В столице провели комплексный анализ качества работы сервисов искусственного интеллекта (ИИ) в медицине. Применение искусственного интеллекта в медицине позволит повысить удовлетворенность пациентов работой медицинского персонала, снизить нагрузку на врачей, уменьшить стоимость услуг и повысить качество медицинской помощи. Кроме того, искусственный интеллект помогает врачам-терапевтам поликлиник в постановке диагноза и формировании перечня необходимых исследований. Глава Минздрава отметил: искусственный интеллект будут использовать для получения снимков с различных видов цифровых приборов. Крупная международная биотехнологическая компания Insilico Medicine объявила о том, что лекарство, которое открыл искусственный интеллект, впервые в мире успешно прошло первую фазу клинических испытаний.
Искусственный интеллект создал новое лекарство всего за 21 день
Елизавета Бакши вместе с маленькой дочкой готовится к выписке. У Ксюши — врожденный гиперинсулинизм. Это редкое и тяжелое заболевание, при котором стремительно падает уровень глюкозы. Если его вовремя не обнаружить и не начать лечить, исход может быть летальным. Помочь маленькой пациентке смогли лишь в Санкт-Петербурге, проведя специально исследование. Медики спасли жизнь маленькой Ксюши. Помочь врачам определить опасную болезнь всего за несколько минут помог искусственный интеллект.
Ученым удалось установить связь между формой заболевания, яркостью и цветовым тоном очагов инсулина при анализе каждого пикселя на КТ-снимках. Причем программа может фиксировать различия в цветовых характеристиках, которые невидимы для глаза врача.
Цифровизация По словам Жаворонкова, когда компания создавалась, ее основатели сразу же сосредоточились на алгоритмах — на разработке технологии, способной самостоятельно обнаруживать и конструировать новые молекулы. Но мы поняли, что для адекватной проверки нашей ИИ-платформы необходимо не только создать новые препараты с новым механизмом действия, но и довести их до клинической проверки. Только тогда можно будет сказать, что наша технология работает», — отметил Жаворонков.
Фаза 2 В настоящее время лекарство проходит двойное слепое рандомизированное плацебо-контролируемое исследование, в котором участвуют 60 пациентов в 40 разных клиниках США и Китая. Если эта фаза пройдет успешно, испытание продолжится с большим количеством вовлеченных людей. Текущее исследование займет около 12 недель, а его итоги планируется подвести в следующем году.
На этом этапе отсеиваются сомнительные, спорные или неверные диагнозы, а также снимки, которые не могут быть валидированы в выбранной модели исследования. Обучение нейросети. Когда все снимки прошли разметку, этот набор данных попадает к разработчикам, которые на их основе начинают обучать нейронную сеть. Даже если сервис достиг определённого уровня работоспособности, он не может быть сразу использован на практике. Прежде он проходит этап валидации: группе врачей и обученной нейросети выдаются новые данные, которые им предстоит разметить. После этого результаты, полученные врачами и нейросетью, сопоставляются между собой, и модель получает класс точности. Регистрация в Министерстве здравоохранения.
По завершении этапа валидации прототип должен пройти регистрацию в Минздраве и получить регистрационное утверждение. На этом этапе экспертная группа — на этот раз со стороны Минздрава — вновь внимательно проверяет работу модели и её алгоритмов. Интеграция в систему здравоохранения. Только если сервис пройдёт проверку в Минздраве и получит регистрационное утверждение, он может использоваться в медицинских учреждениях. Диагностика заболеваний Чат-боты уже могут с высокой эффективностью помогать пациентам самостоятельно ставить диагноз, а также помогать в постановке диагноза и врачам. Например, ИИ компании Babylon Health предоставляет соответствующую информацию о здоровье на основе симптомов, описанных самим пациентом. Понятно, что симптомы могут быть описаны неверно или пациент может попытаться ввести ИИ в заблуждение умышленно. Поэтому в компании прямо заявляют, что их компьютерный ассистент не ставит диагноз. Это сделано для того, чтобы свести к минимуму юридическую ответственность компании, но в будущем мы наверняка увидим, как чат-боты будут ставить диагнозы по мере повышения точности их работы. А на перспективы ИИ в Babylon Health смотрят оптимистично, заявляя, что они уже доказали эффективность своего ИИ в первичной медико-санитарной помощи, а также смогли создать такую систему искусственного интеллекта для медицины, которая не является «черным ящиком».
Это отличает их, например, от Alphabet, материнской компании Google, представители которой еще сравнительно недавно заявляли о том, что до сих пор не знают, что конкретно изучают их модели машинного обучения, о чём мы писали в статье, посвященной LLM. И пока сложно сказать, насколько они продвинулись в понимании алгоритмов работы своих программ глубокого обучения. А вот исследователи из Babylon Health продвинулись совершенно точно. Также современные ИИ решают проблемы приоритизации и медицинской сортировки. Рекомендации на основе глубокого анализа данных поступающих пациентов для обеспечения точной приоритизации и медицинской сортировки ИИ дает очень быстро в режиме реального времени. Наиболее известные решения для этих целей предлагает Enlitic. ИИ Enlitic Curie сканирует поступающих пациентов, обрабатывая множество клинических данных в том числе учитываются и старые диагностические карты и определяя приоритет на лечение, после чего сразу же направляет больных к наиболее подходящему врачу. Трудно переоценить пользу этих алгоритмов, исключающих из анализа человеческий фактор, ведь после того как они будут усовершенствованы, они помогут спасти тысячи жизней. Стоит рассказать и о новом алгоритме ИИ, который поможет диагностировать рак легких. Много лет человечество проигрывало борьбу с онкологическими заболеваниями, которые ежегодно убивают около 10 миллионов человек по всему миру.
