К примеру: «Здоровые люди имеют две руки». При работе в систему поступает информация о насущной проблеме: «У пациента Х одна рука». Эта информация записывается в рабочую память.
Рабочая память после обращения к базе и сравнения информации формирует заключение: «Пациент Х не здоров». Но реализация экспертных систем очень затратная процедура, требующая больших ресурсов. Для проектирования хорошей экспертной системы, требуются эксперты в сфере медицины, специалисты по научным знаниям, инженеры-программисты.
Наиболее популярны сегодня нейронные сети, так как они обладают способностью обучаться. Принцип действия нейронных сетей основывается на механизме работы биологических нейронов.
В программной форме, нейронные сети могут быть представлены как граф с несколькими слоями нейронов, соединяющихся в этих слоях различными способами. Каждое соединение имеет вес, который учитывается при обучении нейронной сети. При обучении нейроны, находящиеся на входе, получают исходные данные. Затем эти данные перерабатываются внутренним слоем нейронов, и нейроны на выходе уже имеют некоторые новые параметры.
В случае, если эти параметры (значения) не нравятся исследователям, они могут изменить вес соединений в сети нейронов и повторить обучение. Чем значительнее объём данных, получаемых нейронной сетью, тем достовернее будет результат, выданный в ответ на запрос.
Например, поступил запрос в систему: «Головная боль, повышенная температура, озноб».
Нейронная сеть анализирует медицинские карты большого количества пациентов и, вероятно, сообщит результат: «Высока вероятность гриппа».
3. Отличие искусственного интеллекта от обычных компьютерных программ
При проектировании искусственного интеллекта, в отличие от стандартного программного обеспечения, программист не знает всех взаимосвязей между исходными данными и конечными результатами.
В областях, где уже существуют сформированные математические модели (например, статистическая обработка медицинских записей), нет необходимости использовать искусственный интеллект.
Принцип искусственного интеллекта заключается в том, чтобы учиться на надежном наборе данных и искать формулы и зависимости, которые люди не определяют.
Способности в медицине.
Практического опыта врача не всегда достаточно для правильной диагностики заболевания. Нейронной сети доступно огромное количество актуальных историй болезни и справочных данных в научных публикациях.
На этом основании она способна классифицировать конкретные симптомы, сравнивать их с аналогичными и выносить вердикт о возможном методе терапевтических действий.
Современное состояние возможностей технологии искусственного интеллекта не позволяет решать проблемы, неподвластные врачам.
Например, разработка устройств, способных сканировать человеческие организмы и назначать оптимальное лечение на основе полученных результатов. Сегодня искусственный интеллект выполняет относительно простые задачи. Например, он может определить по рентгеновскому снимку, есть ли у пациента патология или наличие инородного тела, есть ли в цитологическом материале раковые клетки.
Точность вердикта после анализа с помощью ультразвука или МРТ превышает девяносто процентов. Самым известным из существующих искусственных интеллектов в медицине является система IBM Watson. Это мощная электронная вычислительная машина, способная ответить на вопрос, заданный на языке обычного человека, а не программно.
В IBM есть специальный отдел IBM Watson Health, который разрабатывает и внедряет технологии искусственного интеллекта в медицинскую практику.
Ватсон получает информацию из множества источников, таких как энциклопедические данные, научные статьи и тому подобное.
Сначала IBM использовала искусственный интеллект для борьбы с раком, но затем разработчики IBM Watson обратились за советом в Американскую кардиологическую ассоциацию.
И вот теперь стало возможным обнаружить симптомы стеноза аортального клапана сердца с помощью ультразвука (один из вариантов порока сердца).
4. Использование искусственного интеллекта в области медицины
Приложения и программные продукты для распознавания медицинских изображений (снимков МРТ, заключений УЗИ, кардиограмм, результатов компьютерной томографии).
Стартапы для разработки препаратов (микроскопический анализ, изучение эффективности препаратов, исследование вирусов и поиск эффективных вакцин).
