу Облако: Наше преимущество — мультивендорная модель предоставления облачных услуг

Стандартные программные решения, по словам врачей, не позволяли автоматизировать процесс «чтения» сканов — с расшифровкой мог справиться только квалифицированный специалист с медицинским образованием. С ростом количества пользователей поставщику решения приходилось увеличивать штат высокооплачиваемых техников, росла и цена услуги. При этом скорость и качество сервиса не менялись. Чтобы сделать систему конкурентоспособной, требовалось оптимизировать процессы: ускорить работу текущего штата специалистов и одновременно повысить точность расшифровок.

Решить проблему удалось благодаря модулю на базе алгоритмов машинного обучения, разработанному Health Samurai. По отзыву заказчика, разработка Health Samurai позволила повысить скорость расшифровок в 5 раз: теперь не требуется просматривать всю запись целиком — необходимые для заключения кадры предоставляются автоматически. Кроме того, снизилась вероятность ошибки, связанной с человеческим фактором. В целом автоматизация процессов освободила медицинских сотрудников от рутинных операций, а компанию избавила от необходимости наращивать штат высокооплачиваемых специалистов.