Подсказки, которые выручают здоровье | статьи на zarabotok-igra

Следя за работой доктора на приеме, невольно задаешься вопросцем: неуж-то можно верно оценить состояние пациента всего за пару минут? Опытнейший доктор обычно совладевает: опрос, беглый взор на результаты крайних анализов и исследовательских работ, осмотр — и предназначение исцеления. Рутина. Но может ли доктор сказать, что будет со здоровьем этого человека через год-другой? Потребность в такового рода прогнозе очень велика: профилактика томных болезней, обнаружение самых первых «тревожных звоночков» — слабенькое пространство современного здравоохранения, и эпидемия COVID-19 это в очередной раз подтвердила. Не случаем прогнозная аналитика, управление популяционными рисками и поддержка принятия клинических решений входят сейчас в топ самых «жарких» направлений на рынке мед ИТ.

Но для адекватных прогнозов докторам необходимо на порядки больше данных и… времени на их исследование. И здесь на сцену выходит его величество искусственный ум. «Процесс анализа электрической мед карты может занимать до 10–15 минут и наиболее, что совсем неприемлемо в настоящей медицинской практике, — свидетельствует врач-кардиолог Денис Гаврилов. — Внедрение технологий искусственного ума во докторскую практику дозволяет уменьшить время на обработку мед данных пациента для оценки и выявления причин риска и подозрений на заболевания в исходной стадии. В этом случае перегрузка по анализу данных переносится с доктора на информационную систему».

Денис Гаврилов: «Внедрение искусственного ума во докторскую практику дозволяет уменьшить время на обработку мед данных пациента для оценки и выявления причин риска и подозрений на заболевания в исходной стадии»

Искусственный ум подобен системе сигнализации, которая по мере необходимости включает тревогу: «Не пропустите!». Сейчас уже в 2-ух русских регионах «присутствие» «умного» ассистента на приеме доктора тоже становится в неплохом смысле рутиной. Звучит фантастически. О том, как искусственный ум «сказку делает бывальшиной», ведает Александр Гусев, директор по развитию компании «К-Скай». Компания из Карелии, сделанная Александром совместно с Романом Новицким, практикуется на разработке моделей, предсказывающих развитие болезней при помощи машинного обучения. Система Webiomed уже работает в 12 поликлиниках в Кировской области и в 10 в Ямало-Ненецком автономном окружении.

Александр Гусев: «Всего три года вспять я относился к искусственному уму как к научной фантастике»

Александр Гусев: «Data scientist быть может наиболее действенным, чем доктор на приеме и спасти больше жизней. И это не притча»

— С что все началось? Как родилась мысль создать «мед ум»?

Если честно, всего три года вспять я относился к искусственному уму как к научной фантастике. Но когда на западе начался бум ИИ-стартапов для здравоохранении, сотрудник порекомендовал направить внимание на это как на вероятное направление для грядущего роста. Тема мед искусственного ума зацепила. Это оказалось весьма любопытно: тут был не только лишь бизнес, и не только лишь технологии — встречались настоящие случаи, когда искусственный ум выручал жизни, находя, к примеру, пропущенную онкологию, по этому пациента начинали вылечивать ранее.

 — Какие важные реперные точки вы прошли с того времени?

1-ая таковая точка — создание в 2018 году Ассоциации разрабов и юзеров искусственного ума в медицине (Государственная база мед познаний). Уже в осеннюю пору такого же года нам удалось условиться с руководителями Ямала о проведении пилотного проекта и испытать 1-ые выработки. Сегодняшней в весеннюю пору мы окончили клинические тесты системы и окончили процесс госрегистрации. Это реальный прорыв, до сего времени ни одна система поддержки принятия решений доктора в Рф не имеет таковой регистрации.

В конце концов, сиим в летнюю пору мы завлекли венчурные инвестиции. Достигнуть доверия личных инвесторов, чтоб они вложили в компанию личные средства, — это выход на совсем другую орбиту.

— Как планируете развивать проект?

Система Webiomed стала первой русской разработкой в области искусственного ума для здравоохранения, зарегистрированной как мед изделие. Ранее никто не веровал в то, что это совершенно может быть.

С нашим искусственным умом работают докторы Кировской области и Ямала, развивается проект в Карелии. Желаем запустить еще несколько региональных проектов в Рф и испытать выйти на интернациональный рынок.

