Рубрики Новости

Хакеры научились обманывать алгоритмы ИИ для диагностики рака поддельными снимками

Опубликовал
Тетяна Нечет

Модели искусственного интеллекта (ИИ), которые оценивают медицинские изображения, способны ускорить и повысить точность диагностики рака, но они также могут быть с легкостью обмануты в результате хакерской атаки.

Исследователи из Университета Питтсбурга продемонстрировали, как медицинская программа определила, что на снимках нет следов онкологии, когда они на самом деле были и наоборот. В результате удалось обмануть как ИИ, так и опытных рентгенологов. Об этом сказано в статье, опубликованной в Nature Communications.

О подобных взломах не известно, но новое исследование дополнило предыдущие, предполагающие, что медицинские организации должны быть готовы к кибератакам. Хакеры все чаще нападают на больницы и медицинские учреждения. В большинстве случаев целью становятся данные пациентов (которые ценятся на черном рынке) либо ради выкупа блокируются компьютерные системы. Хакеры могут удаленно взламывать инсулиновые помпы, подключенные к интернету, и, например, вводить опасные дозы лекарства.

На примере маммограммИсследованиях молочной железы исследователи из Университета Питтсбурга научили алгоритм глубокого обучения различать злокачественные и доброкачественные случаи с точностью более 80%. Затем они разработали так называемую «генеративную состязательную сеть» (GAN) — компьютерную программу, которая генерирует ложные изображения, вставляя или удаляя области со злокачественными образованиями из других снимков. Ученые проверили, как ИИ их классифицирует.

Англійська для IT від Englishdom.
В межах курсу можна освоїти ключові ІТ-теми та почати без проблем говорити з іноземними колегами.
Дійзнайтеся більше

Из 44 снимков с признаками онкологии, отредактированными GAN как без таковых, 42 были опознаны ИИ как без признаков рака. А из 319 изображений без онкологических процессов, измененных GAN, 209 были классифицированы как со следами новообразований. Состязательные образцы смогли обмануть ИИ в 69,1%. Эксперты определили подлинность изображений с точностью от 29% до 71%.

Примеры изображений: первый ряд — настоящие. Второй — поддельные. Третий — процесс отделения одного изображения от другого. Фото: Nature Communications

Следующим шагом будет разработка способов сделать модели ИИ более устойчивыми к подобным атакам.

В 2019 году The Washington Post рассказывало о компьютерном вирусе, меняющем результаты МРТ и КТ так, что даже врачи не в состоянии заметить признаки редактирования.

Disqus Comments Loading...