Одной из самых страшных форм онкологии является рак легких, распознавание которого на ранних стадиях и до сих пор является для ученых сложнейшей задачей. Но весьма вероятно, что справиться с этим человеку поможет искусственный интеллект. Исследователи из Бостонского университета разработали ИИ, который долгое время обучался на полноформатных фотографиях легочных тканей пациентов размеры таких изображений составляют обычно более 1 Гб, что делает их анализ человеком крайне сложным. ИИ на примере фото обучали распознавать аденокарциному легкого, плоскоклеточный рак легкого и соседнюю не раковую ткань. Результаты обучения оказались положительными: алгоритм смог продемонстрировать более высокую эффективность, чем другие современные методы распознавания патологий на полноформатных слайдах. На данный момент новый алгоритм планируется внедрить в помощь патологоанатомам, однако при успешном внедрении возможности ИИ могут быть расширены, ведь главное — научиться диагностировать опасные заболевания на самых ранних стадиях, пока сохраняются высокие шансы на полноценное излечение. Существуют и компании, специализирующиеся на разработке ИИ-продуктов для ранней диагностики различных заболеваний. Они позволяют анализировать хронические состояния, используя лабораторные и другие медицинские данные, чтобы выявлять опасные болезни как можно раньше. Так, программное обеспечение от Ezra использует ИИ при анализе МРТ-сканов всего тела, чтобы помочь специалистам в раннем выявлении рака. Их слоган говорит сам за себя: «Мы обнаружили самую большую слабость рака — раннее обнаружение».
SkinVision — компания, занимающаяся диагностикой рака кожи на основе медицинской визуализации, то есть диагностикой по фото. ИИ, разработанный командой SkinVision, позволяет обнаруживать рак кожи на ранней стадии по фотографиям, сделанным на телефон. Умные алгоритмы после исследования очередного фото просигнализируют о том, если с кожей что-то не так. Таким образом, пациент сможет вовремя обратиться в клинику за помощью. Медицинская визуализация на основе ИИ также широко используется для диагностики ОРВИ и выявления пациентов, которым требуется клиническая поддержка. Нейросеть научилась отличать родинки от некоторых видов рака кожи Американские ученые создали систему искусственного интеллекта, которая умеет отличать родинки от некоторых видов рака кожи лучше врачей. Работа исследователей опубликована в журнале Nature. На протяжении последних десятилетий число людей, у которых обнаруживают рак кожи, постоянно увеличивается. По данным Всемирной организации здравоохранения, раком кожи страдает каждый третий онкологический больной, а каждый пятый американец заболеет им в течение жизни. Это заболевание особенно опасно тем, что злокачественное образование легко не заметить и спутать с родинкой.
При этом, если вовремя обратить внимание на опухоль, шансы на выздоровление резко увеличиваются. Пациенты, у которых находят меланому самый распространенный и злокачественный вид опухоли на ранней стадии развития, выживают в 97 процентах случаев, в то время как при поздней диагностике заболевания эта доля сокращается до 14 процентов. Основным способом первичного выявления рака кожи до сих пор остается визуальный осмотр за которым обычно следует дерматоскопия или биопсия. Чтобы помочь пациентам самостоятельно обнаружить злокачественное образование на ранней стадии, ученые из Стэнфордского университета создали систему искусственного интеллекта, которая анализирует фотографии «подозрительных» родинок.
Всего в рамках награды было подано более 100 заявок. Также победителями номинаций стали: Русагро, Авито, Росатом и Роскосмос. Премия Data Fusion Awards присуждается за достижения в области развития тренда Data Fusion, реализацию успешных кросс-отраслевых проектов по анализу больших данных с использованием алгоритмов машинного обучения и искусственного интеллекта, развитие образовательных инициатив для подготовки специалистов. От лица Цельса хотим поблагодарить организаторов за высочайший уровень организации конференции Data Fusion, качество докладов и актуальность повестки. Почти в каждом четвертом случае была обнаружена патология. Технология для анализа цифровых изображений помогает оперативно обнаружить изменения скелета, сердечно-сосудистые нарушения, фиброз и т. Результаты работы Цельса проверяет врач», — отметил заммминистра здравоохранения региона в сфере цифровизации Алексей Захаров.
Собянин сообщил, что в Москве ИИ станет базовой медицинской технологией
Динамика венчурного инвестирования в искусственный интеллект для медицины, по данным CB Insights. В 2023 году искусственный интеллект произвел фурор в качестве полезной технологии во многих отраслях, особенно в медицине. Теперь же искусственный интеллект готов прийти на помощь к профессионалам медицины. Цифровые решения на базе искусственного интеллекта полезны для медицины не меньше роботов. — Илья Александрович, почему применение искусственного интеллекта (ИИ) в государственном здравоохранении обрело такую высокую актуальность? 2022 год для искусственного интеллекта (ИИ) в российской медицине ознаменовался двумя знаковыми событиями.
