Мочекаменная болезнь — одна из самых распространенных болезней почек, часто возвращающаяся даже после успешного лечения. Чтобы удалить камни с минимальными неудобствами, их дробят миниатюрным лазером, вводимым в почку через мочевыводящие пути, но интенсивность лазерной обработки нужно подбирать с учетом химического состава: около 72% камней состоят из оксалатов кальция, 18% — из уратов, около 10% — из фосфатов, и именно фосфатные камни требуют очень высокой энергии для разрушения. Точно определить состав можно было только после хирургического извлечения, а бесконтактная спектроскопия в ближней инфракрасной области была недостаточно точной из-за дисбаланса данных: камни разных составов встречаются с разной частотой, и алгоритмы не удавалось качественно обучить.
Ученые решили проблему с помощью генеративно-состязательной нейросети, где генератор создает новые инфракрасные спектры, а вторая сеть пытается отличить подделку от реальных образцов, — в итоге генератор учится создавать синтетические данные, неотличимые от настоящих. Это позволило сгенерировать недостающие 400 спектров для редких фосфатных камней и добавить их к реальной обучающей выборке для тренировки метода опорных векторов, разделяющего камни на три класса. Добавление синтетических данных подняло точность распознавания редких фосфатных камней на 5–10%, а полноту (способность не пропускать такие камни) — на 10–20%.