Использование технологий машинного обучения в сфере протезирования (интеллектуальные системы разрабатывают удобные протезы с учетом анатомических особенностей человека).
Приложения для удаленной помощи пациенту (они популярны в Великобритании - с их помощью врачи общей практики могут в удаленном режиме дать рекомендации для лечения простудных болезней или других состояний, не угрожающих жизни).
Стартапы по лечению раковых заболеваний (например, SOPHIA AI -- приложение по диагностике рака, привлекшее 30 млн долларов инвестиций, умеющее анализировать клиническую картину состояния пациента и предлагать эффективную схему лечения).
Существует и много других возможных вариантов использования ИИ в сфере здравоохранения. Если говорить о перспективах их внедрения, то решения, основанные на машинном обучении, могут быть эффективными в тех областях, где доступно достаточно количество обучающих данных и можно четко сформулировать постановку задачи. В этих областях ИИ может принести пользу врачам и пациентам за счет взвешенного принятия решений на основе имеющихся данных. Вот некоторые области, где приложения на основе искусственного интеллекта уже успешно используются:
· Ведение беременности. Регулярное наблюдение за здоровьем матери и плода необходимо, чтобы уменьшить беспокойство матери и обеспечить раннюю диагностику возможных патологий у нее и ребенка
· Разработка лекарств. ИИ позволяет находить новые лекарства на основе имеющихся биомедицинских данных. Так, биофармацевтическая компания NuMedii уже создала технологию AIDD (искусственный интеллект для обнаружения лекарств), которая использует большие объемы данных (BigData) и ИИ для быстрого обнаружения связей между лекарствами и заболеваниями на системном уровне. Компания занимается этим уже более 10 лет. За это время была извлечена информация из тысяч разрозненных хранилищ данных и создана собственная структурированная база данных, охватывающая сотни заболеваний и тысячи соединений. Запатентованные алгоритмы AIDD позволили ему выйти далеко за рамки традиционных подходов к поиску лекарств. Так, они могут повысить эффективность терапии за счет моделирования воздействия нового лекарства на организм при нескольких путях развития той или иной болезни
· Приложения для здоровья. Технологии IoMT (Internet of Medical Things или Интернета медицинских вещей) в сочетании с ИИ уже позволяют массово выпускать «умные» приложения для контроля самых разных параметров организма, что обеспечивает полный контроль за состоянием здоровья человека. Основная цель этих приложений и устройств такая же, как и у профессионального ПО и диагностического оборудования -- оперативно выявлять нарушения в работе различных органов или систем организма, чтобы их можно было исправлять самостоятельно или, в крайнем случае, без частых посещений врача
· Генный анализ. Алгоритмы ИИ позволяют прогнозировать, как может повлиять на организм редактирование генома в каждом конкретном случае.
· Оценка эффективности медицинского оборудования и препаратов. Технологии BigData и глубокого обучения могут использоваться для извлечения значимой информации из изображений и видео для помощи в выборе оборудования и препаратов, наиболее подходящих для нужд той или иной отрасли медицины.
· Анализ причин заболеваний. Например, продукт компании Migraine Buddy под названием Healint анализирует терабайты данных, чтобы помогать пациентам, врачам и ученым-медикам лучше понимать реальные причины и последствия неврологических расстройств.
· Чат-боты для обслуживания клиентов. Про первичную диагностику мы уже говорили, а еще чат-боты позволяют пациентам задавать вопросы, касающиеся оплаты услуг, назначений или пополнения запасов лекарств.
· Исследование рынка медицинских услуг. ИИ помогает определить оптимальные цены лечения в условиях конкуренции, проводя исследования рынка, что является отличным подспорьем для частных клиник, которые могут сэкономить на услугах маркетологов. Таким анализом занимается ПО от MD Analytics -- одной из самых старых на рынке компаний маркетинговых исследований в области здравоохранения и фармацевтики (работает с 2003 года).