— Какие люди для вас необходимы для развития проекта?

У нас открыты вакансии профессионалов по работе с данными, аналитиков, программистов. Мы весьма стремительно растем, людей не хватает чертовски. Нам необходимы таланты!

Data Science — это пока быстрее искусство, чем мастерство. Тут почти все зависит от интуиции и везения. Способов и пакетов огромное количество, и они весьма по-разному работают на различных данных и в различных задачках. Много месяцев уходит на опыты. К примеру, глубинное обучение кое-где дает прекрасный итог, а кое-где — на порядок ужаснее, чем байесовский способ либо деревья решений. Научили машинку, сделали метод, а он нередко ошибается. Но в медицине ошибки очень дороги. Мы отыскиваем ребят, которые возьмут нашу задачку и сделают таковой четкий метод, который все превзойдет.

— Есть ли у вас требования к образованию, уровню познаний и способностей?

К набору в команду мы подходим неформально, берем даже без проф образования. Нам важнее пылающие глаза и желание развивать совместно с нами наш проект. Эффективность оцениваем не сначала. Хотя амбиции людей нередко опережают их настоящий потенциал.

Беды в нашей работе случаются на порядок почаще, чем фортуны. Человек, который «пылает», переживет беду и будет далее пробовать находить решение, а тот, кто относится к работе формально, не поможет нам достигнуть загаданного. У нас есть несколько студентов-старшекурсников и ребят, лишь что закончивших институты, и они реально «зажигают».

— Как вы их находите?

Нередко случаем. Весьма посодействовали публикации в СМИ — опосля их к нам стали обращаться, в том числе из соц сетей.

Спасительный искусственный ум

Когда data scientist получает банк данных с млрд записей о миллионе пациентов и находит неведомое мед науке познание, а программный продукт интегрирует это познание в рабочее пространство доктора и направляет его внимание на конкретное болезнь на самой-самой ранешней стадии, возникает возможность спасти здоровье и жизнь еще большего числа людей.

«Мед ум быть может наиболее действенным, чем доктор на приеме, и спасти больше жизней. И это не притча, — убежден Гусев. — Человек может еще ни на что не сетовать, а искусственный интелект уже осознает, чем, быстрее всего, дело кончится. И это можно научно доказать».

Тесты на практике демонстрируют, что система относит к группе высочайшего риска в пару раз больше пациентов, чем докторы во время диспансеризации, замечает больше причин риска, учитывает пропущенные данные. И все это — без доп накладных обследований, что важно для оптимального расходования бюджетов.

Хотят знать, что будет

Сначала систему Webiomed обучили работать с сердечно-сосудистыми болезнями — предвещать инфаркты, инсульты, развитие гипертонии и погибель от их. Во-1-х, поэтому что это основная неудача по частоте заболеваемости и вероятности смерти людей, а во-2-х, поэтому что мед консультанты в команде — кардиологи.

Две модели на нейронных сетях, работающие как «темные ящики», делают вывод о том, что будет с пациентом. Большая часть имеющихся цифровых сервисов в главном анализируют изображения либо результаты анализов и докладывают, что не так с пациентом в реальный момент. Создатели Webiomed идут далее — пробуют спрогнозировать, что будет и предупредить пациента: через три года может случиться инфаркт либо инфаркт. Чтоб человек задумался, начал вести здоровый стиль жизни и соблюдать советы докторов на данный момент, а не когда уже будет поздно.

В истинное время разрабатываются средства прогнозирования госпитализации кардиопациентов в течение ближайших 12 месяцев. Потом планируется добавить способности для прогнозирования сладкого диабета, заразных и остальных болезней.

Производственная база — копилка данных

Что любой денек делает команда, не считая разработки продукта? Собирает мед данные! «Мы встречаемся с руководителями клиник, главами регионов, разрабами мед систем и договариваемся о получении обезличенных данных», — поведал Гусев. Таковым образом скапливается большая база — банк биомедицинских данных, хранящихся в федеральном ЦОДе, в облаке Mail.ru. На данный момент в банке находится около 50 млн документов — информация о приблизительно 1,2 млн пациентов.

Средний возраст источников данных — около 7 лет. Самым богатым данными медкартам наиболее 20 лет — одна карельская клиника ведет стопроцентно электрическую историю заболевания с 1998 года. Самым юным источникам только два-три года, да и в их есть, что рассматривать.

