Разработка старшеклассника поможет диагностировать кожные заболевания

Еще в 7-м классе Артем осознал, что лучшие научные материалы публикуют­ся на английском, поэтому решил интенсивно изучать язык, чтобы пользоваться первоисточниками. В итоге теперь Артем свободно читает зарубежную научную литературу, просматривает кейсы на YouTube-канале, вдохновляясь успешными примерами. Так, его впечатлил проект группы западных ученых, которые во время пандемии использовали нейронные сети для диагностики пневмонии по снимкам легких.

Артем вспоминает, что, когда он пог­рузился в эту тему, стал все чаще слышать об оспе обезьян. И поэтому взялся за разработку собственной модели для распознавания кожных заболеваний по фотографиям. За поддержкой он обратился к научному сотруднику Назарбаев­ Университета и PhD-исследователю Дархану Шадыкулу. Он известен своими проектами, связанными с использованием ИИ для моделирования черных дыр.

По словам Дархана Шадыкула, идея проекта Артема Лаврентьева интерес­ная и важная.

– Артем удивил меня уровнем своих знаний в области информационных технологий и искусственного интеллекта, – подчеркнул ученый. – В данной модели он применил нейронную сеть как один из методов искусственного обу­чения, который сейчас очень популярен в различных разделах науки и техники. В частности, в медицине активно применяются нейронные сети для распознавания различных болезней. Артем изучил успешные зарубежные аналоги и применил интересную методику. Он взял модель разработанных нейронных сетей, обученных на большом кластере данных, и правильно настроил ее на распознавание болезней, которые характеризуются кожными высыпаниями. Достигнута высокая точность в выявлении, если учесть, что использовался небольшой объем данных. В этом его большая заслуга.

Впрочем, Артем на этом не остановился: он создал чат-бот в Telegram, который позволяет пользователям загружать фотографии кожных высыпаний и в режиме реального времени диагностировать болезни. Это интересная техническая находка. Сейчас парень активно занимается изучением машинного обучения, так называемых больших языковых моделей.

Отвечая на вопрос о том, с чего началось увлечение нейронными сетями, Артем отметил, что интерес к этой теме по­явился в 9-м классе, когда он начал изучать текстовые ИИ-модели и их применение. Благодаря знанию английского языка школьник самостоятельно освоил курсы Гарвардского университета, что расширило его знания в этой области.

Отметим, что Артема активно поддерживал преподаватель математики их школы – Нурсултан Хаджимурат. С его помощью ученик смог совершенствовать проект, добавляя новые функ­ции. А сейчас наш герой работает и над собст­венным веб-сайтом. К примеру, если человек хочет узнать диагноз, он фотографирует свои высыпания на коже, отправляет изображение либо через чат-бот, либо через веб-сайт, и модель автоматически анализирует снимок и ставит диагноз. Нейронная сеть умеет распознавать корь, ветрянку, коровью оспу и различные стоматиты. Сейчас Артем работает над расширением базы данных. Для улучшения точности модели требуется увеличить объем изоб­ражений до 20 000 и больше.

Он согласен с тем, что ИИ иногда негативно сказывается на обучении школьников и студентов, которые все чаще прибегают к его помощи при выполнении самостоятельных работ.

– Такая проблема актуальна везде. Однако уже существуют специальные программы, которые могут определить, сгенерирован ли текст с помощью ИИ, – успокоил талантливый школьник.

Он планирует довести проект до логического завершения и попытаться внедрить его в жизнь. К слову, ему уже предлагали использовать его для диагностирования новых заболеваний.

В Алматы есть Национальный центр особо опасных инфекций им. Масгута Айкимбаева. Там имеется огромная база данных, которая хранится в бумажном виде. Большая часть документации датируется прошлым веком, в цифровом варианте ничего нет. Чтобы эти данные использовала нейронная сеть, снимки нужно отсканировать. Чем больше снимков она будет анализировать, тем больше получит опыта. Артем, например, на начальном этапе использовал набор данных, в котором было всего 2 000 изображений. Но при увеличении количества изображений появится больше возможностей для генерации.

– Я понял: ИИ может быть полезным во многих сферах, у него нет конкретной специализации, он работает с большими данными. Это могут быть данные о тектонических активностях, он может анализировать какие-то преступления, предлагать решения логистических задач и многое другое, – говорит Артем Лаврентьев, добавляя, что в его планах – поступление в NYUAD – филиал Нью-Йоркского университета в Абу-Даби на факультет прикладной математики с майнором в программировании.