Применение методов искусственного интеллекта в медицине. Пять препятствий для внедрения технологий ии в медицине

Григорий Колесников, руководитель акселерационной программы G4A (Grants4Apps) Bayer в России, рассказывает, что мешает внедрению в медицине, и рассуждает, возможно ли стартапам в этой сфере преодолеть такие препятствия.

Как ИИ помогает медицинским специалистам

Недавно Google рассказал о планируемом выходе на рынок систем искусственного интеллекта, позволяющих избавить телефонные разговоры от фоновых шумов (скажем, лая собак). Как нам обещают, алгоритмы на базе искусственного интеллекта внутри смартфона будут максимально помогать совершать рутинные операции. Перспективы впечатляют, ведь современные люди проводят по несколько часов в день перед экранами своих устройств. И подобные технологии уже прочно входят в нашу жизнь.

Сегодня искусственный интеллект активно применяется при разработке бытовой техники, личных голосовых помощников, в охранных системах. Там, где нужна обработка большого объема информации.

В медицине искусственный интеллект позволяет повысить эффективность диагностики благодаря возможности работы с большими объемами . Известен случай , когда «умный» сервис диагностики IBM Watson выявил у 60-летней пациентки с неверным диагнозом редкую форму лейкемии. Для этого система за 10 минут «изучила» 20 миллионов научных статей о раке.

Как результат – ИИ позволяет уменьшить объем повседневных рутинных задач, которые вынуждены решать медспециалисты. И способен свести к минимуму возможные ошибки. А еще – открывает возможности для появления новых профессий по обслуживанию цифровых систем в медицине.

Почему не все так гладко

Программы и аппараты с искусственным интеллектом сегодня используются в анализе рентгеновских, КТ- и МРТ-снимков (достаточно загрузить изображение в систему, после чего ИИ проведет анализ и даст заключение). «Интеллектуальную» медицину применяют в телемониторинге хронических заболеваний и при оценке необходимости госпитализации людей, в робот-ассистированной хирургии. Новые технологии освоили и фармацевты – ИИ применяют в разработке новых лекарственных препаратов.

Так, компания Semantic Hub недавно создала сервис на базе искусственного интеллекта для автоматизации оценки потенциала медицинских препаратов перед их выпуском на рынок. Система собирает и анализирует миллионы документов, в том числе научных публикаций, связанных с болезнью, назначением и действием разрабатываемого лекарства. Затем анализирует информацию и делает вывод о потенциале препарата с учетом всех факторов риска и конкурентных преимуществ. Раньше разработчикам лекарств удавалось изучить «вручную» лишь 1% подобных документов.

«Умные» медицинские продукты, сервисы и процессы сейчас разрабатывают практически все лидирующие «цифровые» корпорации . Всего, по данным исследовательской компании Venture Scanner, такие разработки ведут более 800 компаний по всему миру.

Многие эксперты пророчат стремительное увеличение рынка искусственного интеллекта – примерно на треть в год. По оценкам BIS Research, к 2025 году общий рынок ИИ в здравоохранении достигнет $28 миллиардов.

Но не все так безоблачно. На пути внедрения технологий ИИ в медицине возникают препятствия. И зачастую вопросы возникают у самих медицинских специалистов, у которых новшества могут вызывать обоснованное недоверие.

В чем причина возникших проблем? Попробуем разобраться.

Препятствия для искусственного интеллекта в медицине

1. Информация «второй свежести»

Речь, безусловно, ведется о качестве и объеме медицинской информации. Накопленные в медкартах пациентов данные могут быть неполными, содержать ошибки, неточности и нестандартные термины. В них недостаточно записей о жизни пациента, его привычках и поведении. Эффективных механизмов сбора этой информации пока попросту не существует.

Результаты анализа, основанного на таких данных, всегда будут вызывать обоснованный скепсис, а попытки повысить качество этого анализа упираются в изрядную трудоемкость процесса.

