Нядаўнія даследаванні паказалі здольнасць сістэм штучнага інтэлекту дыягнаставаць важныя захворванні
Сістэмы штучнага інтэлекту (AI). існуюць даволі даўно і з часам становяцца разумнейшымі і лепшымі. AI мае прымяненне ў многіх галінах і цяпер з'яўляецца неад'емнай часткай большасці палёў. ШІ можа быць важным і карысным кампанентам медыцынскі навукі і даследаванняў, паколькі яны маюць велізарны патэнцыял для ўздзеяння на галіну аховы здароўя.
Штучны інтэлект у медыцынскай дыягностыцы?
Час з'яўляецца самым каштоўным рэсурсам у ахове здароўя, і ранняя правільная дыягностыка вельмі важная для канчатковага выніку захворвання. Ахова здароўя часта з'яўляецца працяглым працэсам, які патрабуе часу і рэсурсаў, што затрымлівае эфектыўную дыягностыку і, у сваю чаргу, затрымлівае правільнае лячэнне. AI можа дапамагчы запоўніць разрыў паміж даступнасцю і кіраваннем часам з боку лекараў, уключыўшы хуткасць і дакладнасць у дыягностыцы пацыентаў. Гэта можа дапамагчы пераадолець абмежаванасць рэсурсаў і медыцынскіх работнікаў, асабліва ў краінах з нізкім і сярэднім узроўнем даходу. ШІ - гэта працэс навучання і мыслення гэтак жа, як людзей праз канцэпцыю пад назвай глыбокае навучанне. Глыбокае навучанне выкарыстоўвае шырокія наборы ўзораў даных для самастойнага стварэння дрэў рашэнняў. З такім глыбокім навучаннем сістэма штучнага інтэлекту можа думаць гэтак жа, як людзі, калі не лепш, і таму штучны інтэлект можна лічыць прыдатным для выканання медыцынскіх задач. Пры дыягностыцы пацыентаў сістэмы штучнага інтэлекту працягваюць шукаць заканамернасці сярод пацыентаў з аднолькавымі захворваннямі. З часам гэтыя заканамернасці могуць стварыць аснову для прагназавання хвароб яшчэ да таго, як яны выяўляюцца.
У нядаўнім даследаванні1 апублікаванай у Ячэйка, выкарыстоўвалі даследчыкі штучны метады інтэлекту і машыннага навучання для распрацоўкі новага вылічальнага інструмента для скрынінга пацыентаў з распаўсюджанымі, але асляпляльнымі захворваннямі сятчаткі, што патэнцыйна паскарае дыягностыку і лячэнне. Даследчыкі выкарыстоўвалі нейронавую сетку на аснове штучнага інтэлекту, каб праглядзець больш за 200,000 2 сканаванняў вачэй, праведзеных з дапамогай неінвазіўнай тэхналогіі, якая адбівае святло ад сятчаткі для стварэння 3D і XNUMXD прадстаўленняў тканіны. Затым яны выкарысталі тэхніку пад назвай "трансфернае навучанне", пры якой веды, атрыманыя пры вырашэнні адной праблемы, захоўваюцца ў камп'ютары і прымяняюцца да розных, але звязаных праблем. Напрыклад, нейронавая сетка штучнага інтэлекту, аптымізаваная для распазнавання асобных анатамічных структур вока, такіх як сятчатка, рагавіца або глядзельны нерв, можа больш хутка і эфектыўна ідэнтыфікаваць і ацэньваць іх, калі яна даследуе выявы цэлага вока. Гэты працэс дазваляе сістэме штучнага інтэлекту паступова вучыцца са значна меншым наборам даных, чым традыцыйныя метады, якія патрабуюць вялікіх набораў даных, што робіць іх дарагімі і працаёмкімі.
