Перспективы лечения и диагностики с помощью искусственного интеллекта

Перспективы лечения и диагностики с помощью искусственного интеллекта

На сегодняшний день искусственный интеллект (ИИ) считается одним из самых перспективных направлений развития не только ИТ-отрасли, но и многих других сфер деятельности человека. В частности, решения на базе ИИ являются одной из основных надежд в плане реализации концепции «Цифровой экономики».
Эксперты / Екатерина Шестакова, Анна Яворская 13 Июл 2019, 14:20
Перспективы лечения и диагностики с помощью искусственного интеллекта

Инвестиции в искусственный интеллект

Инвестиции в программные платформы ИИ, которые предоставляют инструменты, технологии и сервисы на основе структурированной и неструктурированной информации, будут измеряться $2,5 млрд в год. Рынок искусственного интеллекта в области здравоохранения и наук о жизни, по оценкам Frost & Sullivan, также будет расти на 40% в год, достигнув в 2021 году уровня $6,6 млрд. Направление медицины и здравоохранения уже сегодня считается одним из стратегических и перспективных с точки зрения эффективного внедрения ИИ. Использование ИИ может массово повысить точность диагностики, облегчить жизнь пациентам с различными заболеваниями, повысить скорость разработки и выпуска новых лекарств и т. д.

Пожалуй, самым крупным и наиболее обсуждаемым проектом применения ИИ в медицине является американская корпорация IBM и ее когнитивная система IBM Watson. Первоначально этому решению стали обучать и затем его применять в онкологии, где IBM Watson уже длительное время помогает ставить точный диагноз и находить эффективный способ излечения для каждого из пациентов. 

Для обучения IBM Watson было проанализировано 30 млрд медицинских снимков, для чего корпорации IBM пришлось купить компанию Merge Healthcare за $1 млрд. К этому процессу потребовалось добавиться 50 млн анонимных электронных медицинских карт, которые IBM получила в свое распоряжение, купив стартап Explorys.

В 2014 году IBM объявила о сотрудничестве с Johnson & Johnson и фармацевтической компанией Sanofi для работы над обучением Watson пониманию результатов научных исследований и клинических испытаний. По утверждению представителей компании, это позволит существенно сократить время клинических испытаний новых лекарств, а врачи смогут давать лекарства, наиболее подходящие конкретному пациенту. В том же 2014 году IBM объявила о разработке программного обеспечения Avicenna, способного интерпретировать и текст, и изображения. 

Для каждого типа данных используются отдельные алгоритмы. Так что в итоге Avicenna сможет понимать медицинские снимки и записи и будет выполнять функции ассистента радиолога. Над похожей задачей работает и другой проект IBM – Medical Sieve. В данном случае речь идет о развитии искусственного интеллекта «медицинского ассистента», который сможет быстро анализировать сотни снимков на предмет отклонения от нормы. Это поможет радиологам и кардиологам заняться теми вопросами, в которых искусственный интеллект пока бессилен.

Недавно разработчики IBM совместно с Американской кардио­логической ассоциацией приняли решение расширить возможности Watson, предложив помощь системы и кардиологам. По задумке авторов проекта когнитивная облачная платформа в рамках этого проекта будет анализировать огромное количество медицинских данных, имеющих отношение к тому либо иному пациенту. В число этих данных входят изображения с УЗИ, рентгеновские снимки и все прочая графическая информация, позволяющая уточнить диагноз человека. В самом начале возможности Watson будут использоваться для поиска признаков стеноза аортального сердечного клапана. 

При стенозе отверстие аорты сужается за счет сращивания створок ее клапана, что препятствует нормальному току крови из левого желудочка в аорту. Проблема в том, что выявить стеноз клапана не так и просто, несмотря на то, что это очень распространенный порок сердца у взрослых (70–85% случаев среди всех пороков). Watson попытается определить, что он «видит» на медицинских изображениях – стеноз, опухоль, очаг инфекции или просто анатомическую аномалию, – и дать соответствующую оценку лечащему врачу, чтобы ускорить и повысить качество его работы. Кроме того, врачи Boston Children’s Hospital, например, занимающиеся редкими детскими болезнями, используют IBM Watson, чтобы ставить более точные диагнозы: искусственный интеллект будет искать необходимую информацию в клинических базах данных и научных журналах, которые хранятся в медицинском облаке Watson Health Cloud.

