Seagate Russia

Цифровая медицина: как искусственный интеллект и гигантские объемы данных помогают в диагностике заболеваний

Инфраструктура работы с данными растет не по дням, а по часам. То же самое касается и самих данных, объемы непрерывно увеличиваются. Компании, занимающиеся искусственным интеллектом, находятся в постоянном поиске точек применения новых технологий, чтобы улучшить общественное благо.

Роль искусственного интеллекта в повседневной жизни продолжает усиливаться, поэтому общество начинает обсуждать использование ИИ в здравоохранении, финансах и юриспруденции. Лидеры технологического рынка давно применяют суперкомпьютеры и искусственный интеллект в своей деятельности, что позволяет освободить персонал от многих рутинных обязанностей.

В сферы, которые традиционно связаны с человеческим фактором, как та же медицина, искусственный интеллект проникает неторопливо. Однако многие исследователи высказывают мнение, что искусственный интеллект может весьма позитивно сказаться на сфере здравоохранения и даже свершить революцию. Но сможет ли искусственный интеллект заменить врача? Насколько этично компьютер будет подходить к пациенту? Будет ли он выражать сострадание и сочувствие, как врач? На все эти вопросы нам еще предстоит найти ответ в будущем.

Тело — источник данных

МРТ, КТ, остеосцинтиграфия и другие методы сканирования дают огромные объемы информации. Одна только МРТ, по самым скромным оценкам, дает изображение около 2 Мбайт для слоя 2 мм. Сканирование тела пациента может дать порядка 4.000 слоев. Что соответствует 8 Гбайт данных.

Это только начало. Объем может быть больше или меньше в зависимости от разрешения, 2D/3D, одной или нескольких перспектив. Чем больше опций выбрано, тем крупнее массив данных.

Имея на руках анализы, выписки и результаты диагностики, полученные различными методами сканирования, врач может выбрать оптимальное лечение для пациента. В том числе химиотерапию или радиотерапию, хирургическое вмешательство и т.д.

Все данные необходимо собрать, проанализировать и сохранить для будущих исследований. В том числе и для сетей глубокого обучения на основе искусственного интеллекта. Конечно, результаты рассылаются в различные медицинские учреждения для изучения врачами, что генерирует множество копий одинаковых данных.

Современные технологии позволяют врачам изучить человеческое тело в мельчайших деталях, чтобы наиболее оптимально прооперировать пациента, вылечить болезнь, провести трансплантацию органов, срастить кость и так далее. В результате мы можем жить дольше и качественнее, наслаждаясь общением с семьей, друзьями и коллегами.

По мере совершенствования технологий и прогресса в сфере медицины объемы данных будут расти в астрономических масштабах. Что приведет к поиску новых решений по управлению данными, анализу и хранению.

Искусственный интеллект в здравоохранении?

Искусственный интеллект может принести немало благ в сфере здравоохранения. От более быстрой постановки диагноза до более точных рекомендаций лечения, везде искусственный интеллект готов прийти на помощь врачу. Сегодня разрабатываются несколько интересных технологий, которые тестируются вместе с медицинскими институтами и больницами. И рано или поздно они найдут массовое применение.

Одна из таких технологий — PAIGE, которая опирается на подраздел искусственного интеллекта, известный как машинное или глубокое обучение. PAIGE разрабатывается под эгидой Мемориального онкологического центра имени Слоуна — Кеттеринга (MSK), что позволяет сети глубокого обучения использовать масштабную библиотеку снимков патологий с тысячами различных опухолей с разными видами рака. PAIGE анализирует слайды с патологиями в цифровой базе данных, после чего использует машинное обучение для сравнения данных новых пациентов с имеющейся информацией и диагнозами. В итоге искусственный интеллект позволяет лучше разобраться в природе патологий и путях развития онкологических заболеваний. И начать своевременное лечение, конечно.

Еще одна система на основе искусственного интеллекта — «биопсия дыхания» (Breath Biopsy), которая разрабатывается Owlstone Medical для определения некоторых видов рака. Устройство анализирует выдыхаемые человеком летучие органические вещества (VOC), с помощью машинного обучения производится поиск биомаркеров заболеваний. Подобная неинвазивная технология позволяет быстрее диагностировать пациента без биопсии ткани или взятия крови. Исследователи ожидают, что биопсия дыхания позволит на ранних стадиях выявлять такие трудно диагностируемые заболевания, как мезотелиома, которые маскируются под другие болезни. Что позволит медикам своевременно начать лечение. Owlstone Medical уже проводит тестовые испытания вместе с профсоюзом International Association of Heat and Frost Insulators and Allied Workers. В исследованиях участвуют пациенты, которые долгое время находились в контакте с асбестом, и у которых, к несчастью, развилась злокачественная мезотелиома. Симптомы мезотелиомы не проявляют себя от 10 до 50 лет, но данное устройство позволяет выявить заболевание на раннем этапе, пока не стало слишком поздно.

Проблемы использования ИИ в медицине

С любыми новыми технологиями всегда возникают новые проблемы и вызовы, которые приходится решать. Поэтому технологии проходят несколько итераций и циклов улучшения, прежде чем их начинают использовать в реальных условиях. Поскольку речь идет о здоровье пациентов, любые ошибки в диагнозах или некорректные оценки данных должны быть минимизированы с самого начала. Поскольку сфера искусственного интеллекта только начала соприкасаться со здравоохранением, пройдет еще несколько лет, прежде чем можно ожидать широкого распространения.

Чтобы человечество получило долгосрочные преимущества от проникновения искусственного интеллекта в медицину, исследователи ИИ и медицинские институты должны сотрудничать как можно активнее. Сеть машинного обучения критически зависит от объемов входных данных, поэтому очень важно обеспечить исследователям доступ к полному набору медицинских данных и историй болезней, чтобы гарантировать наиболее эффективное обучение и точность результатов.

Суперкомпьютеры позволяют обрабатывать данные с огромной скоростью, но мы стоим лишь на начальном этапе построения медицинских сетей глубокого обучения, поэтому анализ данных пока ограничен, а если результаты получены, на их трактовку может уйти длительное время. Чтобы повысить эффективность работы сетей машинного обучения до уровня, когда они смогут стать основой диагностики заболеваний, им придется «скормить» истории болезней всех пациентов, как живущих, так и умерших. Искусственному интеллекту придется научиться разделять заболевания со схожими симптомами, учитывать рекомендации по предыдущим диагнозам, а также принимать во внимание прошлые ошибки.

Использование медицинских данных пациентов: вопрос этики

Настало время поговорить еще об одной проблеме: не воспримут ли пациенты «в штыки» диагноз, поставленный компьютером?

Врачи изучают медицину многие годы, после чего работают вместе с лучшими профессионалами, перенимая опыт. И уже затем начинают самостоятельную практику. Суперкомпьютеры так научить не получится. Они должны получить огромные объемы исходных материалов, после чего проанализировать их с помощью сети глубокого обучения. И только потом можно выполнять запросы в сеть искусственного интеллекта (инференс).

Личное взаимодействие врача с пациентом и накопленный врачебный опыт — очень важные факторы, которые отличают диагноз доктора от результата компьютерного анализа. Взаимодействие с компьютером и врачом настолько разное, что возникают другие вопросы: сможет ли компьютер соблюдать врачебную этику? От доктора пациенты ожидают сочувствия и сострадания, но возможно ли это с компьютером? И насколько можно доверять компьютеру по сравнению с профессионалом-онкологом, например? Поэтому многие специалисты полагают, что искусственный интеллект должен помогать врачу в диагностике заболеваний, а не заменять его. Причем независимо от этапа развития искусственного интеллекта и сетей глубокого обучения.

Анализ данных — лишь один из многих слоев взаимодействия искусственного интеллекта и здравоохранения. Следующий слой — безопасность данных. Если сеть глубокого обучения получит в свое распоряжение истории болезней пациентов, которые она будет анализировать, то не приведет ли это к утечкам?

Конечно, пациентов беспокоит вопрос конфиденциальности личных данных. Кто имеет к ним доступ? Насколько велики риски утечки? Если пациенты не захотят делиться своей историей болезни, это существенно осложнит внедрение подобных систем глубокого обучения. Есть вопросы и насчет того, какими данными можно меняться между разными системами искусственного интеллекта и медицинскими учреждениями, а какими — нет. В США, например, действует закон Health Insurance Portability and Accountability Act (HIPAA). Он обеспечивает защиту личных данных пациентов и истории болезни.

Что нас ждет в будущем?

Искусственный интеллект может стать мощным инструментом в сфере медицины, если будет развиваться в правильном направлении. По мере того, как сеть глубокого обучения будет получать все больше данных, она улучшит точность постановки диагнозов. Но для этого пациенты должны определиться с тем, хотят они или нет отдавать истории болезней компьютеру. Без обширных массивов данных сеть глубокого обучения работать не может.

Как и с любой модной технологией, хотелось бы получить результаты прямо сегодня, здесь и сейчас. Но следует понимать, что конвергенция искусственного интеллекта и медицины только началась. Впрочем, в ближайшем будущем, по мере совершенствования технологий ИИ и получения новых результатов исследований, можно ожидать некоторые плоды. Но все же пройдут годы, прежде чем сети глубокого обучения станут незаменимым инструментом в руках врачей. Когда это произойдет, мы получим революционные изменения в здравоохранении.

{ "author_name": "Seagate Russia", "author_type": "editor", "tags": ["\u043c\u0435\u0434\u0438\u0446\u0438\u043d\u0430","\u0434\u0430\u043d\u043d\u044b\u0435","seagate"], "comments": 0, "likes": 1, "favorites": 1, "is_advertisement": false, "subsite_label": "seagaterussia", "id": 264360, "is_wide": true, "is_ugc": false, "date": "Wed, 30 Jun 2021 15:45:42 +0300", "is_special": false }
0
0 комментариев
Популярные
По порядку
Читать все 0 комментариев
РОБОТ ПОВЫСИЛ КОНВЕРСИЮ ПРОДАЖ В В2В

В изменчивой реальности (для которой даже придумали специальной термин «VUCA-мир») компании ищут свои точки опоры. Важно не просто следовать трендам, но и предугадывать их. Особенно когда клиентское поведение и бизнес-процессы трансформируются так стремительно.

Дизайн-джем #42: мифы и легенды о русалках, японские рассказы, космические приключения и азы точных наук

В красочном дайджесте, посвящённом детским книжным иллюстрациям, от Futura by red_mad_robot.

Шпаргалка для инвестора: сделки РЕПО

Рассказываем об одном из важнейших инструментов рынка ценных бумаг — сделках РЕПО.

Travers – поиск инструкторов по активным видам спорта

Мы сделали второе приложение, раскатили сервис на всю Россию и изменили бизнес-модель. Многое благодаря пользователям vc.ru!

Исследование: сотрудники хотели бы иметь комнату отдыха, бесплатный сок, а работодатели уже готовы покупать ЗОЖ-снеки

Онлайн-сервис доставки продуктов и товаров СберМаркет и исследовательское агентство Research Me спросили сотрудников, как они хотели бы питаться в офисе и что в нем видеть. В опросе приняли участие более 1500 работающих людей по всей России. Сервис также спросил работодателей – В2В-клиентов СберМаркета: что они покупают в офис, что точно никогда…

Курс доллара упал ниже 70 рублей впервые с лета 2020 года после повышения ключевой ставки Статьи редакции

Евро подешевел до 81,3 рубля впервые за год.

Где сделать сайт бесплатно: обзор тарифов конструкторов 2021

Разберем цены и условия самых популярных конструкторов сайтов.

#20вопросов Ивану Юнину, директору проекта "Транспортные инновации Москвы"

Транспортная отрасль сегодня претерпевает колоссальные изменения, во многом благодаря инновациям. Стартапы с технологиями на базе AI для транспортной сферы востребованы как никогда. Согласно отчету Deloitte "Transporattion Trends 2020" глобальный рынок AI для транспортной отрасли к 2023 году может достигнуть 3,5 млрд долларов США.

Как не попасть в карьерную ловушку тимлида: личный опыт

Кажется, что тимлиду просто некуда расти: дальше надо либо идти в менеджмент, либо наоборот, становиться узконаправленным разработчиком. По просьбе «Лаборатории Касперского» Евгений Мацюк, который прошел в компании неординарный путь, рассказал о своих карьерных развилках во время и после тимлидства, а также поделился опытом горизонтального роста.

Почему «без ТЗ результат ХЗ». Разбираем на примере CRM-систем

К нам пришел клиент, который уже пробовал внедрять CRM-систему, и принес наработки предыдущих интеграторов. У него была вроде бы работающая система, но никто ей не пользовался. В статье разберемся, почему так получается, и как делать так, чтобы такого не было.

Пример нотации согласовательного уровня Библиотека примеров BPMN
«Яндекс.Маркет»: в моем заказе вместо наушников оказалась бутылка из-под водки

Я давно хотела беспроводные наушники и наконец заказала себе Apple AirPods. Оформила заказ 15.10.2021 через Яндекс.Маркет в магазине Superbia.ru

null