· Работа с документами. Существуют приложения на основе ИИ, упрощающие документооборот в медицинских учреждениях. Например, технологии автоматизации процессов, такие как интеллектуальная автоматизация и RPA, помогают больницам автоматизировать рутинные операции с документами, в том числе отчетность.
5. Искусственный интеллект в медицине и здравоохранении сегодня и завтра
Медицина и здравоохранение уже считаются одними из стратегических и перспективных направлений с точки зрения эффективного внедрения искусственного интеллекта.
Использование искусственного интеллекта может значительно повысить точность диагностики, облегчить жизнь пациентам с различными заболеваниями, увеличить скорость разработки и выпуска новых лекарств.
Пожалуй, самым крупным и наиболее обсуждаемым проектом применения искусственного интеллекта в медицине является американская корпорация IBM и ее когнитивная система IBM Watson.
Изначально систему начали обучать, а затем использовать в онкологии, где IBM Watson уже давно помогает поставить точный диагноз и найти эффективное лекарство для каждого пациента.
Для обучения ИИ IBM Watson было проанализировано 30 млрд. медицинских изображений, для чего корпорации IBM пришлось купить Merge Healthcare за 1 миллиард долларов.
К этому необходимо было добавить 50 миллионов анонимных электронных медицинских записей, которые IBM получила в свое распоряжение, купив стартап Explorys.
В 2014 году IBM объявила о сотрудничестве с Johnson & Johnson и фармацевтической компанией Sanofi с целью обучения Watson пониманию результатов научных исследований и клинических испытаний.
По словам представителей компании, это значительно сократит время клинических испытаний новых препаратов, а врачи смогут подобрать терапию, наиболее подходящую для конкретного пациента.
В том же 2014 году IBM объявила о разработке программного обеспечения Avicenna, позволяющего интерпретировать как текст, так и изображения.
Для каждого типа данных используются разные алгоритмы. Авиценна сможет разбираться в медицинских изображениях и записях и будет выступать в качестве помощника рентгенолога.
Аналогичная задача решается в рамках другого проекта IBM - Medical Site. В данном случае речь идет о разработке искусственного интеллекта "медицинский помощник", который сможет быстро анализировать сотни изображений на предмет отклонений от нормы.
Это поможет радиологам и кардиологам разобраться с теми проблемами, в которых искусственный интеллект все еще бессилен.
Недавно разработчики IBM совместно с кардиологической ассоциацией решили расширить возможности Watson, предложив помощь системе и кардиологам.
По задумке авторов проекта, когнитивная облачная форма позволит анализировать огромное количество медицинских данных, относящихся к конкретному пациенту.
Эти данные включают ультразвуковые снимки, рентгеновские снимки и всю другую графическую информацию, которая позволяет уточнить диагноз. В самом начале возможности Watson будут использоваться для поиска признаков стеноза аортального клапана сердца.
При стенозе отверстие аорты сужается из-за слияния ее клапанных створок, что препятствует нормальному току крови из левого желудочка в аорту. Проблема в том, что выявить стеноз клапана непросто, несмотря на то, что это очень распространенный порок сердца у взрослых (70-85% случаев среди всех пороков).
Ватсон попытается определить, что он "видит" на медицинских изображениях: стеноз, опухоль, очаг инфекции или просто анатомическую аномалию и даст соответствующую оценку лечащему врачу, чтобы ускорить и улучшить качество его работы.
Врачи Бостонской детской больницы, занимающиеся редкими детскими заболеваниями, используют IBM Watson для постановки более точных диагнозов: искусственный интеллект будет искать информацию в клинических базах данных и научных журналах, которые хранятся в медицинском облаке Watson Health Cloud.
Следует отметить, что проект Watson, как и любой инновационный продукт, не ставил перед создателями четких экономических целей.
Затраты на разработку его компонентов обычно превышали запланированные, а его обслуживание является очень обременительным по сравнению с традиционными бюджетами в здравоохранении.