Преимущества применения нейросетей в медицине очевидны – возможность обрабатывать большие массивы данных в короткие сроки, а также точность диагностики. Однако внедрение искусственного интеллекта в медицину сопряжено с некоторыми рисками и ограничениями. На сессии «Внедрение искусственного интеллекта в здравоохранении: новые возможности для стартапов и цифрового бизнеса» RIW-2022 эксперты обсудили эффективные практики внедрения искусственного интеллекта и перспективы технологий в России. Цифровые решения на базе искусственного интеллекта полезны для медицины не меньше роботов. Медицинские продукты с применением искусственного интеллекта активно разрабатывают известные компании: Microsoft, Apple, Google, IBM.
Машины лечат людей: как нейросети используют в российской медицине
Применяемые на сегодняшний день лекарства преимущественно нацелены на замедление развития заболевания, но нередко дают крайне неприятные побочные эффекты. Фото: ru. 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.
Причем программа может фиксировать различия в цветовых характеристиках, которые невидимы для глаза врача. Сейчас они пролечены, и мы имеем на исходе выздоровление», — рассказала заведующая кафедрой детских болезней Центра Алмазова Ирина Никитина. Благодаря искусственному помощнику и работе эндокринологов, радиологов, хирургов и патоморфологов более 120 детей из России и ближнего зарубежья с врожденным гиперинсулинизмом получили лечение и выздоровели. Специальная программа, Voice2Med, позволяет врачам делать описание снимков за 15 минут вместо часа. В день медикам приходится расшифровывать более 150 снимков. При такой большой обработке данных, признаются, — это настоящее спасение. Особенность этой программы в том, что она распознает самые сложные медицинские термины, в том числе и латинскую лексику. То, что непонятно обычному человеку, машина узнает и прописывает без ошибок. Например, желчнокаменная болезнь, аневризма аорты, инфаркт миокарда, стенокардия напряжения второго функционального класса.
Home — Новости — Наука — Топ-7 прорывов в медицине в 2023 году Топ-7 прорывов в медицине в 2023 году Медицинские открытия играют решающую роль в модернизации здравоохранения и повышении качества жизни людей по всему миру. Каждый год в области медицины совершается множество значительных открытий и инноваций, которые вселяют надежду и меняют наш подход к здравоохранению. В этой статье рассмотрим 7 самих громких медицинских прорывов 2023 года, которые готовы определить будущее медицины. Эти достижения революционизируют варианты лечения, улучшая уход за пациентами и прокладывают путь к более здоровому миру. Технология мРНК 2023 год ознаменовался замечательными достижениями в области медицины, и одним из прорывов, который произвел революцию в нашем подходе к здравоохранению, является технология мРНК. Этот новаторский подход проложил путь к значительному прогрессу в профилактике и лечении заболеваний. Традиционные вакцины часто содержат ослабленные или неактивные формы вируса или бактерии для стимуляции иммунного ответа. Однако мРНК-вакцины используют другой подход. Они используют небольшой фрагмент генетической информации вируса или патогена, чтобы дать указание нашим клеткам вырабатывать безвредный белок, похожий на часть вируса. Этот белок запускает иммунный ответ, позволяя нашему организму распознавать настоящую инфекцию и бороться с ней. Эта технология потенциально способна произвести революцию в области терапии таких заболеваний, как рак, генетические нарушения и аутоиммунные состояния. Предоставляя клеткам точные инструкции, мРНК-терапия может нацеливаться на конкретные молекулы, вызывающие заболевание, и запускать выработку терапевтических белков. Перспективы персонализированной медицины с помощью мРНК-терапии дают надежду на индивидуальные варианты лечения, которые ранее были немыслимы. Виртуальная реальность в медицине В то время как технология мРНК находится в центре внимания, другой технологией, которая добилась значительных успехов в 2023 году, является виртуальная реальность VR. В медицине виртуальная реальность стала мощным инструментом для революционизирования медицинского образования и улучшения ухода за пациентами. В медицинском образовании виртуальная реальность обеспечивает имитируемую среду, в которой студенты могут изучать и практиковать различные процедуры, операции и медицинские сценарии.