Врачам и пациентам: как искусственный интеллект помогает в медицине
Попробуем проанализировать, как решения на основе искусственного интеллекта применяются в медицинских учреждениях и как они влияют на качество диагностики и лечения. Возможность делать прогнозы с помощью искусственного интеллекта в медицине применяют и иначе. Искусственный интеллект в медицине. Искусственный интеллект в здравоохранении, который когда-то был областью научной фантастики, теперь стал реальностью.
Искусственный интеллект создал новое лекарство всего за 21 день
Это одна из очевидных сфер использования ИИ. Сервисы могут предоставить наиболее подходящие варианты лечения на основании собственной базы знаний, включающей потенциально лучшие варианты лечения и предсказание эффективности их использования. Автоматизация рутинных задач. ИИ-системы используются для заполнения медицинских карт, создание отчетов и др. ИИ может улучшить координацию и коммуникацию между медицинскими работниками, например, путем обучения и мониторинга основных симптомов. Как обучают нейросети для медицины Обучение нейросетей начинается со сбора большого объема данных, содержащих информацию о здоровье и заболеваниях пациентов. Они могут быть представлены в виде медицинских записей, результатов тестов, изображений, видео и других типов файлов.
Далее, данные обрабатываются и подготавливаются для обучения нейросети. Процесс может включать в себя удаление несущественной информации, нормализацию и стандартизацию данных. Затем, выбирается подходящая нейросетевая архитектура и проводится обучение. Этот этап включает в себя передачу данных через различные слои нейросети, где каждый слой проходит через процесс вычисления, используя свои веса и функции активации, для получения вывода. Обучение происходит при помощи алгоритмов обратного распространения ошибки, которые корректируют веса нейронов в соответствии с приближением к оптимальным значениям функции ошибки. После обучения нейросеть тестируется на тестовых данных, чтобы определить точность ее работы.
При достаточно высоких показателях, она может быть использована для анализа новых данных пациентов и предоставления рекомендаций врачам. Развитие ИИ-медицины в России Как и во всем мире, в России существуют различные проекты и инициативы, связанные с использованием искусственного интеллекта в медицине.
Низкий социально-экономический статус — основной фактор риска преждевременной смертности. Непропорциональное использование искусственного интеллекта у «имущих», в отличие от «неимущих», может увеличить существующий разрыв в состоянии здоровья. С этой проблемой тесно связано смещение результатов из-за отсутствия включения меньшинств в наборы данных. Пример — алгоритмы в дерматологии, которые диагностируют меланому, но не учитывают цвет кожи. Требуется искоренить предрассудки и стремиться к медицинским исследованиям, которые обеспечивают действительно репрезентативное представление населения.
Возможности Ученые подчеркивают , что критически важны тщательные исследования результатов работы алгоритмов и проведения тестирований в клинических условиях. Человеческое здоровье слишком ценно, поэтому в ближайшее время ИИ сможет выполнять только рутинные задачи с минимальным риском. Не смотря на проблемы, в дальнейшем исследователи видят использование нейронных сетей в программном обеспечении, которое будет быстро и точно обрабатывать огромные массивы данных и машинах, которые будут видеть и делать то, что не под силу человеку. Это в конечном итоге заложит основу для высокопроизводительной медицины, которая будет основана на данных и уменьшит зависимость от человеческих ресурсов.
СМИ сетевое издание «Городской информационный канал m24. Средство массовой информации сетевое издание «Городской информационный канал m24. Учредитель и редакция - АО «Москва Медиа». Главный редактор сетевого издания И.
Сегодня к ИИ относят программные средства с набором алгоритмов и методов, которые могут решать интеллектуальные задачи так же, как это сделал бы человек. К примеру, искусственный интеллект способен: Прогнозировать различные ситуации Оценивать информацию и формулировать заключительную оценку Анализировать данные и искать скрытые закономерности Стоит отметить, что на настоящий момент компьютеру не доступно моделирование сложных процессов высшей нервной системы человека: творчество, эмоции и т. Все это может возникнуть со временем и с появлением более сильного искусственного интеллекта. Однако компьютеры уже научились решать задачи так называемого «слабого искусственного интеллекта». Машина может работать по заранее установленным человеком правилам. Кроме того увеличивается количество проектов, в которых компьютеры не только работают по установленным алгоритмам, но также самообучаются, совершенствуются и решают более сложные задачи. Первые создаются программистами, которым не нужно обладать информацией обо всех зависимостях между входными параметрами и ответом — полученным результатом. Такие программные продукты прекрасно справляются со многими задачами, в том числе медицинскими — системы используются для расчетов статистик, формирования реестров и т. Искусственный интеллект нужен там, где невозможно задать четкие правила и алгоритмы. К примеру, как простая программа может на рентгенологическом снимке выявить наличие патологии? Для решения такой задачи машина должна не проводить расчет по заданным формулам, а самостоятельно выявить формулу по эмпирическим данным, чтобы научиться распознавать болезни. Разработчики при этом работают в первую очередь над подготовкой данных и обучением системы. Как работают нейронные сети в медицинской сфере? Нейронные сети сегодня активно применяются в разработке интеллектуальных систем, в том числе и в медицине, благодаря их способности к обучению. Механизм работы искусственных нейросетей повторяет принцип биологических. В цифровом исполнении нейронная сеть представляет собой граф с тремя и более слоями нейронов, которые соединяются между собой. В процессе обучения входные нейроны получают данные, обрабатывают их на внутреннем слое нейросети, а на выход поступают результаты. Если полученный результат в процессе обучения не устраивает исследователей, они меняют вес соединений и заново обучают сеть. При этом успешность процесса и достоверность результатов зависит от количества входных данных — чем их больше, тем лучше. Нейросети могут применяться в медицине разными способами. Например, пациент делает запрос «головная боль», «высокая температура», «озноб», а нейронная сеть анализирует тысячи или миллионы карточек других людей и на основе их диагнозов может предположить заболевание у человека, сделавшего запрос. Сегодня на основе нейронных сетей разработано множество технологий для медицины, и некоторые из них уже активно применяются в клиниках по всему миру. Предсказание падения артериального давления с помощью ИИ В 2018 году были опубликованы результаты исследований нескольких ученых, разработавших алгоритм прогнозирования аномального падения давления или гипотонии в процессе хирургического вмешательства. Алгоритм разработан с помощью технологий машинного обучения в медицине. Исследователи использовали ИИ, который проанализировал данные более 1300 пациентов, у которых во время операции фиксировалось артериальное давление. Общая продолжительность наблюдения составила почти 546 тысяч минут. С помощью этих данных искусственный интеллект помог подготовить алгоритм прогнозирования гипотонии. Алгоритм повторно проверяли на втором наборе данных других 204 пациентов. Исследователи считают, что алгоритм можно использовать во время операций, чтобы снизить вероятность возникновения осложнений.