Даследаванне сканцэнтравана на дзвюх распаўсюджаных прычынах незваротнай слепаты, якія паддаюцца лячэнню пры раннім выяўленні. Дыягназы, атрыманыя машынай, параўноўвалі з дыягназамі пяці афтальмолагаў, якія праглядалі тыя ж сканы. У дадатак да пастаноўкі медыцынскага дыягназу платформа штучнага інтэлекту таксама стварыла рэкамендацыі па накіраванні і лячэнні, чаго не было ні ў адным папярэднім даследаванні. Гэтая навучаная сістэма штучнага інтэлекту дзейнічала гэтак жа, як добра падрыхтаваны афтальмолаг, і магла на працягу 30 секунд прыняць рашэнне аб тым, ці трэба накіраваць пацыента на лячэнне, з дакладнасцю больш за 95 працэнтаў. Яны таксама пратэставалі інструмент штучнага інтэлекту для дыягностыкі дзіцячай пнеўманіі, асноўнай прычыны смерці дзяцей ва ўсім свеце (ва ўзросце да 5 гадоў), на аснове машыннага аналізу рэнтгенаграфіі грудной клеткі. Цікава, што камп'ютэрная праграма змагла адрозніць вірусныя і бактэрыяльны пнеўманія з больш чым 90-працэнтнай дакладнасцю. Гэта вельмі важна, таму што хоць вірусная пнеўманія натуральным чынам пазбаўляецца арганізмам пасля яе плыні, з іншага боку, бактэрыяльная пнеўманія, з іншага боку, уяўляе больш сур'ёзную пагрозу для здароўя і патрабуе неадкладнага лячэння антыбіётыкамі.
Яшчэ адзін буйны скачок2 у сістэмах штучнага інтэлекту для медыцынскай дыягностыкі навукоўцы выявілі, што фатаграфіі, зробленыя сятчаткай вока чалавека, могуць быць прааналізаваны з дапамогай алгарытмаў машыннага навучання або праграмнага забеспячэння для прагназавання сардэчна-сасудзістай рызыкі сэрца шляхам ідэнтыфікацыі сігналаў, якія сведчаць аб хваробе сэрца. Было паказана, што стан крывяносных сасудаў у вачах, які адлюстраваны на фотаздымках, дакладна прадказвае ўзрост, пол, этнічную прыналежнасць, артэрыяльны ціск, любыя папярэднія сардэчныя прыступы і звычкі курэння, і ўсе гэтыя фактары ў сукупнасці прадказваюць сардэчныя захворванні ў чалавека.
Вока як інфармацыйны блок
Ідэя прагляду фатаграфій вачэй для дыягностыкі здароўя існуе ўжо некаторы час. Дакладна ўстаноўлена, што задняя ўнутраная сценка чалавечага вочы мае шмат крывяносных сасудаў, якія адлюстроўваюць агульны стан здароўя арганізма. Вывучаючы і аналізуючы знешні выгляд гэтых крывяносных сасудаў з дапамогай камеры і мікраскопа, можна прадбачыць шмат інфармацыі пра крывяны ціск, узрост, курца ці некурца і г.д., і ўсё гэта важныя паказчыкі здароўя сэрца чалавека . Сардэчна-сасудзістыя захворванні (ССЗ) з'яўляюцца прычынай смерці нумар адзін ва ўсім свеце, і ад ССЗ памірае больш людзей у параўнанні з любым іншым захворваннем або станам. Гэта больш распаўсюджана ў краінах з нізкім і сярэднім узроўнем даходу і з'яўляецца вялікім цяжарам для эканомікі і чалавецтва. Сардэчна-сасудзісты рызыка залежыць ад мноства фактараў, такіх як гены, узрост, этнічная прыналежнасць, пол, у спалучэнні з фізічнымі практыкаваннямі і дыетай. Большасць сардэчна-сасудзiстых захворванняў можна прадухіліць шляхам ліквідацыі паводніцкіх рызык, такіх як ужыванне тытуню, атлусценне, недастатковая фізічная актыўнасць і нездаровае харчаванне, шляхам сур'ёзных змяненняў у ладзе жыцця для ліквідацыі магчымых рызык.
