Как искусственный интеллект применяется в медицине

ИИ диагностирует

Алгоритмы ИИ уже вовсю применяются в медицинской практике, помогая врачам определять болезни и назначать лечение.

Платформу Watson Health от IBM используют радиологические клиники США, Индии и Таиланда. Когнитивная программа на её основе способна зарегистрировать у пациентов рак или проблемы с сердцем. Российская разработка TeleMD тоже диагностирует онкозаболевания, а также оценивает риски их развития. DeepMind Health — технология Google — работает в британской офтальмологической клинике, выявляет некоторые глазные болезни и рекомендует, как их лечить.

В прошлом году появилась информация, что в одной из больниц Англии началось тестирование ИИ, который проводит УЗИ-диагностику беременных. ПО под названием ScanNav в режиме реального времени и параллельно с врачом обследует плод на патологии.

Микробиологи из BIDMC разработали умный микроскоп, который с помощью ИИ диагностирует смертельные инфекции крови. Его нейронная сеть изучила 100 тысяч изображений с вредоносными бактериями и теперь способна сортировать их по видимым признакам с точностью до 93%.

Международная практика

Американская компания Enlitic предлагает онлайн-сервис, повышающий клиническую и экономическую эффективность работы медицинского персонала. Созданный для распознавания рентгенограмм легких в двух проекциях, он позволяет с точностью свыше 95% (AUC {amp}gt; 0,95) классифицировать снимки по 6-7 основным синдромам (не диагнозам!

) и формировать предварительный шаблон описания, с которым врачу нужно либо согласиться и нажать «подписать», либо не согласиться и внести свои изменения. Основная сложность, с которой столкнулись разработчики, — проверка данных для тренировки компьютера. В результате этот процесс осуществлялся при помощи массового тегирования (разметки) врачами со всего мира более 5 млн снимков по согласованным критериям.

В компании Babylon health и Sensely разработали приложения для анализа жалоб людей, обращающихся в колл-центр. Алгоритмы анализируют ответы пациента на заданные вопросы и выбирают один из собственных вариантов, таких как «срочно обратитесь к врачу/запишитесь на прием/почитайте об этом заболевании на нашем сайте».

Израильский стартап Zebra Мedical обратился к проблеме ошибок диагностики, которые по разным оценкам достигают 30% в общем числе проводимых исследований. Потенциально их разработка может повысить число выявляемых при компьютерной томографии заболеваний, снижая вероятность человеческой ошибки: врач как человек может что-то просто не заметить при описании томограмм.

Для ответственного врача это удобный инструмент, позволяющий не пропустить, к примеру, опухоль легкого, перелом позвонка, хронические заболевания печени или кальциноз артерий сердца. Для менеджмента клиники — возможность управления рисками и дополнительная защита от гипотетических судебных исков в случае пропущенных диагнозов.

С точки зрения системы здравоохранения, дополнительные находки — это в большинстве случаев ложно-положительные диагнозы, увеличивающие стоимость обследования и лечения, но не повышающие качество и продолжительность жизни. В ноябре 2017 года была объявлено о предоставлении доступа к сервисам Zebra через Google Cloud по цене $1 за каждое исследование.

ИИ отслеживает

На основе ИИ разработчики выпускают сервисы для мониторинга состояния пациентов. Врачи и учёные исследуют результаты и затем проводят клинические испытания.

Профессора из Университета Дьюка создали приложения Autism {amp}amp; Beyond и mPower, которые отслеживают симптомы аутизма и болезни Паркинсона, позволяя совершенствовать методы их диагностики. Позднее корпорация Apple разработала на их основе API-софт Health Records, чтобы пользователи делились данными с медицинскими исследователями даже через сторонние приложения.

Учёные из Массачусетского технологического института совместно со специалистами Центральной больницы из того же штата создали ИИ-систему для мониторинга сна человека. Она отслеживает отражающиеся от человека радиосигналы, анализирует пульс, частоту дыхания и способна отличить отклонения от нормы. Разработка поможет врачам удалённо инспектировать сон пациентов и при необходимости корректировать его.