Симптомчекеры особенно актуальны в случаях, когда к начинающему врачу приходят пациенты с обширной или размытой симптоматикой — в этих случаях программа может подсказать врачу не только диагнозы, которые наиболее вероятны при определённой клинической картине, но и рекомендации по лечению, а также направления на дополнительные исследования или на приём к узкоспециализированному врачу. В более продвинутых медицинских сервисах могут использоваться технологии компьютерного зрения. Например, такие технологии применяются при процедурах гастроскопии. В классической практике врач с помощью камеры эндоскопа исследует слизистые оболочки органов и самостоятельно ищет отклонения. В силу сложности данного исследования врач может упустить детали, важные для постановки верного диагноза. Компьютерное зрение помогает врачу замечать такие детали. Работа сервиса выглядит следующим образом: к камере эндоскопа подключается специальный алгоритм на базе искусственного интеллекта. На специальном мониторе он подсвечивает врачу области с возможными отклонениями и даёт рекомендации дополнительно сфотографировать и исследовать выделенные области. После обследования врач загружает снимки в СППВР, которая помогает подтвердить или скорректировать ранее поставленный диагноз. Анализ такого снимка занимает у врача от одного до нескольких часов, что связано со сложностью данного вида исследований. Программа же выдаёт результат практически мгновенно, анализируя изображение по заданным алгоритмам. Врач видит уже размеченный снимок, на котором подсвечены опасные зоны, а также предварительные диагнозы, поставленные на основе анализа этого снимка. Главная ценность таких программ состоит в том, что они значительно сокращают время рутинных задач врача. Это позволяет сделать диагностику пациента более персонализированной и быстрой: СППВР ранжирует пациентов по степени тяжести, что также позволяет врачам своевременно реагировать на эти данные и оказывать помощь в первую очередь тем, кто нуждается в ней больше всего. Как создать медицинский сервис с использованием ИИ Как происходит разработка медицинских сервисов с использованием ИИ — с момента постановки задачи до выхода готового продукта в клиническую практику? Сбор данных. В первую очередь следует начать со сбора огромного массива данных реальных пациентов из тех медицинских учреждений, в которых они когда-либо проходили лечение. Для этого понадобится: выявить проблему и определить диагноз, с которым вы хотите работать; найти группы врачей, которые помогут вам валидировать вашу модель; собрать группу разработки, которая сможет выстроить эту модель и «обучить» её. Прежде чем обработать данные, предстоит подготовить их. Для этого их нужно обезличить: в ходе этого процесса пациент получает код, а также убираются персональных данных ФИО, номер паспорта и т. При этом год рождения и диагноз, не обезличиваются. Разметка данных. После того, как данные прошли процедуру обезличивания, они передаются врачам на разметку. Прежде чем приступить к разметке данных, врачи определяют методологию, по которой они будут работать с разметкой. Они определяют диагноз, симптоматику, а также зоны и маркеры, с которыми они будут работать. Только после этого врачи вручную размечают снимки. Сегодня разметка данных, как правило, происходит с помощью программ, где врач в специальном интерфейсе очерчивает необходимые зоны. Повторная разметка. После первичной разметки данных те же снимки проходят аналогичную процедуру, которую проводит уже другая группа врачей. 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.
Искусственный интеллект в медицине — не конкурент, но помощник
После того, как нейросеть обнаруживает перспективное соединение, за глубокое исследование берутся биохимики. За восемь лет сотрудники компании зарегистрировали 65 патентов в медицинской отрасли, сейчас компания активно разрабатывает препараты для восстановления мышц, нормализации метаболизма глюкозы и замедления клеточного старения. Это лишь один из нескольких десятков проектов, которые изучают химические соединения для разработки диетических и биологических пищевых добавок, а также лекарственных препаратов. А развитие искусственного интеллекта в перспективе еще больше ускорит исследования и улучшит их результативность. Согласно данным Всемирной организации здравоохранения, редкими считаются болезни с распространенностью от 1 случая на 1 000 человек до 1 случая на 200 000 человек. Концерны не слишком часто инвестируют средства в поиски лекарств от таких болезней. Время окупаемости таких исследований составит десятки лет, если они вообще когда-нибудь окупятся. Основная сложность лечения редких болезней не в синтезе лекарств и лабораторных тестированиях, а в недостатке клинических данных.