Следует отметить, что проект Watson, как и любой новаторский продукт, не ставил перед создателями явные экономические цели. Затраты на этапе создания его компонент обычно превышали плановые, а его содержание весьма обременительно, если сравнивать с традиционными бюджетами в здравоохранении. Скорее его можно рассматривать как некий испытательный полигон, на котором можно обкатывать перспективные ИТ-технологии и вдохновлять исследователей. А затем уже проверенные и испытанные прототипы следует переводить в серийное производство, добиваясь более высоких показателей цена-качество и пригодности к эксплуатации в реальных условиях.

Почти на каждой конференции по ИИ сегодня звучат доклады от исследователей из многих стран мира с заявлениями «Мы делаем свой Watson, и он будет лучше оригинала». С помощью системы искусственного интеллекта Emergent исследователям удалось выявить пять новых биомаркеров, на которые могут быть нацелены новые лекарства при лечении глаукомы. По словам ученых, для этого в систему ИИ вводится информация о более чем 600 тыс. специфических последовательностей ДНК 2,3 тыс. пациентов и данные о генных взаимодействиях.

Проект DeepMind Health, который ведет британская компания, входящая в состав Google, создала систему, которая способна за несколько минут обработать сотни тысяч медицинских записей и выделять из них нужную информацию. Хотя этот проект, основанный на систематизации данных и машинном обучении, находится еще на ранней стадии, DeepMind уже сотрудничает с Глазной больницей Мурфильдса (Великобритания) с целью повышения качества лечения. Используя миллион анонимизированных, полученных с помощью томографа изображений глаз, исследователи стараются создать алгоритмы на базе технологий машинного обучения, которые бы помогали обнаружить ранние признаки двух глазных заболеваний – влажной возрастной макулярной дистрофии и диабетической ретинопатии. Похожим занимается и другая компания, входящая в Google, – Verily. Специалисты этой фирмы используют искусственный интеллект и алгоритмы поисковика Google для того, чтобы проанализировать, что же делает человека здоровым.

Израильская компания MedyMatch Technology, в штате которой насчитывается всего 20 человек, разработала на базе ИИ и Big Data решение, благодаря которому врачи могут точнее диагностировать инсульт. Для этого в режиме реального времени система MedyMatch сравнивает снимок мозга пациента с сотнями тысяч других снимков, которые есть в ее «облаке». Известно, что инсульт может быть вызван двумя причинами – кровоизлиянием в головной мозг и тромбом. Соответственно, каждый из этих случаев требует разного подхода в лечении. Однако, по статистике, несмотря на улучшение в области КТ, количество ошибок при постановке диагноза за последние 30 лет не изменилось и составляет приблизительно 30%. То есть почти в каждом третьем случае врач назначает пациенту неверное лечение, что приводит к печальным последствиям. Система MedyMatch способна отследить мельчайшие отклонения от нормы, которые не всегда способен заметить специалист, таким образом сводя вероятность ошибки в постановке диагноза и назначении лечения к минимуму.

Все больше внимания в последнее время уделяется попыткам применять технологии ИИ не только при создании решений для врачей, но и для пациентов. Например, мобильное приложение британской компании Your.MD, запуск которого произошел в ноябре 2015 года. Эта программа использует технологии ИИ, машинного обучения и обработки естественного языка. Это позволяет пациенту просто сказать, к примеру: «у меня болит голова», а затем получить от смартфона рекомендации по последующим действиям и экспертный совет. Для этого система искусственного интеллекта Your.MD подключена к самой большой в мире карте симптомов, созданной все той же Your.MD: в ней учтено 1,4 млн симптомов, на идентификацию которых потребовалось более 350 тыс. часов. Каждый симптом был проверен специалистом британской системы здравоохранения. Искусственный интеллект выбирает наиболее подходящий симптом, основываясь на уникальном профиле владельца смартфона.

Другая компания, Medtronic, предлагает приложение, способное предсказать критическое снижение уровня сахара за три часа до события. Для этого Medtronic совместно с IBM используют технологии когнитивной аналитики к данным глюкометров и инсулиновых помп. С помощью приложения люди смогут лучше понимать влияние ежедневной активности на диабет. В рамках еще одного интересного проекта IBM, на этот раз совместного с диагностической компанией Pathway Genomics, создано приложение OME, объединяющее когнитивную и прецизионную медицину с генетикой. Цель приложения – предоставить пользователям персонализированную информацию для повышения качества жизни. Первая версия приложения включает в себя рекомендации по диете и упражнениям, сведения по метаболизму, которые зависят от генетических данных пользователя, карту с привычками пользователя и информацией о его состоянии здоровья. В будущем должны добавиться электронные медицинские карты, информация о страховке и другие дополнительные сведения.

