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».

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

Электронная 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.

Для успешного применения ИИ нужен квалифицированный медицинский персонал

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.

Иску́сственный интелле́кт (ИИ, англ. Artificialintelligence,AI) - наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами

Единого ответа на вопрос, чем занимается искусственный интеллект, не существует. Почти каждый автор, пишущий книгу об ИИ, отталкивается в ней от какого-либо определения, рассматривая в его свете достижения этой науки.

Можно выделить два направления развития ИИ:

решение проблем, связанных с приближением специализированных систем ИИ к возможностям человека, и их интеграции, которая реализована природой человека;

создание искусственного разума, представляющего интеграцию уже созданных систем ИИ в единую систему, способную решать проблемы человечества.

Но в настоящий момент в области искусственного интеллекта наблюдается вовлечение многих предметных областей, имеющих скорее практическое отношение к ИИ, а не фундаментальное. Многие подходы были опробованы, но к возникновению искусственного разума ни одна исследовательская группа пока так и не подошла.

Области робототехники и искусственного интеллекта тесно связаны друг с другом. Интегрирование этих двух наук, создание интеллектуальных роботов составляют ещё одно направление ИИ.

Робототехника опирается на такие дисциплины как электроника, механика, программирование. Выделяют строительную, промышленную, бытовую, авиационную и экстремальную (военную, космическую, подводную) робототехнику.

Интеллектуальность требуется роботам, чтобы манипулировать объектами, выполнять навигацию с проблемами локализации (определять местонахождение, изучать ближайшие области) и планировать движение (как добраться до цели).

Разработка и производство медицинских роботов в XXIвеке достигли таких технических и экономических успехов, что информация о них с каждым годом все меньше кажется научной фантастикой.

Достижения в области робототехники и систем искусственного интеллекта с каждым днем оказывают все большее влияние на жизнь людей в прямом смысле этого слова. Технические и экономические успехи роботостроения привели к тому, что медицина стала все чаще прибегать к помощи роботов. Сегодня медицинские роботы способны проводить сложные хирургические операции, помогают ставить точные диагнозы, ухаживают за больными и этим список их возможностей не ограничиваются.

Как мы решаем свои проблемы со здоровьем, особенно, если они серьезные? Все начинается с поиска достойной клиники и ведущего специалиста в своей области. И вот, представьте себе такую картину.

Клиника найдена, специалист – самый успешный в данной области и принимает он …. круглосуточно!!!

У него нет ни фамилии, ни отчества. А только наименование модели. Это Робот!

Вот, в общем-то, перспектива на ближайшее будущее. А пока что роботы работают под чутким руководством опытного врача.

Разделы :

Робоврачи

Робокомплексы

Робосестры

Робопротезы

Роботы внутри нас

Реабилитационные роботы

Робопособия

Что такое медицинские роботы и зачем они нужны

Медицинский робот – робот, который создан для выполнения каких-либо действий, связанных с медициной вообще и здоровьем человека в частности. Десятки фантастов в сотнях своих произведений подробно описали все возможные функции, задачи медицинских роботов и даже особенности их предполагаемого устройства. В соответствии с этими описаниями робомеды будущего предстают в самых различных образах. Это и сложные миниатюрные, но очень умные «аптечки», вмонтированные в скафандр и стационарные медицинские комплексы, которые способны «и мертвого поднять». Разработаны фантастами и десятки моделей роботов помощников, нянечек и прочих санитарных работников. Есть даже вариант нанороботов постоянно присутствующих в крови человека, которые способны выводить токсины, залечивать раны и делать героев фантастических боевиков непробиваемыми в прямом смысле.

В реальности медицинские роботы развиваются по схожим направлениям. Во-первых, это хирургические комплексы. И пусть самостоятельность в принимаемых решениях у них чисто условная, но на счету этих медицинских роботов уже сотни успешных операций.

Вторым основополагающим направлением сегодня можно назвать класс роботов-помощников. Эти автоматизированные медбратья и медсестры имеют гуманоидный и не очень вид, но делают большие успехи в оказании помощи человеческому медперсоналу и больным.

Третье направление связано, в первую очередь, с протезированием, разработкой заменителей конечностей человека и созданием экзоскелетов. Искусственные «умные» конечности не только помогают конкретным больным, но служат и для отработки новых технологий роботостроения.

