Нейросеть научилась объективно оценивать паралич лица

Искусственный интеллект, прошедший специальное «дообучение», продемонстрировал высокую точность в объективной оценке пациентов с параличом лицевого нерва (невритом лицевого нерва). Результаты экспериментального исследования опубликованы в июньском номере журнала «Plastic and Reconstructive Surgery».

«Мы считаем, что наше исследование предлагает ценные идеи в области оценки лицевого паралича и представляет значительный прогресс в использовании ИИ для клинических применений», — комментирует ведущий автор, Такэйчиро Кимура (Takeichiro Kimura), доктор медицины из Университета Кёрин (Kyorin University), Митака, Токио.

«Дообучение» нейросети

Паралич лицевого нерва вызывает асимметрию и потерю подвижности лица из-за повреждения нерва (опухоли, операции, травмы). Точная оценка тяжести состояния критически важна для выбора лечения (например, трансплантации нерва), но существующие методы имеют недостатки:

• Субъективные шкалы: Страдают от вариабельности между специалистами.

• Объективные методы: Часто непрактичны для рутинного применения.

Команда доктора Кимуры взяла за основу модель распознавания лиц 3D-FAN, обученную определять 68 контрольных точек (брови, веки, нос, рот, контур лица) на изображениях людей с нормальной мимикой. Однако при тестировании на клинических видео пациентов с параличом исходная модель показала неудовлетворительные результаты:

• Пропускала асимметрию лица (даже при улыбке).

• Не распознавала закрытые глаза.

Исследователи «дообучили» (fine-tuned) модель с помощью машинного обучения, используя 1181 изображение из клинических видео 196 пациентов с параличом:

1. Вручную скорректировали положение контрольных точек на изображениях, минимизируя погрешность разметки.

2. Повторяли тренировочные сессии до прекращения улучшения точности.

Значительное повышение точности

«После машинного обучения мы обнаружили качественное и количественное улучшение в обнаружении лицевых ключевых точек ИИ», — сообщают авторы.

Дообученная модель показала:

• Существенно сниженный процент ошибок по всем зонам лица.

• Наибольшее улучшение точности в критически важных для оценки паралича областях — веках и рту (основные источники асимметрии).

• Иллюстрации в статье наглядно демонстрируют улучшение детекции точек после дообучения.

Перспективы для клинической практики

Авторы считают, что их метод «дообучения» с ручной коррекцией разметки на ограниченном наборе изображений «имеет потенциал для более широкого применения в создании ИИ-ассистированных моделей для других относительно редких заболеваний».

Дообученный ИИ-инструмент предлагает:

1. Объективную оценку тяжести: Возможность присвоения точного балла паралича.

2. Количественный мониторинг: Инструмент для измерения эффективности лечения (например, до и после операции).

3. Доступность: Исследователи планируют сделать модель бесплатно доступной для других ученых и клиницистов после дополнительной оценки.

«Рассматривая наше программное обеспечение как одно из перспективных решений для объективной оценки лицевого паралича, мы сейчас проводим мультидисциплинарный анализ эффективности этой системы», — заключают Такэйчиро Кимура (Takeichiro Kimura) и соавторы.