Дополнительно к прямому клиническому применению элементы ИИ могут быть использованы и во вспомогательных процессах медицинской организации. Например, уместным будет использовать ИИ при автоматической диагностике качества работы медицинской информационной системы, в вопросах обеспечения информационной безопасности. Системы ИИ могут помочь с выдачей рекомендаций по своевременной настройке справочников, тарифов или даже заметить аномальное поведение сотрудника и порекомендовать его руководителю направить его на обучение работе с системой, так как возникли подозрения в его невысоком профессионализме и замедленной реакции.

Обзор наиболее перспективных направлений развития

1. Автоматизированные методы диагностики, например, анализ рентгенологических или МРТ-снимков на предмет автоматического выявления патологии, микроскопический анализ биологического материала, автоматическое кодирование ЭКГ, электроэнцефалограмм и т. д. Хранение большого количества расшифрованных результатов диагностического обследования в электронном виде, когда имеются не только сами данные, но и формализованное заключение по ним, позволяют создавать действительно надежные и ценные программные продукты, способные если не заменить врача, то оказать ему эффективную помощь. Например, самостоятельно выявлять и обращать внимание на рутинную патологию, сокращать время и стоимость обследования, внедрять аутсорсинг и дистанционную диагностику.

2. Системы распознавания речи и понимания естественного языка могут оказать существенную помощь как врачу, так и пациенту. Начиная от уже обычной расшифровки речи и превращения ее в текст в качестве более продвинутого интерфейса общения с медицинскими информационными системами (МИС), обращения в Call-центр или голосового помощника – и далее до таких идей, как автоматический языковой перевод при поступлении иностранца, синтез речи при прочтении записей из МИС, робот-регистратор в приемном отделении больницы или регистратуре поликлиники, способный отвечать на простые вопросы, маршрутизировать пациентов и т. д.

3. Системы анализа и предсказания событий также являются вполне решаемыми уже сейчас задачами для ИИ, которые могут дать существенный эффект. Например, оперативный анализ изменений заболеваемости позволяет быстро предсказать изменение обращаемости пациентов в медицинские организации или потребность в лекарственных препаратах.

4. Системы автоматической классификации и сверки информации помогают связать информацию о пациенте, находящуюся в различных формах в различных информационных системах. Например, построить интегральную электронную медицинскую карту из отдельных эпизодов, описанных с разной детальностью и без четкого или противоречивого структурирования информации. Перспективной является технология машинного анализа содержимого контента социальных сетей, интернет-порталов с целью быстрого получения социологической, демографической, маркетинговой информации о качестве работы сис­темы здравоохранения и отдельных лечебных учреждений.

5. Автоматические чат-боты для поддержки пациентов могут оказать существенную помощь в повышении приверженности пациентов здоровому образу жизни и назначенному лечению. Уже сейчас чат-боты могут научится отвечать на рутинные вопросы, подсказывать тактику поведения пациентов в простых ситуациях, соединять пациента с нужным врачом в телемедицине, давать рекомендации по диете и т. д. Такое развитие здравоохранения в сторону самообслуживания и большей вовлеченности пациентов в охрану собственного здоровья без визита к врачу может сэкономить существенные финансовые ресурсы.

6. Развитие робототехники и мехатроники. Всем известный робот-хирург Da Vinci – это лишь первый шажочек в сторону если не замены врача на машину, то как минимум повышение качества работы медицинских сотрудников. Интеграция робототехники с ИИ рассматривается сейчас как один из перспективных направлений развития, способный переложить на машины рутинные манипуляции – в том числе и в медицине.

Перспективы искусственного интеллекта

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%.

В начале марта 2019 года компании IBM и AstraZeneca создали нейросеть, предсказывающую 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.

Искусственный интеллект в России

В России запускается первый медицинский проект, использующий искусственный интеллект. Сервис «Второе мнение AI», созданный для онлайн-клиники Doctor Smart, с помощью нейросетей будет расшифровывать рентгеновские снимки. Технология разработана компанией Care Mentor AI, специализирующейся на создании медицинских нейронных сетей для анализа радио­­логических исследований. Сейчас искусственный интеллект может находить до 20 патологий на фронтальной проекции снимка легких, а впоследствии разработчики планируют добавить новые виды рентгеновских исследований.

Из всего вышесказанного нетрудно догадаться, что на данный момент самое перспективное направление для ИИ в медицине – быстрый анализ больших данных. В поисках нужной информации нейросети могут обрабатывать тысячи страниц за секунду – ни один человек не справится с оперативным анализом такого количества медицинских публикаций. А это важно: 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 тыс. новых ссылок.

