Огромный потенциал искусственного ума в здравоохранении нереально всеполноценно разглядеть в одном обзоре — каждое направление данной для нас обширной темы заслуживает отдельного исследования. В разработку технологий для этих отчасти пересекающихся направлений вкладывают свои средства 250 глобальных компаний, которые занимаются мед умом.
В Рф в данной для нас области до сего времени работало около 20 обществ, в главном средних и маленьких. По меткому выражению Бориса Зингермана, генерального директора НБМЗ, если огромные данные — это «новенькая нефть», то нефть эта сланцевая, тяжело добываемая, а если искусственный ум — «новое электричество», то вырабатывается оно пока в главном ручной динамо-машиной. Но в современном мире все весьма стремительно изменяется весьма стремительно. И юным энтузиастам, которые желают проявить себя в разработке умственных решений для медицины, все пути открыты.
«Жгучая 10-ка» умной медицины
Призовем на помощь профессионалов рынка, работа которых — выделять самые свежайшие и животрепещущие тенденции. По данным компании Frost&Sullivan, в 10-ку самых многообещающих сфер для внедрения искусственного ума в здравоохранении в 2018–2022 годах входят:
разработка и применение фармацевтических средств;
мед изображения и диагностика;
системы поддержки принятия докторских решений;
прогнозная аналитика и анализ рисков;
управление и мониторинг вида жизни;
обработка и анализ инфы с носимых устройств;
управление приобретенными состояниями;
виртуальные помощники;
психическое здоровье;
неотложная помощь и хирургия.
Разработка и применение фармацевтических средств: убыстрение и перестройка
В процесс сотворения новейших фармацевтических средств искусственный ум принес до этого всего скорость работы с большенными данными. Чтоб избрать несколько нужных молекул из того дециллиона частиц, что могут быть применены для сотворения фармацевтических средств, инструменты машинного обучения анализируют базы данных имеющихся молекул и их параметров и дают новейшие варианты композиций. Главная роль искусственного ума на данной для нас стадии заключается в прогнозировании взаимодействия меж молекулами грядущего лекарства и белками в клеточках человека. Убыстрение поиска молекул-кандидатов резко понижает стоимость разработки новейших препаратов. Не считая того, искусственный ум может употребляться для исследования устройств заболевания и поиска биомаркеров.
Подтверждение сохранности новейших препаратов — дело длительное, потому единственный метод отреагировать на ситуацию так стремительно, как это требуется, к примеру, при пандемии, — отыскать новое применение ранее одобренным продуктам и стремительно отобрать кандидатов на клинические исследования. Для репозиционирования препаратов «умная» система агрегирует информацию биомедицинских баз данных и массивов данных клинических испытаний.
Например, технологию cверточных нейронных сетей дизайнеры фармацевтических средств адаптировали для того, чтоб извлечь познания из миллионов измерений силы межмолекулярного взаимодействия, приобретенных экспериментальным методом. Таковым образом несколько годов назад отыскали молекулу, потенциально активную по отношению к вирусу Эбола. В этом году нейросеть русской команды GERO проанализировала активность тыщи препаратов на способность перекрыть фермент, без которого вирус SARS-CoV-2 не может плодиться в человечьих клеточках. Вышло два перечня: уже используемые препараты и находящиеся на стадии испытаний. Избрать из их 5 вправду увлекательных для предстоящего исследования — задачка уже посильная для людей.
Проверка структуры сотен миллионов хим соединений и выявление их параметров дозволили достигнуть прогресса и в поиске принципно новейших лекарств, по механизму деяния различающихся от имеющихся препаратов. Над данной для нас задачей ученые бьются уже несколько десятилетий. Сначала 2020 года в Массачусетском технологическом институте синтезировали новейший мощнейший антибиотик, использовав методы машинного обучения. Вещество окрестили halicin в честь умопомрачительной компьютерной системы HAL 9000, управлявшей кораблем в «Галлактической одиссее 2001 года» Стэнли Кубрика. Вначале его изучали как лечущее средство от диабета, а в итоге вышло средство борьбы с супербактериями. MIT Technology Review даже включил применение искусственного ума для разработки фармацевтических средств в перечень основных технологических тенденций 2020 года.