Несколько в стороне от основной массы роботизированных устройств медицинского назначения находятся средства передвижения для людей потерявших способность двигаться самостоятельно. Будь то инвалидное кресло с интеллектуальным управлением или средство для эвакуации раненых с поля боя.

Ну и как же обойтись без роботизированных учебных пособий для будущих медиков? Эти медицинские роботы корчатся от зубной боли, «рожают» детей и стойко переносят иные тяготы выпавшие на их долю.

Приведенный выше перечень направлений развития медицинских роботов может служить ответом на вопрос – а зачем вообще нужны медицинские роботы.

Разработчики систем искусственного интеллекта (ИИ), до сих пор считавшиеся самыми незадачливыми игроками рынка IT-решений в здравоохранении, неожиданно получили карт-бланш. Опекунами и партнерами ассоциации «Национальная база медицинских знаний», в которую решили объединиться производители и потенциальные пользователи медицинских ИИ-систем, стали такие стейкхолдеры как Администрация Президента РФ, Российская венчурная компания, Минздрав и Росздравнадзор. По информации Vademecum, влиятельные кураторы нацеливают участников новой НКО на технологический прорыв: ассоциации предстоит собрать по клиникам «очищенный массив» медицинских данных, насытить этими сведениями ИИ, способный поддерживать принятие врачебных решений, и превратить эту IT-систему в продукт, который можно будет тиражировать в отечественной индустрии здравоохранения, а в перспективе – и экспортировать.

ЗА НИШУ ПОДПИСАВШИЕСЯ

Идея создания НКО «Ассоциация разработчиков и пользователей искусственного интеллекта «Национальная база медицинских знаний», которая объединила бы представителей IT‑компаний, клиник и других интересующихся внедрением ИИ‑систем операторов индустрии, была озвучена на прошедшем в июне Всероссийском консилиуме «Медицина народного доверия».

«Одна из сессий была посвящена системам искусственного интеллекта в медицине, – рассказал Vademecum присутствовавший на консилиуме основатель компании Botkin.AI Сергей Сорокин. – Там собрались ключевые разработчики и клиники, действующие в этой нише, договорившиеся в результате создать ассоциацию, которая занималась бы популяризацией и системным развитием ИИ в здравоохранении».

Тему тут же подхватили организаторы консилиума – сообщество заслуженных врачей России и «Национальное агентство социальных коммуникаций», включившие ее в программу «Медицина народного доверия», поддержанную Администрацией Президента РФ (АП).

Уже в июле инициаторы создания НКО представили на тематическом заседании в АП «дорожную карту» развития систем искусственного интеллекта в здравоохранении. Жюри, состоящее из сенаторов, депутатов, чиновников Минздрава, ФФОМС и других госструктур, заявку одобрили. В Администрации Президента РФ на запрос Vademecum не ответили.

Помимо АП, ассоциацию готовы патронировать Российская венчурная компания, Агентство стратегических инициатив, Минздрав, Росздравнадзор, другие заинтересованные ведомства и госкомпании. «Такая поддержка говорит о том, что государство будет системно развивать проекты и стартапы, связанные с ИИ в здравоохранении. В перспективе стоит амбициозная задача наладить экспорт этих технологий и вывести Россию в лидеры инноваций в этой сфере», – говорит директор по управлению проектами «Национальной технологической инициатив» АО РВК Андрей Алмазов.

Заявка на регистрацию НКО «Ассоциация «Национальная база медицинских знаний» подана в Минюст. Известно также, что объединение возглавит руководитель направления цифровой медицины ООО «Инвитро» Борис Зингерман, а в Наблюдательный совет НКО войдут президент Национальной ассоциации заслуженных врачей России Виктор Егоров; директор МОНИКИ им. М.Ф. Владимирского Дмитрий Семенов; директор Центра компетенций по импортозамещению в сфере ИКТ Илья Массух и другие авторитетные отраслевые персоны. По словам Бориса Зингермана, о готовности вступить в ассоциацию уже заявили представители порядка 50 IT‑компаний и государственных медцентров.

