Квантовые технологии и искусственный интеллект объединили для анализа МРТ-снимков

Разработчики ННГУ им. Н.И. Лобачевского обучили гибридную квантово-классическую нейросеть с точностью до 98% диагностировать наличие опухоли по МРТ-изображениям головного мозга, полученным из открытых баз данных. Это одна из первых успешных попыток объединить возможности стандартных нейросетей и квантовых схем, уточнили в пресс-службе вуза.

Благодаря квантовому слою учёным удалось получить глубокий анализ снимков по меньшему числу параметров, чем необходимо классической нейросети, а значит гибридная нейросеть может быть более эффективным решением для анализа медицинских данных.

«Наш подход позволяет повысить точность классификации за счёт оптимизации архитектуры нейросети. Классические глубокие модели могут содержать миллиарды обучаемых параметров и требуют значительных вычислительных ресурсов. В нашей архитектуре квантовый слой работает с сильно сжатым представлением признаков. При этом важную роль играет именно взаимодействие классической и квантовой частей модели»», – отметила автор исследования, кандидат физико-математических наук, старший научный сотрудник лаборатории «Искусственный интеллект в превентивной медицине» Исследовательского центра в сфере искусственного интеллекта Института информационных технологий, математики и механики (ИИТММ) ННГУ Марина Бастракова.

Гибридная квантово-классическая нейросеть также уверенно справилась с диагностикой МРТ-снимков с шумами и дефектами. Так, при сильном гауссовском шуме точность одной из квантово-классических моделей составляла 96,6% против 92,2% у классической сети. Это преимущество особенно важно для оценки медицинских изображений, на качество которых влияет множество факторов от положения пациента до особенностей оборудования и протоколов сканирования.

«Мы увидели, что квантовый слой – это не просто дополнительный элемент архитектуры: его устройство заметно влияет на результат. В частности, модели с более развитыми повторяющимися квантовыми блоками в наших экспериментах лучше сохраняли точность при искажении изображений. Это позволяет предполагать, что квантовые преобразования признаков играют существенную роль в формировании более устойчивого представления данных. При этом механизм этого эффекта ещё предстоит отдельно исследовать и подтвердить на реальном квантовом оборудовании», – рассказала Марина Бастракова.

«Важно отметить, что любые нейросетевые решения не заменяют врача-диагноста. Они выступают как помощники при первичной диагностике, помогают не пропустить важные признаки и дают сигнал врачу обратить внимание на критические значения. Снижается вероятность ошибки и диагноз специалиста становится более обоснованным», – прокомментировал доктор физико-математических наук, главный научный сотрудник лаборатории «Искусственный интеллект в превентивной медицине» Исследовательского центра в сфере искусственного интеллекта ИИТММ ННГУ Михаил Иванченко.

Учёным предстоит протестировать подход на новых медицинских наборах данных с использованием мощностей российских квантовых компьютеров. Обсуждается участие в проекте профильных учреждений и научных центров для продвижения подобных гибридных подходов в реальной медицинской практике. Разработчики планируют обучить нейросеть более детальному описанию снимка и расширить классификацию изображений.

«Развитие квантовых технологий и искусственного интеллекта является стратегическим приоритетом Нижегородского университета. Наши учёные создали передовой инструмент для медицинской диагностики, который позволяет точно анализировать сложные данные и открывает новые возможности для раннего выявления патологий и повышения качества отечественного здравоохранения в целом. Мы нацелены на дальнейшую интеграцию этих алгоритмов в клиническую практику и их адаптацию под мощности российских квантовых компьютеров для решения важнейших государственных задач в сфере технологического лидерства», – отметил ректор ННГУ им. Н.И. Лобачевского Олег Трофимов.

Работа выполнена учёными Исследовательского центра в сфере искусственного интеллекта Института информационных технологий, математики и механики Университета Лобачевского в рамках федеральной программы «Приоритет-2030». Результаты опубликованы в международном журнале The European Physical Journal Special Topics.