Искусственный интеллект в медицине: тренды и возможности

[Об авторе: Наталия Сиромаха, директор по инжинирингу GlobalLogic. Имеет в своем портфолио широкий спектр проектов от healthcare до security в Украине, США, Канаде. Лидер инновационной лаборатории BrainMade в GlobalLogic. Занимается развитием бизнеса в харьковском офисе компании, где уже более 4 лет возглавляет медицинские проекты и управляет распределенным командами]

Эта статья подготовлена на основе доклада Наталии Сиромахи на Outsource People Kyiv 2017.

Индустрия здравоохранения — одна из самых быстрорастущих в мире. Ученые прогнозируют, что к 2030 году персонализированная медицина с использованием augmented artificial intelligence системы уже станет реальностью, а еще через 5 лет появятся первые больницы без докторов. О том, какие тренды формируют эту сферу сегодня, специфике работы с данными в медицине и о таймлайне использования AI в будущем, вы можете прочитать моей статье.

Тренды в мировой медицине

Сегодня в медицинской индустрии сформировался ряд трендов, которые влияют не только на работу крупных корпораций, страховых компаний и клиник, но и на жизнь каждого из нас. Работая над медицинскими проектами в IT-компании, мы внимательно отслеживаем любые изменения в медицине. Это помогает нам создавать наиболее эффективные решения, которые позволят улучшить качество жизни людей.

Один из ключевых трендов медицины — постоянный рост затрат на лечение пациентов. Этому есть несколько причин:

  • рост стоимости лекарств, оборудования;
  • увеличение стоимости медицинских услуг;
  • изменение количества и интенсивности используемых услуг (из-за того, что слишком поздно выявлено заболевание или неправильно определено лечение, необходимо больше визитов к врачу и больше дополнительных обследований).

Инвестиционные компании и компании медицинской индустрии заинтересованы в том, чтобы снижать стоимость лечения и услуг. Каким образом это осуществляется?

Во-первых, внедрение индивидуального подхода к лечению. Это возможность улучшить качество лечения, используя несколько методов:

  • отслеживать состояние пациента, собирать данные о нем;
  • делать удаленное обследование с помощью девайсов, которые передают состояние пациента;
  • возможность создать индивидуальный план лечения каждого пациента;
  • ранняя диагностика.

Во-вторых, более широкое внедрение generic лекарств. Ранняя диагностика позволяет использовать общедоступные, недорогие лекарства в протоколах лечения, а не специфичные и дорогостоящие. С другой стороны, фармацевтические компании проводят комплексные клинические исследования для вывода новых медикаментов на рынок. Процедура исследований многоэтапна, занимает несколько лет и требует значительных инвестиций. Таким образом, generic лекарства станут решением, которое поможет сократить издержки компаний на вывод новых узкоспециализированных лекарств на рынок.

Также важное направление — использование вспомогательного персонала для консультаций пациентов. Таким образом экономится время врачей. Медсестер привлекают для первичной оценки состояния пациента, выявления аномалий в результатах диагностики. Более того, проработка схем и алгоритмов лечения, создание анкет-опросников позволяет помочь немедицинскому персоналу определить состояние пациента и принять решение, нужна ли ему консультация доктора или нет. Эти же алгоритмы позволяют внедрять ботов для обработки первоначальных запросов от пациентов.

Возможности и применение AI в медицине

Системы artificial intelligence уже сегодня проходят испытательные применения, а в некоторых западных странах даже успешно используются.

Согласно исследованию Anand Rao «A Strategist’s Guide to Artificial Intelligence», вспомогательные системы (assisted systems) станут коммерчески доступны и будут активно использоваться к 2020 году. Так, системы image classification помогают врачу проводить качественную диагностику с минимальными затратами времени. Сейчас классификацию медицинских изображений и описание снимков делают рентгенологи, УЗИ-специалисты и др. Анализ снимков уже может быть осуществлен с использованием искусственного интеллекта автоматически.

С помощью искусственного интеллекта определяются пациенты группы риска. Этим пациентам доктор уделяет внимание в первую очередь. Таким образом, значительно экономится время и минимизируется возможность ошибки докторов. Например, есть программы для выявления меланомы.

Регулярно человечество сталкивается с эпидемиями. Многие наслышаны про Эбола, малярию и другие вспышки заболеваний, которые передаются как насекомыми, так и через воду. Система искусственного интеллекта, позволяющая контролировать и предсказывать эпидемии, находится в статусе клинических исследований, но уже использовалась и работает в Африке.

