Медицина, ранее в основном ориентировавшаяся на лечение острых заболеваний, в настоящий момент больше внимания уделяет хроническим болезням, многие из которых недавно не считались и болезнями. Врачи оказываются вынуждены лечить депрессии, ожирение, диабет, аутоиммунные расстройства, сердечную недостаточность. Эти недуги диагностируются на самых ранних стадиях, всё чаще вне фазы обострения, причём всё чаще речь идёт не только о поддерживающей терапии, но о возможности излечить полностью, исправить эти системные сбои организма. Быстрыми темпами развивается превентивная медицина, которая позволяет определить предрасположенность к некоторым типам заболеваний принять меры ещё до момента их проявления. Очень быстро растут объёмы медицинских данных, и мы постепенно начинаем понимать, что наше качество жизни и здоровье зависят от качества и скорости их анализа. И что этовсё является работой для искусственного интеллекта.
Что такое искусственный интеллект
Под искусственным интеллектом здесь мы станем понимать умение машины имитировать умное поведение людей, то есть — способность ориентироваться в меняющемся контексте и принимать оптимальные решения с учётом этих изменений, - решения, которые позволяют достичь цели.
В настоящий момент используютсямасштабно2 технологии искусственного интеллекта — нейронные сети и экспертные системы. Пока отживают свой векэкспертные системы, нейронные сети завоевали рынок благодаря способности учиться.
Выделяют несколько видов искусственного интеллекта:
1. Узкий искусственный интеллект (narrow AI) — спроектирован, чтобы решать конкретную задачу;
2. Общий искусственный интеллект(general AI, AGI) — сумеет решать любые задачи, с которыми может справиться человек;
3. Superintelligence — станет по сложности решаемых задач опережать человека.
В данной статье под искусственным интеллектом я стану подразумевать «узкий искусственный интеллект», который реализован на базе нейронных сетей. Механизм работы последних был вдохновлён биологическими нейронными сетями. В компьютерном виде нейронные сети представляют граф с тремя или более слоями нейронов, соединённых в слоях тем или иным образом. У соединений есть веса, играющие важную роль в обучении нейронных сетей.
Примитивно обучение нейронных сетей можно представить таким образом: подаются данные на входные нейроны, затем они на внутреннем слое обрабатываются нейронами, и на выходных нейронах получаются некоторые значения. Если полученные значения не устраивают нас, мы меняем в нейронной сети веса соединений и её учим заново. Чем больше релевантных данных подаётся на входные нейроны, тем релевантнее получается и результат работы сети.
Что требуется прямо сейчас сделать?
На полках поликлиник и больниц пылится огромное количество медицинских карт. Между тем, если обучить нейронные сетина их материале, системы искусственного интеллекта смогли бы многим спасти жизни и уменьшили бы затраты на лечение. Но открыть сведения об истории болезней — это очень смелый шаг, и многие воспротивятся ему, думая, что их персональные данные могут быть каким-то образом использованы им во вред. Открытие этих данных должно происходить с соблюдением множества условий и сопровождаться подписанием различного рода соглашений, которые будет гарантировать (возможно, при участии государств) использование строго по назначению. Но, так или иначе, сделать медицинские карты доступными для нейронных сетей — необходимо: в настоящее время «тренировочные сеты» информации — это узкое место искусственного интеллекта в медицине.
Что может искусственный интеллект в медицине?
Диагност и ассистент лечащего врача
Врачу бывает сложно верно диагностировать заболевание, особенно если у него не слишком много практики или конкретный случай далёк от его профессионального опыта. Тут на помощь может прийти искусственный интеллект, имеющий доступ к базам с тысячами и миллионами историй болезни (и другой упорядоченной информацией). С помощью алгоритмов машинного обучения он классифицирует конкретный кейс, быстро просканирует вышедшую за определённый интервал времени научную литературу по нужной теме, изучит имеющиеся в доступе похожие случаи и предложит план лечения. Более того, искусственный интеллект сможет обеспечить индивидуализированный подход, приняв во внимание сведения о генетических особенностях пациента, паттернах движения, собранных его носимыми устройствами, предыдущей истории болезней — всём анамнезе жизни. Искусственный интеллект вероятно (по крайней мере, на текущем этапе развития технологий) — не заменит врача, но может стать — уже стал — полезным инструментом, помощником в деле диагностики и лечения.
Приведу некоторые примеры.