Второе полезное свойство ИИ – отсутствие человеческого фактора. Эксперты Нидерландского института исследований служб здравоохранения (NIVEL) установили, что 60% непреднамеренных врачебных ошибок в отделениях неотложной помощи связаны именно с человеческим фактором. Даже самые ответственные и профессиональные врачи могут неправильно интерпретировать факты, к тому же сонливость, раздражительность и чувство истощения при длительной концентрации не заставит себя долго ждать. Однако у компьютеров таких проблем нет: в 2018 году нейросети научились определять по фотографиям болезнь Альцгеймера, диагностировать риск сердечного приступа и следить за биологическими показателями пациентов.

Наивысшей степени точности диагностики заболеваний добились и ученые из Оксфорда – там впервые искусственный интеллект провел анализ успешнее, чем люди. Нейросеть правильно распознала злокачественные образования на коже в 95% случаев, а группа опытных дерматологов из 53 человек – только в 88,9%. В то же время инженеры из Массачусетского технологического института (MIT) разработали нейросеть, которую можно будет использовать вместо вредного рент­геновского исследования. При этом создатели нейросетей утверждают, что ИИ не заменит медиков, но поможет сделать их работу намного безопаснее и эффективнее.

Хорошие навыки планирования важны не только для менеджеров – иногда от правильно составленного графика приемов зависит судьба клиники. К примеру, по оценкам американских исследователей из PMC, дополнительные затраты на каждого отменившего визит пациента составляют в среднем $200, а вся система здравоохранения США при этом ежегодно теряет около $150 млрд. Однако сейчас записаться к врачу можно онлайн, но, как правило, пациентов к врачам-специалистам много – из-за этого ждать приема приходится дни и даже недели. К тому же часть пациентов отказываются от похода в больницу добровольно. С помощью телемедицины можно помочь и тем, и другим. Примером работы такой программы может стать сервис Ada. Это мобильное приложение, которое задает пациенту вопросы, ищет информацию о проблеме по описанию симптомов и дает рекомендации по лечению.

Появление новых технологий для общественного применения напрямую зависит от готовности людей – в России она есть. Осенью 2018 года агентство NMS Market Research исследовало, как население относится к искусственному интеллекту в Венгрии, Польше, России и Чехии. Оказалось, что степень доверия россиян к ИИ довольно высока: 63% опрошенных, при этом больше всего положительных отзывов среди опрошенных в возрасте 18–24 года (73%), а меньше всего (55%) – в группах 35–44 года и 55–65 лет.

Применение искусственного интеллекта в медицине способно революционизировать индустрию здравоохранения за счет развития персонализированной медицины, мониторинга хронических заболеваний и сокращения количества медицинских ошибок. Руководитель Care Mentor AI в России Дмитрий Романов уверен, что работа искусственного интеллекта повысит пропускную способность радиологических отделений, ведь после обработки исследований врач будет получать только снимки с признаками патологии. Сейчас Care Mentor AI ведет переговоры с несколькими крупными медучреждениями о внедрении проекта в клиническую практику и создании базы данных для обмена информацией среди врачей-рентгенологов. Также Care Mentor AI проходит сертификацию медицинского изделия в России и ждет одобрения от Управления по контролю качества пищевых продуктов и медикаментов США (FDA), чтобы выйти на американский рынок.

Правовое регулирование применения искусственного интеллекта

Сейчас тема искусственного интеллекта активно развивается и в юридической среде. Прежде всего, к сфере интеллектуальных прав. Многие отмечают, что необходимо принять отдельный закон, однако, уже есть правовые основы регулирования искусственного интеллекта. По сути, искусственный интеллект – это усложненная компьютерная программа. В России есть такие объекты в интеллектуальной собственности, как программы для ЭВМ и базы данных, которые регулируются частью 4 Гражданского кодекса РФ. Поэтому, когда говорится о правовой природе искусственного интеллекта, юристы спорят несколько об иной грани этого явления, нежели как об объекте в целом.

Что может создавать искусственный интеллект? Может ли он создать объект авторских прав или каких-то иных интеллектуальных прав – это, пожалуй, сейчас самый распространенный вопрос, обсуждению которого ежегодно посвящаются многие научные форумы. В недавнем времени на одном международном форуме по интеллектуальной собственности разработчики по робототехнике привозили своих роботов и показывали два вида искусственного интеллекта. Тот робот, в который изначально заложена какая-то информация, в принципе и воспроизводит то, что заложено в него изначально. Даже были так называемые «баттлы» между юристами и искусственным интеллектом.

Подписывайтесь на нашу рубрику:
Для подпсики необходимо авторизироваться
Укажите вашу электронную почту в личном кабинете
Комментарий
Чтобы оставить комментарий необходимо авторизироваться