Искусственный интеллект в медицине, или система поддержки принятия врачебных решений, – это комплекс программ, позволяющих на основе обработки больших массивов данных ставить диагнозы, строить прогнозы и предположения относительно лечения пациента. По данным РВК, сейчас в России на разных этапах реализации находятся около 20 тематических стартапов. Редкие и разобщенные игроки этой ниши традиционно отставали от передовой когорты IT‑операторов в здравоохранении, главным образом из‑за консервативности врачебного сообщества и отсутствия продуктивного диалога между медиками и разработчиками. Ярчайший пример – увольнение в июле 2017 года из НМИЦ сердечно‑сосудистой хирургии им. А.Н. Бакулева руководителя лаборатории математического моделирования и мониторинга Владимира Лищука. Известный кибернетик после отставки объемную монографию, где подробно описал фатальные, на его взгляд, ошибки сотрудников Бакулевского центра в лечении критической сердечной недостаточности и других кардиологических заболеваний.

Что же так заинтересовало АП в безнадежной, как еще недавно казалось, и узкой отраслевой нише?

МОБИЛИЗАЦИОННЫЙ СБЕР

По словам собеседников Vademecum, одним из стимулов к форсированному созданию НКО «Ассоциация «Национальная база медицинских знаний» стало заключение в мае этого года между СК «Сбербанк. Страхование жизни» и IBM договора на использование российскими страховщиками разработанной американской корпорацией системы Watson for Oncology, представляющей собой ИИ для выработки рекомендаций по лечению онкозаболеваний. Как говорится в совместном сообщении компаний, на практике их партнерство будет выглядеть так: если клиенту «Сбербанк. Страхование жизни» будет поставлен первичный онкологический диагноз, то IBM Watson, обрабатывающая информацию в деперсонифицированом виде и использующая данные более чем 300 медицинских журналов, 200 учебников и множество других материалов, в течение нескольких секунд выдаст рекомендации по протоколам лечения для этого пациента. Как сообщили Vademecum в IBM Watson, аналогичный проект сейчас готовится к запуску в Казахстане.

«Этот проект стал серьезным ударом для всех стартапов в сфере ИИ в России: заключив договор с Сбербанком, IBM получает доступ к большому объему данных, что дает ей серьезное конкурентное преимущество. Отдельные разработчики не способны соперничать с американской корпорацией, конкурировать с ней может только государство», – объясняет Виктор Егоров.

Чтобы не допустить укрепления позиций IBM на российском рынке, в ближайший год участники ассоциации намерены сосредоточить коллективные усилия на трех основных проектах, которые могут существенно продвинуть отечественные разработки в сфере искусственного интеллекта в медицине. Главной задачей станет создание единой базы данных, аккумулирующей медицинскую информацию медицинских организаций.

Основой этого информационного массива может стать «Объединенная база медицинских данных», созданная сотрудниками НМИЦ ССХ им. А.Н. Бакулева – для развития собственного дата‑центра ими еще год назад была создана компания «Соцмедика», ставшая резидентом «Сколково». «Наша база фактически представляет собой семантическое ядро для национальной базы. Она содержит классификаторы, регистры моделей пациента и другую прикладную информацию. На этот каркас уже будут «нанизываться» данные пациентов», – объясняет директор АО «Соцмедика» Геворг Бледжянц.

Опрошенные Vademecum представители госмедучреждений, поддерживая инициативу по строительству медицинской ИИ‑системы в целом, признаются, что пока не готовы делиться данными. «Идея нам интересна, и в случае обеспечения всех необходимых условий МОНИКИ может стать идеальной площадкой для развития таких технологий, ведь мы обладаем большим массивом рентгеновских и других изображений, которые можно использовать для разработки систем искусственного интеллекта. Однако сейчас для этого нет законодательной базы, в частности закон о персональных данных не позволяет нам предоставлять такие сведения», – говорит директор института Дмитрий Семенов.

Управляющий партнер бюро «Адвокатская группа «Онегин» Ольга Зиновьева считает, что непреодолимых барьеров для передачи медицинских данных действующее законодательство не ставит. «Например, п. 4 ст. 13 Федерального закона №323 «Об охране здоровья граждан» предоставляет медицинским организациям производить информационный обмен данными. Более сложной проблемой здесь скорее станет недостаточная правовая грамотность контролирующих органов, которые могут вывести применение ИИ‑систем на практике в зону судебных прецедентов, – рассуждает Зиновьева. – Но если создатели ассоциации смогут добиться оформления своей деятельности в отдельный нормативный акт, проблема будет снята».

По словам инициаторов создания ассоциации, они не исключают подготовку и издание такого документа. Скорое разрешение возникающих по дороге к созданию продукта противоречий обещает сам факт подключения к реализации замысла мощного административного ресурса. Да и сам формат проекта подразумевает четкое разделение усилий и ответственности: «Национальная база медицинских знаний» будет организована на принципах государственно‑частного партнерства, в котором государство обеспечит поток и защиту данных, а инвестор – финансирование и ведение разработок.