Поэтому компания Healx с помощью нейросетей создает полную информационную базу 7 000 редких болезней, в которой собирает все ведомости из научных материалов, баз данных пациентов и исследований лекарств. Созданная база помогла при разработке лекарства от синдрома Мартина-Белл. За 18 месяцев команда смогла создать препарат, который уже успешно прошел две фазы клинических исследований. Для сравнения, в обычных условиях разработка и тестирование лекарственного препарата занимает от пяти до десяти лет. При этом затраты на его создание просто на порядки меньше классических. 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.
На платформе размещаются приоритетные клинические задачи и дата-сеты для разработчиков технологий ИИ. Платформа Минздрава России призвана помочь медсообществу формулировать актуальные клинические задачи, организовывать сбор и разметку медицинских сведений, публиковать задачи и созданные под них дата-сеты. Описания задач и дата-сетов доступны публично, доступ к дата-сетам, размещенным на платформе, получит любая российская аккредитованная IT-организация. Во-вторых, были приняты стандарты в области ИИ в здравоохранении. Напомним, в феврале 2022 года Россия приняла несколько стандартов в области ИИ в медицине. Среди первых стандартов: «Интеллектуальные методы обработки медицинских данных. Основные положения»; «Системы ИИ в клинической медицине — программа, методика клинических испытаний»; «Стандарт управления изменениями в системах ИИ с непрерывным обучением». Разрабатывается еще более 120 стандартов. Все это благодаря платформенному подходу. В 2019 году в Москве начался эксперимент по внедрению в систему столичного здравоохранения ИИ и цифрового зрения, старт которого пришёлся на то время, когда на мировом рынке только появились попытки обучить алгоритмы ИИ решению практических задач. Первая цель была направлена на то, чтобы опередить иностранных конкурентов, рассказал замруководителя Департамента здравоохранения Москвы Илья Тыров. По его словам, приведены и решения для здоровой конкуренции сервисов. Так, в каждом направлении активизировано как минимум два продукта. Поддерживать высокий уровень медицинских ИИ-решений Москве помогают инвестиции. Так, в 2020-2022 годах на апробацию решений в рамках эксперимента выделено 900 млн рублей. По словам Ильи Тырова, ИИ в московском здравоохранении используется для поддержки решений в диагностике.
Это позволяет сделать диагностику пациента более персонализированной и быстрой: СППВР ранжирует пациентов по степени тяжести, что также позволяет врачам своевременно реагировать на эти данные и оказывать помощь в первую очередь тем, кто нуждается в ней больше всего. Как создать медицинский сервис с использованием ИИ Как происходит разработка медицинских сервисов с использованием ИИ — с момента постановки задачи до выхода готового продукта в клиническую практику? Сбор данных. В первую очередь следует начать со сбора огромного массива данных реальных пациентов из тех медицинских учреждений, в которых они когда-либо проходили лечение. Для этого понадобится: выявить проблему и определить диагноз, с которым вы хотите работать; найти группы врачей, которые помогут вам валидировать вашу модель; собрать группу разработки, которая сможет выстроить эту модель и «обучить» её. Прежде чем обработать данные, предстоит подготовить их. Для этого их нужно обезличить: в ходе этого процесса пациент получает код, а также убираются персональных данных ФИО, номер паспорта и т. При этом год рождения и диагноз, не обезличиваются. Разметка данных. После того, как данные прошли процедуру обезличивания, они передаются врачам на разметку. Прежде чем приступить к разметке данных, врачи определяют методологию, по которой они будут работать с разметкой. Они определяют диагноз, симптоматику, а также зоны и маркеры, с которыми они будут работать. Только после этого врачи вручную размечают снимки. Сегодня разметка данных, как правило, происходит с помощью программ, где врач в специальном интерфейсе очерчивает необходимые зоны. Повторная разметка. После первичной разметки данных те же снимки проходят аналогичную процедуру, которую проводит уже другая группа врачей. 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.