Сбор информации происходит при помощи дронов. Они фактически вылавливают комаров, анализируют их ДНК и дают прогноз: где и когда будет следующая эпидемия, — после чего происходит обработка территории риска. Такие системы позволяют предотвратить неконтролируемые вспышки эпидемий.

Дальнейшее развитие искусственного интеллекта приведет к использованию augmented artificial intelligence систем. Эти системы открывают нам новые возможности. Например, с высокой скоростью классифицировать снимки МРТ без вмешательства человека. Также создать персонифицированное лекарство и эффективное лечение на основе конкретных данных пациента — анализов и реакции на химические вещества. По прогнозам, такая услуга будет доступна для массового использования к 2030 году.

К 2035 году ожидается появление больниц без докторов. Это пример автономного искусственного интеллекта, когда система сама принимает решения. Да, конечно, доктора будут все еще нужны, но для каких-то простых кейсов будут доступны вышеописанные возможности AI.

Специфика работы с данными в медицине

В медицинской сфере все данные защищены: информация о каждом пациенте секретна и защищается законом и директивами HIPAA, GDPR. Клиники, исследовательские институты и компании не имеют права их распространять, передавать третьим лицам. Соответственно, есть определенные сложности, с которыми мы сталкиваемся в работе с медицинскими гигантами.

C точки зрения HIPAA, GDPR и защиты персональных данных мы должны обеспечивать защиту от утечки информации наших клиентов из медицинской индустрии. Соблюдение требований этих протоколов — неотъемлемая часть наших медицинских проектов.

Для того, чтобы прорабатывать какие-то модели, не в рамках коммерческих проектов, мы используем публичные деперсонифицированные базы данных. Существуют системы и ассоциации, которые позволяют использовать эти данные. Например, ассоциация по лечению рака. Мы можем использовать их открытую базу данных с уже деперсонифицированной информацией для создания прототипов и моделей систем.

Кроме того, у нас в компании есть специалисты, которые отслеживают, как мы работаем с данными, обеспечивают их защиту. Также у нас налажен процесс деперсонификации данных. Есть отдельные специалисты по этому направлению, которые обрабатывают базы для дальнейшего создания систем искусственного интеллекта.

Примеры использования AI в проектах

Когда человек болен диабетом, у него достаточно большой риск ослепнуть. Это заболевание называется ретинопатия. У нас было 11 367 снимков ретины глаза человека. Основываясь на этих данных, мы создали систему, которая позволяет определять вероятность этого заболевания, стадию, а также диагностировать его на раннем этапе. На данный момент точность составляет 60%. Это не идеальный показатель, но он получен на базе публичных данных. Такая система — пример assisted system. Она помогает врачу классифицировать больных по риску заболевания, и он принимает окончательное решение.

Мы использовали Google TensorFlow. Система работает на основе Convolutional Neutral Network, OpenCV, языки — Python, JavaScript.

Следующая наша система — определение меланомы и классификация болезней кожи. Мы тоже использовали Google TensorFlow. Она помогает врачу принять решение о лечении пациента благодаря автоматической сортировке этих изображений без участия человека. Изначально мы использовали тестовые данные, на которых система училась принимать решения. Теперь, после загрузки снимка пациента, она выдает информацию и показатель вероятности возникновения заболевания.

Технологии, которые были использованы в этом случае: Convolutional Neutral Network, OpenCV и Pre-trained модель ResNet. Pre-trained модель позволила нам ускорить процесс обучения и выйти на показатель в 75-80% точности. Для этого в базе должно быть не меньше 10-15 тыс. изображений. Чем больше изображений — тем более правильна модель. Каждая модель отрабатывается и обучается в несколько циклов. Она выстраивается, потом загружается новый сет данных, ее обучают и корректируют.

Итоги

Развитие современной медицины невозможно представить без внедрения IT-технологий. Цифровая трансформация постепенно захватывает все индустрии мира, помогая решать проблемы, которые стоят на пути их развития. Текущие тенденции в сфере здравоохранения привели к увеличению спроса и, соответственно, инвестиций в развитие решений с использованием искусственного интеллекта и Data Science.

Персональные данные пациентов, которые необходимы для работы IT-компаний, являются конфиденциальной информацией и регулируются такими нормативно-правовыми актами, как HIPPA и GDPR. Соблюдая требования международных директив, IT-компании используют исключительно деперсонифицированные данные и процесс работы с ними строго контролируется.

В целом работа над проектами в медицине достаточно сложна, ведь помимо навыков разработчика, необходимо иметь знания в медицине и смежных науках. Поэтому непрерывное обучение — ключевой навык для члена команды разработчиков в проектах медицинской сферы.

from Интересное на ДОУ http://ift.tt/2kfHEyZ

Leave a Reply