На базе скопленных спецы в области data science делают модели способами машинного обучения и отыскивают зависимости. «Их роль в успехе главная: если они не научатся отменно извлекать познания, продукта просто не будет. Data science — это наша курица, несущая золотые яичка, и сразу ахиллесова пята», — признается Гусев.

Сероватая зона, шлак и деградация точности

Основное препятствие, о которое часто спотыкается ИТ-бизнес в медицине, — «сероватые» зоны нормативного регулирования. По закону данные принадлежат пациенту, и нужна грамотная поддержка юристов, чтоб компанию не обвинили в нелегальном сборе инфы. Но это кислая область. Еще увлекательнее трудности другого порядка.

Собранные из медкарт обезличенные документы — это сырые данные. Набор данных, на котором выходит сделать модель, должен содержать минимум несколько тыщ записей. При всем этом соотношение шлака и нужных сведений сумасшедшее: нужно перекопать 100 тыс. тонн «грунта», чтоб отыскать малюсенький «самородок». Из миллиона карт пациентов выходит датасет всего из 200–300 записей, где есть мало нужные данные (возраст, рост, вес, артериальное давление, анализ крови и т. д.). Время от времени пациента наблюдают издавна, но при всем этом никогда не инспектировали его уровень холестерина, не делали УЗИ, данные которого содержат много ценной инфы для пророчества болезней.

Как достверный прогноз делает искусственный ум? Точность моделей — это «математическая уверенность» в том, что данные интерпретируются верно. На данный момент точность Webiomed составляет 78–79%, что доказано и пилотными проектами, и клиническими испытаниями. Это не рекорд, в мире есть соперники, которые предсказывают развитие неких болезней с точностью 85–90%. «Для меня это что-то невиданное, поэтому что время от времени огромную роль играет фактор случайности, — объясняет Гусев. — К примеру, предпосылкой тромбоэмболии может стать резкое движение, и предсказать это просто нереально».

Для увеличения точности есть лишь один путь — набирать как можно больше данных и учесть больше признаков по любому пациенту. В команде Гусева машинное обучение начинали с датасета в 500 пациентов и 10 признаков, на данный момент — уже 5 тыс. пациентов и практически 20 признаков, последующий уровень — 50 тыс. пациентов и выше 100 признаков.

Пока собственных данных недостаточно, систему учят на готовых забугорных датасетах. К примеру, для обучения прогнозированию сладкого диабета пришлось применять узнаваемый эндокринологам южноамериканский датасет. Но когда модель учят на данных иной популяции, а позже инспектируют на практике в Рф, ее точность иногда выходит недостаточной. В Рф и Европе риск погибели от сердечно-сосудистых болезней почаще всего оценивают по шкале SCORE (Systematic Coronary Risk Estimation), к примеру при диспансеризации. Но, когда шкалу SCORE инспектировали в настоящей медицинской практике в остальных странах, ее «точность» оказывалась всего 30% — поточнее будет подкинуть монетку.

Но выход есть: нужно разрабатывать собственные модели, которые учитывают эндемичность русского пациента. А для этого необходимо накапливать данные и создавать свои датасеты. Это долгая и непростая работа исследователей данных. Конкретно сиим на данный момент и занимаются Гусев и его команда.

«Чтоб нам доверяли, необходимо чтоб наши прогнозы были очень точными, — объясняет он. — Но, добавляя новейшие причины риска, мы повышаем точность только на толики процента, а чтоб повысить ее на 5%, пригодится два–три года работы — по каждой заболевания».

На данный момент в команде занимаются прогнозированием сладкого диабета, легочных и заразных болезней, также патологических состояний беременных. Уже к концу 2020 года заместо 1-го мед направления будет 5.

