Диагностика

По данным компании Frost & Sullivan1, рынок искусственного интеллекта в медицине растет на 40% в год, и к 2021 году его оборот составит около $6,6 млрд. В первую очередь машинное обучение изменит три области медицины: улучшит возможности диагностики, облегчит работу рентгенологов и патологов, сделает более эффективным прогнозирование болезней.

Об этом пишут Зиад Обермайер из Гарвардской медицинской школы и Иезекииль Эмануэль из Пенсильванского университета в статье для The New England Journal of Medicine (NEJM)2. По их мнению, уже в ближайшем будущем машинное обучение станет незаменимым инструментом врачей, которые по-настоящему хотят понять своих пациентов. Искусственные нейронные сети уже сейчас могут диагностировать метастазы рака молочной железы не хуже, чем опытный врач. Рак молочной железы — один из самых распространенных видов злокачественных новообразований. Только в 2012 году в мире было зарегистрировано более 1,6 млн новых случаев этого заболевания. В 6-10% случаев обращений уже в момент постановки первичного диагноза опухоль успела метастазировать. Для диагностирования этого процесса используется биопсия регионарных лимфоузлов.

Каждый образец изъятого материала осматривается под микроскопом врачом-патологом. В идеальных условиях и при неограниченном времени врач допускает очень мало ошибок. В реальной жизни врачи-патологи могут отсматривать и описывать десятки препаратов каждый день.

Группа исследователей из Радбаудского университета в Нидерландах инициировала создание специального соревнования-челленджа Camelyon3, в рамках которого современные алгоритмы соревнуются в обнаружении метастазов рака молочной железы. Команды обучают модели распознавать рак среди здоровых тканей на 400 снимках рака молочной железы, затем результаты сравниваются на контрольных снимках, доступа к которым у моделей во время обучения не было.

В прошлом году в челлендже Camelyon первое место заняла нейронная сеть стартапа PathAI4 — партнера компании Philips по разработке приложений искусственного интеллекта в медицине. Ученые из PathAI c большим отрывом опередили другие команды. Их алгоритм допускал ошибки лишь в 35 случаях из 1000: этот показатель немногим ниже, чем у настоящего врача. При этом, если врач прибегал к подсказкам нейронной сети, то количество ошибок снижалось с 3% до 1%.

За последние годы появилось много примеров успешного распознавания медицинских изображений нейронными сетями. Нейронные сети с высокой точностью определяют рак простаты и рак легкого по биопсии и не хуже дерматолога определяют рак кожи по обычным фотографиям.

Помимо классификации изображений искусственный интеллект может решать и другие задачи: выбирать лечение или уточнять прогноз. Один из ранних примеров — экспертная система Mycin5, разработанная в 1970-е годы в Стэнфорде. Ее задачей было подбирать наиболее подходящие антибиотики для лечения инфекционных заболеваний. Уже тогда она предлагала более удачные сочетания, чем врач. Тем не менее, эта система ни разу не была использована в реальной клинической практике.

Система Mycin отвечала на вопросы «да» и «нет» в рамках заданного набора правил, чтобы найти верный ответ. Современные экспертные системы работают похожим образом, однако чаще всего перед ними стоит задача автоматически интегрировать данные о пациенте, а затем представить их врачу в удобной форме с собственными подсказками.

Так работает, например, система мониторинга в реанимации, разработанная Philips. Система собирает и интегрирует все доступные данные о пациенте и помогает врачу быстро принять информированное решение. По словам руководителя отдела медицинской информатики компании Philips Сергея Лаванова, система способна непрерывно отслеживать динамику критичных для жизни пациента показателей и сообщать врачу о приближении угрожающей ситуации.

Искусственный интеллект, позволяющий работать с большими массивами разнообразных индивидуальных данных, должен стать залогом более точной диагностики и доступного лечения.