IBM WatsonforOncology. IBM Watson — суперкомпьютер, умеющий отвечать на вопросы, сформулированные на естественном языке (то есть не на языке программирования). У него есть доступ к различным источникам данных: энциклопедиям, базам научных статей, антологиям знаний. Благодаря огромным вычислительным мощностям, обработав источники, он выдаёт максимально точный ответ на заданный вопрос.
IBM Watsonfor Oncology — программа применения мощностей IBM Watson для определения оптимальной доказательной основанной на данных стратегии лечения рака. Перед запуском этой программы в Watson для обучения были загружены сотни тысяч медицинских документов, в том числе 25 тысяч историй болезни, более 300 медицинских журналов и более 200 учебников, всего около 15 млн страниц текста. В 2011 году было объявлено о совместном исследовательском проекте IBM и NuanceCommunications, результатом которого должен был стать коммерческий продукт для клинического применения в области принятия врачебных решений. В подготовке к клинической практике суперкомпьютеру помогали исследователи-клиницисты из Колумбийского университета (ColumbiaUniversity) и Университета Мэриленда в Балтиморе (UniversityofMaryland, Baltimore).
С 2013 года IBM Watson используется в Мемориальном онкологическом центре им. Слоуна-Кеттеринга в Нью-Йорке (MemorialSloanKetteringCancerCenter, MSK) для помощи в принятии управляющих решений (Utilizationmanagement) при лечении больных раком лёгких и уходе за ними. Разумеется, его база постоянно пополняется новыми историями болезни.
В том же году IBM и Онкологический центр им. М. Д. Андерсона (UniversityofTexas MD AndersonCancerCenter) запустили пилотный проект «миссии по искоренению рака». Однако вскоре было объявлено, что проект (на который на тот момент уже было потрачено 62 млн долларов) не оправдал ожиданий и будет отложен.
В июле 2016 года программа IBM WatsonforOncology была запущена в коммерческую эксплуатацию на базе ManipalHospitals (ведущая сеть больниц в Индии) — для помощи врачам и пациентам в определении персонализированных методик борьбы с раком. Также сеть ManipalHospitals предлагает онкологическим больным узнать «мнение Ватсона» онлайн, на своём веб-сайте.
В феврале этого года Медицинский центр Джупитера (JupiterMedicalCenter), Джупитер-Айленд, Флорида, США, также объявил о начале использования IBM WatsonforOncology. В пресс-релизе, посвящённом запуску программы, сообщалось, что «Ватсон» уже способен оказывать действенную помощь клиницистам в разработке планов лечения рака груди, лёгких, толстой кишки, шейки матки, яичников и желудка. До конца года IBM и MSK планируют обучить IBM WatsonforOncology лечению ещё 9 типов рака, покрыв тем самым потенциально 80% заболеваемости раком в мире.
IBM MedicalSieve (проект в стадии разработки). Чтобы оценить результаты МРТ, рентген-снимков, кардиограмм, врачу в среднем нужно потратить значительно больше времени на изучение картинки, чем системе машинного обучения. При этом точность компьютерного анализа в среднем выше, что позволит выявить дефекты и образования, которые врач может и пропустить. Особенно под конец смены, когда медики устают и теряют концентрацию. Более того, за счёт уменьшения количества времени на распознавание и обработку данных, может быть обслужено больше пациентов.
GoogleDeepMindHealth — подпроект GoogleDeepMind, применяющий технологии искусственного интеллек так медицине. В данный момент известно о сотрудничестве DM Health и лондонской больницей «Мурфилдс Ай» (MoorfieldsEyeHospital): тысячи анонимных глазных снимков будут проанализированы с целью найти первичные симптомы слепоты. Также, в сотрудничестве с больницей Университетского колледжа Лондона (UniversityCollegeLondonHospital), искусственный интеллект будет задействован в проекте по разработке алгоритма, который сможет автоматически различать здоровые и раковые ткани в области головы и шеи.
NeuroLex.co. Люди, когда говорят, сообщают значение произносимого не только словами, но и интонацией, промежутками между словами, скоростью и громкостью речи. Из психиатрической практики известно, что психические расстройства обычно сопровождаются определёнными речевыми изменениями. Поэтому можно научить нейронные сети расставлять соответствия между речевыми паттернами и диагнозами (на основе уже имеющейся клинической практики), таким образом сделать процесс установления диагноза более быстрым и точным.
Face2Gene — программа, позволяющая диагностировать по фото многие генетические заболевания (в основном, у детей). Целевая аудитория — практикующие врачи и исследователи.