Фактически, внедрение таких аппаратов ежедневно демонстрирует преимущества использования искусственного интеллекта в сфере здравоохранения, позволяя сокращать влияние человеческого фактора на диагностику и лечение, и, соответственно, снижать количество врачебных ошибок. А повышение уровня качества обслуживания в медицине влияет и на улучшение показателей здоровья населения всей нашей страны. Что, конечно же, особенно актуально в последние два года, когда идёт борьба с коронавирусом. Это стало очевидно уже в 2020 году, и касалось не только напрямую сферы медицины, но и смежных областей. Стали очевидны такие проблемы, которые в обычной обстановке и со стандартной нагрузкой не так бросались в глаза. И в то же время пандемия стала наиболее эффективным стимулом для развития и внедрения инновационных методов решения различных задач. Разумеется, максимум внимания в исследовательской работе стало уделяться таким направлениям, которые целиком либо в какой-то мере были направлены на борьбу с пандемией, на снижение нагрузки врачей, на оптимизацию здравоохранения. И, конечно же, отдельно стоит упомянуть разработки, нацеленные на предиктивную аналитику и моделирование сценариев развития событий с учётом вероятности возникновения иных эпидемий. Подготовка к таким событиям становится залогом успеха в борьбе с ними. Существуют ли какие-то разработки, позволяющие в будущем действовать на упреждение и успешнее бороться с такими проблемами, как SARS-CoV-2?
Искусственный интеллект в медицине: перспективы диагностики, лечения и исследований
| Искусственный интеллект в медицине: главные тренды в мире | Искусственный интеллект (ИИ) помогает врачам ставить верный диагноз и назначать нужные исследования. |
| Цельс — Медицинские скрининг системы | CELSUS | Искусственный интеллект (ИИ), безусловно, главная инновация XXI века, обладающая колоссальным значением для общества. |
Будущее рядом: как нас будет лечить искусственный интеллект?
По предварительным оценкам, использование искусственного интеллекта и нейросетей поможет сократить инвестиции в создание лекарственных препаратов в четыре раза, а время разработки — в два раза. Клинические испытания требуют крупных инвестиций и могут длиться несколько лет Пока что концерны используют ИИ только как вспомогательный инструмент для синтеза лекарств, проводя все стадии клинических исследований как обычно. Но проекты уже показывают хорошие результаты. ИИ на службе нутрициологии Успехи искусственного интеллекта в создании вакцин от коронавируса известны всему миру. Компьютерные технологии сократили время разработки результативной вакцины буквально до нескольких месяцев, когда для классических методов исследований требуется минимум год-два. Но на самом деле исследования куда глубже, чем можно представить.
И касаются они не только вирусологии, но также профилактической медицины и нутрициологии, для которых анализируют натуральные органические соединения. Их существует десятки миллиардов, поэтому исследования вручную не слишком эффективны. Клинические испытания требуют крупных инвестиций и могут длиться несколько лет. Для разработки нового препарата нужно протестировать на клеточных культурах десятки и сотни химических соединений, которые в дальнейшем нужно будет проверить и на живых организмах. Из-за этого все фазы клинических испытаний могут занять несколько лет.
Компьютерные мощности способны помочь исследователям, значительно ускорив процесс создания новых лекарственных препаратов, а также ощутимо сократить расходы на проведение дорогостоящих клинических испытаний. К примеру, британо-ирландская компания Nuritas использует искусственный интеллект для поиска активных органических соединений, которые в теории можно использовать для лечения и предотвращения болезней. Как утверждают специалисты компании, технология анализа химических соединений с помощью искусственного интеллекта в 600 раз точнее и в десять раз быстрее, чем стандартные методики. Впрочем, без человека пока еще не обойтись. После того, как нейросеть обнаруживает перспективное соединение, за глубокое исследование берутся биохимики.
За восемь лет сотрудники компании зарегистрировали 65 патентов в медицинской отрасли, сейчас компания активно разрабатывает препараты для восстановления мышц, нормализации метаболизма глюкозы и замедления клеточного старения. Это лишь один из нескольких десятков проектов, которые изучают химические соединения для разработки диетических и биологических пищевых добавок, а также лекарственных препаратов.
Кроме того, планируется внедрить умный проактивный подход, в рамках которого ИИ будет анализировать медицинские карты и выявлять риски возникновения заболеваний. По словам мэра, телемедецина, когда большую часть проблем со здоровьем можно будет решить онлайн, без визита к врачу, станет обычной практикой.
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.
С помощью AI появилась возможность генерировать в 4,8 раза больше белковых кластеров, чем существует в природе. Некоторые из созданных с помощью искусственного интеллекта редакторов генов демонстрируют сравнимую или улучшенную активность. Компания выложила OpenCRISPR-1 в открытый доступ, чтобы способствовать развитию технологии и её использованию в научных исследованиях и коммерческих проектах. Статью с научным исследованием можно почитать тут. Предоставить доступ к еще большему разнообразию. С помощью AI появилась возможность экстраполировать на новые белковые пространства, которые еще не были освоены, тем самым выходя за рамки природных белков. Активировать новые функции, ранее не доступные ученым.