Еще одна ценная способность аналитических технологий ярко проявилась во время работы над вакциной от COVID-19. Искусственный ум помогает фармкомпаниям облагораживать дизайн клинических исследовательских работ, стремительно и буквально подбирать пригодных пациентов, улучшить процесс и рассматривать его результаты, также ассоциировать их с данными пациентов, которые находятся вне исследования, и классифицировать для следующего анализа.
Мед изображения и диагностика
Применение искусственного ума для анализа и интерпретации изображений, приобретенных в итоге лучевой диагностики, также в крайнее время на слуху, в том числе «благодаря» коронавирусу. Разрабам, которые ранее учили свои системы обнаруживать на снимках злокачественные новообразования, оказалось сравнимо просто научить распознавать соответствующий для ковида эффект «матового стекла».
Трудности с точностью диагностики есть даже при определении самых всераспространенных болезней, не говоря уже о редчайших болезнях, и неважно какая помощь доктору тут не имеет цены. Компьютерное зрение в сочетании с технологиями машинного обучения дает возможность резвее рассматривать рентгеновские, КТ- и МРТ-снимки, маммограммы, макроснимки гистологических препаратов, автоматом выявлять на их области с вероятной патологией и завлекать к ним внимание доктора. Таковым образом, сокращается время на постановку диагноза, которое быть может критическим для начала исцеления, понижается количество ошибок и миниатюризируется стоимость обследования. Время, затрачиваемое рентгенологом на описание снимка, перестает быть узеньким местом процесса, возникает возможность проводить дистанционную диагностику и консультации для получения «второго представления».
10 сервисов, посреди которых Botkin AI, Care Mentor AI, «Цельс» и остальные русские разработки, в истинное время интегрированы в Единую радиологическую информационную систему Москвы. В рамках этого опыта анализируются данные 4 главных направлений лучевой диагностики: КТ органов грудной клеточки с признаками COVID-19, КТ/НДКТ органов грудной клеточки с целью выявления рака легких, рентгенография/флюорография легких, также рентгеновская маммография для выявления рака молочных желез. Методы проанализировали выше 550 тыс. исследовательских работ и продолжают «трудиться». Предполагается, что результаты опыта станут основой для государственных эталонов, регламентирующих применение искусственного ума в медицинской медицине.
Не прекращаются и опыты ученых с автоматической диагностикой разных недугов по обыденным фотографиям, задачка которых — впору привести пациента к спецу.
Системы поддержки принятия докторских решений
Этот весьма широкий и перспективный класс «умных» систем успел воодушевить и разочаровать, а на данный момент уже миновал фазу хайпа и вышел на стадию обычного развития. Разочарование, которое пришлось пережить при понимании главных заморочек, было вызвано трудностями на 2-ух уровнях. Решения, рожденные маленькими коллективами энтузиастов, не смогли выйти за границы отдельных организаций, а колоссальные средства, вложенные компанией IBM в когнитивную мощь доктора Watson, не привели к настолько же потрясающему эффекту. Ввод данных оказался очень трудозатратным, а выигрыш доктора — не настолько уж значимым. Интеграция социально-экономической инфы и данных, генерируемых пациентами, которая посодействовала бы выявить новейшие закономерности, для неких групп пациентов оказалась очень сложной либо даже неосуществимой. Большущего размера инфы, «скормленной» методу глубинного обучения Watson, все таки не хватило, для того чтоб учитывать различия в данных государственных и соц групп пациентов. «Предвзятость» искусственного ума вызывает озабоченность проф общества и порождает сомнения в том, что при разработке схожих технологий, рекомендующих путь исцеления, можно опираться на мировоззрение ограниченного круга профессионалов, даже самых знатных.
Аналитики считают, что для возникновения действенного мед искусственного ума, поначалу следует решить делему доступности данных в здравоохранении. Не случаем ассоциация, сделанная русскими разрабами и юзерами, получила заглавие «Государственная база мед познаний».