HumanDiagnosisproject (HumanDx) — амбициозная инициатива молодых врачей из Сан-Франциско, сочетающая, по их словам, «усилия коллективного разума» и машинное обучение. На сайте HumanDx утверждается, что это «крупнейший проект в мире по числу участвующих авторов-клиницистов». Предполагается, что здесь будут собраны описания симптомов, результаты медосмотров, личные и семейные медицинские истории, показания диагностических приборов и носимых устройств, результаты лабораторных исследований, медицинские визуализации, генетические и эпигенетические данные, научные публикации в области биомедицинских наук, медицинская статистика и т. п.
На основе всего этого будет разработана фундаментальная структура данных, к которой сможет обращаться любой врач, пациент, исследователь, вообще любые люди, организации, устройства или приложения. Краткосрочная цель проекта — оказывать помощь в своевременной и верной диагностике заболеваний и назначении лечения, а также в медицинском образовании. Долгосрочная — радикально изменить в лучшую сторону стоимость, доступность и эффективность медицинской помощи во всём мире. Конечной цели у проекта нет. Предполагается, что он будет аккумулировать, систематизировать и стараться делать максимально доступными и легко применимыми все возможные медицинские данные до тех пор, пока у участников будут для этого средства и силы.
Это на словах. На деле, информацию в проект сейчас поставляют, по словам руководителя стартапа Джея Комарнери (JayKomarneni), «тысячи врачей» из 400 учреждений в 60 странах. Это значит, что их может быть, например, две тысячи (или пять тысяч: именно такое число фигурирует в публикации 19 марта на сайте Американской медицинской ассоциации). Немало, но явно недостаточно, чтобы переломить ситуацию в мировой медицине. Якобы в базе проекта есть уже «сотни тысяч» описанных случаев, но и этого мало для функциональной классификации всех известных медицине диагнозов.
Не очень понятно, проводится ли уже на полученных данных обучение некоего искусственного интеллекта или это тоже только в планах. Что точно есть, так это мобильное приложение, с помощью которого врачи-волонтёры могут отправлять информацию на серверы проекта. Основатели надеются в ближайшем будущем привлечь в свои ряды не менее ста тысяч волонтёров. И у них, видимо, есть на то основания: HumanDx финансируют сразу пять венчурных фирм. Одна из них, описывая вкратце политику инвестирования, сообщает, что вкладывает в компанию на всём этапе её развития от 50 до 100 млн долларов. На сайте другой написано, что она не даёт благотворительных грантов. То есть, «бизнес-ангелы» в HumanDx не только прилично вложились, но и, похоже, ожидают от него прибыли, а значит и развития, видят потенциал.
15 февраля этого года HumanDiagnosisproject был объявлен полуфиналистом конкурса Фонда Макартуров 100&Change. Всего полуфиналистов восемь. Победитель будет назван в сентябре и получит 100 млн долларов. Хочется верить, что если эти деньги попадут в руки HumanDx, они приблизят день, когда медицина в мире станет доступнее и эффективнее.
А пока HumanDx пытается делать полезное теми средствами, которые у него уже есть: каждое утро проект рассылает в сотни клиник так называемый «ежеутренний кейс» — описание случаев неочевидной диагностики из присланных волонтёрами. Также ссылки на кейсы регулярно выкладываются в твиттере проекта. Правда, сами кейсы доступны только зарегистрированным на сайте врачам.
Программы искусственного интеллекта, обеспечивающие условия «домашнего стационара»
Сейчас фокус лечения сместился с острых заболеваний на хронические. И «хроническим» больным требуется все время быть осведомлёнными о состоянии своего здоровья. Им на помощь приходят носимые устройства, которые мониторят ваш пульс, дыхание,давление и прочие показатели здоровья. Согласно полученной информации данные устройства извещают владельцев о действиях, которые требуется совершить (принять таблетку, изменить вид физической активности и прочее). Показатели, которые эти приборы снимают, могут передаваться непосредственно врачу через смартфон, чтобы врач всегда мог «держать руку на пульсе» и мог давать рекомендации по ходу изменения показателей. Простейшие советы могут быть «зашиты» непосредственно в приложения и реагировать на получаемые данные автономно и быстро. Но главное — с помощью таких носимых устройств и мобильных приложений как раз и можно собирать массивы данных, по мере роста которых будет расти и качество работы обучающегося на них искусственный интеллект.