Для устранения этой проблемы сейчас предлагаются варианты обучения искусственного интеллекта на небольших объемах информации. В качестве успешных примеров подобного обучения можно назвать принцип работы клавиатуры смартфонов, когда система запоминает и анализирует введенные ранее слова и может прогнозировать содержание следующих текстов. На подобных технологиях основаны приложения для распознавания лиц и музыки.

При удачном внедрении в медицину система машинного обучения способна решать много задач: проверять совместимость лекарств, ставить диагнозы на основе генетического анализа. В качестве примера можно привести решение компании Droice Labs , которое делает многое из перечисленного уже на практике в России.

2. Неразговорчивые роботы

Второе ограничение предлагаемых инноваций в медицине ― отсутствие прозрачности процесса принятия решения интеллектуальным ядром системы. Искусственный интеллект работает по принципу , «черного ящика». Если в алгоритме есть ошибка, и система приняла неправильное решение, то ответить на вопрос «почему» будет крайне трудно.

Сейчас ведут разработки машин, способных раскрывать причины своих решений. К выводу подобного продукта на рынок приближаются американские ученые. В частности Агентство перспективных исследований в области обороны (DARPA) поддерживает 13 исследовательских групп, которые озабочены решением этой проблемы.

Отечественная компания «Интеллоджик» в своем патенте также заявляет об использовании медицинских онтологий для подготовки математических моделей и для представления результатов отработки нейросетевых моделей. Такой подход по заявлениям авторов патента позволит врачам понимать путь принятия решений машиной и значительно снизить количество данных, необходимое для обучения моделей.

Сложность подходов к обработке данных на основе искусственного интеллекта порождает другую проблему: подбор и развитие персонала, способного эффективно использовать и обслуживать системы с нетривиальными алгоритмами.

3. Умным машинам – умный подход!

Кроме непосредственно самого алгоритма, который может производить анализ с высокой степенью точности, для успешного внедрения новшества в практику требуется сильная проектная команда. Успех такого проекта в медицине зависит от того, насколько продуктивно взаимодействуют участники.

Команда должна включать специалистов с широким спектром компетенций в предметной области, математических алгоритмах и подходах к защите информации, с навыками программирования и наглядного представления данных. Крайне желательно, чтобы участники владели не одной, а несколькими различными компетенциями, чтобы хорошо понимать и дополнять друг друга.

4. Цена и ценность

Возникающие сложности повышают стоимость разработки, внедрения и применения решений на базе искусственного интеллекта. Высокая стоимость проектов связана и с необходимостью настройки новой системы под данные, накопленные в конкретном медучреждении, формирования квалифицированной и мотивированной команды.

А это в свою очередь ставит под сомнение возможности быстрого масштабирования технологий, предлагаемых стартапами. Масштабирование возможно, например, в случае обработки медицинских изображений одного вида, но потребности выходят далеко за эти пределы.

Отраслевые эксперты сходятся во мнении: в краткосрочной перспективе внедрение искусственного интеллекта не приведет к заметному снижению затрат. Надо продолжать искать зоны, где применение технологий искусственного интеллекта будет приносить более высокую ценность.

5. Кто защитит от хакеров?

Нельзя забывать и о том, что для обеспечения работы искусственного интеллекта нужно обеспечить доступ к высокопроизводительным вычислительным мощностям, которых зачастую в медицинских учреждениях нет. Соответственно, массивы данных придется выводить за периметр учреждения, а это угрожает безопасности хранения, что должно являться первым приоритетом. Неслучайно многие проекты внедрения искусственного интеллекта были остановлены из-за рисков, касающихся именно информационной безопасности.

Один из ярких примеров , когда Департамент по делам ветеранов США после начала успешного сотрудничества расторгнул соглашение со стартапом Flow Health – разработчиком системы интеллектуальной диагностики болезней. Как объяснили в министерстве здравоохранения Штатов, контракт был разорван, когда стало известно об обработке системой данных конфиденциального характера. В ведомстве посчитали это нарушением безопасности персональной информации пациентов-ветеранов. К слову, утечек так и не обнаружили.