ТУГИЕ И РИСКИ

Что же касается не гипотетических, а реальных нормативных препон, встающих на пути разработчиков медицинских ИИ‑систем, то создатели ассоциации уже обратили внимание регуляторов на отдельные устаревшие и потому вредоносные регламенты. Инициаторы проекта уже начали консультации с чиновниками об изменении статуса IT‑продуктов в сфере здравоохранения – согласно действующему приказу Минздрава №4н от 6 июня 2012 года «Об утверждении номенклатурной классификации медицинских изделий» любое применяемое в отрасли программное обеспечение должно регистрироваться как медизделие.

«Эта норма фактически убивает рынок. Но нам удалось наладить диалог с Росздравнадзором и выработать взаимопонимание в этом вопросе. Проблема в том, что сейчас нет прозрачных и понятных методических рекомендаций по проведению испытаний программного обеспечения. Поэтому мы предложили для таких продуктов специальную процедуру ретроспективных клинических испытаний без участия человека на основе заранее подготовленных эталонных данных. Росздравнадзор эту идею поддержал», – говорит один из инициаторов ассоциации эксперт компании «К‑МИС» Александр Гусев.

Представители службы на запрос Vademecum не ответили.

Еще одна приоритетная для ассоциации тема – создание национального риск‑офиса, то есть системы предотвращения заболеваний. Это направление участники НКО будут вести вместе с экспертами Всероссийского союза страховщиков (ВСС). «На практике идея риск‑офиса работает так: вам звонит менеджер и информирует вас о том, что если ориентироваться на то, как вы работаете и живете, у вас могут развиться такие‑то заболевания, и соответственно рекомендует вам пройти диагностику или лечебные процедуры. Фактически это предиктивная аналитика, превентивная медицина, основанная на больших объемах данных. Такой подход может перевернуть систему страхования – мы будем идти не от страхового случая, когда человек уже болен, а работать над предупреждением болезни», – объясняет вице‑президент ВСС Максим Данилов.

Наконец, ассоциация будет поддерживать стартапы в сфере медицинских ИИ‑систем – предоставлять им очищенные данные, продвигать их разработки, помогать в поиске инвесторов.

ПОРАСКИНУЛИ МОЗГАМИ

Российские стартапы в области ИИ в медицине

«Идея создания единой базы медицинских данных кажется интересной, такие данные могут стать бесценным материалом для всех разработчиков, работающих в этой сфере. Вопросы в нюансах. Идеальным вариантом было бы, если бы в эту базу можно было интегрировать данные из истории болезни, включая диагностические данные приборов, но здесь проблема заключается в том, что сейчас не существует единого технического стандарта по формированию историй болезни, который позволил бы объединить все эти данные. Второй момент – риск утечек данных, сейчас, как известно, утечки информации из госучреждений происходят довольно часто, поэтому здесь необходимо формирование надежной системы защиты», – делится резонными сомнениями Богдан Севрюков, директор компании Ocutri, создающей ИИ‑решения для медицины.

Опрошенные Vademecum представители профильных IT‑компаний сходятся во мнении, что инициатива по созданию НКО «Национальная база медицинских знаний» – несколько запоздалая попытка наполнить госпрограммы по информатизации здравоохранения актуальным инновационным содержанием.

Недолгая история дигитализации отрасли, приходится признать, полна провалов и неоправданно резких поворотов. Достаточно оглянуться на полтора года назад.

Распоряжением Правительства РФ №1632р от 28 июля 2017 года мероприятия по информатизации здравоохранения были утверждены в качестве неотъемлемой части программы «Цифровая экономика». Тогда же Дмитрий Медведев назвал в числе целей информатизации развитие систем искусственного интеллекта в здравоохранении, а также разработку инновационных решений для превентивной и персонализированной медицины.

Но еще через год премьер‑министр поручил правительству интегрировать отраслевой «цифровой контур» в свежий нацпроект «Здравоохранение», и замысел вновь претерпел коррективы. Как следует из последней версии , мероприятия программы, на выполнение которой до 2024 года будет направлено около 130 млрд рублей, не подразумевают создание ИИ‑систем в медицине, а направлены исключительно на доработку и завершение злосчастного долгостроя ЕГИСЗ.

