Майбутнє вже настало: як штучний інтелект застосовується у медицині. П'ять перешкод для впровадження технологій ІІ в медицині Ринкова оцінка та перспективи медичного ІІ

Розробники систем штучного інтелекту (ІІ), які досі вважалися найбільш невдалими гравцями ринку IT-рішень у охороні здоров'я, несподівано отримали карт-бланш. Опікунами та партнерами асоціації «Національна база медичних знань», в яку вирішили об'єднатися виробники та потенційні користувачі медичних ІІ-систем, стали такі стейкхолдери як Адміністрація Президента РФ, Російська венчурна компанія, МОЗ та Росздравнагляд. За інформацією Vademecum, впливові куратори націлюють учасників нової НКО на технологічний прорив: асоціації належить зібрати по клініках «очищений масив» медичних даних, наситити цими відомостями ІІ, здатний підтримувати прийняття лікарських рішень, і перетворити цю IT-систему на продукт, який можна буде тираж. у вітчизняній індустрії охорони здоров'я, а в перспективі – експортувати.

ЗА НІШУ, ЯКІ ПІДПИСАЛИСЯ

Ідею створення НКО «Асоціація розробників і користувачів штучного інтелекту «Національна база медичних знань», яка б об'єднала представників IT‑компаній, клінік та інших операторів індустрії, які цікавляться впровадженням ІІ‑систем, була озвучена на Всеросійському консиліумі «Медицина народної довіри», що пройшов у червні.

«Одна із сесій була присвячена системам штучного інтелекту в медицині, – розповів Vademecum засновник компанії Botkin.AI Сергій Сорокін, який був присутнім на консиліумі. – Там зібралися ключові розробники та клініки, які діють у цій ніші, які домовилися в результаті створити асоціацію, яка б займалася популяризацією та системним розвитком ІІ в охороні здоров'я».

Тему відразу підхопили організатори консиліуму – спільнота заслужених лікарів Росії та «Національне агентство соціальних комунікацій», які включили її до програми «Медицина народної довіри», підтриманої Адміністрацією Президента РФ (АП).

Вже у липні ініціатори створення НКО представили на тематичному засіданні в АП «дорожню карту» розвитку систем штучного інтелекту у охороні здоров'я. Журі, що складається із сенаторів, депутатів, чиновників МОЗ, ФФОМС та інших держструктур, заявку схвалили. В Адміністрації Президента РФ на запит Vademecum не відповіли.

Крім АП, асоціацію готові патронувати Російська венчурна компанія, Агентство стратегічних ініціатив, МОЗ, Росздравнагляд, інші зацікавлені відомства та держкомпанії. «Така підтримка говорить про те, що держава буде системно розвивати проекти та стартапи, пов'язані з ІІ у охороні здоров'я. У перспективі стоїть амбітне завдання налагодити експорт цих технологій та вивести Росію у лідери інновацій у цій сфері», – каже директор з управління проектами «Національної технологічної ініціативи» АТ РВК Андрій Алмазов.

Заявку на реєстрацію НКО «Асоціація «Національна база медичних знань» подано до Мін'юсту. Відомо також, що об'єднання очолить керівник напряму цифрової медицини ТОВ «Інвітро» Борис Зінгерман, а до Наглядової ради НКО увійдуть президент Національної асоціації заслужених лікарів Росії Віктор Єгоров; директор МОНІКИ ім. М.Ф. Володимирського Дмитро Семенов; директор Центру компетенцій з імпортозаміщення у сфері ІКТ Ілля Массух та інші авторитетні галузеві персони. За словами Бориса Зінгермана, про готовність вступити в асоціацію вже заявили представники близько 50 IT-компаній та державних медичних центрів.

Штучний інтелект у медицині, або система підтримки прийняття лікарських рішень, - це комплекс програм, що дозволяють на основі обробки великих масивів даних ставити діагнози, будувати прогнози та припущення щодо лікування пацієнта. За даними РВК, зараз у Росії на різних етапах реалізації знаходяться близько 20 тематичних стартапів. Рідкісні та роз'єднані гравці цієї ніші традиційно відставали від передової когорти IT-операторів у охороні здоров'я, головним чином через консервативність лікарської спільноти та відсутність продуктивного діалогу між медиками та розробниками. Найяскравіший приклад – звільнення у липні 2017 року з НМІЦ серцево-судинної хірургії ім. О.М. Бакульова керівника лабораторії математичного моделювання та моніторингу Володимира Ліщука. Відомий кібернетик після відставки об'ємну монографію, де докладно описав фатальні, на його погляд, помилки співробітників Бакулівського центру щодо лікування критичної серцевої недостатності та інших кардіологічних захворювань.

Що ж так зацікавило АП у безнадійній, як нещодавно здавалося, і вузькій галузевій ніші?

МОБІЛІЗАЦІЙНИЙ ЗБІР

За словами співрозмовників Vademecum, одним із стимулів до форсованого створення НКО «Асоціація «Національна база медичних знань» став висновок у травні цього року між СК «Сбербанк». Страхування життя» та IBM договору на використання російськими страховиками розробленої американською корпорацією системи Watson for Oncology, що є ІІ для вироблення рекомендацій щодо лікування онкозахворювань. Як говориться в спільному повідомленні компаній, на практиці їхнє партнерство виглядатиме так: якщо клієнту Ощадбанк. Страхування життя» буде поставлений первинний онкологічний діагноз, IBM Watson, яка обробляє інформацію в деперсоніфікованому вигляді і використовує дані більш ніж 300 медичних журналів, 200 підручників і безліч інших матеріалів, протягом декількох секунд видасть рекомендації щодо протоколів лікування для цього пацієнта. Як повідомили Vademecum у IBM Watson, аналогічний проект зараз готується до запуску у Казахстані.