Но даже получив возможность употреблять высококачественные датасеты для обучения искусственного ума, еще рациональнее разрабатывать решения определенных прикладных задач, может быть даже узкоспециальных, а не создавать всепригодного «цифрового доктора».
Прогнозная аналитика и анализ рисков
С учетом вербования внимания к профилактике болезней, это весьма многообещающая область, которая пока сравнимо медлительно развивается. К числу посильных для искусственного ума относятся задачки, решение которых может отдать приметный эффект: оперативный анализ конфигурации уровня заболеваемости, прогноз числа воззваний пациентов в мед организации, мониторинг потребности в фармацевтических продуктах, предупреждение распространения эпидемий, также четкий личный прогноз ухудшения здоровья пациента, что может спасти ему жизнь. Красивый пример основанного на искусственном уме решения для оценки риска сердечно-сосудистых болезней описан в самом первом кейсе DobroData.
А крайний метод, разработанный на «злость денька», способен предсказать потребность пациента с симптомами коронавируса в доп кислороде в течение 24 часов. Прогноз делается на базе анализа рентгенограмм органов грудной клеточки и данных анамнеза из цифровой истории заболевания. Обучение этого метода проводилось на данных 20 больниц со всего мира, что повысило его производительность и универсальность.
Самой «прорывной» обещает стать разработка цифрового двойника — копии физического объекта (органа, мед оборудования и целого лазарета), выполняющей функции оригинала. Поступающая с установленных на человеческом теле датчиков информация о анатомии, физиологии, геноме будет скапливаться и преобразовываться в аватар, который, повсевременно обновляясь, станет приближаться к собственному оригиналу. При помощи искусственного ума двойником можно будет управлять и предсказывать, как объект поведет себя в дальнейшем.
Мониторинг вида жизни
Очень многообещающей считается разработка машинного анализа содержимого соц сетей и иных цифровых следов для получения социологической, демографической и рекламной инфы о качестве работы системы здравоохранения и отдельных целительных учреждений. Повысить приверженность пациентов здоровому виду жизни и выполнению предназначений доктора способны посодействовать чат-боты. Они могут отвечать на рутинные вопросцы, давать подсказку пациенту стратегию поведения в обычных ситуациях, соединять его с необходимым спецом для телемедицинской консультации, давать советы по диете и т. д. Стимулирование «самообслуживания» пациентов и их вовлеченности в заботу о своем здоровье понижает нагрузку на докторов и сберегает дефицитные ресурсы системы здравоохранения.
Обработка и анализ инфы с носимых устройств
Девайсы, дозволяющие выслеживать температуру, артериальное давление, частоту сердцебиения, уровень сахара в крови, фазы сна и тому схожее, не открывают и половины собственного потенциала без инструментов для умственного анализа тех данных, которые они генерируют. Сбор данных с мед датчиков и их обработка способами машинного обучения в потоковом режиме могут посодействовать предотвращать томные заболевания и послеоперационные отягощения, разрабатывать личные программки реабилитации и в целом содействовать широкому распространению персонализированного подхода к пациенту.
Менеджмент приобретенных состояний
Трудности приобретенных нездоровых оказались самыми наточенными даже в период пандемии, так как не наименее половины населения имеет одно хроническое болезнь, а значимая толика таковых пациентов — даже несколько болезней. Рассчитывать на то, что докторов хватит на такое количество нездоровых, не приходится, потому искусственный ум представляется спасительной технологией. Он напомнит, когда какую пилюлю нужно принять, когда пора навестить лечащего доктора, и отправит сигнал медику, если характеристики состояния пациента его беспокоят. К примеру, если соотносить данные с глюкометра с показателями активности диабетика и информацией о его питании, можно корректировать дозы инсулина дистанционно и обеспечивать пациенту-хронику всеполноценную жизнь в течение долгого времени. По словам Зингермана, неувязка в том, что у нас недостаточно докторов, которые могут прописать пациенту носимое устройство и знают, как работать с массивом данных, приобретенным с его помощью. Охото веровать, что это временная ситуация, ведь, по данным забугорного опроса, проведенного HIMSS Media Research, искусственный ум и машинное обучение при лечении приобретенных болезней употребляют для поддержки принятия клинических решений уже 77% опрошенных профессионалов.