искуственный интеллект, путин, гусев, егисз, алмазов, скворцова, минздрав, big data

• На уровне проектирования: прогнозирование заболеваний, выявление групп пациентов с высоким риском заболеваний, организация профилактических мер.
• На уровне производства: автоматизация и оптимизация процессов в больницах, автоматизация и повышение точности диагностики.
• На уровне продвижения: управление ценообразованием, снижение рисков для пациентов.
• На уровне предоставления обслуживания: адаптация терапии и состава лекарств для каждого отдельного пациента, использование виртуальных ассистентов для построения маршрута пациента в поликлинике или больнице.

Искусственный интеллект в радиологии

Искусственный интеллект активно применяется в исследованиях развития методик диагностики рака. Подробнее в статье:

2019

CB Insights: В 2021 году рынок медицинских ИИ-технологий достигнет $6,6 млрд

На начало 2019 года, согласно данным аналитической компании CB Insights, начиная с 2013 года международным технологическим стартапам, развивающим технологии искусственного интеллекта , удалось привлечь $4,3 млрд в рамках 576 сделок. Кроме того, эксперты утверждают, что в течение ближайших трех лет рынок медицинских ИИ-технологий достигнет отметки в $6,6 млрд, увеличиваясь каждый год на 40%.

IBM и AstraZeneca создали нейросеть, предвещающую сердечный приступ

В начале марта 2019 года компании IBM и AstraZeneca представили нейросеть , которая может предсказывать сердечный приступ. Результаты работы новой технологии описаны в опубликованной статье «Кластеризация на основе результатов пациентов с острым коронарным синдромом при использовании многозадачной нейронной сети».

Команда исследователей собрала данные по возрасту, полу, анамнезу жизни и заболевания, вредным привычкам, а также результаты лабораторных исследований, информацию о проводимом лечении и почти 40 других показателях среди 26 986 взрослых госпитализированных пациентов в 38 городских и сельских больницах Китая . Все данные были загружены в нейросеть, которая должна была узнать, отмечалось ли у пациента в прошлом серьезное неблагоприятное сердечное событие (MACE), а также получал ли он антитромбоцитарные препараты, бета-блокаторы и статины – препараты, снижающие проявления коронарной недостаточности и предотвращающие инфаркт миокарда и инсульт .

Далее авторы статьи проводили кластеризацию методом k-средних для распределения пациентов по семи группам на основе данных, полученных нейросетью. В результате оказалось, что в первом кластере, который содержал пациентов с частыми сердечно-сосудистыми событиями по типу инфаркта и инсульта, но низкой встречаемостью ишемической болезни сердца, основным предиктором следующего сердечного приступа служило наличие сахарного диабета , в то время как в другом кластере, который включал пациентов с тяжелым течением сердечно-сосудистой патологии без предшествующего инфаркта, основными предикторами оказались пожилой возраст и повышенное систолическое артериальное давление.

Исследователи предупреждают, что, хотя кластеризация имеет значение для прогноза заболевания, неясно, могут ли эти данные эффективно использоваться в клинической практике. Тем не менее, их работа демонстрирует, что кластерный анализ на основе искусственного интеллекта является перспективным подходом для классификации пациентов с инфарктом миокарда. Будущие исследования сосредоточатся на определении «кластерно-специфических» вмешательств, при которых учитывается эффективность. предшествующего лечения.

2018

Объем рынка ИИ-технологий в здравоохранении составил $1,4 млрд - Zion Market Research

В 2018 году объём глобального рынка ИИ -технологий для здравоохранения достиг $1,4 млрд, подсчитали в аналитической компании Zion Market Research. Ожидается, что к 2025 году показатель вырастет до $17,8 млрд, а расходы на такие решения будут увеличиваться примерно на 43,8% ежегодно.

Больше всего на медицинский искусственный интеллект (машинное обучение , контекстно-зависимые вычисления, обработка естественного языка, компьютерное зрение, распознавание речи) тратят в Северной Америке. Лидерство обусловлено тем, что этот регион представляют такие технологические гиганты, как Microsoft , IBM , Google , Nvidia , Amazon , Intel , General Electric и Xilinx. Кроме того, в Северной Америке часты сделки по слияниям и поглощениям, крупные партнёрства и запуск важных продуктов.