Научиться читать как доктор

Почти все данные хранятся в виде изготовленных доктором текстовых записей. Но, накопив миллионы документов, необходимо научиться рассматривать не тексты, а факты. К примеру, курил пациент либо нет. Курение — суровый фактор риска сердечно-сосудистых болезней: инфаркты-инсульты у курильщиков случаются еще почаще. Как из текста вынуть факт? Извлечение достоверных данных из докторских записей — сложная история, ведь эти записи — отдельный эпистолярный жанр. Доктор может написать: «пациент бросил курить вчера», «не курит», «никогда не курил», «опровергает курение как факт». А машинка лицезреет слово «курит» и задумывается, что пациент курит. Над тем, чтоб обучить ее осознавать аспекты и передавать смысл, работают целые компании, специализирующиеся на обработке текстов на естественном языке (Natural Language Processing, NLP). А для прогнозирования заболевания нужно извлекать не один признак, а огромное количество. Для британского языка есть надежные модели извлечения познаний из неструктурированных мед текстов, возникают также работы в Китае, но русских специализированных ресурсов конкретно для медицины очень не достаточно.

О сколько нам открытий…

Южноамериканские и китайские ученые, работающие над пророчеством инфарктов и инсультов, не так давно выпустили любознательный итог собственного исследования. Они собрали для анализа не только лишь мед документы, да и данные о погоде, месте жительства пациента и его работе — так именуемые социальные детерминанты. Учет соц детерминантов — хайповая тема в мед data science!

Оказалось, один из самых надежных предикторов инфаркта либо инфаркта — расстояние от места жительства пациента до гипермаркета. Сначала врачи посмеялись над сиим открытием. Но статистически это полностью буквально подтверждено. Стали разбираться, почему так. Оказалось, что, когда у человека под боком магазин с дешевеньким фастфудом, он почаще покупает больную, жирную пищу. На фоне такового питания развивается склероз и нарастают смертельные опасности. Чем далее гипермаркет, тем меньше соблазнов и здоровее человек. : -)

Как это работает?

Доктор не ведет взаимодействие с искусственным умом впрямую, он воспринимает пациента и ведет записи в электрической мед карте. Мед информационная система, присоединенная к федеральному облаку, автоматом посылает в него данные в фоновом режиме и получает назад итог их умственной обработки. Если искусственный ум обнаруживает тревожные тенденции, на экран выводится всплывающая подсказка: перечень болезней c оценками риска, где заболевания с высочайшим риском выделены красноватым цветом. Цифровой ассистент подает сигнал доктору: смотри, здесь скоро будет инфаркт!

Если искусственный ум обнаруживает тревожные тенденции, на экран выводится всплывающая подсказка: перечень болезней c оценками риска.
Фото: «К-Скай»

«Мы еще не готовы докладывать возможность и дату инфаркта для определенного пациента, но с течением времени к этому придем, — уверен Гусев. — На данный момент говорим лишь о группах риска: из 100 пациентов данной группы 20 получат такое болезнь. Пока докторы будут привыкать к искусственному уму, будем потихоньку конкретизировать прогнозы. Не попросту 'направьте внимание, высока возможность инфаркта', а 'с вероятностью 90% через год будет инфаркт'».

Границы чуда

Назначая исцеление либо следя пациента, доктор может принять подсказку искусственного ума во внимание… либо не принять. «Мы возлагаем надежды, что он учтет нашу подсказку, но пока не контролируем реакцию доктора», — гласит Гусев. В одной поликлинике попробовали «вмешиваться» в решение доктора, не давая подписать документ, если в нем некорректно определены диагноз либо группа здоровья (другими словами искусственный ум относит пациента к группе высочайшего риска, а доктор утверждает, что пациент здоров). В итоге получили резко нехорошую реакцию докторов с перспективой отказа от использования системы.

А ведь искусственный ум совсем не покушается на профессиональную репутацию медиков, которые сосредоточены на «тушении пожара» — работе с жалобами пациентов — и потому нередко недооценивают опасности, упускают из виду значительные причины и пропускают медкарты при стратификации рисков.

Это этическая и психическая неувязка: как мировоззрение докторов подвергается сомнению, они отвергают источник этого сомнения, даже если оно правомерно. Потому создатели пока просто фиксируют факт того, что искусственный ум разошелся во воззрениях с доктором, и могут предоставить эту информацию руководителям в виде аналитического отчета.

Чтоб буквально узнать, удалось ли c помощью искусственного ума понизить смертность, будет нужно пару лет наблюдений. Пока таковых данных нет, но компания уже готовится провести исследование: двойное слепое рандомизированное — как в фарминдустрии. «Мы отыскиваем федеральный научный центр, который поможет его организовать, у нас самих не хватит компетенций в клинических исследовательских работах», — сказал Гусев.

Источник: osp.ru

Добавить комментарий