Виртуальные помощники
Значительно посодействовать и докторам, и клиентам способны системы определения речи и анализа естественного языка. Диапазон их внедрения очень широкий. Здесь и голосовые ассистенты, которые вносят в медкарту то, что доктор диктует во время осмотра пациента, отмечают в календаре дату последующего визита и уведомляют о этом пациента. И боты, напоминающие клиентам о записи к доктору, что значительно понижает количество пустых слотов в расписании и улучшает нагрузку профессионалов. И чат-боты, собирающие подготовительный анамнез, что сберегает время доктора в процессе очного приема. Также робот-регистратор в больнице либо приемном отделении лазарета, отвечающий на обыкновенные вопросцы и помогающий маршрутизировать пациентов.
Психическое здоровье
Сначала при помощи искусственного ума докторы пробуют решить самые острые задачи с психологическим здоровьем — спрогнозировать риск насилия и самоубийств. К примеру, ученые Мед центра детской поликлиники Цинциннати, используя технологии машинного обучения, разработали систему, которая анализирует языковые модели для прогнозирования риска насилия посреди школьников. Утверждается, что система может определять риск злости для отдельных субъектов. А коллектив русских филологов, психологов, языковедов и программистов из Института российского языка им. В. В. Виноградова, Научного центра психического здоровья и Психического института РАО разработал сервис для выявления социальной напряженности, депрессии, разных видов злости, деменции, аутизма и склонности к суициду. По текстам в Вебе и данным профиля в соцсети такие опасности можно выявить довольно буквально. При вводе идентификатора профиля «ВКонтакте» система дает психическую характеристику человека, включая черты его личности, конфликтность, склонность к депрессии и фрустрации и т. п.
Неотложная помощь и хирургия
В данной для нас нише в особенности небезопасно нарушить принцип «не навреди», тем не наименее и здесь есть достойные внимания решения. Так, в одной из английских институтских клиник употребляют искусственный ум, чтоб стремительно выделить посреди пациентов в приемном покое те 20% людей, которым нужна неотложная помощь, а не только лишь рецепт на лекарства, которые можно принимать дома. Программка устанавливает пациенту ценность, оценивая опасность озвученных им симптомов. К примеру, боль в области животика может означать аппендицит, потому человек с таковым симптомом будет продвигаться в очереди резвее остальных.
Вместе с «умными» протезами, сложными симуляторами и виртуальными 3D-моделями пациентов, созданными для обучения докторов, проведения тренингов и планирования операций, употребляются и хирургические боты со встроенными когнитивными методами. Интеграция робототехники и мехатроники с искусственным умом — нужный метод переложить на машинки шаблонные манипуляции, в особенности в случае длительных и сложных хирургических вмешательств. Не так давно ученые из Института Беркли, Intel и Гугл Brain обучили машинку зашивать раны. Ей демонстрировали видеозаписи работы восьми докторов с известным роботом-ассистентом Da Vinci, опосля чего же под управлением метода Motion2Vec робот-манипулятор научился накладывать швы и завязывать узлы без помощи других, без человека за консолью управления.
***
Ажиотаж вокруг искусственного ума вредит его развитию, порождая завышенные ожидания общества, прямо до мечты о «магической палочке». Искусственный ум не стоит разглядывать как подмену доктору, его способности следует оценивать трезво. Сначала технологии должны избавлять доктора от рутины, а не добавлять ему работы. При всем этом у доктора обязано освободиться время для общения с пациентами и, что тоже важно, с сотрудниками. Прикладные инструменты, решающие хотя и неглобальную, но полностью настоящую делему «тут и на данный момент», имеют значительно больше шансов прижиться в мед среде, которая в силу базисного принципа «не навреди» еще осторожнее принимает инновации, чем остальные сферы. А свойство решений не в последнюю очередь определяется качеством инфы, использованной для обучения алгоритмов. Обилие данных увеличивает точность работы искусственного ума, устраняет его от «предвзятости», расширяет способности его внедрения в различных критериях и странах. Для этого предстоит интенсивно развивать библиотеки датасетов, в том числе открытые.
Источник: