Главная » Hi-Tech » Будущее уже наступило: как искусственный интеллект применяется в медицине

Будущее уже наступило: как искусственный интеллект применяется в медицине

Обзор генерального директора сервиса Doc+ Руслана Зайдуллина.

Искусственный интеллект (ИИ) — —то не кибернетический разум, а система алгоритмов, основанная на машинном обучении. Ученые считают, что в будущем ИИ освободит нас от выполнения рутинных задач во многих сферах. Например, искусственный интеллект может оказать серьезное влияние на медицину.

«Умные» медицинские продукты, сервисы и процессы уже разрабатывают такие компании как IBM, Google, Apple, Microsoft, General Electric и многие другие: по данным исследовательской компании Venture Scanner, их более 800. Активнее всех действуют компании из США, Великобритании и Израиля.

Аналитики из IDC подсчитали, что к 2018 году 30% медицинских организаций предложат клиентам услуги на базе искусственного интеллекта. В этом материале мы расскажем, что сегодня умеют делать интеллектуальные системы, и кто занимается их разработкой.

Обработка данных о пациентах

Каждый медицинский снимок, протокол осмотра и анамнез содержит информацию, которая позволяет точно поставить диагноз и назначить лечение. К сожалению, даже опытные врачи не всегда видят полную картину заболевания, потому что данные в медицинской карте не структурированы, а история болезни может быть слишком объемной. На эффективность их работы также влияет усталость и в некоторых случаях — недостаток знаний в узких областях.

Часть заболеваний, например онкологических, можно победить, если вовремя распознать неочевидные симптомы и начать лечение. По данным Google, каждый десятый пациент страдает из-за неправильной интерпретации медицинской информации.

Искусственный интеллект может решить эту проблему. «Умные» разработки для оценки состояния пациента и предварительной диагностики предлагают корпорации Google (Deepmind Health) и IBM (Watson Health).

Решение Google уже работает в нескольких больницах, в том числе в Британской офтальмологической клинике «Moorfields». Google Deepmind Health анализирует доступную информацию о симптомах пациента и выдает список рекомендаций. Врач, используя подсказки цифрового помощника, назначает курс лечения.

IBM Watson Health тоже помогает ставить диагнозы: распознавать тромбоз вен, кардиомиопатию, сердечные приступы. Известен случай, когда IBM Watson, определил у 60-летней пациентки, которой изначально поставили неправильный диагноз, редкую форму лейкемии. Для этого система за 10 минут «изучила» 20 млн научных статей о раке.

Искусственный интеллект позволяет оценивать влияние медикаментов на организм пациента. Например, в медицинском центре Университета Вандербильта алгоритм ИИ помогает врачам лучше понимать, как генетические особенности больного влияют на течение болезни, и какой эффект окажет новое лекарство.

Агентство Frost & Sullivan отмечает, что технологии искусственного интеллекта повышают точность постановки диагнозов на 30–40%, при этом стоимость медобслуживания снижается наполовину.

Например, в Госпитале Джонса Хопкинса говорят, что интеллектуальная система, разработанная вместе с GE Healthcare Partners, позволила на 30% ускорить процесс назначения лечения.

Проведение диагностики

Во многих странах записаться к врачу можно через интернет. Но пациентов много, поэтому иногда приема приходится ждать по нескольку дней, если не недель.

Современные технологии помогают решить эту проблему. Один из способов — мобильная телемедицина (mHealth), подкрепленная возможностями искусственного интеллекта. mHealth предполагает использование смартфонов и носимых устройств (например, «умных» часов или фитнес-браслетов) для оценки здоровья человека.

Искусственный интеллект обучают распознавать злокачественные новообразования кожи, диагностировать туберкулёз, а также нарушения зрения и «сбои» в работе других органов, включая головной мозг

Один из примеров интеллектуальных mHealth-решений — сервис Ada. Мобильное приложение задает вопросы, а человек описывает свои симптомы. После этого система ищет в базе данных информацию о проблеме, дает рекомендации и в некоторых случаях советует обратиться к врачу. На российском рынке разработкой подобных решений занимается DOC+, а также Qapsula.

Есть и другие похожие сервисы. Причём они способны диагностировать сложные заболевания: например, диабетическую ретинопатию. Или даже предсказать возможные проблемы с сердцем у внешне здоровых людей.

Особый уход требуется людям, которые недавно выписались из больницы. Для них было разработано приложение Sense.ly, основа которого — все тот же искусственный интеллект.

Система собирает и анализирует данные о состоянии здоровья человека и отправляет их врачу. Если специалист замечает проблему, он немедленно отправляет пациента в больницу. К сожалению, в России он пока недоступен: сервис работает только в США.

Набирает популярность и генетический анализ. Чем больше у врачей информации о первопричине заболевания, тем эффективнее лечение. В этом им помогают «умные» системы по анализу генома. Один из таких сервисов — Sophia Genetics. Анализ ДНК позволяет выявить предрасположенность человека к ряду заболеваний: язве желудка, диабету и так далее.

Также стоит отметить проекты Human Longevity и Deep Genomics. Их задача — первичный сбор информации и создание «генетической» базы данных. Уже сегодня можно сдать пробу генетического материала и получить развернутый отчет с анализом своего генома. Например, такую услугу предоставляет американский сервис 23andMe и отечественный «Атлас».

Такие проекты не просто удовлетворяют любопытство клиента, но и помогают, например, подобрать лекарство по индивидуальным особенностям.

В частности, проект MedClueRx от медицинского центра NorthShore позволяет определить, какие медикаменты лучше всего сработают при депрессии, эпилепсии, инфекционных заболеваниях и проблемах с ЖКТ.

Доктор NorthShore Марк Данненбергер (Mark Dunnenberger) говорит, что при назначении антидепрессантов врач обычно выбирает одно из пятнадцати лекарств. Но ему известен случай, когда генетический анализ позволил сократить это число вдвое.

Еще один сервис — MedWhat. Он частично заменяет личного врача. Это мобильное приложение с функцией распознавания речи. Оно не только отвечает на вопросы «Что делать, если болит горло?», но и само интересуется о самочувствии через день после обращения.

Если MedWhat отмечает ухудшение состояния, то рекомендует обратиться к врачу. Аналогичное решение представила корпорация Microsoft в этом году. Сервис называется Health bot и использует те же технологии распознавания речи, что и цифровой помощник Cortana.

Руководитель компании Philips Франс ван Хаутен (Frans Van Houten) убежден, что будущее медицины — профилактика заболеваний. Поэтому важно повысить точность предварительной диагностики.

В будущем сервисы mHealth получат доступ к крупным базам данных с историями болезней, генетической информацией и медицинской литературой. И уже на основании этих данных будут формировать предварительный диагноз.

Подбор индивидуального лечения

Системы на основе искусственного интеллекта способны обрабатывать тысячи страниц текста за секунду в поисках нужной информации. Это полезно в современных реалиях — ни один врач не справится с оперативным анализом такого количества медицинских публикаций.

По данным компании Delve Health, примерно каждые 20 минут в мире появляется новая медицинская статья, а в каталог MEDLINE только за прошлый год добавили 870 тысяч ссылок.

Поэтому медикам требуются системы поддержки принятия решений (Clinical Decision Support System, CDSS) на основе искусственного интеллекта. CDSS объединяет информацию из истории болезни пациента, показатели его здоровья, данные из медицинских справочников и последние исследования.

После этого искусственный интеллект ищет зависимости, оценивая влияние на здоровье даже таких факторов, как динамика температур, уровень шума и качество воздуха в месте проживания.

Примеры внедрения технологий такого типа уже есть. Институт онкологии из Японии совместно с компанией Fronteo Healthcare разрабатывает систему KIBIT. Она анализирует симптомы заболевания, особенности организма пациента, «штудирует» специализированную литературу и выставляет диагноз.

Использование искусственного интеллекта для поиска оптимального метода лечения — необходимость, поскольку далеко не всегда один и тот же способ лечения одинаково хорошо помогает двум людям с одной и той же болезнью.

Улучшенное планирование и автоматизация рутины

Пациенты нередко отменяют визит к врачу. В лучшем случае это не позволяет клинике грамотно спланировать расходование ресурсов, в худшем — замедляется выздоровление пациента.

Это приводит и к убыткам: в США подсчитали, что дополнительные затраты на каждого отменившего визит пациента составляют в среднем $200. По оценке специалистов, в этом случае вся система здравоохранения США ежегодно теряет $150 млрд. Чтобы снизить этот показатель, требуется новый подход к управлению.

При планировании клиникам важно учитывать вероятность отмены или переноса приема. Для этого нужно принимать во внимание серьезность жалоб больного, погодные условия в регионе, загруженность дорог, даже характер человека.

Разумеется, это не под силу работникам больницы. Но с этим справится искусственный интеллект. Он учтет множество «мелочей» и снизит нагрузку на медучреждение в часы пик.

Что касается автоматизации рутинных процедур, то здесь искуссвтенный интеллект, к примеру, может помочь врачу при анализе визуальной информации: рентгеновских снимков, УЗИ и так далее. По оценкам экспертов, такая информация составляет 90% от общего объема всех медицинских данных, а ее изучение отнимает у врача много времени.

Компьютерный помощник ищет на медицинских изображениях паттерны, характерные для заболеваний (опухоли, кровоизлияния, закупорки сосудов и так далее), и выделяет мельчайшие детали, на которые человек не обратил бы внимание.

Решение по анализу медицинских изображений предоставляет компания Enlitic. Её цель — объединить возможности глубокого машинного обучения и систем анализа больших данных.

Стартап работает в том же направлении, что и IBM, предлагая систему медицинским учреждениям. Еще один пример — сервис Arterys, совмещающий аналитику и визуализацию работы сердца человека.

Схожим образом работает и Zebra Medical Vision — сервис компьютерного анализа медицинских изображений в сфере пульмонологии. Основа сервиса — нейросеть, обученная на сотнях тысяч снимков пациентов с болезнями легких.

По данным Фонда обязательного медстрахования, российские врачи ошибаются с лечением в 10% случаев. Как отмечает главный патологоанатом Минздрава России Лев Кактурский, расхождение посмертного и пожизненного диагнозов составляет 20–25%. То есть четвертая часть смертей пациентов в РФ происходит от болезни, необнаруженной при жизни. В Соединённых Штатах наблюдается похожая картина — вероятность врачебной ошибки там, по некоторым оценкам, составляет 9,5%.

Автоматизация даст врачу дополнительное время, которое тот сможет направить на изучение болезни пациента и установление максимально точного диагноза. По мнению специалиста по патологиям Энди Бека (Andy Beck) из Гарвардской медицинской школы, использование ИИ-технологий позволят снизить уровень ошибок при диагностике на 85%.

Создание лекарств

По словам Джуди Сюардс (Judy Sewards), топ-менеджера компании Pfizer, разработка и вывод на рынок нового лекарства занимает больше 12 лет. Препараты — это сложнейшие органические соединения, поиск структуры которых ведется почти вслепую.

Ученый меняет молекулы в исходном соединении и проверяет реакцию организма подопытного животного на лекарство. И так до тех пор, пока не будет достигнут оптимальный результат. После начинаются клинические испытания на людях.

Перед выходом на рынок лекарственный препарат проходит массу проверок контролирующих органов. Но даже самые тщательные испытания не дают гарантии того, что он будет эффективным. Почти половина новых антираковых лекарственных препаратов не дает заметного лечебного эффекта.

Искусственный интеллект позволит точнее моделировать лекарства. В будущем ученые смогут задавать желаемые свойства химического соединения, а компьютер будет формировать необходимую молекулярную структуру.

Уже сейчас есть компании, предлагающие такие решения. Одна из них, Atomwise, использует суперкомпьютеры для поиска оптимальной формулы лекарства. Другой пример подобного проекта — компания Berg Health.

Если искусственный интеллект получит распространение в фармацевтике, можно будет ожидать появления качественно новых лекарств и сокращения времени их выхода на рынок.

Российские разработки

Выше мы много раз приводили в пример проекты из Европы, Азии и США. Однако в России тоже ведется работа по нескольким направлениям из сферы медицинского ИИ. Наиболее популярные из них касаются распознавания речи и онлайн-диагностики заболеваний по медицинским снимкам.

В прошлом году «Центр речевых технологий» получил 250 млн рублей на разработку облачного сервиса для распознавания медицинской речи Voice2Med.

Задача проекта — сократить время, которое медработники тратят на заполнение документов. Как заявляют в Министерстве труда и социальной защиты, сейчас на это уходит половина рабочего времени.

Систему Voice2Med протестировали в Детской республиканской клинической больнице Казани. Достоинство Voice2Med в том, что врач может начать работать с новым ПО без дополнительного обучения — диктуемые данные вносятся в стандартную электронную медкарту пациента.

В прошлом году сообщалось, что Институт развития интернета (ИРИ) работает над системой ИИ, которая поможет россиянам «самостоятельно ставить диагноз» по снимкам МРТ, УЗИ, рентгена и т. п. Для этого нужно будет загрузить изображение в систему, после чего ИИ проведет анализ и даст заключение.

Платформу ИРИ обучают на основе тысяч медицинских снимков. Предполагаемое название системы — «Третье мнение». Запустить ее обещали в 2017 году, но пока новостей о продвижении проекта нет.

Еще одна платформа для диагностики разрабатывается компанией «Ителлоджик». Она получила название TeleMD и специализируется на онкологических заболеваниях.

Платформа позволит врачу связываться с коллегами для проведения удаленных консультаций. Критерии диагностики и алгоритмы TeleMD разрабатываются вместе с Российским онкологическим научным центром имени Н.Н. Блохина.

Разработками в этой сфере занимаемся и мы — мобильная клиника DOC+. Наш сервис включает вызов врача на дом, телемедицину, бронирование лекарств в аптеках, интеграцию с лабораториями, интеграцию с клиниками для обмена медицинскими данными. И всё это с сохранением всей информации в электронную медкарту в телефоне клиента.

В качестве помощника для врачей мы разрабатываем бота, собирающего анамнез и жалобы во время диалога с пациентом. Система будет экономить время врача, анализировать данные, выявлять вероятности различных заболеваний, давать советы.

Кроме того — напоминать доктору, например, про аллергии пациента или необходимость проведения определенного анализа для уточнения диагноза. Информация, собранная ботом, более структурированная, чем введенная человеком. И чем больше будет использоваться бот, тем качественнее мы обучим его следующие поколения.

Искусственный интеллект будет учиться давать более точные рекомендации на основании электронных медицинских карт (ЭМК), проверенных врачебной комиссией.

Мы разрабатываем автоматическую систему контроля качества, которая повысит производительность врачебной комиссии и позволит выявлять любые ошибки в тот момент, когда доктор вносит информацию в ЭМК, не дожидаясь проверки карты экспертом.

Система будет сразу сообщать врачу о необходимых исправлениях, и до пациента ошибки даже не дойдут. Мы также хотим внедрить ИИ в процесс распределения врачей на вызовы, который и так уже автоматизирован.

Конечно, масштабное внедрение медицинских решений с элементами ИИ невозможно силами одних лишь ученых-энтузиастов: нужны совместные усилия властей, коммерческих организаций, медучреждений.

Тем не менее, разработки в этом направлении активно ведутся и за рубежом, и в России, а новые проекты появляются практически каждый год. А это означает, что активное использование ИИ-систем клиниками и медицинскими сервисами — вовсе не туманные перспективы.

Такие разработки доступны уже сейчас, причем не только для «элитных» пациентов. Искусственный интеллект в медицине — будущее, которое уже наступило.

#будущее


x

Ещё Hi-Tech Интересное!

Запуск промосайта «Яндекс.Станции»: уйти от шаблонности и заодно придумать визуальный стиль

Запуск промосайта «Яндекс.Станции»: уйти от шаблонности и заодно придумать визуальный стиль Материал из его личного блога. И поэтому мы хотели придумать для «Станции» запоминающийся визуальный образ, чтобы, во-первых, пользователи быстро поняли ценность нашей колонки, а во-вторых, чтобы заранее отстроиться от ...

Плохой преподаватель, проблемы с оплатой и возвратом денег — личный опыт обучения в школе Skyeng

Плохой преподаватель, проблемы с оплатой и возвратом денег — личный опыт обучения в школе Skyeng Первое занятие Тогда со мной никто не связался. Примерно год назад я оставил заявку на обучение в первый раз. Со мной наконец связались и назначили ...