«Цей проект став серйозним ударом для всіх стартапів у сфері ІІ в Росії: уклавши договір із Ощадбанком, IBM отримує доступ до великого обсягу даних, що дає їй серйозну конкурентну перевагу. Окремі розробники не здатні змагатися з американською корпорацією, конкурувати з нею може лише держава», – пояснює Віктор Єгоров.

Щоб не допустити зміцнення позицій IBM на російському ринку, у найближчий рік учасники асоціації мають намір зосередити колективні зусилля на трьох основних проектах, які можуть суттєво розширити вітчизняні розробки у сфері штучного інтелекту в медицині. Головним завданням стане створення єдиної бази даних, що акумулює медичну інформацію медичних організацій.

Основою цього інформаційного масиву може стати «Об'єднана база медичних даних», яку створили співробітники НМІЦ ССГ ім. О.М. Бакульова – для розвитку власного дата-центру ними ще рік тому створили компанію «Соцмедика», яка стала резидентом «Сколково». «Наша база фактично є семантичним ядром для національної бази. Вона містить класифікатори, регістри моделей пацієнта та іншу прикладну інформацію. На цей каркас вже «нанизуватимуться» дані пацієнтів», – пояснює директор АТ «Соцмедика» Геворг Бледжянц.

Опитані Vademecum представники держмедустанов, підтримуючи ініціативу щодо будівництва медичної ІІ-системи в цілому, зізнаються, що поки що не готові ділитися даними. «Ідея нам цікава, і у разі забезпечення всіх необхідних умов МОНІКИ може стати ідеальним майданчиком для розвитку таких технологій, адже ми маємо великий масив рентгенівських та інших зображень, які можна використовувати для розробки систем штучного інтелекту. Однак зараз для цього немає законодавчої бази, зокрема, закон про персональні дані не дозволяє нам надавати такі відомості», – каже директор інституту Дмитро Семенов.

Керуючий партнер бюро «Адвокатська група Онєгін» Ольга Зінов'єва вважає, що непереборних бар'єрів для передачі медичних даних чинне законодавство не ставить. «Наприклад, п. 4 ст. 13 Федерального закону №323 «Про охорону здоров'я громадян» надає медичним організаціям здійснювати інформаційний обмін даними. Більш складною проблемою тут, швидше, стане недостатня правова грамотність контролюючих органів, які можуть вивести застосування ІІ-систем на практиці в зону судових прецедентів, – міркує Зінов'єва. – Але якщо творці асоціації зможуть домогтися оформлення своєї діяльності в окремий нормативний акт, проблему буде знято».

За словами ініціаторів створення асоціації, вони не відкидають підготовку та видання такого документа. Швидке вирішення виникаючих дорогою до створення продукту протиріч обіцяє сам факт підключення до реалізації задуму потужного адміністративного ресурсу. Та й сам формат проекту передбачає чіткий поділ зусиль та відповідальності: «Національна база медичних знань» буде організована на засадах державно-приватного партнерства, в якому держава забезпечить потік та захист даних, а інвестор – фінансування та ведення розробок.

ТУГІ І РИЗИКИ

Що ж до не гіпотетичних, а реальних нормативних перепон, які стають по дорозі розробників медичних ІІ‑систем, то творці асоціації вже звернули увагу регуляторів деякі застарілі і тому шкідливі регламенти. Ініціатори проекту вже розпочали консультації з чиновниками щодо зміни статусу IT-продуктів у сфері охорони здоров'я – згідно з чинним наказом МОЗ №4н від 6 червня 2012 року «Про затвердження номенклатурної класифікації медичних виробів» будь-яке програмне забезпечення, що застосовується в галузі, має реєструватися як медвиріб.

«Ця норма фактично вбиває ринок. Але нам вдалося налагодити діалог з Росздравнаглядом та виробити порозуміння у цьому питанні. Проблема в тому, що зараз немає прозорих та зрозумілих методичних рекомендацій щодо проведення випробувань програмного забезпечення. Тому ми запропонували спеціальну процедуру ретроспективних клінічних випробувань для таких продуктів без участі людини на основі заздалегідь підготовлених еталонних даних. Росздравнагляд цю ідею підтримав», – каже один із ініціаторів асоціації експерт компанії «К-МІС» Олександр Гусєв.

Представники служби на запитання Vademecum не відповіли.

Ще одна пріоритетна для асоціації тема – створення національного ризик-офісу, тобто системи запобігання захворюванням. Цей напрямок учасники НКО вестимуть разом з експертами Всеросійського союзу страховиків (ВСС). «На практиці ідея ризик-офісу працює так: вам дзвонить менеджер і інформує вас про те, що якщо орієнтуватися на те, як ви працюєте і живете, у вас можуть розвинутись такі захворювання, і відповідно рекомендує вам пройти діагностику або лікувальні процедури. Фактично це предиктивна аналітика, превентивна медицина, що ґрунтується на великих обсягах даних. Такий підхід може перевернути систему страхування – ми йтимемо не від страхового випадку, коли людина вже хвора, а працюватиме над попередженням хвороби», – пояснює віце-президент ВСС Максим Данилов.

Нарешті, асоціація підтримуватиме стартапи у сфері медичних ІІ-систем – надаватиме їм очищені дані, просуватиме їх розробки, допомагатиме у пошуку інвесторів.