В отличие от традиционных экспертных систем современный искусственный интеллект использует очень много данных и способен учиться на реальных примерах. Это позволяет находить в данных сложные и неочевидные для человека ассоциации и помогает специалистам принимать клинические решения. Например, в недавнем исследовании, опубликованном в журнале PLOS ONE6, нейронные сети обучались прогнозировать развитие сердечно-сосудистого заболевания или его осложнения. Нейронные сети тренировались на трехстах тысячах электронных карт пациентов, отражающих развитие и исход заболевания. В качестве теста сеть получала доступ только к одной ранней записи и генерировала прогноз, а исследователи сравнивали его с исходом заболевания по более поздним записям в медицинской карте.

Фактически нейронная сеть должна была сама найти список правил, по которым нужно оценивать риски сердечно-сосудистых заболеваний. В результате она предсказала на 7,6% больше случаев развития осложнений сердечно-сосудистых заболеваний, чем современные руководства. Это примерно эквивалентно 355 жизням, которые можно было спасти.

Стивен Венг, специалист по эпидемиологии Ноттингемского университета, в своем интервью журналу Science News7 отметил, что если добавить в модели генетические факторы или данные об образе жизни человека, то прогноз может быть еще точнее.

Интегрировать данные анализов, носимой электроники, медицинских карт пытаются в том числе и такие гиганты из индустрии, как IBM, Alphabet (Google) и Philips. Например, компания Philips развивает инфраструктуру, позволяющую работать с данными, полученными с носимых устройств и медицинских карт пациентов. С ее помощью врачи смогут точно строить персонализированные рекомендации и прогнозы для конкретных пациентов. Уже существующее сегодня решение умеет одновременно работать с данными медицинской визуализации и новыми, в том числе экспериментальными, статистическими моделями. В будущем это позволит врачам использовать новые системы искусственного интеллекта в своей работе.

В интервью CNBC8 Франс ван Хаутен, генеральный директор компании Philips, подчеркивает, что сегодня, когда возраст населения становится больше, а его численность растет, Philips делает ставку на здравоохранение, выделяя технологии диагностирования и профилактики как одни из наиболее перспективных.

1 По материалам презентации компании Frost & Sullivan («Фрост энд Салливан»), представленным на конференции в Лондоне, 4 октября 2016 г. 2 «Нью Ингланд Джорнал оф Медисин».3 «Камелион». 4 «ПатАИ». 5 «Мицин». 6 «Плос Уан». 7 «Саенс Ньюс». 8 «СиЭнБиСи».

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».

Искусственный интеллект, нейронные сети и машинное обучение быстро и прочно вошли в отрасль информатизации здравоохранения как один из ключевых драйверов и направлений развития на ближайшие годы. Наравне с телемедициной, это одна из самых популярных в СМИ и блогосфере тем. Постоянно растет количество сообщений и обсуждений о том, что планируется или уже создано очередное новое революционное решение для медицины, построенное на базе методов искусственного интеллекта.

Мы подготовили для вас 10 наиболее интересных работ по этой теме, заслуживающих, чтобы на них обратили внимание.

