Rambler's Top100
Статьи
15 ноября 2017

Искусственный интеллект – младенец, который требует внимания

Роботы будут делать хирургические операции вместо людей. В этом им помогут технологии искусственного интеллекта и Big Data, считает руководитель отдела медицинской информатики компании Philips Сергей Лаванов.

– В каких областях здравоохранения наиболее эффективно использовать технологии Machine Learning, Big Data и искусственного интеллекта?

– Большие данные, машинное обучение и искусственный интеллект применимы в любых областях здравоохранения. Максимального эффекта можно ожидать при расшифровке генома человека. Врачам важно иметь  инструментарий правильной интерпретации генома и понимания предрасположенности человека к заболеваниям.

Например, есть история болезни онкологического пациента, результаты расшифровки его генома, лабораторных анализов и данные о развитии опухоли. Используя технологии Big Datа, анализируя уже имеющиеся в мировой практике случаи, можно выбрать лечение, скажем, химиотерапию или лучевую терапию, и оценить вероятность его успеха. Специалисту не нужно держать в голове огромные объемы данных о примерах из  практики и статистических вероятностях. Это за него делает машина, и все, что требуется от специалиста, — дать ей на вход первичные данные.

Комбинация больших данных и машинного обучения предоставляет инструмент поддержки принятия клинических решений, чтобы из всех возможных путей врач выбрал оптимальный, который позволил бы пациенту не снижать качество жизни с минимальными для себя последствиями.

Робот-хирург

– Как скоро машины смогут делать хирургические операции вместо людей?

– В отчете компании Century предсказывается, что технологии машинного обучения и больших данных в ближайшие 10 лет помогут индустрии здравоохранения по всему миру сэкономить  порядка $150 млрд. Причем согласно исследованию, наиболее перспективный вектор развития здравоохранения — это роботизированные системы для проведения хирургических вмешательств.

Уже есть роботы da Vinci, которые позволяют делать операции, минимально травмируя пациента, но их нужно еще обучить для максимальной автономии от специалиста, который только наблюдал бы за ходом проведения процедуры и при необходимости вносил какие-то коррективы.

При проведении любого хирургического вмешательства задействован не только хирург, но и анестезиологи, реаниматологи и ассистенты, которые следят за большим объемом информации для выбора правильной тактики хирургического вмешательства. И здесь тоже может помочь компьютер.

– А вы для этого используете Machine Learning или искусственный интеллект?

– Сейчас применительно к медицине между этими терминами можно поставить знак равенства. И там и там используются нейронные сети. Где-то они более продвинутые в плане алгоритмов, где-то менее продвинутые. В любом случае искусственный интеллект, как и человека, нужно сначала обучить. Необходимо подобрать правильные методики и алгоритмы для тренировки нейронных сетей.

Профилактика и помощь хроническим больным

– Вы привели примеры использования Big Data и искусственного интеллекта для лечения. А как эти технологии можно использовать для профилактики заболеваний?

– Есть целое направление в профилактике заболеваний, которое называется Connected Care. Мы пытаемся по максимуму собрать данные о пациенте, о его стиле жизни, питании, сне, а врач или первые прототипы систем искусственного интеллекта дают рекомендации по улучшению поведения человека. Во многих развитых странах актуализируется подход «лучше предупредить, чем лечить». На систему здравоохранения ложится большая нагрузка в плане лечения пациентов, а заниматься собственным здоровьем потребители услуг готовы за свой счет, особенно если будет какой-то дополнительный стимул со стороны государства.

Одно из основных направлений в области превентивной медицины – хронические заболевания. У пациентов с такими заболеваниями риск возникновения осложнений достаточно высок, и лучше предупредить их на раннем этапе, помочь пациенту вести правильный образ жизни для минимизации рисков. Для этого есть целая экосистема всевозможных носимых гаджетов, есть экосистема продуктов и решений от компании Philips, которые позволяют пациентам с хроническими заболеваниями минимизировать эти риски. В частности, есть прототипы решения для пациентов-диабетиков, которым мы помогаем вести правильный образ жизни и следить за своим здоровьем, чтобы не допустить осложнений.

Направления главного удара

– В каких областях медицины удалось добиться наибольших успехов в применении машинного обучения и больших данных? 

– В онкологии, неврологии, кардиологии и диагностике туберкулеза есть хорошие примеры использования нейронных сетей. В онкологии нейронные сети применяются для определения области опухоли, некроза, отека, где могут содержаться раковые клетки, и дифференцирования этих областей на изображениях компьютерной томографии или МРТ.