Дорогу интеллекту!

Экспертное сообщество прекрасно осознает существующие проблемы и старается реагировать на них: продумывает принципы конструирования роботизированных систем, предлагает обсудить вопросы этики применения искусственного интеллекта на практике, разрабатывает новые варианты внедрения технологий. Но скажем прямо: для адекватной проработки подходов и стандартов требуется время.

Большая часть вопросов, замедляющих внедрение решений на базе искусственного интеллекта в медицине, совсем не связана с технологической стороной дела. Чаще это этические и административно-процедурные проблемы, сложности сбора и обработки данных (предоставления врачу необходимого времени для внесения информации в базу), проблемы разделения зон ответственности, понимания механизмов работы искусственных систем…

Какие же перспективы?

Несмотря на все сложности, перспективы у проектов есть. Полагаю, в ближайшие несколько лет технологии искусственного интеллекта смогут найти своего потребителя среди фармкомпаний, при поиске новых молекул и биологических мишеней, в виртуализации доклинических испытаний, а затем при анализе данных клинических исследований. Зачастую при работе с крупными компаниями удается обеспечить все необходимые условия для успешного запуска проекта.

Все вопросы решаемы. Главное, чтобы с применением новых подходов мы смогли продвинуться вперед, а не «выстрелили себе в ногу».

На уровне проектирования: прогнозирование заболеваний, выявление групп пациентов с высоким риском заболеваний, организация профилактических мер.
На уровне производства: автоматизация и оптимизация процессов в больницах, автоматизация и повышение точности диагностики.
На уровне продвижения: управление ценообразованием, снижение рисков для пациентов.
На уровне предоставления обслуживания: адаптация терапии и состава лекарств для каждого отдельного пациента, использование виртуальных ассистентов для построения маршрута пациента в поликлинике или больнице.

Искусственный интеллект в радиологии

Искусственный интеллект активно применяется в исследованиях развития методик диагностики рака. Подробнее в статье:

2019

CB Insights: В 2021 году рынок медицинских ИИ-технологий достигнет $6,6 млрд

На начало 2019 года, согласно данным аналитической компании CB Insights, начиная с 2013 года международным технологическим стартапам, развивающим технологии искусственного интеллекта , удалось привлечь $4,3 млрд в рамках 576 сделок. Кроме того, эксперты утверждают, что в течение ближайших трех лет рынок медицинских ИИ-технологий достигнет отметки в $6,6 млрд, увеличиваясь каждый год на 40%.

IBM и AstraZeneca создали нейросеть, предвещающую сердечный приступ

В начале марта 2019 года компании IBM и AstraZeneca представили нейросеть , которая может предсказывать сердечный приступ. Результаты работы новой технологии описаны в опубликованной статье «Кластеризация на основе результатов пациентов с острым коронарным синдромом при использовании многозадачной нейронной сети».

Команда исследователей собрала данные по возрасту, полу, анамнезу жизни и заболевания, вредным привычкам, а также результаты лабораторных исследований, информацию о проводимом лечении и почти 40 других показателях среди 26 986 взрослых госпитализированных пациентов в 38 городских и сельских больницах Китая . Все данные были загружены в нейросеть, которая должна была узнать, отмечалось ли у пациента в прошлом серьезное неблагоприятное сердечное событие (MACE), а также получал ли он антитромбоцитарные препараты, бета-блокаторы и статины – препараты, снижающие проявления коронарной недостаточности и предотвращающие инфаркт миокарда и инсульт .

Далее авторы статьи проводили кластеризацию методом k-средних для распределения пациентов по семи группам на основе данных, полученных нейросетью. В результате оказалось, что в первом кластере, который содержал пациентов с частыми сердечно-сосудистыми событиями по типу инфаркта и инсульта, но низкой встречаемостью ишемической болезни сердца, основным предиктором следующего сердечного приступа служило наличие сахарного диабета , в то время как в другом кластере, который включал пациентов с тяжелым течением сердечно-сосудистой патологии без предшествующего инфаркта, основными предикторами оказались пожилой возраст и повышенное систолическое артериальное давление.