1. Великое пробуждение искусственного интеллекта. Издание The New York Times Magazine опубликовало статью, в которой рассказывается, как "Google Переводчик" научился переводить почти как человек, что такое искусственный интеллект и при чем тут кошки и "Китайская комната". Редакция vc.ru опубликовала перевод этой статьи, адрес https://vc.ru/21767-the-great-ai-awakening
2. Как искусственный интеллект изменит здравоохранение через 5 лет. Норман Винарски, один из создателей Siri и консультант венчурного фонда SRI Ventures, рассказал, какое будущее ждет здравоохранение через пять лет с учетом влияния искусственного интеллекта. Адрес: https://rb.ru/story/future-of-ai-healthcare/
3. Искусственный интеллект и врачебное решение . Сергей Сорокин, генеральный директор "Интеллоджик" и основатель Botkin.AI, о возможностях искусственного интеллекта в поддержке принятия врачебных решений и развитии диагностики: https://www.if24.ru/iskin-i-vrachebnoe-reshenie/
4. Алгоритм Эндрю Ына лучше диагностирует пневмонию, чем врачи . Группа специалистов Стэнфордского университета под руководством Эндрю Ына разработала алгоритм глубокого обучения, который превзошел опытных радиологов в диагностике пневмонии по рентгеновским снимкам https://hightech.fm/2017/11/16/pneumonia-algorithm
5. Искусственный интеллект уже может лечить не хуже врачей: тренды развития AI в медицине . Илья Попов, член отраслевых рабочих групп при Министерстве Финансов РФ, Торгово-промышленной палате РФ и Деловой России, рассказал о тенденциях развития AI в фармацевтике и медицине и дал прогнозы на 2018 год: https://rb.ru/opinion/trendy-razvitiya-ai-v-farme/
6. Искусственный интеллект будет помогать ставить диагнозы во всех больницах Китая . Медицинские ИИ-платформы могут ставить даже самые сложные диагнозы с точностью 85% и назначать схемы лечения онкологических заболеваний, которые на 96% совпадают с мнением лучших врачей Китая, сообщает China Daily. Адрес: https://hightech.fm/2017/10/11/ai-china-diagnostic
7. Искусственный интеллект - революция или новый маркетинговый ход? Обзор мнений по теме искусственного интеллекта от различных специалистов: https://www.crn.ru/numbers/spec-numbers/detail.php?ID=123946
8. Заблуждения искусственного интеллекта . Каждый день мы слышим, что искусственный интеллект решит все наши проблемы - от самоуправляемых автомобилей до лечения рака. В то же время некоторые ученые и капитаны индустрии, например Илон Маск, основатель компании Tesla, считают, что искусственный интеллект представляет экзистенциальную угрозу человечеству. Где же правда и что скрывается под этим термином? Специалист по Computer Science Анатолий Гершман рассказывает о главных мифах, окружающих ИИ https://postnauka.ru/faq/80051
9. Самые интересные AI-решения и проекты 2017 года . Одним из ярких IT-трендов прошедшего года стало бурное развитие сервисов, использующих технологии машинного обучения и системы искусственного интеллекта (Artificial Intelligence, AI) на базе нейронных сетей. Вспоминаем самые оригинальные и перспективные программные решения в этой области https://3dnews.ru/963472/
10. Google представила инструмент ИИ для прецизионной медицины с открытым исходным кодом . Компания сделала DeepVariant, инструмент который может быть использован для повышения точности геномного секвенирования, доступного через Google Cloud

Медицина, ранее ориентированная на лечение острых заболеваний, сегодня уделяет все больше внимания хроническим недугам - ожирению, .

Выявление сердечной недостаточности, аутоиммунных расстройств и заболеваний на ранних этапах спасает жизни многим пациентам, но усложняет задачу врачам.

Подберем и запишем
к врачу бесплатно

Скачать бесплатное приложение

Загрузить на Google Play

Доступно в App Store

Даже гениям медицины, обладающим профессиональными интуицией и опытом, не так просто принять верное решение, ведь с каждым часом объемы медицинских данных стремительно растут.

Чтобы быстро решить задачу, медикам нужно задействовать, помимо собственного, еще один интеллект - искусственный.

Что же такое искусственный интеллект?

Под искусственным интеллектом (ИИ) специалисты подразумевают способность машины имитировать рациональное поведение человека. Машина должна воспринимать изменяющуюся информацию и принимать оптимальные решения.

К началу XXI века применение в медицине нашли две концепции ИИ - экспертные системы и нейронные сети.

Как работают экспертные системы

Экспертные системы начали разрабатывать еще в 70-ые годы XX века. Ключевой частью экспертной системы является база знаний - совокупность сведений о предмете и набор инструкций, применимый к фактам.

Факты в базе знаний экспертной системы описывают постоянные явления в конкретной предметной области. Например: «У здорового человека две ноги».

В процессе работы система получает информацию о конкретной задаче: «У пациента А одна нога», которые сохраняет в рабочей памяти. Рабочая память обращается к базе для вынесения вердикта: «Пациент А болен».