Искусственный интеллект в медицине и здравоохранении
Особый интерес в этой связи представляют сравнительные межстрановые исследования, так как в них раскрываются коллективные ориентации и ценности, присущие тому или иному обществу. Опросы ВЦИОМ и Pew показывают, что в российском и американском обществе пациенты больше будут чувствовать дискомфорт, чем комфорт, если врач будет полагаться на искусственный интеллект для диагностики заболеваний и рекомендации лечения. Это значит, что и в российском, и в американском обществе существуют опасения по вопросу применения ИИ в здравоохранении. К чему все это приведет? ИИ обладает способностью обрабатывать огромные объемы данных и находить скрытые закономерности. Теоретически это позволит врачам лучше исследовать болезни, быстрее и точнее ставить диагнозы и эффективнее лечить пациентов. То есть прогноз эффективности ИИ в медицине в российском и американском обществе находится примерно на одном уровне.
В целом российскому обществу присущ умеренный энтузиазм по вопросу использования ИИ в здравоохранении. По-видимому, ИИ еще не успел заработать себе «антирейтинг» в этой сфере, в том числе потому, что значимая часть россиян еще не сформировала своей позиции на этот счет.
Почему «Джейн» оказалась не у дел — Почему мы говорим о «Джейн» в прошедшем времени? Всё, что я вам рассказываю, связано с опытной эксплуатацией «Джейн» врачами одной московской больницы, специализирующимися на эпилепсии. Врачи ей пользовались под моим контролем. Наши алгоритмы помогли уточнить диагнозы и скорректировать лечение десятка пациентов.
Однако в определённый момент мы столкнулись с проблемой — чтобы продолжать использовать систему, требовалось сертифицировать её в качестве медицинского изделия. Процесс этот довольно сложный, он потребовал бы от нашего коллектива больших затрат времени и сил. Никто не мог дать гарантии того, что после сертификации «Джейн» купят. А делать такую сложную систему просто так, для себя, смысла не было. Поэтому я решил сосредоточиться на развитии других проектов. У нас был чат-бот, у нас была веб-версия, система «крутилась» на сервере.
Если бы я не остановил разработку, то следующий модуль, который мы делали, обеспечивал бы вывод по аналогии. Предполагалось, что в систему загрузят большое количество историй болезни. И тогда «Джейн» могла бы находить совпадения, смотреть, как лечится один пациент, как другой, какие у них прогнозы, признаки выздоровления и так далее. И система такая будет очень полезна, если кто-то заинтересуется её покупкой и внедрением. Проект «Джейн» развивался в течение трёх лет. Обнаруженные аналоги могли предложить только электронный дневник.
Это были простые информационные системы для записи симптомов и жалоб пациентов. Таких крутых фишек, интеллектуальных функций, настроенных именно на проблему эпилепсии, как в «Джейн», больше ни у кого в мире не было. Встречались с представителями популярных компаний, предоставляющих услуги по лабораторной диагностике. Мы предлагали им войти в проект и развивать его под своим брендом. Мы могли бы сделать полную интеграцию. Но этого не случилось, никто из потенциальных инвесторов так и не решился на сотрудничество.
Стоимость разработки интеллектуальной системы, подобной «Джейн», по оценкам АИИ , начинается от 250 тысяч рублей. Что в России нужно сделать, чтобы на законных основаниях продавать медицинские системы? То есть мы должны фактически провести независимую оценку эффективности изделия, применяя методы доказательной медицины. Это довольно сложный процесс, который может тянуться годами. Какая должна быть методика? И разработка методики испытаний входит в состав клинических испытаний.
То есть мы должны сначала разработать методику, представить её комиссии, которая подтвердит, что методика соответствует стандартам качества проведения клинических испытаний. Затем в ходе испытаний мы проходим по всем пунктам этой методики. Пишем научно-технические отчёты. Консилиумы их проверяют, подтверждают, что отчёты соответствуют критериям, описанным в документах. В России IT-продукт с искусственным интеллектом впервые сумел успешно пройти технические и клинические испытания, получить статус медизделия и одобрение Росздравнадзора только в апреле 2020 года. Почему же в больницах до сих пор очень мало таких программ?