Уже сейчас система автоматически дифференцирует эти области с высокой точностью. Единственное, что делает специалист в области медицинской радиологии, – смотрит на готовый результат и при необходимости вносит корректировки, которые используются нейронной сетью для дальнейшего обучения. Сейчас эти технологии проходят клиническую апробацию.

Медицина и государство

– Есть ли смысл использовать при анализе экономические и экологические данные?

– Здесь мы переходим к вопросу об управлении здоровьем населения. На мой взгляд, это область, где эффект от использования машинного обучения, искусственного интеллекта и больших данных будет максимальным.

Представим себе гипотетическую ситуацию, когда собираются все данные о населении страны, в том числе об уровне цен в регионах, выбросах предприятий и чрезвычайных происшествиях. Происходит инцидент с выбросами на химическом предприятии. Имея на входе эти данные и статистику по похожим случаям в других странах, можно получить от искусственного интеллекта карту зон с повысившимся риском кардиологических и онкологических заболеваний. Есть методики снижения рисков. Нужно либо сделать определенные инвестиции в профилактику сейчас, либо оставить все как есть, но тогда через десять лет затраты на лечение пациентов из этих зон в разы увеличат нагрузку на бюджет. На основании полученных данных власти могут принять оптимальное решение.

Медицина – не точная наука

– Согласно исследованию американских ученых на базе клиники Майо в Рочестере (штат Миннесота, США), каждый пятый диагноз неправильный. Можно сравнить процент ошибок у врачей и у систем искусственного интеллекта при диагностировании?

– К сожалению, медицина – наука не точная. Это отмечают многие специалисты в области здравоохранения. У каждого врача свой подход к лечению  заболеваний, у каждого своя школа. Иногда одно и то же заболевание в разных учреждениях различными специалистами лечится по-разному. Здесь как раз большие данные и искусственный интеллект могут помочь найти некую золотую середину, во всяком случае для типовых заболеваний.

Существует и так называемое второе мнение. Сначала диагностика делается одним специалистом,  те же данные передаются второму, затем их результаты передаются третьему специалисту. Он сравнивает выводы первого и второго. Если они сходятся, то с высокой долей вероятности они правильные. Если есть какие-то расхождения, то нужно углубляться в конкретный случай и смотреть, где же возникла неправильная интерпретация результатов. В настоящий момент это единственный инструмент, который позволяет минимизировать количество медицинских ошибок.

Искусственный интеллект в этом плане пока еще младенец, который требует к себе особого внимания, больших усилий и инвестиций. Но думаю, что искусственный интеллект с использованием больших данных способен нам сильно помочь. По крайней мере большие данные и машинное обучение помогут качественно улучшить диагностику и ведение пациентов для типовых случаев.

Помощник врача

– А чем ваша компания сейчас занимается в России?

– Одно из направлений – анализ медицинских изображений с использованием технологий машинного обучения и больших данных. Второе —  так называемые  Connected Machines, т.е. объединение различных элементов системы здравоохранения и источников данных (например, компьютерной томографии, носимых гаджетов, персональных кардиомониторов) в единую экосистему, которая позволяет консолидировать колоссальные объемы данных, проводить их анализ и предоставлять специалистам информацию для принятия решения.

Кстати, этим летом мы открыли  научно-исследовательский центр Philips на территории российского инновационного центра «Сколково». Команда центра займется разработкой медицинских технологий следующего поколения с помощью методов анализа и обработки данных, а также искусственного интеллекта в здравоохранении. Для нас создание подобного центра в России – важный шаг, который будет способствовать развитию глобальных исследовательских программ Philips и позволит наладить плодотворную работу со всеми, кто разделяет наше стремление улучшать жизнь людей. 

– Как можно использовать у нас вашу систему диагностики на базе искусственного интеллекта?

– Если взять медицинскую радиологию, то решение разворачивается в медицинском учреждении. Устанавливаются три ключевых элемента: первичный интерфейс для работы специалиста, включающий подпункты по выбору нейронных сетей и модификации алгоритмов; система больших данных и система нейронных сетей – это некоторая база, где нейронные сети хранятся и обучаются.

Если у организации нет своих качественных данных для обучения нейронной сети, то мы можем задействовать свои партнерские связи с ведущими медицинскими учреждениями по всему миру: купить либо попросить такие данные  предоставить. Это взаимовыгодное сотрудничество. Организация становится видна на мировой карте  разработок с использованием искусственного интеллекта, больших данных и машинного обучения. Этим повышается статус учреждения и интерес к нему со стороны других организаций.

Беседу вел Николай Носов

Заметили неточность или опечатку в тексте? Выделите её мышкой и нажмите: Ctrl + Enter. Спасибо!