Неудачные экзамены ИИ

Компания IBM после неудачного запуска продукта Watson для анализа изображений, который, тем не менее, стал ассоциироваться с любыми продуктами на основе искусственного интеллекта, выбрала путь Google и решила натренировать компьютер на сдачу экзамена на сертификат врача-маммолога в США. Покупка ею компании Merge Healthcare, обладающей огромным архивом снимков, не дала ожидаемого результата, так как эти данные не были предварительно размечены человеком и компьютеру ни о чем не говорили.

Чтобы исправить ситуацию IBM начала создавать партнерства с клиниками для получения от них размеченных данных в обмен на лицензии на клиническое применение разрабатываемых алгоритмов. Для этого была создана технологическая платформа с магазином приложений, позволяющая в перспективе поставить на поток выпуск и валидацию алгоритмов для медицины.

Можно предположить, что в недалеком будущем, учитывая коммодитизацию томографов и растущую доступность лучевой диагностики в развивающихся странах, IBM сможет конкурировать и с сегодняшними гигантами медицинской индустрии, продавая не технологии сканирования, а доступ к сервисам массового анализа изображений и данных.

В результате, на зарождающемся рынке ИИ в медицине уже работает несколько бизнес-моделей: продажа узкоспециализированных сервисов напрямую госпиталям, продажа лицензий на сервисы через онлайн-платформы или маркетплейсы, продажа разработанного программного обеспечения крупным компаниям-производителям медицинских информационных систем, всевозможные партнерства между стартапами и индустриальными лидерами. Все понимают, что «золото» очень близко, но где точно — пока непонятно.

ИИ предсказывает

В 2018 году американский медицинский журнал Anesthesiology опубликовал результаты исследования искусственного интеллекта, полезного при методах оперативного лечения. В статье идёт речь об алгоритме машинного обучения для прогнозирования гипотонии во время хирургического вмешательства. ИИ проанализировал данные более тысячи пациентов, которые в общей сложности провели на операционном столе почти 10 тысяч часов. Он научился предсказывать аномалии за 15 минут до их возникновения с 84% точностью, с такой же — за 10 минут и с 87% — за 5 минут.

Qventus — система мониторинга для больниц от одноимённого стартапа. Он отслеживает действия клиентов от записи в регистратуре до выписки, умеет предсказывать ухудшение самочувствия пациентов, анализируя их состояние. Также с помощью этого ИИ клиника Mercy за 4 месяца на 40% сократила количество ненужных тестов на основании схожих жалоб клиентов.

Решение Jvion на базе машинного обучения выявляет пациентов с риском повторного обращения в больницу в течение 30 дней после выписки. Помимо этого, оно даёт рекомендации по уходу за здоровьем и профилактике болезней.

Ограничения и ошибки в России

Ситуация на рынке ИИ в области медицины в России заметно отличается от того, что происходит сейчас на Западе. Ее можно кратко описать фразой основателя компании Enlitic Джереми Ховарда: «Большинство алгоритмов искусственного интеллекта бесполезны», так как созданы под неточное определение задачи или в отсутствие бизнес-модели.

Что ограничивает развитие и применение технологий анализа данных и ИИ в российской медицине? Во-первых, медицинский труд в России дешев, и, соответственно, экономическое обоснование автоматизации функций медсестры или врача несостоятельно.

Во-вторых, врачи в России в избытке (1 рентгенолог на 2800 населения в России, 1/10000 в США и 1/100 000 в Японии), и как следствие, отсутствует типичная мотивация заместить недостающую рабочую силу алгоритмом или компьютерной программой.

В-третьих, по моим ощущениям, формально отсутствует проблема качества медицинской помощи и экономических потерь из-за назначения бесполезных исследований, поскольку сложившейся системе невыгодно демонстрировать проблемы.

Таким образом, в России хайп ИИ в большей степени обусловлен «модой» и стремлением привлечь легкие инвестиции.

При этом существенным отличием российской медицины от медицины стран ОЭСР является индустриальное отставание, то есть крайне ограниченный системный подход к организации рабочих процессов, постановке измеримых качественных целей, экономическому обоснованию, управлению по целям и информатизации. Необходимым условием для развития рынка ИИ в медицине является формирование ИТ-инфраструктуры здравоохранения.

Регламентация процессов, постановка целей на основе измеряемых метрик качества, оценка экономической эффективности — все это необходимая основа информатизации и последующей автоматизации. Получается, что отдельные госкомпании, страховщики и сетевые частные клиники проявляют скорее праздный интерес к решениям по автоматизации, но не готовы к приобретениям. Частным компаниям и инвесторам в таких условиях трудно рассчитывать на реальные продажи.