MYCIN считается первой интеллектуальной компьютерной системой, разработанной специально для медиков. Её создали в 1970-х годах учёные Стэнфордского университета США. MYCIN предназначалась для подбора антибактериальной терапии. Название было образовано от суффикса «-мицин», часто встречающегося в названиях антибиотиков. Всё дело в доверии. Медицина — это область доверия.
Мы же доверяем врачу самое дорогое — своё здоровье и здоровье наших детей.
Подобная проблема встречается и при определении алгоритмами онкологических болезней, инсульта, инфаркта и других диагнозов. У распознавания «по аналогии» есть набор всем известных проблем, поясняет эксперт. Иногда не всегда то, что распознается как болезнь, является болезнью — это «ложноположительный результат». В других случаях наоборот: система это не распознает как болезнь, хотя болезнь есть — это «ложноотрицательный результат». Кроме того, бывает, что медицинская информация не поддается в полной мере алгоритмическому анализу — это так называемые эксквизитные случаи, специфика пациента, орфанные болезни и так далее. Возможно, следующие поколения алгоритмов будут избавлены от этих проблем, но пока надежды на медицинский ИИ, как диагностический философский камень — очевидный самообман», — заключил Кузнецов. По информации местных Telegram-каналов, агрессором является Богдан Ш. На видеороликах, которые сам блогер публикует в социальных сетях, видно, как он нападает на прохожих, бьет их по лицу и издевается над ними. Сообщается, что от его действий уже пострадали около 50 человек.
Мотивы своих поступков он не объясняет. Помимо видео избиений, в блоге Ш. Ранее в петербургском метро пожилой мужчина напал с ножом на серебряного призера чемпионата России по фигурному катанию Владислава Дикиджи. По его данным, тела были найдены со связанными руками и зашитыми животами, что вызывает подозрения в изъятии внутренних органов. Тела завернуты в нейлоновые черно-синие саваны, которые отличаются по цвету от саванов, используемых в Газе, передает ТАСС. Представители чрезвычайных служб считают, что это могло быть сделано с целью повышения температуры тел для ускорения процесса их разложения и сокрытия улик. Также агентство отмечает, что на некоторых телах обнаружены следы огнестрельных ранений в голову. Ранее палестинские экстренные службы обнаружили на территории медицинского комплекса «Насер» в Хан-Юнисе массовое захоронение с 50 телами погибших. В частности, речь шла о поджоге связанного с Украиной коммерческого объекта в британской столице лицами, которые якобы контактировали с российскими разведслужбами, передает РИА «Новости». Посольство России в Лондоне отвергло эти обвинения, назвав их «абсурдными и заведомо бездоказательными».
Они являются «очередной наспех состряпанной британским истеблишментом информационной фальшивкой», подчеркнули в диппредставительстве. Посол Келин также отметил, что Россия, в отличие от Британии и других западных стран, не осуществляет и не поощряет диверсии против гражданских объектов. Авиация, ракетные войска и артиллерия поразили эшелон у поселка Удачное в ДНР, указало ведомство в своем Telegram-канале. Экс-сотрудник французской контрразведки Николя Чинкуини утверждает, что определение «наемник» в Уголовном кодексе Франции слишком узкое, что позволяет им избежать наказания. МИД Франции отрицает наличие в рядах ВСУ французских наемников, называя заявления об этом якобы «российской дезинформацией».