ПОРЯСКИЛИ МОЗКАМИ

Російські стартапи в галузі ІІ в медицині

«Ідея створення єдиної бази медичних даних видається цікавою, такі дані можуть стати безцінним матеріалом для всіх розробників, які працюють у цій сфері. Запитання в нюансах. Ідеальним варіантом було б, якби в цю базу можна було інтегрувати дані з історії хвороби, включаючи діагностичні дані приладів, але проблема полягає в тому, що зараз не існує єдиного технічного стандарту з формування історій хвороби, який дозволив би об'єднати всі ці дані. Другий момент – ризик витоків даних, зараз, як відомо, витоку інформації з держустанов відбуваються досить часто, тому тут необхідне формування надійної системи захисту», – ділиться резонними сумнівами Богдан Севрюков, директор компанії Ocutri, яка створює ІІ рішення для медицини.

Опитані Vademecum представники профільних IT-компаній сходяться на думці, що ініціатива щодо створення НКО «Національна база медичних знань» є дещо запізнілою спробою наповнити держпрограми з інформатизації охорони здоров'я актуальним інноваційним змістом.

Недовга історія дигіталізації галузі, доводиться визнати, сповнена провалів та невиправдано різких поворотів. Достатньо озирнутися на півтора роки тому.

Розпорядженням Уряду РФ №1632р від 28 липня 2017 року заходи з інформатизації охорони здоров'я були затверджені як невід'ємна частина програми «Цифрова економіка». Тоді ж Дмитро Медведєв назвав серед цілей інформатизації розвиток систем штучного інтелекту в охороні здоров'я, а також розробку інноваційних рішень для превентивної та персоналізованої медицини.

Але ще через рік прем'єр-міністр доручив уряду інтегрувати галузевий «цифровий контур» у новий нацпроект «Охорона здоров'я», і задум знову зазнав коректив. Як випливає з останньої версії, заходи програми, на виконання якої до 2024 року буде направлено близько 130 млрд рублів, не мають на увазі створення ІІ-систем в медицині, а спрямовані виключно на доопрацювання та завершення злощасного довгобуду ЄДІСМ.

Штучний інтелект, нейронні мережі та машинне навчання швидко та міцно увійшли до галузі інформатизації охорони здоров'я як один із ключових драйверів та напрямків розвитку на найближчі роки. Нарівні з телемедициною, це одна з найпопулярніших у ЗМІ та блогосфері тем. Постійно зростає кількість повідомлень та обговорень про те, що планується чи вже створено чергове нове революційне рішення для медицини, побудоване на базі методів штучного інтелекту.

Ми підготували для вас 10 найцікавіших робіт з цієї теми, які заслуговують, щоб на них звернули увагу.

1. Велике пробудження штучного інтелекту.Видання The New York Times Magazine опублікувало статтю, в якій розповідається, як "Google Перекладач" навчився перекладати майже як людина, що таке штучний інтелект і до чого тут кішки та "Китайська кімната". Редакція vc.ru опублікувала переклад цієї статті, адресу https://vc.ru/21767-the-great-ai-awakening
2. Як штучний інтелект змінить охорону здоров'я за 5 років.Норман Вінарскі, один із творців Siri та консультант венчурного фонду SRI Ventures, розповів, яке майбутнє чекає на охорону здоров'я через п'ять років з урахуванням впливу штучного інтелекту. Адреса: https://rb.ru/story/future-of-ai-healthcare/
3. Штучний інтелект та лікарське рішення. Сергій Сорокін, генеральний директор "Інтелоджик" та засновник Botkin.AI, про можливості штучного інтелекту в підтримці прийняття лікарських рішень та розвитку діагностики: https://www.if24.ru/iskin-i-vrachebnoe-reshenie/
4. Алгоритм Ендрю Іна краще діагностує пневмонію, ніж лікарі. Група фахівців Стенфордського університету під керівництвом Ендрю Іна розробила алгоритм глибокого навчання, який перевершив досвідчених радіологів у діагностиці пневмонії за рентгенівськими знімками https://hightech.fm/2017/11/16/pneumonia-algorithm
5. Штучний інтелект вже може лікувати не гірше за лікарів: тренди розвитку AI в медицині. Ілля Попов, член галузевих робочих груп при Міністерстві Фінансів РФ, Торгово-промислової палаті РФ та Ділової Росії, розповів про тенденції розвитку AI у фармацевтиці та медицині та дав прогнози на 2018 рік: https://rb.ru/opinion/trendy-razvitiya -ai-v-farme/
6. Штучний інтелект допомагатиме ставити діагнози у всіх лікарнях Китаю. Медичні ІІ-платформи можуть ставити навіть найскладніші діагнози з точністю 85% та призначати схеми лікування онкологічних захворювань, які на 96% збігаються з думкою найкращих лікарів Китаю, повідомляє China Daily. Адреса: https://hightech.fm/2017/10/11/ai-china-diagnostic
7. Штучний інтелект – революція чи новий маркетинговий хід?Огляд думок з теми штучного інтелекту від різних фахівців: https://www.crn.ru/numbers/spec-numbers/detail.php?ID=123946
8. Помилки штучного інтелекту. Щодня ми чуємо, що штучний інтелект вирішить усі наші проблеми – від самоврядних автомобілів до лікування раку. У той же час деякі вчені та капітани індустрії, наприклад, Ілон Маск, засновник компанії Tesla, вважають, що штучний інтелект становить екзистенційну загрозу людству. Де ж правда і що ховається під цим терміном? Фахівець з Computer Science Анатолій Гершман розповідає про головні міфи, що оточують ІІ https://postnauka.ru/faq/80051
9. Найцікавіші AI-рішення та проекти 2017 року. Одним із яскравих IT-трендів минулого року став бурхливий розвиток сервісів, що використовують технології машинного навчання та системи штучного інтелекту (Artificial Intelligence, AI) на базі нейронних мереж. Згадуємо найоригінальніші та найперспективніші програмні рішення в цій галузі https://3dnews.ru/963472/
10. Google представила інструмент ІІ для прецизійної медицини з відкритим вихідним кодом. Компанія зробила DeepVariant, інструмент, який може бути використаний для підвищення точності геномного секвенування, доступного через Google Cloud