В Европе к 2019 году рынок искусственного интеллекта, используемого в медицинских целях, можно считать зарождающимся. В 2016 году его объем измерялся $320 млн, к 2019-м он составит $1,61 млрд. При этом 21% медицинских учреждений в Европе планируют закупки ИИ-инструментов, свидетельствуют данные европейского сообщества электронного здравоохранения, обнародованные в апреле 2019 года.

Одним из главных катализатором спроса на ИИ-продукты в медицине является дефицит врачей. По данным Всемирной организации здравоохранения , к 2019 году 57 странам не хватает примерно 2,3 млн медсестер и докторов. Фактором, сдерживающим развитие этого рынка, эксперты называют отсутствие квалифицированных специалистов, которые могли бы следовать руководящим принципам в области ИИ.

К числу крупнейших производителей ИИ-решений аналитики относят следующие компании:

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

Представлен искусственный интеллект, повышающий успех ЭКО на 20%

В конце декабря 2018 года эксперты из Корнуэльского университета в и Имперского колледжа в Лондоне продемонстрировали результаты своего исследования, согласно которым эффективность ЭКО можно повысить на 10-20%, если использовать искусственный интеллект для оценки качества эмбрионов. Подробнее .

Начало установки в Китае 4 тыс. будок с ИИ-докторами, ставящими диагнозы за минуты

В конце ноября 2018 года крупнейший онлайн-провайдер медицинских услуг в Китае Ping An Healthcare and Technology рассказал, что планирует установить несколько тысяч ИИ -клиник размером с телефонную будку и распространить их по всей стране за три года. Первые такие пункты оказания медицинской помощи уже заработали. Подробнее .

Как искусственный интеллект будет развиваться в медицине в 2019 году

Япония строит ИИ-больницы для решения проблемы нехватки врачей

В августе 2018 года стало известно о том, что правительство Японии, при поддержке бизнеса и научного сообщества, начинает строительство в стране больниц, в которых на помощь медикам придет искусственный интеллект . За счет ИИ-технологий предполагается справиться с нехваткой врачей в Японии, разгрузить персонал и сократить медицинские расходы. Подробнее .

Предложены первые рекомендации по применению ИИ в сфере здравоохранения

18 июня 2018 года Американская медицинская ассоциация (AMA) предложила первые в мире рекомендации по использованию искусственного интеллекта в области здравоохранения. В заявлении, которое представитель AMA огласил на ежегодной конференции в Чикаго, указаны основные направления дальнейшего развития ИИ в этой отрасли.

Согласно этому заявлению, AMA намерена внедрять наработки в области искусственного интеллекта и других приоритетных областях для улучшения результатов лечения и для профессионального удовлетворения врачей. AMA собирается использовать свое значимое положение в отрасли для привлечения производителей, определения приоритетов в разработке ИИ, а также решения проблем, связанных с валидацией и внедрением новых методик. Кроме того, AMA намерена разработать план обучения специалистов и донесения информации до пациентов об ограничениях и возможностях, которые характерны для этой категории аналитических инструментов.

AMA выступает за интеграцию тщательно продуманных, высококачественных и клинически апробированных методик применения ИИ, а также требует надлежащего профессионального и правительственного надзора за их безопасным, эффективным и законным использованием. Аналитические технологии на основе ИИ, считает AMA, должны быть доступны для проверки и выявления систематических погрешностей на всех этапах разработки, соответствовать ведущим стандартам воспроизводимости, а также защищать интересы частных лиц и конфиденциальность личной информации.

AMA считает, что в центре внимания должны быть потребности пользователей, а использование системы ИИ должно проверяться на репрезентативной выборке в рамках клинического исследования.

ИИ научили предсказывать падение артериального давления во время операции

В июне 2018 года в журнале Anesthesiology были опубликованы результаты, полученные группой исследователей, которая разработала алгоритм прогнозирования потенциальной гипотонии или аномального падения артериального давления во время операции.

Для создания алгоритма исследователи воспользовались технологией машинного обучения – искусственный интеллект проанализировал данные 1334 пациентов, во время операции которых производилась регистрация артериального давления – в общей сложности 545 959 минут. На основе этих данных был подготовлен алгоритм прогнозирования гипотонии во время операции.

Утвердив этот алгоритм, исследователи провели его проверку на втором наборе данных, включавшем показатели артериального давления 204 пациентов общей длительностью 33 236 минут. В эти записи входило 1923 эпизода гипотонии. Алгоритм точно предсказал внезапное падение артериального давления за 15 минут до его возникновения в 84 % случаев, за 10 минут до его возникновения - в 84% случаев и за пять минут до его появления - в 87% случаев.