Компьютерные технологии сократили время разработки результативной вакцины буквально до нескольких месяцев, когда для классических методов исследований требуется минимум год-два. Но на самом деле исследования куда глубже, чем можно представить. И касаются они не только вирусологии, но также профилактической медицины и нутрициологии, для которых анализируют натуральные органические соединения. Их существует десятки миллиардов, поэтому исследования вручную не слишком эффективны. Клинические испытания требуют крупных инвестиций и могут длиться несколько лет. Для разработки нового препарата нужно протестировать на клеточных культурах десятки и сотни химических соединений, которые в дальнейшем нужно будет проверить и на живых организмах. Из-за этого все фазы клинических испытаний могут занять несколько лет. Компьютерные мощности способны помочь исследователям, значительно ускорив процесс создания новых лекарственных препаратов, а также ощутимо сократить расходы на проведение дорогостоящих клинических испытаний. К примеру, британо-ирландская компания Nuritas использует искусственный интеллект для поиска активных органических соединений, которые в теории можно использовать для лечения и предотвращения болезней. Как утверждают специалисты компании, технология анализа химических соединений с помощью искусственного интеллекта в 600 раз точнее и в десять раз быстрее, чем стандартные методики. Впрочем, без человека пока еще не обойтись. После того, как нейросеть обнаруживает перспективное соединение, за глубокое исследование берутся биохимики. За восемь лет сотрудники компании зарегистрировали 65 патентов в медицинской отрасли, сейчас компания активно разрабатывает препараты для восстановления мышц, нормализации метаболизма глюкозы и замедления клеточного старения. Это лишь один из нескольких десятков проектов, которые изучают химические соединения для разработки диетических и биологических пищевых добавок, а также лекарственных препаратов. А развитие искусственного интеллекта в перспективе еще больше ускорит исследования и улучшит их результативность. Согласно данным Всемирной организации здравоохранения, редкими считаются болезни с распространенностью от 1 случая на 1 000 человек до 1 случая на 200 000 человек. Концерны не слишком часто инвестируют средства в поиски лекарств от таких болезней. Время окупаемости таких исследований составит десятки лет, если они вообще когда-нибудь окупятся.
Эксперт объяснил провал искусственного интеллекта в медицине
Искусственный интеллект в медицине. “применение искусственного интеллекта в здравоохранении на примере анализа рентгенограмм грудной клетки”. Искусственный интеллект оцифровывает данные. ИИ в медицине: за какими стартапами следить. Возможности нейросетей и искусственного интеллекта активно тестируют в самых разных отраслях медицины: от диагностики и профилактики болезней до вирусологии и генетики.
Машины лечат людей: как нейросети используют в российской медицине
| Машины лечат людей: как нейросети используют в российской медицине | “применение искусственного интеллекта в здравоохранении на примере анализа рентгенограмм грудной клетки”. |
| Роман Душкин: «Медицина — это область доверия» | В последнее время появляется все больше новостей о применении искусственного интеллекта (ИИ) в медицине и здравоохранении. |
| ВЦИОМ. Новости: Прогресс или угроза, или об искусственном интеллекте в медицине | Искусственный интеллект оцифровывает данные. ИИ в медицине: за какими стартапами следить. |
Искусственный интеллект в медицине — не конкурент, но помощник
Кроме того, многим развивающимся странам для внедрения искусственного интеллекта в медицину не хватает оборудования и средств. Технологии искусственного интеллекта для системы здравоохранения. Области применения технологий на основе искусственного интеллекта быстро расширяются, в частности, умные технологии приходят на помощь врачам и пациентам. Искусственный интеллект на рынке медицины прогнозируемая нехватка врачей и специалистов в единицах, США, 2032 г. Возможности нейросетей и искусственного интеллекта активно тестируют в самых разных отраслях медицины: от диагностики и профилактики болезней до вирусологии и генетики.
Искусственный интеллект в медицине
Барьеры для внедрения ИИ Вопреки всем успехам, реального внедрения серьезных, глубоких систем поддержки принятия врачебных решений на федеральном уровне очень мало, подытожил руководитель экспертной группы «Цифровые технологии в медицине» при АНО «Цифровая экономика», гендиректор ассоциации «НБМЗ» и руководитель направления цифровой медицины компании «Инвитро» Борис Зингерман. По его мнению, сейчас ИИ охотнее всего доверяют сами пациенты. А у пациентов нет медобразования, и они рады любой помощи и подсказке от искусственного интеллекта», — отметил Борис Зингерман. Сложнее ситуация обстоит в здравоохранении в субъектах. На первом этапе обновлен парк медоборудования, создан центральный архив медицинских изображений и проведено несколько технических интеграций с сервисами ИИ. Для контроля качества ИИ-решений в медицине не хватало специалистов, поэтому на призывы о помощи откликнулись эксперты Департамента здравоохранения Москвы. Согласно договоренностям со столичными экспертами, в ЯНАО подключаются сервисы, занимающие в Москве лидирующие позиции. Сейчас реализуется третий этап — вовлечение врачей-рентгенологов в работу с ИИ. Отрабатываются механизмы сбора обратной связи о работе сервисов на базе ИИ. Следующее, что мы сделаем, — продумаем, как мотивировать врачей на работу с ИИ-решениями», — объяснил Андрей Дорофеев. Для выбора обоснованного подхода к этому вопросу он предлагает рассмотреть три различных уровня зрелости ИИ-систем: «Первый уровень — это новые идеи и разработки, требующие апробации на предмет востребованности рынком.