• На рівні проектування: прогнозування захворювань, виявлення груп пацієнтів із високим ризиком захворювань, організація профілактичних заходів.
• На рівні виробництва: автоматизація та оптимізація процесів у лікарнях, автоматизація та підвищення точності діагностики.
• На рівні просування: керування ціноутворенням, зниження ризиків для пацієнтів.
• На рівні надання обслуговування: адаптація терапії та складу ліків для кожного окремого пацієнта, використання віртуальних помічників для побудови маршруту пацієнта в поліклініці чи лікарні.

Штучний інтелект у радіології

Штучний інтелект активно застосовується у дослідженнях розвитку методик діагностики раку. Докладніше у статті:

2019

CB Insights: У 2021 році ринок медичних ІІ-технологій досягне $6,6 млрд

На початок 2019 року, згідно з даними аналітичної компанії CB Insights, починаючи з 2013 року міжнародним технологічним стартапам, що розвивають технології. штучного інтелекту, вдалося залучити $4,3 млрд у рамках 576 угод. Крім того, експерти стверджують, що протягом найближчих трьох років ринок медичних ІІ-технологій досягне позначки $6,6 млрд, збільшуючись щороку на 40%.

IBM і AstraZeneca створили нейромережу, що передвіщає серцевий напад

На початку березня 2019 року компанії IBMі AstraZenecaпредставили нейромережаяка може передбачати серцевий напад. Результати роботи нової технології описані в статті «Кластеризація на основі результатів пацієнтів з гострим коронарним синдромом при використанні багатозадачної нейронної мережі».

Команда дослідників зібрала дані щодо віку, статі, анамнезу життя та захворювання, шкідливих звичок, а також результати лабораторних досліджень, інформацію про лікування та майже 40 інших показників серед 26 986 дорослих госпіталізованих пацієнтів у 38 міських та сільських лікарнях Китаю. Всі дані були завантажені в нейромережу, яка мала дізнатися, чи відзначалася у пацієнта в минулому серйозна несприятлива серцева подія (MACE), а також чи отримував він антитромбоцитарні препарати, бета-блокатори та статини – препарати, що знижують прояви коронарної недостатності та запобігають інфаркту міокарда. і інсульт.

Далі автори статті проводили кластеризацію методом k-середніх для розподілу пацієнтів із семи груп на основі даних, отриманих нейромережею. В результаті виявилося, що в першому кластері, який містив пацієнтів з частими серцево-судинними подіями на кшталт інфаркту та інсульту, але низькою зустрічальністю ішемічної хвороби серця, основним предиктором наступного серцевого нападу була наявність цукрового діабету, в той час як в іншому кластері, який включав пацієнтів з тяжким перебігом серцево-судинної патології без попереднього інфаркту, основними предикторами виявилися літній вік та підвищений систолічний артеріальний тиск.

Дослідники попереджають, що хоча кластеризація має значення для прогнозу захворювання, неясно, чи можуть ці дані ефективно використовуватися в клінічній практиці. Тим не менш, їх робота демонструє, що кластерний аналіз на основі штучного інтелектує перспективним підходом класифікації пацієнтів з інфарктом міокарда. Майбутні дослідження зосередяться на визначенні «кластерно-специфічних» втручань, за яких враховується ефективність. попереднього лікування.

2018

Обсяг ринку ІІ-технологій у охороні здоров'я становив $1,4 млрд - Zion Market Research

У 2018 році обсяг глобального ринку ІІ-технологій для охорони здоров'я досягла $1,4 млрд, підрахували в аналітичній компанії Zion Market Research. Очікується, що до 2025 року показник зросте до $17,8 млрд, а витрати на такі рішення збільшуватимуться приблизно на 43,8% щорічно.

Найбільше на медичний штучний інтелект ( машинне навчання, контекстно-залежні обчислення, обробка природної мови, комп'ютерний зір, розпізнавання мови) витрачають у Північній Америці. Лідерство обумовлено тим, що цей регіон представляють такі технологічні гіганти, як Microsoft , IBM , Google , Nvidia , Amazon , Intel , General Electricта Xilinx. Крім того, у Північній Америці часті угоди щодо злиття та поглинання, великі партнерства та запуск важливих продуктів.

У Європі до 2019 року ринок штучного інтелекту, що використовується в медичних цілях, можна вважати таким, що зароджується. У 2016 році його обсяг вимірювався $320 млн, до 2019-го він складе $1,61 млрд. При цьому 21% медичних установ у Європі планують закупівлі ІІ-інструментів, свідчать дані європейської спільноти електронної охорони здоров'я, оприлюднені у квітні 2019 року.

Одним із головних каталізатором попиту на ІІ-продукти в медицині є дефіцит лікарів. За даними Всесвітньої організації охорони здоров'я, до 2019 року 57 країнам не вистачає приблизно 2,3 млн медсестер та лікарів. Фактором, який стримує розвиток цього ринку, експерти називають відсутність кваліфікованих фахівців, які могли б дотримуватися керівних принципів у галузі ІІ.

До найбільших виробників ІІ-рішень аналітики відносять такі компанії:

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

Представлено штучний інтелект, який підвищує успіх ЕКЗ на 20%.

Наприкінці грудня 2018 року експерти з Корнуельського університету та Імперського коледжу в Лондоні продемонстрували результати свого дослідження, згідно з якими ефективність ЕКОможна підвищити на 10-20%, якщо використати штучний інтелектдля оцінки якості ембріонів Детальніше .

Початок установки в Китаї 4 тис. будок з ІІ-лікарями, що ставлять діагнози за хвилини

Наприкінці листопада 2018 року найбільший онлайн-провайдер медичних послуг Китаї Ping An Healthcare and Technologyрозповів, що планує встановити кілька тисяч ІІ-Клінік розміром з телефонну будку і поширити їх по всій країні за три роки. Перші такі пункти надання медичної допомоги вже запрацювали. Детальніше .

Як штучний інтелект розвиватиметься в медицині у 2019 році

Японія будує ІІ-лікарні для вирішення проблеми нестачі лікарів

У серпні 2018 року стало відомо про те, що уряд Японії, за підтримки бізнесу та наукової спільноти, розпочинає будівництво в країні лікарень, в яких на допомогу медикам прийде штучний інтелект. За рахунок ІІ-технологій передбачається впоратися з нестачею лікарів у Японії, розвантажити персонал та скоротити медичні витрати. Детальніше .

Запропоновано перші рекомендації щодо застосування ІІ у сфері охорони здоров'я

18 червня 2018 року Американська медична асоціація (AMA) запропонувала перші у світі рекомендації щодо використання штучного інтелектув галузі охорони здоров'я. У заяві, яку представник AMA оголосив на щорічній конференції в Чикаго, зазначено основні напрямки подальшого розвитку ІІ в цій галузі.

Згідно з цією заявою, AMA має намір впроваджувати напрацювання в галузі штучного інтелекту та інших пріоритетних галузей для покращення результатів лікування та для професійного задоволення лікарів. AMA збирається використовувати своє значуще становище у галузі для залучення виробників, визначення пріоритетів у розробці ІІ, а також вирішення проблем, пов'язаних із валідацією та впровадженням нових методик. Крім того, AMA має намір розробити план навчання фахівців та донесення інформації до пацієнтів про обмеження та можливості, які характерні для цієї категорії аналітичних інструментів.

AMA виступає за інтеграцію ретельно продуманих, високоякісних та клінічно апробованих методик застосування ІІ, а також вимагає належного професійного та урядового нагляду за їх безпечним, ефективним та законним використанням. Аналітичні технології на основі ІІ, вважає AMA, мають бути доступними для перевірки та виявлення систематичних похибок на всіх етапах розробки, відповідати провідним стандартам відтворюваності, а також захищати інтереси приватних осіб та конфіденційність особистої інформації.

AMA вважає, що у центрі уваги мають бути потреби користувачів, а використання системи ІІ має перевірятися на репрезентативної вибірці у межах клінічного дослідження.

ІІ навчили передбачати падіння артеріального тиску під час операції

У червні 2018 року журнал Anesthesiology опублікував результати, отримані групою дослідників, яка розробила алгоритм прогнозування потенційної гіпотонії або аномального падіння артеріального тиску під час операції.

Для створення алгоритму дослідники скористалися технологією машинного навчання – штучний інтелектпроаналізував дані 1334 пацієнтів, під час операції яких здійснювалася реєстрація артеріального тиску – 545 959 хвилин. На основі цих даних було підготовлено алгоритм прогнозування гіпотонії під час операції.

Затвердивши цей алгоритм, дослідники провели його перевірку на другому наборі даних, що включав показники артеріального тиску 204 пацієнтів загальною тривалістю 33236 хвилин. У ці записи входило 1923 епізоду гіпотонії. Алгоритм точно передбачив раптове падіння артеріального тиску за 15 хвилин до його виникнення у 84% випадків, за 10 хвилин до його виникнення – у 84% випадків та за п'ять хвилин до його появи – у 87% випадків.

Дослідники припускають, що цей алгоритм може активно використовуватися анестезіологами та хірургами для запобігання ускладненням, пов'язаним з гіпотонією, таким як післяопераційний інфаркт міокарда або гостра ниркова недостатність.

Як зазначив у своїй заяві Максим Каннессон (Maxime Cannesson), доктор медичних наук, провідний науковий співробітник, професор анестезіології та колишній завідувач кафедри періопераційної медицини в Медичному центрі UCLA в Лос-Анджелесі, раніше лікарі не мали можливості передбачити гіпотонію під час операції, і Вочевидь, у умовах анестезіологам доводилося діяти дуже швидко у відповідь раптове падіння артеріального тиску. Можливість прогнозування епізодів гіпотонії під час операції дозволить лікарям активно запобігати розвитку цих епізодів та їх ускладнень.

ІІ краще за лікарів розпізнає рак шкіри

Наприкінці травня 2018 року було опубліковано дослідження, що показало більш високу ефективність штучного інтелекту порівняно з людиною щодо розпізнавання раку. Однак у важкодоступних місцях комп'ютер не такий точний. Детальніше .

Три найбільш перспективні застосування ІІ в медицині

Штучний інтелект залучили до УЗД-діагностики вагітних

У британській лікарні запустили новий вид тестування плода на патології, які не спроможний помітити лікар. У засновану на штучному інтелекті систему закладено 350 000 знімків, класифікованих за тими чи іншими відхиленнями.