Sense.ly (iOS, Android) — это «приложение-медсестра». На экране вашего телефона — анимированная медсестра, она вас спрашивает, как вы себя чувствовали сегодня, в норме ли ваше давление, хорошо ли вы спали, нет ли каких-то жалоб. Отвечать медсестре можно вслух — искусственный интеллект распознаёт вашу речь и немедленно отправляет лечащему врачу всю информацию. Если в вашем ответе имеются триггеры, которые соответствуютразным симптомам, на экран будет выведена краткая справка по ним, затем «медсестра» напомнит вам о приёме необходимых лекарств или о других нужных процедурах или спросит у вас, не хотите ли поговорить с врачом. Если хотите, то приложение в ту же минут у вас соединит по видеосвязи.
AiCure (iOS, Android) — нужно сфотографировать приём таблетки; приложение распознает визуально тип вашего лекарства, определит требуемое время приёма и отправит врачу эту информацию. Задача этого приложения — обеспечить регулярность приёма лекарств.
BabylonHealth (iOS, Android) — это мобильное приложение, которое позволяет из любой точки Земного шара, в любое время суток получить онлайн-консультацию ирландского и британского врача с врачебным стажем не менее десяти лет. Разумеется,на английском языке. Вы можете спросить: при чём же здесь искусственный интеллект? А при том, что перед консультацией здесь же, в приложении,можно пройти простой тест и загрузить показатели ежедневной активности, в том числе с разных носимых устройств. Система сделает анализ данных и сообщит вам предварительный диагноз и опираясь на него порекомендует врача. Если верить разработчикам, практика показывает, что уже в настоящее время BabylonHealth ставит предварительные диагнозы не хуже хорошего терапевта.
К сожалению, некоторые из приложений, перечисленных выше (такие как AiCure или Sense.ly) приспособлены для работы с медициной «западного типа», то есть с системой, где у пациента имеется постоянный лечащий врач (generalpractitioner, GP), который постоянно контролирует состояния здоровья своего пациента. В России и прочих странах, где массовая медицина построена на иных основаниях, они почти не применимы. С другой стороны, приложения, применяемые для диагностики заболеваний, как раз могут очень пригодиться и российским врачам, и врачам, которые работают в далекой африканской глубинке, где они принимают тысячи пациентов, все время новых, имеющих незнакомые симптомы, и где не имеется даже приличной лаборатории, чтобы можно было сделать анализы.
Искусственный интеллект в научных разработках в области медицины
Кроме клинической практики, искусственный интеллект находит применение в проведении биомедицинских исследований. К примеру, систему машинного обучения можно использовать, чтобы проверять совместимость лекарств или проводить анализ генетического кода (для любых задач, которые требуют поиска корреляций в больших данных, глубокого обучения, визуального и аудиального распознавания и так далее).
Deep Genomics — это проект системы, позволяющей предсказывать,изучать и интерпретировать, как генетические вариации делают изменения в важных клеточных процессах, такие как сплайсинг, транскрипция и др. Изменение в данных процессах способно привести к болезням, а соответственно терапия может стать более эффективной если будет известна причина болезни.
Барьеры
Жаль, но люди очень часто не готовы новые технологии брать на вооружение. Вокруг искусственного интеллекта в медицине существует множество различных предрассудков и обоснованных опасений.
Страх восстания машин
Все знают про страх, который связан с верой в то, что искусственный интеллект— это некий сверхинтеллектуальный робот, способный стать угрозой человечеству (это стереотип, который навязан кинематографом). Слыша словосочетание «искусственный интеллект», люди часто вспоминают SkyNet из «Терминатора», это их пугает, и они выступают против идеи идеи искусственного интеллекта.
Часто чиновники в правительствах тоже носители вышеописанного стереотипа. Потому одной рукой они подписывают перспективные планы и инновационные программы, другой же рукой —акты и законы, которые душа тв колыбели любую инновацию.
Потеря контроля над личными данными и распределение за это ответственности
В случае искусственного интеллекта в медицине (и в других областях тоже) добавляется реальная проблема нарушения ради эффективности приватности.
Следствием утраты приватности могут оказаться реальные проблемы и непосредственно для пациентов. Так, данные из истории болезни, которые используются для обучения искусственного интеллекта, могут попасть в руки, например, страховой компании, с ожидаемым последствием повышения цены медицинского полиса и страхования жизни (если, к примеру, человек ведёт «не здоровый»образ жизни, с точки зрения страховщиков). Работодатель сможет отказать соискателю, если он будет знать, что соискатель страдает генетически предрасположен к некоторым заболеваниям или болен хроническими болезнями.
И, в итоге, становится неясно: кто владеет медицинскими данными — пациент, или врач, или клиника, или вычислительный сервис, или кто-нибудь ещё? И кто и в какой мере ими может распоряжаться?
Комментарии (0)