Такие решения еще не прошли необходимые клинические испытания. Источником финансирования для них могут быть собственные средства разработчиков, инвесторов или институтов развития. Второй уровень — это технологически зрелые компании, имеющие регистрационное удостоверение медицинского изделия Росздравнадзора на свою ИИ-систему. Такие решения уже полностью готовы к внедрению, но пока не имеют убедительных доказательств клинической или экономической эффективности. Их оптимально финансировать за счет целевых программ, как это, например, реализуется в рамках московского эксперимента.
Во избежание повторения событий последних двух лет группа учёных с моим непосредственным участием в настоящее время проводит внедрение предиктивной аналитики, которое реализуется с помощью искусственного интеллекта и позволяет моделировать различные сценарии развития событий и анализировать ход эпидемий, что даёт возможность заранее подготовить систему здравоохранения к вероятности масштабного противостояния очередным заболеваниям и «предсказать» их возможные последствия. Современные технологии необходимы и административному аппарату, и непосредственно в лечении. К примеру, давно установлено, что некоторые элементы высокоточных операций лучше доверить автоматике, исключив тем самым влияние человеческого фактора и снизив вероятность ошибок.
Думаю, что в дальнейшем доля участия ИИ в непосредственном лечении, а также в последующем сопровождении пациентов будет только увеличиваться. Как Вы считаете, обоснована ли на данном этапе развития российской медицины такая статья расходов? Несомненно, что потребуются значительные финансовые ресурсы, однако столь же очевидно, что такие вложения имеют долгосрочную отдачу. Постепенное расширение сектора ИИ в медицине способствует повышению качества медицинского обслуживания, а следовательно, позитивно отражается на здоровье нации. Есть, кстати, и обратная зависимость: недостаток финансирования сектора развития ИИ влечёт за собой достаточно масштабные последствия. Их мы могли наблюдать, в частности, на примере первого года борьбы с пандемией. В целом, вложения в развитие искусственного интеллекта нельзя даже рассматривать как расходы — это скорее инвестиции в оптимизацию сферы здравоохранения.
Москва, ул. Правды, д. Почта: mosmed m24.
Компания выложила OpenCRISPR-1 в открытый доступ, чтобы способствовать развитию технологии и её использованию в научных исследованиях и коммерческих проектах. Статью с научным исследованием можно почитать тут. Предоставить доступ к еще большему разнообразию. С помощью AI появилась возможность экстраполировать на новые белковые пространства, которые еще не были освоены, тем самым выходя за рамки природных белков. Активировать новые функции, ранее не доступные ученым. OpenCRISPR-1, разработанный Profluent, представляет собой прорыв в области и обещает значительное ускорение процесса генной инженерии, уменьшение его стоимости и расширение возможностей модификации организмов. Общедоступность этого инструмента определенно поспособствует более широкому распространению и совершенствованию технологии CRISPR, что приведет к новым открытиям и достижениям в области.
Машины лечат людей: как нейросети используют в российской медицине
О том, как искусственный интеллект внедряют в сфере медицины, рассказал директор АИИ Роман Душкин. Провалы искусственного интеллекта в медицине происходят потому, что это вовсе не интеллект, а схожий с системой распознавания лиц алгоритм, сказал газете ВЗГЛЯД руководитель экспертного совета ЭИСИ (Экспертный институт социальных исследований) Глеб. Ученые из Сколковского института наук и технологий (Сколтех) занимаются применением методов машинного обучения и искусственного интеллекта в медицине. Чем искусственный интеллект лучше «человеческого» врача, почему перегруженные работой медработники пока не доверяют ИИ, возможен ли в медицине симбиоз естественного и искусственного интеллектов, а также причем здесь мораль и врачебная этика?
Мы рекомендуем
- Комплексный анализ работы сервисов ИИ в медицине провели в Москве – Москва 24, 22.12.2023
- Обзор Российских систем искусственного интеллекта для здравоохранения
- Польза ИИ в медицине
- Как работают нейронные сети в медицинской сфере?