Как искусственный интеллект применяется в медицине

— создание продукта, исходя из имеющейся технологии, а не от определения проблемы целевой аудитории;

— создание алгоритмов под потребности отдельно взятого врача-евангелиста ИТ, а не системы оказания медицинской помощи;

— гипотеза отсутствия решений на рынке, в то время как продукты уже существуют в составе информационно-аналитических систем традиционных медицинских производителей, но не позиционируются отдельно для широкого потребителя;

— отсутствие четкого определения целевой аудитории, механизмов финансирования медицинской помощи и экономических мотивов потенциальных заказчиков;

— отсутствие анализа рынка, конкурентов и продуктов;

— отсутствие Сhief medical officer с медицинскими, бизнес и ИТ-компетенциями;

— создание модели «как должно быть» без базового описания рабочих процессов в модели «как есть».

ИИ исследует

Фармацевтические гиганты вроде Sanofi или Novartis прибегают к помощи стартапов, развивающим медицинские инновации, чтобы искать новые лекарства. Производитель биотехнологических препаратов Roche приобрёл для этого компанию Flatiron Health, которая применяет машинное обучение для обработки данных.

Стартап Atomwise с 2012 года использует нейронные сети для поиска более эффективных лекарственных формул. Его система глубокого обучения AtomNet ежедневно проверяет 10 млн химических соединений, предсказывая, какие из них будут оптимальнее взаимодействовать. Подобным алгоритмом пользуется биофармацевтическая компания Berg Health.

Найденные соединения могут быть эффективны в борьбе с причиной болезни, но это не гарантирует того, что организм человека хорошо отреагирует на них. Медцентр NorthShore среди прочего занимается фармакогеномикой — изучает влияние препаратов на отдельно взятых людей в рамках проекта MedClueRx. Система определяет, какие медикаменты подойдут конкретному пациенту при эпилепсии, инфекционных заболеваниях, депрессии, заболеваниях ЖКТ.

Научный журнал Nature Microbiology в прошлом году опубликовал статью об алгоритме VarQuest. Он способен обнаружить в 10 раз больше вариаций антибиотиков, чем до этого было найдено за всё время аналогичных запросов.

Выводы

Готовность медицины к изменениям привычного уклада, прежде всего, зависит от готовности применять решения из других индустрий. Например, технологии, которые используются для рендеринга изображений и отображения теней в компьютерных играх, уже успешно применяются в медицине. Трансформация медицины из искусства и ремесла в индустриальное решение происходит повсеместно, и это не замена врача, а обогащение медицины технологиями из других отраслей, например из ритейла, авиаперевозок, индустрии гостеприимства.

Применение искусственного интеллекта в медицине способно революционизировать индустрию здравоохранения за счет развития таких областей, как персонализированная медицина, диагностика, разработка новых лекарственных препаратов, робот-ассистированная хирургия, телемониторинг хронических заболеваний, дистанционная помощь пациентам, поддержка принятия правильных медицинских решений, выявление медицинских ошибок.

Не автоматизируются только экспертиза, мудрость, человеческое отношение, забота, эмпатия, взаимопонимание, поддержка — именно то, что составляет основу профессии Врача. Системным же сдвигом в медицине под давлением автоматизации должен стать переход к глаголам совершенного вида, то есть от лечения к излечению.

Заключение

«Медицинский футурист» Берталан Меско как-то сказал, что искусственный интеллект — это стетоскоп 21-го века. Он подразумевал, что такой простой инструмент, как стетоскоп, медицинское сообщество поначалу не хотело признавать. Потребовалось несколько десятилетий, чтобы врачи начали его использовать. То же самое сейчас происходит с ИИ: кто-то использует его по мере возможностей, а кто-то боится его.

Однако технологии искусственного интеллекта, машинного обучения и нейросетей во многом упрощают жизнь врачей и их подопечных. Инновации в медицине позволяют точнее диагностировать заболевания, быстрее находить лекарственные препараты, отслеживать состояние пациентов. И это лишь малая часть возможностей, которые ИИ привнёс в сферу здравоохранения.

Понравилась статья? Поделиться с друзьями:
Сердце
Добавить комментарий

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: