Искусственный интеллект в медицине: новейшие методы диагностирования

Искусственный интеллект в медицине: новейшие методы диагностирования. Принцип работы технологии. Проблемы сбора данных. Индивидуальный подход. Тщательная проверка. Перспективы на будущее.

Искусственный интеллект в медицине: новейшие методы диагностирования ваш личный врач

Искусственный интеллект в медицине: новейшие методы диагностирования

 

Когда вы последний раз посещали своего врача? Когда сдавали анализы, ходили на осмотр, проверялись, даже когда ничего не болело? Следить за своим здоровьем важно не только, когда появляются жалобы и сомнения в отсутствии проблем. Важно знать о состоянии и правильной работе всех органов. На осмотре проверяются кожные покровы, слизистые, функции конечностей, движения, наличие или отсутствие рефлексов, но самое главное — работу сердца.

Во время приема врач с помощью стетоскопа слушает ваше сердцебиение, нормально оно или учащенно? Это помогает выявить многие проблемы, поставить диагноз и назначить лечение. Но сердечная аритмия происходит не постоянно, а приступами, поэтому ее сложно заметить во время рядового похода к врачу — необходима система. 1 человек из 4 опрошенных имеет ненормальный сердечный ритм. И самое страшное то, что они этого не знают.

А теперь представьте себе мир, в котором ваше сердце может постоянно контролироваться с помощью устройства, которое вы приобрели в любом магазине бытовой техники. Прибор обрабатывает данные, поступающие с ваших умных часов, и отправляет лечащему врачу, который теперь может поставить точный диагноз, даже если вы находитесь далеко.

Сегодня наука делает первый шаг по этому пути. Недавно ученые разработали программу, которая использует функции Apple Watch для практического определения фибрилляции предсердий — наиболее распространенной сердечной аритмии — с большей точностью, чем ранее проверенные методы.

Год назад центр Cardiogram начал исследование под кодовым названием mRhythm, в котором участвовало 6 158 человек. Компания использовала новейшие технологии для обучения нейросетей обработке показаний сердечного ритма, полученных с помощью Apple Watch. Полученные результаты были удивительными для всех: фибрилляция предсердий была обнаружена в  98,04% случаев с точностью в 90,2%.

Новейшие методы диагностирования

Искусственный интеллект уже делает успехи в обнаружении недиагностированных болезней. В декабре 2016 года команда исследователей из Google обучила глубокую нейронную сеть выявлению диабетической ретинопатии с большей точностью, чем офтальмолог. В январе 2017 года Стэнфорд опубликовал статью, в которой описывается, как нейронная сеть может обнаружить рак кожи с помощью изображений кожных повреждений. Результаты центра Cardiogram представляют собой третье важное применение искусственного интеллекта в медицине.

В перспективе эти технологии станут максимально доступными для широких масс. Поэтому можно сказать, что будущее уже здесь.

Доверите ли вы свое здоровье машине?

Проблема сбора данных

Применение искусственного интеллекта в медицине имеет свои уникальные проблемы. Среди них — сложность получения данных. Многие из компаний-гигантов обучают искусственный интеллект с помощью журналов сервера: Google и Facebook по любому вопросу могут предоставить миллиарды ссылок на связанные данные.

В медицине же такая практика только начала использоваться. Чтобы обучить искусственный интеллект, ему необходимо предоставить информацию, примеры, предыдущий опыт. Но при малых масштабах исследования это занимает очень много времени. Поэтому сбор данных может стоить жизни человека. Только очень большие исследования могут генерировать достаточное количество данных для обучения глубокой нейронной сети.

Чтобы обучить свой классификатор диабетической ретинопатии, Google нанял небольшую армию офтальмологов, чтобы вручную классифицировать 128 000 фотографий сетчатки (здоровой и “больной”). Чтобы научить искусственный интеллект определять рак кожи по фото, Стэнфорд объединил 18 существующих хранилищ изображений с открытым доступом и дополнил данные изображениями из Стэнфордского медицинского центра.

ИИ заменит врачей

Индивидуальный подход

Одна из главных целей обучения искусственного интеллекта — обеспечить персонализированный подход. Предположим, вы уведомили программу (устройство) о своих панических атаках. Ориентируясь на это сообщение, искусственный интеллект начнет фиксировать конкретные биометрические триггеры. Перед следующей панической атакой вы заранее получите уведомление: «Сделайте три медленных, глубоких вдоха».

Для того чтобы искусственный интеллект смог работать над индивидуальными случаями самостоятельно, разработчиками пришлось долгое время его обучать на конкретных примерах. В программу было загружено 123 миллионов измерений сердечного ритма, чтобы минимизировать измерительные ошибки в будущем.

Предыдущие исследования использовали статистический метод определения фибрилляции предсердий с использованием импульса. Вдохновляясь этим методом, центр Cardiogram предварительно подготовил нейронную сеть, чтобы предсказать среднее изменение показаний частоты сердечных сокращений в разных временных периодах.

Тщательная проверка

Чтобы проверить модель, исследовательский центр получил данные о фибрилляции предсердий от кардиоверсий. При кардиоверсии, чтобы наладить сердечный ритм у пациента, страдающего фибрилляцией предсердий, используется либо химический метод, либо разряд в сердце. 51 пациент при исследовании согласился носить Apple Watch во время кардиоверсии. С помощью этого были получены образцы сердечного ритма перед процедурой, когда у пациента происходил приступ фибрилляции предсердий, а затем, когда работа сердца пациента восстановилось до нормального ритма. По этому критерию точность исследований превышает точность всех существующих методов.

Во-первых, мы хотели бы гарантировать, что наш алгоритм работает в самых разных условиях, будь вы спите, бежите или водителю.

Есть проблемы в масштабировании нашей оценки модели, чтобы она работала почти непрерывно на всех наших пользователей. Чтобы развернуть наш алгоритм в дикой природе, мы должны превратить нашу обучающую программу обучения в исследовательский класс в сервер оценки распределенной модели.

Что дальше?

Работа далека от завершения. Несмотря на то, что уже сейчас можно говорить о непрерывной работе умного устройства (когда вы спите, бежите или ведете машину, где бы вы не находились — в России, за ее пределами, в лесу, в самолете, — устройство будет получать и обрабатывать данные), необходимо не просто обнаружить болезнь, но лечить ее. Вы можете представить себе, как в будущем вам на смартфон приходит уведомление: «Мы заметили ненормальность в вашем сердцебиении. Хотите пообщаться с кардиологом?». После подключения к врачу программа также будет следить за эффективностью вашего плана лечения. «Похоже, ваш бета-адреноблокатор работает, но теряет эффективность через 12 часов. Почему бы вам не увеличить дозировку?». При использовании носимых устройств, возможно не только обнаружить болезнь на ранней стадии, но также направлять пациентов на путь к выздоровлению.

Оцените статьюОцените статью
Очень плохоПлохоУдовлетворительноХорошоОтлично (2 оценок, среднее: 5,00 из 5)
Загрузка...
Расскажите друзьям о статье:
avatar