Создание экспертных систем требует огромных ресурсов. Чтобы получить хорошую экспертную систему, нужны эксперты в области, инженеры по знаниям, программисты. Базу знаний необходимо не только создавать, но и постоянно пополнять.

Как работают нейронные сети

В настоящее время концепция экспертных систем переживает серьезный кризис. Благодаря способности учиться рынок ИИ завоевали нейронные сети (НС).

Механизм работы НС основан на принципе биологических нейронных сетей. В компьютерном виде НС представляют граф с тремя или более слоями нейронов, соединенных в слоях тем или иным образом. У соединений есть веса, играющие важную роль в обучении НС.

Во время обучения на входные нейроны подаются данные. В дальнейшем данные обрабатываются нейронами на внутреннем слое, и на выходных нейронах получаются определенные новые значения.

Если полученные значения не устраивают исследователей, они меняют вес соединений в нейронной сети и заново ее учат. Чем больше данных получает НС, тем более достоверный ответ на запрос она выдает.

К примеру, на наш запрос к системе: « , озноб и высокая температура» НС, проанализировав медицинские карточки тысяч пациентов, может выдать ответ: «С высокой долей вероятности у Вас ».

Важно отметить, что знаниями о том, что такое температура, озноб, грипп, сеть не обладает. Она лишь находит связи между симптомами и заключениями врача в выборке данных и ранжирует эти взаимосвязи по их весу.

Главное отличие ИИ от обычных компьютерных программ

В отличие от привычных компьютерных программ, при создании ИИ программисту не нужно знать всех зависимостей между входными данными и результатом. Там, где человеком уже созданы математические модели - например, для статистической обработки медицинских карт - ИИ не требуется.

Работа ИИ заключается в обучении на массиве достоверных данных и в поиске тех формул и зависимостей, которые не определяются человеком.

На что способен медицинский искусственный интеллект

Практики и опыта врача может не хватать для верной диагностики заболевания. Обладающая доступом к научной литературе и миллионам историй болезней нейронная сеть может быстро классифицировать случай, соотнести его с похожими и сформулировать предложения по плану лечения.

На сегодняшнем этапе развития технологий ИИ не может решать сложные задачи, непосильные для врача: например, создавать фантастические приборы, самостоятельно сканирующие человека и назначающие эффективное лечение.

Интеллектуальные решения для врачей

Сейчас ИИ решают относительно простые задачи: например, дают заключение, присутствует ли инородное тело или патология на рентгенологическом снимке, и имеются ли раковые клетки в цитологическом материале. При этом точность оценок медицинских данных - МРТ, снимков УЗИ, маммограм - уже превышает 90%.

Проект IBM: Watson

Самым известным примером внедрения ИИ в медицинской диагностике стала система IBM Watson. Это суперкомпьютер, который умеет отвечать на вопросы, сформулированные на языке обывателя, а не на языке программирования.

В 2015 году корпорация IBM даже создала отдельное подразделение - IBM Watson Health, которое занимается внедрением технологии ИИ в здравоохранении.

У компьютера Watson есть доступ к различным источникам данных: энциклопедиям, базам научных статей, антологиям знаний. Благодаря огромным вычислительным мощностям, IBM Watson смог проанализировать 30 миллиардов медицинских снимков и 50 миллионов анонимных электронных медицинских карт.

Первоначально IBM обучали и применяли ИИ в онкологии. Однако недавно разработчики IBM Watson начали сотрудничать с Американской кардиологической ассоциацией.

Теперь по данным изображения УЗИ когнитивная платформа будет искать признаки стеноза аортального сердечного клапана (очень распространенного типа порока сердца).

Технологии Watson Health доступны через облачную платформу Watson Health Cloud. Она предназначена для врачей, исследователей, страховых агентов и медицинских компаний.

Проекты Google: DM Health и Verily

Естественно, что IBM - не единственный технологический монстр, продвигающий свои интеллектуальные решения в медицине. Подразделение Google - DeepMind Health - применяет технологии IT-гиганта в медицине.