За уточненням Engineer, УЗД-діагностика зі штучним інтелектом отримала назву ScanNav і покликана надавати лікарю додаткові відомості в режимі реального часу. В результаті ІІ дозволяє фахівцю не сумніватися, що враховано всі ракурси. Останнє особливо актуальне через рух плода в утробі матері.

Поки що технологію апробують у тестовому режимі в акушерстві, але в майбутньому розробку планується застосовувати у різних галузях медицини. До речі, на ІІ-діагностів вже покладено великі надії у дефіцит лікарів. Японії, а в Китаїштучному інтелекту взагалі видали лікарську ліцензію.

Пошуком нових антибіотиків займеться штучний інтелект

Стійкість до антибіотиків – це одна з найбільших проблем сучасної медицини. Завдяки повсюдному застосуванню антибіотиків і недотримання інструкцій лікаря ліки перестали впливати на бактерії, що викликає проблеми при лікуванні як звичайних повсякденних захворювань, так і тяжких.

Одна техніка, яка може впоратися із стійкістю до антибіотиків, – це пошук варіантів відомих антибіотиків. На жаль, це украй важкий і трудомісткий процес, що потребує часу. Принаймні для людей. Коли в дію вступають алгоритми, питання часу перестає бути настільки значущим.

Група американських і російських дослідників створили антибіотичний алгоритм, який швидко розбираючи бази даних, може відкрити в 10 разів більше варіантів антибіотиків, ніж було відкрито за весь час подібних досліджень у попередні роки.

Алгоритм, відомий як VarQuest, описаний у статті, надрукованій в останньому номері журналу Nature Microbiology. Хосейн Махімані, професор університету Карнегі-Меллона, говорить у прес-релізі, що VarQuest завершив пошук, який методами традиційних обчислень зайняв би сотні років.

Також Мохімані вказує, що VarQuest зумів надати більше тисячі варіантів пептидних груп, що використовуються для виробництва антибіотиків, за рекордно короткий час, і таким чином він може дати мікробіологам більш широку перспективу, можливо навіть попередити про тренди або патерни мікробіологічного світу, які інакше пройшли б повністю непоміченими.

2017

У охороні здоров'я прийде "цунамі" ІІ-технологій

Створено ІІ-пристрій для віддаленого контролю сну за допомогою радіохвиль

8 серпня стало відомо про те, що інженери (MIT) за участю фахівців Центральної лікарні штату Массачусетс розробили ІІ-систему, здатну контролювати сон людини за допомогою радіохвиль.

Як передає видання TNW, пристрій, який на вигляд нагадує звичайний роутер Wi-Fi, Дистанційно аналізує радіосигнали навколо людини і за рухом очей визначає стадії сну - легку, глибоку або швидку. Оскільки радіохвилі відбиваються від тіла, будь-який невеликий рух тіла змінює частоту відбитих хвиль. Аналіз цих хвиль допомагає виявити життєво важливі параметри життєдіяльності людини, такі як пульс і частота дихання, і визначити відхилення від норми. Для функціонування прилад не потребує датчиків і пристосований для використання в домашніх умовах.

Передбачається, що моніторинг сну в режимі реального часу в природних умовах дозволить відповісти на багато питань, пов'язаних із розладом. За задумом вчених MIT, їх розробка перетвориться в результаті на повноцінний інструмент, який дозволить лікарям відстежувати параметри сну на відстані, коригуючи його у разі потреби.

Експеримент з клонування свиней у Китаї провели роботи з ІІ

Вперше в історії людства китайські вчені з Інституту робототехніки та автоматизованих інформаційних систем при Нанькайському університеті (Nankai University) міста Тяньцзінь провели успішне клонування свиней за допомогою роботів, передає China People's Daily. свиноматок В результаті експерименту дві свиноматки наприкінці квітня, на 110 день вагітності народили 13 здорових штучно виведених поросят.

Під час проведення експерименту з клонування свиней вчені вперше використовували спеціальні роботизовані мікроманіпулятори-аналізатори, які виконали всі операції зі збирання та перенесення ДНК від тварин-донорів до сурогатних носіїв. Універсальні мікроманіпулятори під керуванням штучного інтелектудля операцій з ДНК поєднують у собі функції забору аналізів, тестування та оперування.

У процесі клонування свиней, проведеного у співпраці з Інститутом тваринництва та ветеринарного дослідження (Animal Husbandry and Veterinary Research Institute), була задіяна так звана техніка ядерного перенесення соматичних клітин (Somatic Cell Nuclear Transfer, SCNT), що зазвичай використовується для селекції - коли переноситься до яйцеклітини без ядра. Перевагою цієї методики є гарантія якісного запліднення яйцеклітини, а недоліком - низький рівень успішного завершення експериментів через великий відсоток шлюбу у процесі клонування.

Основна проблема процесу клонування з ядерним переносом у тому, щоб уникнути руйнації чутливих клітин. Дослідники зробили попередній аналіз потужності, необхідної інструменту для безпечної роботи з клітинами при видаленні ядер, а потім відрегулювали його на мінімально можливому рівні. Завдяки цьому ступінь деформації клітин зменшився з 30-40 мм до 10-15 мм, що покращило подальший розвиток клітини та збільшило шанси на успіх.

Передбачається, що отримані в результаті дослідження дані про взаємозв'язок мікрооперацією над клітинами і подальшим розвитком клітин зможе допомогти іншим вченим зробити наступні відкриття в цій галузі.