Исследователи предполагают, что данный алгоритм может активно использоваться анестезиологами и хирургами для предотвращения осложнений, связанных с гипотонией, таких как послеоперационный инфаркт миокарда или острая почечная недостаточность.

Как отметил в своем заявлении Максим Каннессон (Maxime Cannesson), доктор медицинских наук, ведущий научный сотрудник, профессор анестезиологии и бывший заведующий кафедрой периоперационной медицины в Медицинском центре UCLA в Лос-Анджелесе, ранее у врачей не было возможности предсказать гипотонию во время операции, и разумеется, в таких условиях анестезиологам приходилось действовать очень быстро в ответ на внезапное падение артериального давления. Возможность прогнозирования эпизодов гипотонии во время операции позволит врачам активно предупреждать развитие этих эпизодов и их осложнений.

ИИ лучше врачей распознает рак кожи

В конце мая 2018 года было опубликовано исследование, показавшее более высокую эффективность искусственного интеллекта по сравнению с человеком в части распознавания рака. Однако в труднодоступных местах компьютер не столь точен. Подробнее .

Три наиболее перспективных применения ИИ в медицине

Искусственный интеллект привлекли к УЗИ-диагностике беременных

В британской больнице запустили новый вид тестирования плода на патологии, которые не способен заметить врач. В основанную на искусственном интеллекте систему заложено 350 000 снимков, классифицированных по тем или иным отклонениям .

По уточнению Engineer, УЗИ-диагностика с искусственным интеллектом получила название ScanNav и призвана давать врачу дополнительные сведения в режиме реального времени. В результате ИИ позволяет специалисту не сомневаться, что учтены все ракурсы. Последнее особенно актуально из-за движения плода в утробе матери.

Пока технологию апробируют в тестовом режиме в акушерстве, но в будущем разработку планируется применять в различных областях медицины. К слову, на ИИ-диагностов уже возложены большие надежды в испытывающей дефицит врачей Японии , а в Китае искусственному интеллекту и вовсе выдали врачебную лицензию.

Поиском новых антибиотиков займется искусственный интеллект

Устойчивость к антибиотикам - это одна из больших проблем современной медицины. Благодаря повсеместному применению антибиотиков и несоблюдений инструкций врача лекарства перестали воздействовать на бактерии, что вызывает проблемы при лечении как самых обыкновенных повседневных заболеваний, так и тяжелых .

Одна техника, которая может справиться с устойчивостью к антибиотикам, - это поиск вариантов известных антибиотиков. К сожалению, это крайне тяжелый и трудоемкий процесс, требующий времени. По крайней мере, для людей. Когда в дело вступают алгоритмы, вопрос времени перестает быть настолько значимым.

Группа американских и российских исследователей создали антибиотический алгоритм, который, быстро разбирая базы данных, может открыть в 10 раз больше вариантов антибиотиков, чем было открыто за все время подобных исследований в предыдущие годы.

Алгоритм, известный как VarQuest, описан в статье, опубликованной в последнем номере журнала Nature Microbiology. Хосейн Махимани, профессор университета Карнеги-Меллона, говорит в пресс-релизе, что VarQuest завершил поиск, который методами традиционных вычислений занял бы сотни лет.

Также Мохимани указывает, что VarQuest сумел предоставить более тысячи вариантов пептидных групп, используемых для производства антибиотиков, за рекордно короткое время, и таким образом он может дать микробиологам более широкую перспективу, возможно, даже предупредить о трендах или паттернах микробиологического мира, которые иначе прошли бы полностью незамеченными.

2017

В здравоохранении грядет "цунами" ИИ-технологий

Создано ИИ-устройство для удаленного контроля сна при помощи радиоволн

8 августа стало известно о том, что инженеры (MIT) при участии специалистов Центральной больницы штата Массачусетс разработали ИИ-систему, способную контролировать сон человека при помощи радиоволн.

Как передаёт издание TNW, устройство, которое по виду напоминает обычный роутер Wi-Fi , дистанционно анализирует радиосигналы вокруг человека и по движению глаз определяет стадии сна - легкую, глубокую или быструю. Поскольку радиоволны отражаются от тела, любое небольшое движение тела изменяет частоту отраженных волн. Анализ же этих волн помогает выявить жизненно важные параметры жизнедеятельности человека, такие как пульс и частота дыхания, и определить отклонения от нормы. Для функционирования прибор не требует датчиков и приспособлен для применения в домашних условиях.