Сегодня DM Health сотрудничает с офтальмологической лондонской клиникой Moorfields Eye Hospital. С помощью ИИ врачи хотят проанализировать тысячи анонимных глазных снимков, чтобы найти первичные симптомы слепоты.

Кроме того, DM Health совместно с Университетским колледжем Лондона разрабатывает продукт, который сможет автоматически различать здоровые и раковые ткани в области головы и шеи.

Похожим проектом занимается другое подразделение Google - Verily . Специалисты этой фирмы используют ИИ и алгоритмы поисковика Google для того, чтобы проанализировать, что же делает человека здоровым.

Израильский стартап: MedyMatch Technology

По статистике, количество ошибок при постановке диагноза по данным компьютерной томографии превышает 30%. Вдумайтесь! Почти в каждом третьем случае врач назначает пациенту неверное лечение.

На базе ИИ и больших данных израильтяне разработали решение, благодаря которому врачи могут точнее диагностировать . В режиме реального времени система MedyMatch сравнивает снимок мозга пациента с сотнями тысяч других снимков, которые есть в ее «облаке».

ИИ от MedyMatch распознает мельчайшие отклонения от нормы, которые не всегда способен заметить специалист, таким образом сводя вероятность ошибки в постановке диагноза к минимуму.

В израильской MedyMatch Technology работает всего 20 человек. Как это часто бывает, на новом рынке маленькие игроки вполне могут конкурировать с гигантами.

Интеллектуальные решения для пациентов

Хронически больным необходимо каждый день следить за динамикой здоровья. Для этого пациенты носят устройства для мониторинга пульса, давления, дыхания. Однако данные необходимо не только собрать, но и обработать, и правильно интерпретировать.

На помощь приходят мобильные приложения, которые:

• оперативно работают с информацией о состоянии организма, сообщая о тревожных паттернах лечащему врачу;
• выдают уже прописанные в программе простейшие советы по улучшению самочувствия и лечению;
• собирают массивы данных, необходимые для дальнейшего обучения ИИ.

Карманный кардиолог AliveCor

Мобильное приложение от AliveCor может обрабатывать данные датчика для снятия кардиограмм в домашних условиях. ИИ ежедневно расшифровывает данные пациента и отслеживает опасные тенденции. Если приложение выявляет риск скорого инфаркта - оно заранее попросит пользователя обратиться к врачу.

Почти настоящая медсестра Sense.ly

Анимированная медсестра в приложении Sense.ly спрашивает о самочувствии, в норме ли давление, есть ли жалобы. ИИ приложения распознает и отправляет информацию лечащему врачу. Виртуальная сестра может давать пояснения по симптомам, напоминать о приеме лекарств и может напрямую связать с врачом по видеосвязи.

Медицинские боты-консультанты

Телемедицинский сервис Healthtap взял скрипты многих тысяч консультаций и натренировал по ним чат-бота Doctor A.I. Получить консультацию от этого бота можно также через умную колонку Amazon Alexa.

Аналогичную разработку, чат-бот Heath Bot , создали и в Microsoft. Пока, правда, боты понимают только английский язык.

ИИ для раковых больных Mendel.ai

Иногда последней надеждой онкобольных может стать испытание нового препарата от рака. Пациент, добровольно осознавая высокий риск, имеет шанс получить эффективное лечение, которое появится в общем доступе через несколько лет.

Страдающий от онкологии человек не обладает достаточной квалификацией, чтобы понять, подходят ли ему испытания. ИИ проекта Mendel.ai приходит на помощь отчаявшимся: система распознает естественный язык, на котором написана медицинская карта, и предлагает подходящие пациенту испытания.

Интеллектуальные решения для управления больницей

Работа больницы требует быстрой координации персонала и ресурсов - на кону здоровье и жизни пациентов. Как предсказать, сколько врачей, помещений, материалов необходимо медицинскому учреждению в определенный период времени?

Электронный ассистент Bright.md

Bright.md разрабатывали в качестве посредника между врачом и пациентом. ИИ-ассистент помогает решать рутинные задачи - организует встречу пациента и врача, назначает сдачу анализов, получает ответы пациента по опросному листу.

Помощник освобождает врача от бюрократических процедур и упрощает взаимодействие пациента с клиникой.

Система мониторинга больных Qventus

Система Qventus отслеживает состояние здоровья пациентов, находящихся в стационаре, предсказывает ухудшение и резервирует врачей и оборудование для предотвращения критической ситуации.

Управляющий ИИ Qventus применяют в нескольких американских госпиталях, и он уже доказал свою эффективность. В одной из больниц система смогла снизить количество пациентов в стационаре на 39%, поскольку персонал вовремя получал предупреждения о состоянии больных и оперативно оказывал помощь.

«Третье мнение» Клименко по поводу российской медицины

В марте 2016 года IBM предоставила тестовый доступ к Watson специалистам из ряда медицинских учреждений в России. Каким конкретно врачам и клиникам удалось поработать с Watson, в IBM не уточняли.

Тогда же гендиректор по IBM в России и СНГ Андрей Филатов сетовал , что здравоохранение в России очень жестко регулируется. В отечественной медицине действует принцип: «что не разрешено, то запрещено».

Причина неуспеха IBM в России лежит на поверхности - инновации в медицине заявляются одной из целей стратегии «Цифровая экономика», в рамках которой взят курс на импортозамещение. Как считают в Правительстве РФ , к 2020 году у России будет свой «Ватсон». Кто же будет его создавать?

В 2016 году советник президента РФ Герман Клименко анонсировал разработку первого проекта фонда Института развития интернета в области медицины. Система, получившая название «Третье мнение», - будет распознавать патологии организма по цифровым данным, полученным от рентгена, УЗИ, КТ, МРТ.

Разработкой программного обеспечения занимается компания «Технологии видеоанализа». Данные для обучения ИИ разработчикам бесплатно передали НИИ урологии и интервенционной радиологии им. Н.А. Лопаткина, НМИЦ детской онкологии и иммунологии им. Дмитрия Рогачева, и ряд региональных медицинских центров.

Для столь масштабного проекта необходимы серьезные инвестиции. По словам господина Клименко, затраты исчисляются десятками миллионов долларов. Разработчики планируют привлечь средства с помощью выхода на ICO (форма привлечения финансирования путем продажи инвесторам криптовалют).

Бывший лидер направления продвинутых технологий по Европейскому региону IBM Павел Шклюдов считает, что «потенциал у проекта (прим. - „Третье мнение“) есть, но для создания подобного класса систем нужно лет 5, в 20 раз больше финансов и люди, заточенные на продукт, а не на научные работы».

Проблемы внедрения ИИ: мифы и реальные вызовы

Люди очень часто негативно оценивают новые технологии. Вокруг ИИ тоже существует множество страхов, опасений и мифов.

Искусственный интеллект вот-вот победит человеческий!

Самый распространенный миф - вера в грядущее «восстание машин». Такие опасения явно преждевременны.

Приведенные мною примеры технологий относятся к так называемому узкому ИИ (narrow AI). Подобные системы в принципе способны решать только определенные задачи, превзойти человеческий разум они не в состоянии.

Появление сверхумного Superintelligence стоит ожидать не ранее 2045 года, предсказывает американский футуролог Рэймонд Курцвейл.

А вот по мнению сооснователя Microsoft Пола Аллена, пока досконально не будет изучен человеческий мозг, говорить об искусственном потенциально опасном сверхразуме рановато.

В общем, восстание машин откладывается.

У пациента не останется права на анонимность!

А вот эта проблема действительно имеет место быть. Потенциальное нарушение врачебной тайны ради эффективности лечения представляется вполне вероятным.