Вас вылечит… искусственный интеллект. Как ИИ-решения применяются в медицине
Работы много, но все поставленные нами цели — абсолютно конкретны и достижимы», — подытожил Собянин. По материалам: сайт Сергея Собянина. Картина дня.
Специалисты получат надежных цифровых помощников, уйдет в прошлое бумажная рутина, врачи будут пользоваться проактивным подходом, когда нейросети будут подсвечивать риски возникновения у пациентов различных болезней. Также в ближайшем будущем обычной практикой станет телемедицина. Большинство проблем со здоровьем пациенты смогут решать без личного посещения врача. Работы много, но все поставленные нами цели — абсолютно конкретны и достижимы», — подытожил Собянин.
Благодаря своим вычислительным возможностям и способности обрабатывать и анализировать большие объемы данных, искусственный интеллект может помочь в определении и понимании этих сложных и необычных состояний. Искусственный интеллект использует алгоритмы машинного обучения и глубокого обучения для анализа различных типов данных, таких как медицинские изображения, генетическая информация, результаты лабораторных анализов и многое другое. При помощи этих данных искусственный интеллект может выявлять корреляции, паттерны и скрытые взаимосвязи между различными заболеваниями и их симптомами. Одной из самых важных функций искусственного интеллекта в диагностике редких и генетических заболеваний является распознавание нежелательных генетических вариантов. Используя мощные алгоритмы, искусственный интеллект может анализировать генетическую информацию пациента и сравнивать ее с базами данных геномов, чтобы идентифицировать редкие или мутационные гены, которые могут быть связаны с заболеванием. Благодаря такому анализу искусственный интеллект может помочь в определении вероятности развития определенного генетического заболевания у пациента, что позволяет врачам принимать ранние меры по предупреждению или лечению. Он также может помочь в выборе наиболее эффективных методов лечения, учитывая индивидуальные особенности пациента и его генетическую предрасположенность. Кроме того, искусственный интеллект может помочь в исследованиях редких и генетических заболеваний путем анализа большого объема данных о пациентах. Это позволяет ученым выявлять новые паттерны и корреляции, определять новые подтипы заболеваний и разрабатывать инновационные методы лечения. Искусственный интеллект является мощным инструментом в борьбе с редкими и генетическими заболеваниями, обеспечивая более точную диагностику, персонализированное лечение и новые направления исследований. Это открывает новые перспективы для пациентов, страдающих от этих сложных состояний, и помогает предотвратить прогрессирование заболевания и улучшить качество их жизни. Искусственный интеллект в процессе лечения: персонализированная медицина и индивидуальные прогнозы Искусственный интеллект ИИ в медицине привносит новые возможности в процесс лечения, делая его более персонализированным и эффективным. Благодаря ИИ, врачи и исследователи получают доступ к огромным объемам данных, анализ и обработка которых помогают прогнозировать результаты лечения и предсказывать индивидуальные характеристики пациентов. Использование ИИ в процессе лечения способствует развитию персонализированной медицины, где каждому пациенту предлагается индивидуальный подход и оптимальный план лечения. Алгоритмы машинного обучения и искусственные нейронные сети позволяют анализировать множество факторов, таких как генетическая предрасположенность, медицинская история, прогнозируемые реакции на определенные лекарственные препараты и другие факторы, которые могут влиять на эффективность лечения. Искусственный интеллект также помогает врачам прогнозировать и предотвращать возможные осложнения и побочные эффекты лечения. Анализ данных, полученных от предыдущих пациентов с аналогичными характеристиками и диагнозами, позволяет предсказывать вероятность возникновения определенных проблем и рекомендовать соответствующие меры по их предотвращению. Применение ИИ в медицине также способствует улучшению диагностики. Алгоритмы искусственного интеллекта могут сравнивать медицинские снимки и анализировать отклонения, которые человеческий глаз может упустить. Таким образом, ИИ помогает врачам выявлять заболевания на более ранних стадиях и принимать соответствующие меры для лечения их. Искусственный интеллект в медицине — это один из инновационных инструментов, который помогает улучшить процесс лечения пациентов. Персонализированная медицина и индивидуальные прогнозы, основанные на анализе данных, позволяют врачам предоставлять наиболее оптимальные варианты лечения каждому пациенту в зависимости от его индивидуальных потребностей и рисков. Это открывает новые возможности для более эффективного и успешного лечения пациентов в будущем. Возможности искусственного интеллекта в развитии новых методов лечения и терапии Искусственный интеллект предоставляет огромные возможности для развития новых методов лечения и терапии в медицине. Благодаря использованию алгоритмов искусственного интеллекта, медицинские учреждения и специалисты в области здравоохранения могут значительно улучшить качество и эффективность лечения.