Предполагается, что мониторинг сна в режиме реального времени в естественных условиях позволит ответить на многие вопросы, связанные с его расстройством. По задумке ученых MIT, их разработка превратится в итоге в полноценный инструмент, который позволит лечащим врачам отслеживать параметры сна на расстоянии, корректируя его в случае необходимости.

Эксперимент по клонированию свиней в Китае провели роботы с ИИ

Впервые в истории человечества китайские ученые из Института робототехники и автоматизированных информационных систем при Нанькайском университете (Nankai University) города Тяньцзинь провели успешное клонирование свиней с помощью роботов, передает China People"s Daily. В начале января 2017 года 510 клонированных эмбрионов были помещены в шесть суррогатных свиноматок. В результате эксперимента две свиноматки в конце апреля, на 110 день беременности родили 13 здоровых искусственно выведенных поросят.

При проведении эксперимента по клонированию свиней ученые впервые использовали специальные роботизированные микроманипуляторы-анализаторы, которые выполнили все операции по сбору и переносу ДНК от животных-доноров к суррогатным носителям. Универсальные микроманипуляторы под управлением искусственного интеллекта для операций с ДНК объединяют в себе функции забора анализов, тестирования и оперирования.

В процессе клонирования свиней, проведенного в сотрудничестве с Институтом животноводства и ветеринарного исследования (Animal Husbandry and Veterinary Research Institute), была задействована так называемая техника ядерного переноса соматических клеток (Somatic Cell Nuclear Transfer, SCNT), обычно используемая для селекции - когда ядро соматической клетки переносится в яйцеклетку без ядра. Преимуществом этой методики является гарантия качественного осеменения яйцеклетки, а недостатком - низкий уровень успешного завершения экспериментов из-за большого процента брака в процессе клонирования.

Основная проблема процесса клонирования с ядерным переносом заключается в том, чтобы избежать разрушения чувствительных клеток. Исследователи произвели предварительный анализ мощности, необходимой инструменту для безопасной работы с клетками при удалении ядер, и затем отрегулировали его на минимально возможном уровне. Благодаря этому степень деформации клеток уменьшилась с 30-40 мм до 10-15 мм, что улучшило последующее развитие клетки и увеличило шансы на успех.

Предполагается, то полученные в результате исследования данные о взаимосвязи микрооперацией над клетками и дальнейшим развитием клеток сможет помочь другим ученым сделать следующие открытия в этой области.

Искусственный интеллект научили предсказывать инфаркт лучше докторов

В апреле 2017 года ученые из Университета Ноттингема представили технологию искусственного интеллекта, способную предсказывать наступление сердечного приступа. Разработчики утверждают, что точность прогнозирования выше, чем у докторов.

В ходе исследования сравнили эффективность рекомендаций медиков с работой четырех программ, написанных с использованием алгоритмов машинного обучения . Ученые преследовали цель найти закономерности в записях более 378 тыс. пациентов. В компьютер были заложены 22 критерия, в том числе возраст, национальность, наличие артрита и заболеваний почек, уровень холестерина в крови.

Сделанные искусственным интеллектом выводы о рисках развития инфаркта сверили с данными за 2015 год, и они оказались более точными, чем предсказания врачей, основанные на рекомендациях Американского коллежа кардиологии (American College of Cardiology, ACC) и Американской ассоциации сердца (American Heart Association, AHA): от 74,5% до 76,4% точности против 72,8%.

По приблизительным подсчетам авторов проекта, компьютер мог бы спасти на 355 жизней больше, чем методика ACC и AHA. Ученые намерены повысить эффективность интеллектуальной системы, добавив в нее учет таких факторов риска, как образ жизни и генетические данные.

Интересно, что алгоритмы не учитывали влияние диабета, который всегда считался фактором риска в системе ACC и AHA.

По словам эпидемиолога Ноттингемского университета Стивена Вэна, биологические системы имеют множество взаимосвязей, часть которых неизвестна врачам: например, повышенное содержание жира в организме при определенных условиях может защитить от острых отклонений в работе сердца. Подобные взаимодействия неочевидны, их сложно заметить и объяснить, но компьютерная программа способна проследить связь , проанализировав огромные объемы данных, считает он.