Дыягностыка здароўя з дапамогай малюнкаў сятчаткі
Даследаванне, праведзенае даследчыкамі з Google і яе ўласнай кампаніі Verily Life Sciences па медыцынскіх тэхналогіях, паказала, што алгарытм штучнага інтэлекту быў выкарыстаны на вялікім наборы даных фатаграфій сятчаткі прыблізна 280,000 12000 пацыентаў, і гэты алгарытм змог паспяхова прадказаць фактары рызыкі сэрца ў двух цалкам незалежныя наборы дадзеных каля 1000 і 70 пацыентаў з дастаткова добрай дакладнасцю. Алгарытм выкарыстаў усю фатаграфію сятчаткі, каб колькасна вызначыць сувязь паміж выявай і рызыкай сардэчнага прыступу. Гэты алгарытм можа прагназаваць сардэчна-сасудзістыя падзеі ў пацыента ў 71 працэнтах выпадкаў, і на самай справе курца і некурца можна было адрозніць у гэтым тэсце ў XNUMX працэнты выпадкаў. Алгарытм можа таксама прагназаваць высокі крывяны ціск, які паказвае на захворванне сэрца, і сісталічны артэрыяльны ціск - ціск у сасудах, калі сэрца б'ецца - у дыяпазоне большасці пацыентаў з або без высокага крывянага ціску. Дакладнасць гэтага прагнозу, на думку аўтараў, вельмі падобная на праверку сардэчна-сасудзістай сістэмы ў лабараторыі, дзе ў пацыента бяруць кроў для вымярэння ўзроўню халестэрыну, разглядаючы паралельна з анамнезам пацыента. Алгарытм гэтага даследавання, апублікаванага ў Прырода біямедыцынскія інжынерыя, з вялікай доляй верагоднасці таксама можа прадказаць з'яўленне сур'ёзнай сардэчна-сасудзістай падзеі - напрыклад, сардэчнага прыступу.
Надзвычай цікавым і важным аспектам гэтых даследаванняў было тое, што камп'ютар можа вызначыць, дзе ён глядзіць на малюнку, каб паставіць дыягназ, што дазваляе нам зразумець працэс прагназавання. Напрыклад, даследаванне Google дакладна паказала, «якія часткі сятчаткі» ўнеслі свой уклад у алгарытм прагназавання, іншымі словамі, як алгарытм рабіў прагноз. Такое разуменне важна не толькі для разумення метаду машыннага навучання ў дадзеным канкрэтным выпадку, але і для стварэння даверу і веры ва ўсю гэтую метадалогію, зрабіўшы яе празрыстай.
Выклікі
Такія медыцынскія выявы сутыкаюцца з праблемамі, таму што назіранне, а затым колькасная ацэнка асацыяцый, заснаваных на такіх выявах, няпроста, галоўным чынам з-за некалькіх функцый, колераў, значэнняў, форм і г.д. на гэтых выявах. У гэтым даследаванні выкарыстоўваецца глыбокае навучанне, каб выявіць сувязі, асацыяцыі і ўзаемасувязі паміж зменамі ў анатоміі чалавека (унутранай марфалогіі цела) і хваробай гэтак жа, як гэта рабіў бы медыцынскі работнік, калі ён ці яна суадносяць сімптомы пацыента з хваробай . Гэтыя алгарытмы патрабуюць дадатковых выпрабаванняў, перш чым іх можна будзе выкарыстоўваць у клінічных умовах.
Нягледзячы на дыскусіі і праблемы, штучны інтэлект мае велізарны патэнцыял, каб зрабіць рэвалюцыю ў дыягностыцы і лячэнні хвароб, праводзячы аналізы і класіфікацыі з выкарыстаннем велізарных аб'ёмаў даных, якія складаныя для экспертаў. Ён забяспечвае хуткія, эканамічна эфектыўныя, неінвазіўныя альтэрнатыўныя інструменты дыягностыкі на аснове малюнкаў. Важнымі фактарамі поспеху сістэм штучнага інтэлекту будуць больш высокая вылічальная магутнасць і большы вопыт людзей. У верагоднай будучыні новыя медыцынскія ідэі і дыягностыка могуць быць дасягальныя з дапамогай штучнага інтэлекту без кіраўніцтва або кантролю чалавека.
***
{Вы можаце прачытаць арыгінальную даследчую працу, націснуўшы на спасылку DOI, прыведзены ніжэй у спісе цытуемых крыніц}
Крыніца (я)
1. Kermany DS і інш. 2018. Вызначэнне медыцынскіх дыягназаў і вылечных захворванняў з дапамогай глыбокага навучання на аснове малюнкаў. Сотавы. 172 (5). https://doi.org/10.1016/j.cell.2018.02.010
2. Poplin R і інш. 2018. Прагназаванне сардэчна-сасудзістых фактараў рызыкі па фотаздымках вочнага дна сятчаткі з дапамогай глыбокага навучання. Біямедыцынская інжынерыя прыроды. 2. https://doi.org/10.1038/s41551-018-0195-0