Для того, чтобы системы ИИ выдавали релевантные и полезные знания, им необходим доступ к гигантским массивам данных. Медицинские данные - электронные карты, снимки, заключения врачей - это сведения личного характера, они подпадают под действия законов о защите персональных данных.

Допустим, электронные карты и истории болезни окажутся в открытом доступе. Ими могут заинтересоваться страховые компании, которые начнут завышать стоимость полиса для пациентов, которые, по их мнению, «не совсем здоровы».

Работодатели могут отказывать соискателю, если узнают о его болезнях или генетических предрасположенностях - вполне себе реализация антиутопии из фильма «Гаттака».

Развитие технологий требует изменения правовой базы. Пока же инноваторы вынуждены работать в «серой» правовой зоне.

Искусственный интеллект спровоцирует правовой беспредел!

Увы, это вполне возможно. Громким скандалом обернулся меморандум о сотрудничестве DeepMind Health и Королевской бесплатной больницы Лондона.

В 2016 году подразделение Google получило доступ к записям болезней, вызовам скорой, данных радиологии - всей цифровой информации госпиталя за 5 лет. Информация о меморандуме попала в прессу , и на Google подали жалобу в Офис уполномоченного по информации Великобритании.

Согласно британскому законодательству, персональные данные пациентов могут быть переданы только организациям в анонимизированном виде. DeepMind Health же получили не зашифрованные данные.

Пока разбирательство ограничивается публичными прениями. Однако этот или другой подобный скандал вполне могут стать первым судебным прецедентом защиты медицинских данных от систем ИИ.

Чтобы избежать замедления прогресса, инновационная отрасль нуждается в правовом регулировании. Но законодатели - такие же люди, как и мы, со своими предубеждениями и предрассудками.

Остается надеется, что при разработке правовой базы парламентарии разных стран будут опираться на мнения экспертов, а не на фобии.

Основные проблемы применения медицинского ИИ

Что же останется, если отбросить технологический алармизм и правовые аспекты? Основным барьером перед массовым применением ИИ в здравоохранении могут стать два момента:

• чрезмерное количество данных для обучения;
• кадровая проблема.

Без качественных данных ИИ не будет работать продуктивно. А без подготовленных специалистов простое применение готовых алгоритмов к подготовленным данным также не даст нужного результата.

Кроме того, тревогу вызывает возможное сокращение рабочих мест в медицине. Хирурги, травматологи и стоматологи могут спать спокойно, но терапевтам и диагностам в случае массового внедрения ИИ грозят сокращения.

В 2017 году после начала эксплуатации IBM Watson японская компания Fukoku Mutual Life Insurance уволила 43 сотрудника . В руководстве фирмы оценили производительность суперкомпьютера и «оптимизировали» специалистов по медицинскому страхованию.

Рыночная оценка и перспективы медицинского ИИ

По оценке консультантов Frost & Sullivan доходы компаний на рынке медицинского ИИ к 2021 году достигнут 6,1 млрд долларов, при этом доля IBM составит около 45%.

В исследовательской компании Research and Markets перспективы оценивают скромнее: к 2020 году рынок вырастет до 5,05 млрд долларов (в 2014 году он составлял всего 419,7 млн долларов).

По расчетам R&M, наиболее быстрорастущим сегментом внедрения ИИ станет как раз здравоохранение. Причина - рост спроса на клинические испытания, моделирование лечения и новые исследования.

Во Frost & Sullivan составили дорожную карту развития отрасли на несколько лет вперед.

• К началу 2020-ых системы ИИ начнут повсеместно предлагать пациентам медицинскую помощь на основании данных, к которым будут иметь доступ пациенты и врачи.
• Хронические заболевания, такие как рак и диабет, будут диагностировать в течение нескольких минут с использованием когнитивных систем, которые будут визуализировать физиологические характеристики при сканировании тела человека.

Оптимисты из F&S предполагают, что к 2025 году системы ИИ будут задействованы в 90% клиник США и примерно в 60% крупнейших госпиталей мира. Эксперты надеются, что системы медицинского ИИ охватят почти 70% населения Земли.