Исследователи предупреждают, что, хотя кластеризация имеет значение для прогноза заболевания, неясно, могут ли эти данные эффективно использоваться в клинической практике. Тем не менее, их работа демонстрирует, что кластерный анализ на основе искусственного интеллекта является перспективным подходом для классификации пациентов с инфарктом миокарда. Будущие исследования сосредоточатся на определении «кластерно-специфических» вмешательств, при которых учитывается эффективность. предшествующего лечения.

2018

Объем рынка ИИ-технологий в здравоохранении составил $1,4 млрд - Zion Market Research

В 2018 году объём глобального рынка ИИ -технологий для здравоохранения достиг $1,4 млрд, подсчитали в аналитической компании Zion Market Research. Ожидается, что к 2025 году показатель вырастет до $17,8 млрд, а расходы на такие решения будут увеличиваться примерно на 43,8% ежегодно.

Больше всего на медицинский искусственный интеллект (машинное обучение , контекстно-зависимые вычисления, обработка естественного языка, компьютерное зрение, распознавание речи) тратят в Северной Америке. Лидерство обусловлено тем, что этот регион представляют такие технологические гиганты, как Microsoft , IBM , Google , Nvidia , Amazon , Intel , General Electric и Xilinx. Кроме того, в Северной Америке часты сделки по слияниям и поглощениям, крупные партнёрства и запуск важных продуктов.

В Европе к 2019 году рынок искусственного интеллекта, используемого в медицинских целях, можно считать зарождающимся. В 2016 году его объем измерялся $320 млн, к 2019-м он составит $1,61 млрд. При этом 21% медицинских учреждений в Европе планируют закупки ИИ-инструментов, свидетельствуют данные европейского сообщества электронного здравоохранения, обнародованные в апреле 2019 года.

Одним из главных катализатором спроса на ИИ-продукты в медицине является дефицит врачей. По данным Всемирной организации здравоохранения , к 2019 году 57 странам не хватает примерно 2,3 млн медсестер и докторов. Фактором, сдерживающим развитие этого рынка, эксперты называют отсутствие квалифицированных специалистов, которые могли бы следовать руководящим принципам в области ИИ.

К числу крупнейших производителей ИИ-решений аналитики относят следующие компании:

General Vision;
Nvidia;
AiCure;
iCarbon;
Cyrcadia Health;
Atomwise;
Pathway Genomics;
Sophia Genetics;
Apixio;

Представлен искусственный интеллект, повышающий успех ЭКО на 20%

В конце декабря 2018 года эксперты из Корнуэльского университета в и Имперского колледжа в Лондоне продемонстрировали результаты своего исследования, согласно которым эффективность ЭКО можно повысить на 10-20%, если использовать искусственный интеллект для оценки качества эмбрионов. Подробнее .

Начало установки в Китае 4 тыс. будок с ИИ-докторами, ставящими диагнозы за минуты

В конце ноября 2018 года крупнейший онлайн-провайдер медицинских услуг в Китае Ping An Healthcare and Technology рассказал, что планирует установить несколько тысяч ИИ -клиник размером с телефонную будку и распространить их по всей стране за три года. Первые такие пункты оказания медицинской помощи уже заработали. Подробнее .

Как искусственный интеллект будет развиваться в медицине в 2019 году

Япония строит ИИ-больницы для решения проблемы нехватки врачей

В августе 2018 года стало известно о том, что правительство Японии, при поддержке бизнеса и научного сообщества, начинает строительство в стране больниц, в которых на помощь медикам придет искусственный интеллект . За счет ИИ-технологий предполагается справиться с нехваткой врачей в Японии, разгрузить персонал и сократить медицинские расходы. Подробнее .

Предложены первые рекомендации по применению ИИ в сфере здравоохранения

18 июня 2018 года Американская медицинская ассоциация (AMA) предложила первые в мире рекомендации по использованию искусственного интеллекта в области здравоохранения. В заявлении, которое представитель AMA огласил на ежегодной конференции в Чикаго, указаны основные направления дальнейшего развития ИИ в этой отрасли.

Согласно этому заявлению, AMA намерена внедрять наработки в области искусственного интеллекта и других приоритетных областях для улучшения результатов лечения и для профессионального удовлетворения врачей. AMA собирается использовать свое значимое положение в отрасли для привлечения производителей, определения приоритетов в разработке ИИ, а также решения проблем, связанных с валидацией и внедрением новых методик. Кроме того, AMA намерена разработать план обучения специалистов и донесения информации до пациентов об ограничениях и возможностях, которые характерны для этой категории аналитических инструментов.

AMA выступает за интеграцию тщательно продуманных, высококачественных и клинически апробированных методик применения ИИ, а также требует надлежащего профессионального и правительственного надзора за их безопасным, эффективным и законным использованием. Аналитические технологии на основе ИИ, считает AMA, должны быть доступны для проверки и выявления систематических погрешностей на всех этапах разработки, соответствовать ведущим стандартам воспроизводимости, а также защищать интересы частных лиц и конфиденциальность личной информации.

AMA считает, что в центре внимания должны быть потребности пользователей, а использование системы ИИ должно проверяться на репрезентативной выборке в рамках клинического исследования.

ИИ научили предсказывать падение артериального давления во время операции

В июне 2018 года в журнале Anesthesiology были опубликованы результаты, полученные группой исследователей, которая разработала алгоритм прогнозирования потенциальной гипотонии или аномального падения артериального давления во время операции.

Для создания алгоритма исследователи воспользовались технологией машинного обучения – искусственный интеллект проанализировал данные 1334 пациентов, во время операции которых производилась регистрация артериального давления – в общей сложности 545 959 минут. На основе этих данных был подготовлен алгоритм прогнозирования гипотонии во время операции.

Утвердив этот алгоритм, исследователи провели его проверку на втором наборе данных, включавшем показатели артериального давления 204 пациентов общей длительностью 33 236 минут. В эти записи входило 1923 эпизода гипотонии. Алгоритм точно предсказал внезапное падение артериального давления за 15 минут до его возникновения в 84 % случаев, за 10 минут до его возникновения - в 84% случаев и за пять минут до его появления - в 87% случаев.

Исследователи предполагают, что данный алгоритм может активно использоваться анестезиологами и хирургами для предотвращения осложнений, связанных с гипотонией, таких как послеоперационный инфаркт миокарда или острая почечная недостаточность.

Как отметил в своем заявлении Максим Каннессон (Maxime Cannesson), доктор медицинских наук, ведущий научный сотрудник, профессор анестезиологии и бывший заведующий кафедрой периоперационной медицины в Медицинском центре UCLA в Лос-Анджелесе, ранее у врачей не было возможности предсказать гипотонию во время операции, и разумеется, в таких условиях анестезиологам приходилось действовать очень быстро в ответ на внезапное падение артериального давления. Возможность прогнозирования эпизодов гипотонии во время операции позволит врачам активно предупреждать развитие этих эпизодов и их осложнений.

ИИ лучше врачей распознает рак кожи

В конце мая 2018 года было опубликовано исследование, показавшее более высокую эффективность искусственного интеллекта по сравнению с человеком в части распознавания рака. Однако в труднодоступных местах компьютер не столь точен. Подробнее .

Три наиболее перспективных применения ИИ в медицине

Искусственный интеллект привлекли к УЗИ-диагностике беременных

В британской больнице запустили новый вид тестирования плода на патологии, которые не способен заметить врач. В основанную на искусственном интеллекте систему заложено 350 000 снимков, классифицированных по тем или иным отклонениям .

По уточнению Engineer, УЗИ-диагностика с искусственным интеллектом получила название ScanNav и призвана давать врачу дополнительные сведения в режиме реального времени. В результате ИИ позволяет специалисту не сомневаться, что учтены все ракурсы. Последнее особенно актуально из-за движения плода в утробе матери.

Пока технологию апробируют в тестовом режиме в акушерстве, но в будущем разработку планируется применять в различных областях медицины. К слову, на ИИ-диагностов уже возложены большие надежды в испытывающей дефицит врачей Японии , а в Китае искусственному интеллекту и вовсе выдали врачебную лицензию.

Поиском новых антибиотиков займется искусственный интеллект

Устойчивость к антибиотикам - это одна из больших проблем современной медицины. Благодаря повсеместному применению антибиотиков и несоблюдений инструкций врача лекарства перестали воздействовать на бактерии, что вызывает проблемы при лечении как самых обыкновенных повседневных заболеваний, так и тяжелых .

Одна техника, которая может справиться с устойчивостью к антибиотикам, - это поиск вариантов известных антибиотиков. К сожалению, это крайне тяжелый и трудоемкий процесс, требующий времени. По крайней мере, для людей. Когда в дело вступают алгоритмы, вопрос времени перестает быть настолько значимым.

Группа американских и российских исследователей создали антибиотический алгоритм, который, быстро разбирая базы данных, может открыть в 10 раз больше вариантов антибиотиков, чем было открыто за все время подобных исследований в предыдущие годы.

Алгоритм, известный как VarQuest, описан в статье, опубликованной в последнем номере журнала Nature Microbiology. Хосейн Махимани, профессор университета Карнеги-Меллона, говорит в пресс-релизе, что VarQuest завершил поиск, который методами традиционных вычислений занял бы сотни лет.

Также Мохимани указывает, что VarQuest сумел предоставить более тысячи вариантов пептидных групп, используемых для производства антибиотиков, за рекордно короткое время, и таким образом он может дать микробиологам более широкую перспективу, возможно, даже предупредить о трендах или паттернах микробиологического мира, которые иначе прошли бы полностью незамеченными.

2017

В здравоохранении грядет "цунами" ИИ-технологий

Создано ИИ-устройство для удаленного контроля сна при помощи радиоволн

8 августа стало известно о том, что инженеры (MIT) при участии специалистов Центральной больницы штата Массачусетс разработали ИИ-систему, способную контролировать сон человека при помощи радиоволн.

Как передаёт издание TNW, устройство, которое по виду напоминает обычный роутер Wi-Fi , дистанционно анализирует радиосигналы вокруг человека и по движению глаз определяет стадии сна - легкую, глубокую или быструю. Поскольку радиоволны отражаются от тела, любое небольшое движение тела изменяет частоту отраженных волн. Анализ же этих волн помогает выявить жизненно важные параметры жизнедеятельности человека, такие как пульс и частота дыхания, и определить отклонения от нормы. Для функционирования прибор не требует датчиков и приспособлен для применения в домашних условиях.

Предполагается, что мониторинг сна в режиме реального времени в естественных условиях позволит ответить на многие вопросы, связанные с его расстройством. По задумке ученых MIT, их разработка превратится в итоге в полноценный инструмент, который позволит лечащим врачам отслеживать параметры сна на расстоянии, корректируя его в случае необходимости.

Эксперимент по клонированию свиней в Китае провели роботы с ИИ

Впервые в истории человечества китайские ученые из Института робототехники и автоматизированных информационных систем при Нанькайском университете (Nankai University) города Тяньцзинь провели успешное клонирование свиней с помощью роботов, передает China People"s Daily. В начале января 2017 года 510 клонированных эмбрионов были помещены в шесть суррогатных свиноматок. В результате эксперимента две свиноматки в конце апреля, на 110 день беременности родили 13 здоровых искусственно выведенных поросят.

При проведении эксперимента по клонированию свиней ученые впервые использовали специальные роботизированные микроманипуляторы-анализаторы, которые выполнили все операции по сбору и переносу ДНК от животных-доноров к суррогатным носителям. Универсальные микроманипуляторы под управлением искусственного интеллекта для операций с ДНК объединяют в себе функции забора анализов, тестирования и оперирования.

В процессе клонирования свиней, проведенного в сотрудничестве с Институтом животноводства и ветеринарного исследования (Animal Husbandry and Veterinary Research Institute), была задействована так называемая техника ядерного переноса соматических клеток (Somatic Cell Nuclear Transfer, SCNT), обычно используемая для селекции - когда ядро соматической клетки переносится в яйцеклетку без ядра. Преимуществом этой методики является гарантия качественного осеменения яйцеклетки, а недостатком - низкий уровень успешного завершения экспериментов из-за большого процента брака в процессе клонирования.

Основная проблема процесса клонирования с ядерным переносом заключается в том, чтобы избежать разрушения чувствительных клеток. Исследователи произвели предварительный анализ мощности, необходимой инструменту для безопасной работы с клетками при удалении ядер, и затем отрегулировали его на минимально возможном уровне. Благодаря этому степень деформации клеток уменьшилась с 30-40 мм до 10-15 мм, что улучшило последующее развитие клетки и увеличило шансы на успех.

Предполагается, то полученные в результате исследования данные о взаимосвязи микрооперацией над клетками и дальнейшим развитием клеток сможет помочь другим ученым сделать следующие открытия в этой области.

Искусственный интеллект научили предсказывать инфаркт лучше докторов

В апреле 2017 года ученые из Университета Ноттингема представили технологию искусственного интеллекта, способную предсказывать наступление сердечного приступа. Разработчики утверждают, что точность прогнозирования выше, чем у докторов.

В ходе исследования сравнили эффективность рекомендаций медиков с работой четырех программ, написанных с использованием алгоритмов машинного обучения . Ученые преследовали цель найти закономерности в записях более 378 тыс. пациентов. В компьютер были заложены 22 критерия, в том числе возраст, национальность, наличие артрита и заболеваний почек, уровень холестерина в крови.

Сделанные искусственным интеллектом выводы о рисках развития инфаркта сверили с данными за 2015 год, и они оказались более точными, чем предсказания врачей, основанные на рекомендациях Американского коллежа кардиологии (American College of Cardiology, ACC) и Американской ассоциации сердца (American Heart Association, AHA): от 74,5% до 76,4% точности против 72,8%.

По приблизительным подсчетам авторов проекта, компьютер мог бы спасти на 355 жизней больше, чем методика ACC и AHA. Ученые намерены повысить эффективность интеллектуальной системы, добавив в нее учет таких факторов риска, как образ жизни и генетические данные.

Интересно, что алгоритмы не учитывали влияние диабета, который всегда считался фактором риска в системе ACC и AHA.

По словам эпидемиолога Ноттингемского университета Стивена Вэна, биологические системы имеют множество взаимосвязей, часть которых неизвестна врачам: например, повышенное содержание жира в организме при определенных условиях может защитить от острых отклонений в работе сердца. Подобные взаимодействия неочевидны, их сложно заметить и объяснить, но компьютерная программа способна проследить связь , проанализировав огромные объемы данных, считает он.

Обзор генерального директора сервиса Doc+ Руслана Зайдуллина.

В закладки

Искусственный интеллект (ИИ) - -то не кибернетический разум, а система алгоритмов, основанная на машинном обучении. Ученые считают, что в будущем ИИ освободит нас от выполнения рутинных задач во многих сферах. Например, искусственный интеллект может оказать серьезное влияние на медицину.

«Умные» медицинские продукты, сервисы и процессы уже разрабатывают такие компании как IBM, Google, Apple, Microsoft, General Electric и многие другие: по данным исследовательской компании Venture Scanner, их более 800. Активнее всех действуют компании из США, Великобритании и Израиля.

Аналитики из IDC подсчитали, что к 2018 году 30% медицинских организаций предложат клиентам услуги на базе искусственного интеллекта. В этом материале мы расскажем, что сегодня умеют делать интеллектуальные системы, и кто занимается их разработкой.

Обработка данных о пациентах

Каждый медицинский снимок, протокол осмотра и анамнез содержит информацию, которая позволяет точно поставить диагноз и назначить лечение. К сожалению, даже опытные врачи не всегда видят полную картину заболевания, потому что данные в медицинской карте не структурированы, а история болезни может быть слишком объемной. На эффективность их работы также влияет усталость и в некоторых случаях - недостаток знаний в узких областях.

Часть заболеваний, например онкологических, можно победить, если вовремя распознать неочевидные симптомы и начать лечение. По данным Google, каждый десятый пациент страдает из-за неправильной интерпретации медицинской информации.

Искусственный интеллект может решить эту проблему. «Умные» разработки для оценки состояния пациента и предварительной диагностики предлагают корпорации Google (Deepmind Health) и IBM (Watson Health).

Один из примеров интеллектуальных mHealth-решений - сервис Ada . Мобильное приложение задает вопросы, а человек описывает свои симптомы. После этого система ищет в базе данных информацию о проблеме, дает рекомендации и в некоторых случаях советует обратиться к врачу. На российском рынке разработкой подобных решений занимается DOC+ , а также Qapsula .

Есть и другие похожие сервисы. Причём они способны диагностировать сложные заболевания: например, диабетическую ретинопатию. Или даже предсказать возможные проблемы с сердцем у внешне здоровых людей.

Особый уход требуется людям, которые недавно выписались из больницы. Для них было разработано приложение Sense.ly , основа которого - все тот же искусственный интеллект.

Система собирает и анализирует данные о состоянии здоровья человека и отправляет их врачу. Если специалист замечает проблему, он немедленно отправляет пациента в больницу. К сожалению, в России он пока недоступен: сервис работает только в США.

Набирает популярность и генетический анализ. Чем больше у врачей информации о первопричине заболевания, тем эффективнее лечение. В этом им помогают «умные» системы по анализу генома. Один из таких сервисов - Sophia Genetics . Анализ ДНК позволяет выявить предрасположенность человека к ряду заболеваний: язве желудка, диабету и так далее.

Также стоит отметить проекты Human Longevity и Deep Genomics . Их задача - первичный сбор информации и создание «генетической» базы данных. Уже сегодня можно сдать пробу генетического материала и получить развернутый отчет с анализом своего генома. Например, такую услугу предоставляет американский сервис 23andMe и отечественный «Атлас ».

Такие проекты не просто удовлетворяют любопытство клиента, но и помогают, например, подобрать лекарство по индивидуальным особенностям.

Искусственный интеллект позволит точнее моделировать лекарства. В будущем ученые смогут задавать желаемые свойства химического соединения, а компьютер будет формировать необходимую молекулярную структуру.

Уже сейчас есть компании, предлагающие такие решения. Одна из них, Atomwise , использует суперкомпьютеры для поиска оптимальной формулы лекарства. Другой пример подобного проекта - компания Berg Health .

Если искусственный интеллект получит распространение в фармацевтике, можно будет ожидать появления качественно новых лекарств и сокращения времени их выхода на рынок.

Российские разработки

Выше мы много раз приводили в пример проекты из Европы, Азии и США. Однако в России тоже ведется работа по нескольким направлениям из сферы медицинского ИИ. Наиболее популярные из них касаются распознавания речи и онлайн-диагностики заболеваний по медицинским снимкам.

В прошлом году «Центр речевых технологий» получил 250 млн рублей на разработку облачного сервиса для распознавания медицинской речи Voice2Med.

Задача проекта - сократить время, которое медработники тратят на заполнение документов. Как заявляют в Министерстве труда и социальной защиты, сейчас на это уходит половина рабочего времени.

На уровне проектирования: прогнозирование заболеваний, выявление групп пациентов с высоким риском заболеваний, организация профилактических мер.
На уровне производства: автоматизация и оптимизация процессов в больницах, автоматизация и повышение точности диагностики.
На уровне продвижения: управление ценообразованием, снижение рисков для пациентов.
На уровне предоставления обслуживания: адаптация терапии и состава лекарств для каждого отдельного пациента, использование виртуальных ассистентов для построения маршрута пациента в поликлинике или больнице.