Штучний інтелект навчили передбачати інфаркт краще за лікарів

У квітні 2017 року вчені з Університету Ноттінгема представили технологію штучного інтелекту, здатну передбачати настання серцевого нападу. Розробники стверджують, що точність прогнозування вища, ніж у лікарів.

У ході дослідження порівняли ефективність рекомендацій медиків із роботою чотирьох програм, написаних з використанням алгоритмів машинного навчання. Вчені мали на меті знайти закономірності в записах понад 378 тис. пацієнтів. У комп'ютер було закладено 22 критерії, у тому числі вік, національність, наявність артриту та захворювань нирок, рівень холестерину в крові.

Зроблені штучним інтелектом висновки про ризики розвитку інфаркту звірили з даними за 2015 рік, і вони виявилися більш точними, ніж передбачення лікарів, засновані на рекомендаціях Американського колежу кардіології (ACC) та Американської асоціації серця (America : від 74,5% до 76,4% точності проти 72,8%.

За приблизними підрахунками авторів проекту комп'ютер міг би врятувати на 355 життів більше, ніж методика ACC і AHA. Вчені мають намір підвищити ефективність інтелектуальної системи, додавши до неї облік таких факторів ризику, як спосіб життя та генетичні дані.

Цікаво, що алгоритми не враховували впливу діабету, який завжди вважався фактором ризику в системі ACC і AHA.

За словами епідеміолога Ноттінгемського університету Стівена Вена, біологічні системи мають безліч взаємозв'язків, частина яких невідома лікарям: наприклад, підвищений вміст жиру в організмі за певних умов може захистити від гострих відхилень у роботі серця. Подібні взаємодії неочевидні, їх складно помітити та пояснити, але комп'ютерна програма здатна простежити зв'язок, Проаналізувавши величезні обсяги даних, вважає він.

Григорій Колесников, керівник акселераційної програми G4A (Grants4Apps) Bayer у Росії, розповідає, що заважає впровадженню в медицині, і розмірковує, чи можливо стартапам у цій сфері подолати такі перешкоди.

Як ІІ допомагає медичним фахівцям

Нещодавно Google розповів про запланований вихід на ринок систем штучного інтелекту, що дозволяють позбавити телефонні розмови від фонових шумів (скажімо, гавкаючи собак). Як нам обіцяють, алгоритми на базі штучного інтелекту всередині смартфона максимально допомагатимуть здійснювати рутинні операції. Перспективи вражають, адже сучасні люди проводять кілька годин на день перед екранами своїх пристроїв. І такі технології вже міцно входять у наше життя.

Сьогодні штучний інтелект активно застосовується для розробки побутової техніки, особистих голосових помічників, в охоронних системах. Там, де потрібна обробка великого обсягу інформації.

У медицині штучний інтелект дозволяє підвищити ефективність діагностики завдяки можливості роботи з більшими обсягами. Відомий випадок, коли розумний сервіс діагностики IBM Watson виявив у 60-річної пацієнтки з невірним діагнозом рідкісну форму лейкемії. Для цього система за 10 хвилин вивчила 20 мільйонів наукових статей про рак.

Як результат – ІІ дозволяє зменшити обсяг повсякденних рутинних завдань, які змушені вирішувати медфахівці. І здатний звести до мінімуму можливі помилки. А ще відкриває можливості для появи нових професій з обслуговування цифрових систем у медицині.

Чому не все так гладко

Програми та апарати зі штучним інтелектом сьогодні використовуються в аналізі рентгенівських, КТ- та МРТ-знімків (достатньо завантажити зображення в систему, після чого ІІ проведе аналіз та дасть висновок). «Інтелектуальну» медицину застосовують у телемоніторингу хронічних захворювань та при оцінці необхідності госпіталізації людей, у робот-асистованій хірургії. Нові технології освоїли і фармацевти – ІІ застосовують у розробці нових лікарських засобів.

Так, компанія Semantic Hub нещодавно створила сервіс на базі штучного інтелекту для автоматизації оцінки потенціалу медичних препаратів перед випуском ринку. Система збирає та аналізує мільйони документів, у тому числі наукових публікацій, пов'язаних із хворобою, призначенням та дією ліків, що розробляються. Потім аналізує інформацію та робить висновок про потенціал препарату з урахуванням усіх факторів ризику та конкурентних переваг. Раніше розробникам ліків вдавалося вивчити "вручну" лише 1% подібних документів.

«Розумні» медичні продукти, послуги та процеси зараз розробляють практично всі лідируючі «цифрові» корпорації. Загалом, за даними дослідницької компанії Venture Scanner, такі розробки ведуть понад 800 компаній у всьому світі.

Багато експертів пророкують стрімке збільшення ринку штучного інтелекту – приблизно на третину на рік. За оцінками BIS Research, до 2025 року загальний ринок ІІ в охороні здоров'я сягне $28 мільярдів.

Але не все так безхмарно. На шляху впровадження технологій ІІ у медицині виникають перешкоди. І найчастіше питання виникають у самих медичних фахівців, у яких нововведення можуть викликати обґрунтовану недовіру.

У чому причина проблем, що виникли? Спробуємо розібратися.

Перешкоди для штучного інтелекту у медицині

1. Інформація «другої свіжості»

Мова, безумовно, ведеться про якість та обсяг медичної інформації. Накопичені в медкартах пацієнтів дані можуть бути неповними, містити помилки, неточності та нестандартні терміни. У них недостатньо записів про життя пацієнта, його звички та поведінку. Ефективних механізмів збору цієї інформації поки що просто не існує.

Результати аналізу, заснованого на таких даних, завжди викликатимуть обґрунтований скепсис, а спроби підвищити якість цього аналізу впираються в трудомісткість процесу.