Например, заммэра Москвы по вопросам социального развития Анастасия Ракова сообщила , что за два года сервисы ИИ обработали более 6 млн лучевых снимков. По ее словам, технологии помогли быстрее описать снимки и заметили мельчайшие отклонения. ИИ хорошо показал себя в медицине, поэтому ученые уже пишут алгоритм, по которому можно будет обнаружить ранние проявления болезни Альцгеймера по результатам МРТ. Еще одним направлением, где применяется искусственный интеллект, стала область семантического анализа. ИИ анализирует и систематизирует данные, содержащиеся в электронной медицинской карте пациента. Ее заполняют сразу несколько врачей: кардиолог, невролог, терапевт и другие. Алгоритм собирает анамнезы воедино, и так специалист может обнаружить определенные паттерны. Метод, при котором медкарта заполнена разными специалистами, а данные собраны воедино, позволяет оптимизировать постановку точного диагноза. Настоящей технологией будущего можно считать роботов-хирургов — это решение на стыке роботизации и ИИ. Успешный проект в этом направлении представил резидент «Сколково» — компания «Экзоскелет». Специалисты разрабатывают роботы-экзоскелеты, которые помогают людям после тяжелых травм заново учиться ходить. Однако говорить об использовании роботов-хирургов пока рано. Причина кроется в большом количестве алгоритмических частей, с помощью которых можно создать конечный продукт. При этом они могут быть не связаны напрямую с медицинскими показателями. К примеру, автопилот распознает препятствия на дороге, но не имеет доступа к управлению машиной. Польза для каждого Применение ИИ выгодно как для врача, так и для пациента — то есть, для всей системы здравоохранения в целом. Качество диагностики выходит на совершенно другой уровень. Однако с развитием технологий появляются и опасения у людей — некоторые пациенты сейчас склонны не доверять искусственному интеллекту.
Собянин: Цифровые технологии спасают жизни и повышают качество лечения москвичей
Как искусственный интеллект создает лекарства. ИИ от фирмы Insilico Medicine носит название GENTRL. В последнее время появляется все больше новостей о применении искусственного интеллекта (ИИ) в медицине и здравоохранении. Вышеперечисленные области применения искусственного интеллекта в медицине, показывают, что ИИ находит свое применение во многих задачах – от консультирования до диагностирования. Какова же ситуация с применением ИИ в медицине по состоянию на июнь 2021 г.? На наш взгляд, такая фиксация времени необходима ввиду бурного развития рассматриваемой области.
Роман Душкин: «Медицина — это область доверия»
В части поиска информации и ее классификации нейросети показывают отличные результаты. Они способны относительно быстро сканировать интернет на всех существующих языках, собирая данные, которые касаются конкретной темы. Добиться такой эффективности при работе вручную не получится. Искусственный интеллект и персонифицированная медицина Для большинства наиболее распространенных болезней разработаны терапевтические схемы приема лекарственных препаратов. Для лечения некоторых болезней например, туберкулеза или онкологии единственными эффективными препаратами выступают довольно токсичные вещества. Из-за низкой селективности такие лекарства оказывают побочные действия, пагубно влияют на печень, почки и сердечно-сосудистую систему. И если ранее альтернатив не существовало и применение агрессивных препаратов считалось допустимым с причинением ущерба для здоровья в процессе лечения, то сейчас методика меняется. Развитие медицины и медицинской химии позволяет работать не только над поиском принципиально новых лекарств, но и над подбором оптимальных схем лечения по уже известным методикам. Индивидуальная дозировка препаратов, имеющих сильные побочные эффекты, могла бы снизить негативное влияние на пациентов, но сложность расчетов не позволяет проводить их массово. К тому же их нужно проводить несколько раз в день. Нейросети способны проводить такие расчеты быстро и качественно.
AI для комбинационной терапии раковых больных с помощью искусственного интеллекта. Уже во время первого тестирования система показала свою эффективность. Для пациента с прогрессирующим раком простаты система рассчитывала индивидуальную комбинацию препаратов на протяжении всего курса лечения. Как результат — рост опухоли значительно замедлился, а затем болезнь и вовсе перешла в стадию ремиссии. При этом дозировки препаратов были практически в два раза меньше, чем при стандартной терапии таких случаев. Персонализация терапии открывает невообразимые возможности для медицины. При наличии достаточного количества данных нейросети и другие методы машинного обучения могут помочь не только оперативно решать задачу оптимизации дозы, но и подбирать комбинации препаратов для повышения эффективности лечения, определять наиболее результативную тактику лечения и предотвращать критические состояния пациента уже на самых ранних стадиях.
Бактерия использует сохраненный генетический материал и производит белки Cas9, которые способны при совпадении генов с геном вируса быстро его нейтрализовать. По той же схеме, белок ищет совпадающий генетический материал и разрезает его вне зависимости от того, принадлежит он бактерии, животному или человеку. Например, в сельском хозяйстве технологию используют для изменения свойств продуктов: можно удалить из арахиса ген, который вызывает аллергическую реакцию, можно создавать необычные сорта. Ученые даже занимались созданием комаров, не способных переносить малярию. Редакторы генов, основанные на технологию CRISPR и полученные из микробов, хоть и являются важным и незаменимым инструментом, часто демонстрируют значительные функциональные недостатки, особенно при переносе в чужеродную среду, например в клетки человека. Компания Profluent считает, что основанный на AI-технологиях генный редактор OpenCRISPR представляет собой мощную альтернативу, которая позволит обойти различные ограничения и даст возможность создавать оптимальные свойства. Используя большие языковые модели LLM , обученные работе с биологическим разнообразием, мы демонстрируем успешное и максимально точное редактирование генома человека с помощью программируемого редактора генов, разработанного с использованием искусственного интеллекта.
Увеличение объёма и доступности связанных со здоровьем данных, которые получены из личных и медицинских устройств врачей и пациентов. Рост геномных баз данных секвенирования. К 2019 году для специального исследования будут отобраны 1 миллион добровольцев. Исследование направлено на то, чтобы показать связь между состоянием здоровья, образом жизни, окружающей средой, а также социальным и экономическим статусом. Полученные данные будут обработаны с помощью ИИ.
Мы подумали: можем ли мы заставить машины придумывать с нуля новые молекулы с определенными свойствами вместо того, чтобы заставлять их перебирать десятки доступных вариантов, — говорит Алекс Жаворонков. Insilico использовали GENTRL для того, чтобы создать несколько а если быть точным, то 6 вариантов лекарств для лечения мышечного фиброза. Созданные лекарственные средства ингибируют рецептор DDR1, который участвует в развитии болезни. Для этого ИИ потребовался 21 день, после чего ученые выбрали наиболее подходящие варианты препаратов и протестировали их на лабораторных животных. На это ушло еще 25 дней. Таким образом на выбор потенциального лекарства потребовалось всего 46 дней. Для сравнения, традиционный процесс разработки кандидатов на звание лекарства занимает около 8 лет и обходится компаниям в несколько миллионов долларов США.
Обзор Российских систем искусственного интеллекта для здравоохранения
Но благодаря этой постоянной скрупулезной работе данные сегодня стали применимыми для машинной обработки и анализа, а также для обучения и внедрения сервисов на основе искусственного интеллекта. Мы организовали совместную с медицинским сообществом работу по разработке и поддержанию в актуальном состоянии структуры собираемых медицинских данных. Совместно мы определяем набор необходимых сведений, определяем требования к обязательности полей — стремимся собирать только востребованные данные. Эта работа позволяет нам собирать данные не «в один котел» наряду с неструктурированными данными так называемого озера данных, а в структурированном виде с формализованными значениями там, где это нужно и возможно. Это важно для синхронизации понятийного аппарата, одинаковой интерпретации сущностей в физическом и цифровом мире. При формировании нового стандарта оказания экстренной помощи на фактических данных мы увидели рассогласованность в наименованиях и емкости терминов одних и тех же лабораторных и инструментальных исследований клинический анализ крови или общий клинический анализ крови — минимальное отклонение в одно слово, а для анализа и обработки — это разные единицы данных. В результате медицинское сообщество договорилось об укрупнении синонимичных значений, о приведении множества понятий к единству. Как повлияли эти технологии на эффективность системы?
ИИ уже сегодня — эффективный помощник, избавляющий врача от части рутины. В работе функциональных диагностов взрослых поликлиник Москвы помогает автоматическая расшифровка ЭКГ с предзаполненным заключением. С сервисами записи ЕМИАС интегрирован чат-бот, который «опрашивает» пациента о жалобах на самочувствие до приема, а результаты врач увидит сразу в протоколе осмотра. Наиболее масштабный проект — применение компьютерного зрения в лучевой диагностике. Более 50 ИИ-сервисов по 29 клиническим направлениям обрабатывают в потоковом режиме медицинские снимки, оконтуривают выявленные патологии, проводят рутинные измерения, в том числе сложные, на которые у врача уходит много времени, а также готовят проект заключения. В арсенале столичных рентгенологов сегодня 6 комплексных сервисов для анализа КТ органов грудной клетки, органов брюшной полости. Такие сервисы в рамках одного исследования выявляют сразу несколько патологий и формируют заключение.
Всего в рамках проекта ИИ-сервисы проанализировали уже 12 миллионов лучевых исследований. Более того, если раньше ИИ-решения в медицине рассматривались в первую очередь как системы поддержки принятия врачебных решений, то сегодня мы делаем первые шаги в сторону системной автоматизации производственных процессов. Так, на базе эксперимента технологии ИИ достигли того уровня зрелости, когда мы начинаем «делегировать» искусственному интеллекту отдельные диагностические задачи. В этом году мы запускаем пилотный проект в рамках территориальной программы обязательного медицинского страхования по применению ИИ в автономном режиме, без участия врача — для проекционных методов исследований, флюорографии и рентгенографии органов грудной клетки. ИИ будет сортировать все исследования взрослых пациентов, сделанные в поликлиниках, на те, где достоверно отсутствует патология, и те, где есть признаки заболевания. Для первых ИИ будет самостоятельно формировать заключение в виде электронной медицинской записи в ЭМК, а вторые — направлять на описание врачу. При этом характерная особенность профилактических исследований, таких как флюорография, — низкая доля исследований с патологическими признаками.
Это решение позволит перенаправить время врача на более сложные виды исследований, где действительно требуется врачебная экспертиза. По итогам пилотного проекта мы сможем достоверно оценить безопасность применения автономного ИИ для пациентов. Первыми шагами в развитии персональных ассистентов врача стал диагностический ассистент врачей-терапевтов и врачей общей практики для постановки предварительного диагноза. Сервис был внедрен в 2020 году, на основе анализа жалоб пациента он предлагает топ-3 диагноза.
Израильская компания MedyMatch разрабатывает ИИ, способный оценивать компьютерные томограммы и находить любые отклонения от нормы. MaxQ будет применяться в первую очередь для ранней диагностики травм черепа, инсульта и определения его вида геморрагический или ишемический в машинах неотложной помощи, что позволит медицинскому персоналу быстрее начать лечение. ИИ для пациентов Использование ИИ не ограничивается его применением медицинскими сотрудниками - также нейронные сети могут оказывать помощь пациентам.
Существует «приложение-медсестра» - Sense. На экране телефона пациента появляется анимированная медсестра, которая задает вопросы о самочувствии, узнает нет ли жалоб. Приложение может сразу отправить результаты опроса врачу, напомнить о приеме лекарств, помочь в случае необходимости связаться с доктором по видеосвязи. Для людей, страдающих сердечно-сосудистыми заболеваниями разработана программа AliveCor, способная делать запись ЭКГ в любом месте с помощью смартфона и специальных детекторов, а после сообщать об отклонениях. В первую очередь, ИИ направлен на выявление аритмий. Еще одним полезным мобильным приложением является Babylon Health, позволяющим из любой точки Земли и в любое время получить онлайн-консультацию врача со стажем не менее 10 лет. А чат-бот поможет предварительно по симптомам, которые ему опишет пациент, поставить диагноз, а также даст краткую справку об этом заболевании.
ИИ для распознавания заболеваний по фотографиям Создаются программы, которые с помощью анализа фотографии и сопоставления их с загруженной базой данных, смогут обнаружить наличие патологии. Face2Gene - это основанная на ИИ программа, позволяющая диагностировать по фотографии многие генетические заболевания. Для ИИ составлен алгоритм определения фенотипических признаков различных синдромов, с которыми нейронная сеть сравнивает снимок и делает заключение о наличии отклонений. Для этого более миллиона анонимных снимков были предоставлены Глазной клиникой Мурфилдс. В первую очередь проект ориентирован на два заболевания: диабетическую ретинопатию и возрастную дегенерацию желтого пятна, которые являются наиболее распространенными. ИИ для распознаваний психических отклонений по голосу ИИ находит применение и в психиатрической практике: проект NeuroLex.
Цифровые технологии в московской медицине спасают жизни и повышают качество лечения пациентов. Искусственный интеллект ИИ помогает врачам ставить верный диагноз и назначать нужные исследования. Основную работу ИИ сейчас выполняет в службе лучевой диагностики. Нейросеть распознает 37 различных заболеваний.
Диагностика заболеваний Чат-боты уже могут с высокой эффективностью помогать пациентам самостоятельно ставить диагноз, а также помогать в постановке диагноза и врачам. Например, ИИ компании Babylon Health предоставляет соответствующую информацию о здоровье на основе симптомов, описанных самим пациентом. Понятно, что симптомы могут быть описаны неверно или пациент может попытаться ввести ИИ в заблуждение умышленно. Поэтому в компании прямо заявляют, что их компьютерный ассистент не ставит диагноз. Это сделано для того, чтобы свести к минимуму юридическую ответственность компании, но в будущем мы наверняка увидим, как чат-боты будут ставить диагнозы по мере повышения точности их работы. А на перспективы ИИ в Babylon Health смотрят оптимистично, заявляя, что они уже доказали эффективность своего ИИ в первичной медико-санитарной помощи, а также смогли создать такую систему искусственного интеллекта для медицины, которая не является «черным ящиком». Это отличает их, например, от Alphabet, материнской компании Google, представители которой еще сравнительно недавно заявляли о том, что до сих пор не знают, что конкретно изучают их модели машинного обучения, о чём мы писали в статье, посвященной LLM. И пока сложно сказать, насколько они продвинулись в понимании алгоритмов работы своих программ глубокого обучения. А вот исследователи из Babylon Health продвинулись совершенно точно. Также современные ИИ решают проблемы приоритизации и медицинской сортировки.
Рекомендации на основе глубокого анализа данных поступающих пациентов для обеспечения точной приоритизации и медицинской сортировки ИИ дает очень быстро в режиме реального времени. Наиболее известные решения для этих целей предлагает Enlitic. ИИ Enlitic Curie сканирует поступающих пациентов, обрабатывая множество клинических данных в том числе учитываются и старые диагностические карты и определяя приоритет на лечение, после чего сразу же направляет больных к наиболее подходящему врачу. Трудно переоценить пользу этих алгоритмов, исключающих из анализа человеческий фактор, ведь после того как они будут усовершенствованы, они помогут спасти тысячи жизней. Стоит рассказать и о новом алгоритме ИИ, который поможет диагностировать рак легких. Много лет человечество проигрывало борьбу с онкологическими заболеваниями, которые ежегодно убивают около 10 миллионов человек по всему миру. Одной из самых страшных форм онкологии является рак легких, распознавание которого на ранних стадиях и до сих пор является для ученых сложнейшей задачей. Но весьма вероятно, что справиться с этим человеку поможет искусственный интеллект. Исследователи из Бостонского университета разработали ИИ, который долгое время обучался на полноформатных фотографиях легочных тканей пациентов размеры таких изображений составляют обычно более 1 Гб, что делает их анализ человеком крайне сложным. ИИ на примере фото обучали распознавать аденокарциному легкого, плоскоклеточный рак легкого и соседнюю не раковую ткань.
Результаты обучения оказались положительными: алгоритм смог продемонстрировать более высокую эффективность, чем другие современные методы распознавания патологий на полноформатных слайдах. На данный момент новый алгоритм планируется внедрить в помощь патологоанатомам, однако при успешном внедрении возможности ИИ могут быть расширены, ведь главное — научиться диагностировать опасные заболевания на самых ранних стадиях, пока сохраняются высокие шансы на полноценное излечение. Существуют и компании, специализирующиеся на разработке ИИ-продуктов для ранней диагностики различных заболеваний. Они позволяют анализировать хронические состояния, используя лабораторные и другие медицинские данные, чтобы выявлять опасные болезни как можно раньше. Так, программное обеспечение от Ezra использует ИИ при анализе МРТ-сканов всего тела, чтобы помочь специалистам в раннем выявлении рака. Их слоган говорит сам за себя: «Мы обнаружили самую большую слабость рака — раннее обнаружение». SkinVision — компания, занимающаяся диагностикой рака кожи на основе медицинской визуализации, то есть диагностикой по фото. ИИ, разработанный командой SkinVision, позволяет обнаруживать рак кожи на ранней стадии по фотографиям, сделанным на телефон. Умные алгоритмы после исследования очередного фото просигнализируют о том, если с кожей что-то не так. Таким образом, пациент сможет вовремя обратиться в клинику за помощью.
Медицинская визуализация на основе ИИ также широко используется для диагностики ОРВИ и выявления пациентов, которым требуется клиническая поддержка. Нейросеть научилась отличать родинки от некоторых видов рака кожи Американские ученые создали систему искусственного интеллекта, которая умеет отличать родинки от некоторых видов рака кожи лучше врачей. Работа исследователей опубликована в журнале Nature. На протяжении последних десятилетий число людей, у которых обнаруживают рак кожи, постоянно увеличивается. По данным Всемирной организации здравоохранения, раком кожи страдает каждый третий онкологический больной, а каждый пятый американец заболеет им в течение жизни. Это заболевание особенно опасно тем, что злокачественное образование легко не заметить и спутать с родинкой. При этом, если вовремя обратить внимание на опухоль, шансы на выздоровление резко увеличиваются. Пациенты, у которых находят меланому самый распространенный и злокачественный вид опухоли на ранней стадии развития, выживают в 97 процентах случаев, в то время как при поздней диагностике заболевания эта доля сокращается до 14 процентов. Основным способом первичного выявления рака кожи до сих пор остается визуальный осмотр за которым обычно следует дерматоскопия или биопсия. Чтобы помочь пациентам самостоятельно обнаружить злокачественное образование на ранней стадии, ученые из Стэнфордского университета создали систему искусственного интеллекта, которая анализирует фотографии «подозрительных» родинок.
Авторы новой работы использовали сверточную нейросеть Inception v3, которая была ранее разработана компанией Google. Исследователи удалили ее верхний слой и обучили систему, изначально ориентированную на распознавание различных объектов, определять некоторые виды рака кожи — меланому и карциному. Для этого они использовали 130 тысяч фотографий более двух тысяч различных кожных заболеваний. После того, как программа научилась ставить диагноз, ее работу сравнили с работой двух ведущих дерматологов США. Анализ показал, что система не только справляется не хуже специалистов, но и превосходит их: нейросеть верно отличала родинки от злокачественной меланомы и карциномы в 72 процентах случаев, в то время как врачи успешно справились с заданием лишь в 66 процентах случаев. Дополнительная проверка нейросети, в которой принял участие уже 21 специалист, также показала, что, чувствительность и специфичность алгоритма которая отражает способность корректно определить доброкачественную и злокачественную опухоль не уступает чувствительности и специфичности дерматологов. В будущем компьютерная программа может быть адаптирована для смартфона или планшета, и позволит любому желающему пройти первичную диагностику рака кожи. Тем не менее, до этого момента системе будет необходимо пройти еще много дополнительных проверок. Так, по мнению авторов статьи, программа может плохо справляться с определением редких типов карцином и меланом, по каким-либо причинам не окрашенным в черный или коричневый цвет. Недавно американские ученые также создали алгоритм, который успешно справляется с ранней диагностикой меланомы.
В ходе эксперимента система смогла правильно определить меланому в 98 процентах случаев.