Для вирішення цієї проблеми зараз пропонуються варіанти навчання штучного інтелекту на невеликих обсягах інформації. Як успішні приклади такого навчання можна назвати принцип роботи клавіатури смартфонів, коли система запам'ятовує і аналізує введені раніше слова і може прогнозувати зміст наступних текстів. На подібних технологіях засновані програми для розпізнавання облич та музики.

При успішному запровадження медицину система машинного навчання здатна вирішувати багато завдань: перевіряти сумісність ліків, ставити діагнози з урахуванням генетичного аналізу. Як приклад можна навести рішення компанії Droice Labs, яке робить багато з перерахованого вже практично в Росії.

2. Неговіркі роботи

Друге обмеження пропонованих інновацій у медицині – відсутність прозорості процесу прийняття рішення інтелектуальним ядром системи. Штучний інтелект працює за принципом «чорної скриньки». Якщо в алгоритмі є помилка і система прийняла неправильне рішення, то відповісти на запитання «чому» буде вкрай важко.

Наразі ведуть розробки машин, здатних розкривати причини своїх рішень. До висновку такого продукту ринку наближаються американські вчені. Зокрема, Агентство перспективних досліджень в галузі оборони (DARPA) підтримує 13 дослідницьких груп, які стурбовані вирішенням цієї проблеми.

Вітчизняна компанія «Інтеледжик» у своєму патенті також заявляє про використання медичних онтологій для підготовки математичних моделей та для представлення результатів відпрацювання нейромережевих моделей. Такий підхід за заявами авторів патенту дозволить лікарям розуміти шлях прийняття рішень машиною та значно знизити кількість даних, необхідну для навчання моделей.

Складність підходів до обробки даних на основі штучного інтелекту породжує іншу проблему: підбір та розвиток персоналу, здатного ефективно використовувати та обслуговувати системи з нетривіальними алгоритмами.

3. Розумним машинам – розумний підхід!

Крім безпосередньо самого алгоритму, який може проводити аналіз із високим ступенем точності, для успішного впровадження нововведення у практику потрібна сильна проектна команда. Успіх такого проекту у медицині залежить від того, наскільки продуктивно взаємодіють учасники.

Команда повинна включати фахівців із широким спектром компетенцій у предметній галузі, математичних алгоритмах та підходах до захисту інформації, з навичками програмування та наочного подання даних. Вкрай бажано, щоб учасники володіли не однією, а кількома різними компетенціями, щоб добре розуміти та доповнювати один одного.

4. Ціна та цінність

Виникаючі складнощі підвищують вартість розробки, застосування та застосування рішень з урахуванням штучного інтелекту. Висока вартість проектів пов'язана з необхідністю налаштування нової системи під дані, накопичені в конкретній медустанові, формування кваліфікованої та мотивованої команди.

А це, у свою чергу, ставить під сумнів можливості швидкого масштабування технологій, що пропонуються стартапами. Масштабування можливе, наприклад, у разі обробки медичних зображень одного виду, але потреби виходять далеко за ці межі.

Галузеві експерти сходяться на думці: у короткостроковій перспективі впровадження штучного інтелекту не призведе до помітного зниження витрат. Треба продовжувати шукати зони, де застосування технологій штучного інтелекту приноситиме вищу цінність.

5. Хто захистить від хакерів?

Не можна забувати і про те, що для забезпечення роботи штучного інтелекту потрібно забезпечити доступ до високопродуктивних обчислювальних потужностей, яких найчастіше в медичних установах немає. Відповідно, масиви даних доведеться виводити за периметр установи, а це загрожує безпеці зберігання, що має бути першим пріоритетом. Невипадково багато проектів впровадження штучного інтелекту було зупинено через ризики щодо інформаційної безпеки.

Один із яскравих прикладів, коли Департамент у справах ветеранів США після початку успішної співпраці розірвав угоду зі стартапом Flow Health – розробником системи інтелектуальної діагностики хвороб. Як пояснили в міністерстві охорони здоров'я Штатів, контракт було розірвано, коли стало відомо про обробку системою даних конфіденційного характеру. У відомстві вважали це порушенням безпеки персональної інформації пацієнтів-ветеранів. До речі, витоків так і не виявили.

Дорогу інтелекту!

Експертна спільнота чудово усвідомлює існуючі проблеми та намагається реагувати на них: продумує принципи конструювання роботизованих систем, пропонує обговорити питання етики застосування штучного інтелекту на практиці, розробляє нові варіанти впровадження технологій. Але скажемо прямо: для адекватного опрацювання підходів та стандартів потрібен час.

Більшість питань, що уповільнюють використання рішень на основі штучного інтелекту в медицині, зовсім не пов'язана з технологічною стороною відносини. Найчастіше це етичні та адміністративно-процедурні проблеми, складності збору та обробки даних (надання лікарю необхідного часу для внесення інформації до бази), проблеми поділу зон відповідальності, розуміння механізмів роботи штучних систем.

Які перспективи?

Незважаючи на всі складнощі, перспективи проекти мають. Вважаю, у найближчі кілька років технології штучного інтелекту зможуть знайти свого споживача серед фармкомпаній, при пошуку нових молекул та біологічних мішеней, у віртуалізації доклінічних випробувань, а потім при аналізі даних клінічних досліджень. Найчастіше під час роботи з великими компаніями вдається забезпечити всі необхідні умови для успішного запуску проекту.

Усі питання вирішуються. Головне, щоб із застосуванням нових підходів ми змогли просунутися вперед, а не вистрілили собі в ногу.