company_banner

Искусственный интеллект помогает сохранить зрение

https://bit.ly/2J7JnNh
  • Перевод
Применение искусственного интеллекта в медицине уже сегодня позволяет серьезно повысить точность диагностики, облегчить жизнь пациентам. Ожидается, что ИИ станет незаменим при диагностике и уточнении заболеваний. Благодаря способности сопоставлять данные, собирать и синтезировать информацию, участие ИИ в диагностике должно помочь качественно улучшить статистику врачебных ошибок, повысить роль профилактики и предотвращения заболеваний.



По прогнозу исследовательской компании Research&Markets, мировой рынок искусственного интеллекта к 2020 году вырастет до 5,05 млрд. долларов. При этом наиболее быстрорастущим сегментом станет как раз здравоохранение. Согласно международным исследованиям, применение искусственного интеллекта в медицине способно увеличить прибыль компаний в отрасли здравоохранения.

В 2016 году доля европейского рынка ИИ была оценена в 270 млн. долларов при ожидаемом ежегодном росте более 35%. По оценкам BIS Research, к 2025 году общий рынок ИИ в здравоохранении достигнет 28 млрд. долларов при среднегодовом росте более 45,1%, а рынок ИИ для медицинской визуализации и диагностики — 2,5 млрд. долларов.

ИИ и проблема заболеваний сетчатки глаз


По данным Всемирной организации здравоохранения (World Health Organization), проблемы со зрением непосредственно касаются почти каждого двадцатого жителя планеты, и около 80% таких проблем можно было бы избежать с помощью превентивных мер. Например, очень важно обнаруживать заболевания сетчатки на ранней стадии, но у офтальмологов не хватает ресурсов для тщательного изучения и диагностики болезни. Искусственный интеллект может им в этом помочь и тем самым спасти зрение миллионов пациентов.

Осложнения от диабета (диабетическая ретинопатия) являются одной из ведущих причин проблем со зрением. Ожидается, что общее число людей, страдающих диабетом, в период между 2000 и 2030 годами удвоится, что значительно увеличит число случаев заболеваний глаз во всем мире.


Ранняя диагностика более чем наполовину уменьшает число случаев серьезной потери зрения. К сожалению, в обнаружении заболеваний сетчатки на ранних стадиях в процессе осмотров пациентов прогресс невелик. В странах, которые больше всего страдают от данных заболеваний, пациенты не проходят регулярных осмотров, а у офтальмологов довольно низкая точность правильного распознавания и диагностики заболевания сетчатки при индивидуальных углубленных осмотрах глаз. При этом, в отличие от других опасных для жизни болезней, которые сегодня у всех на слуху, заболевания сетчатки и ухудшение зрения остаются не столь заметными в глазах общественности. Поэтому проблему часто недооценивают.
 

Под пристальным взглядом искусственного интеллекта 


Искусственный интеллект (ИИ) потенциально может способствовать значительному снижению случаев заболеваний сетчатки, помогая офтальмологам более эффективно обнаруживать болезнь и дополняя человеческий опыт. В сотрудничестве с Lenovo в Барселонском суперкомпьютерном центре (Barcelona Supercomputing Center, BSC) решили исследовать, как ИИ может повысить точность процесса скрининга и потенциально обнаружить заболевание сетчатки раньше, чем это обычно происходит. Технология ИИ повышает вероятность раннего выявления заболевания, делая осмотр пациентов более доступным и быстрым в странах с недостаточно охваченным количеством населения. Причем пациенты могут самостоятельно пройти первичный осмотр в течение нескольких минут, используя свой смартфон со специальный приложением.


Будущее медицины — профилактика заболеваний. Поэтому важно повысить точность предварительной диагностики. 

Кроме диабетической ретинопатии глазные болезни вызывают многие другие патологии, такие как глаукома, дегенерация желтого пятна, невус и эпиретинальная мембрана. Модели машинного обучения позволяют идентифицировать эти различные патологии намного легче, чем текущие методы скрининга. Дарио Гарсия-Гасулла, почетный научный сотрудник Барселонского суперкомпьютерного центра, с оптимизмом смотрит на возможности использования данной технологии: «Масштабирование, обучение и валидация моделей машинного обучения для исследования этих проблем зрения может быть сложным процессом. Но потенциал огромен, поскольку те же подходы можно применять в других областях медицины и во многих промышленных приложениях».

Обучение модели и преодоление проблем нехватки данных


Проблема с обучением модели ИИ для выявления некоторых заболеваний сетчатки заключается в отсутствии «чистых» данных, доступных для обучения нейронной сети. Для патологий с ограниченной доступностью набора данных (например, менее 5000 изображений) надежное глубокое обучение нейронной сети «с нуля» может оказаться невозможным. В этом случае можно воспользоваться «передачей обучения».


Автоматизация даст врачу дополнительное время, которое тот сможет использовать на изучение болезни пациента и установление максимально точного диагноза. По мнению специалистов из Гарвардской медицинской школы, использование-технологий ИИ позволят снизить уровень ошибок при диагностике на 85%.

Передача обучения основывается на моделях, подготовленных для задач с более крупными наборами данных, которые затем повторно используются для решения других задач с небольшой доступностью данных. Иногда ее применяют для выделения признаков (экстрактор). В результате передача обучения может также сократить время обучения (до минут), сэкономить часы исследований и, в конечном счете, — затраты, связанные с разработкой решения.


Патология Точность выявления
Глаукома
85.5%
Пигментация сетчатки
75.1%
Эпиретинальная мембрана
78.8%
Невус глаза
65.0%
Макулодистрофия
91.07%

Точность выявления различных патологий сетчатки с помощью ИИ составляет 75-91%.

Новая технология ИИ


На Международной суперкомпьютерной конференции (ISC) во Франкфурте Lenovo и BSC покажут приложение, демонстрирующее, как работает передача обучения. Оно создано в инновационном центре Lenovo AI в Моррисвилле, шт. Северная Каролина (США). Приложение позволит посетителям через интуитивно понятный интерфейс самостоятельно построить и обучить модель и тем самым сыграть активную роль в улучшении скрининга заболеваний сетчатки.
 
Гарсия-Гасулла объясняет: «Цель демонстрации — показать, насколько легко использовать предварительно обученные глубокие нейронные сети как экстракторы признаков, которые становятся основой для других, более простых и быстрых моделей (в данном случае SVM). За 10 минут каждый участник сможет сам спроектировать, обучить и проверить эффективность модели машинного обучения для выявления патологии сетчатки. Модели участников конференции, работающие с одной и той же патологией, будут сравниваться и оцениваться, чтобы найти и наградить лучшую модель, разработанную во время данного форума».


LiCO ускоряет обучение моделей искусственного интеллекта и традиционное развертывание систем высокопроизводительных вычислений, предоставляя интуитивно понятный пользовательский интерфейс для управления программным и аппаратным стеком.

«Умные» медицинские продукты, сервисы и процессы уже разрабатывают более 800 компаний, включая ведущих вендоров. Для подобных исследований Lenovo создает собственные решения ИИ, включая недавно выпущенную платформу Lenovo Intelligent Computing Orchestration (LiCO) 5.1 Platform и референсные архитектуры Lenovo AI Validated Design для разработки моделей на архитектуре Intel Xeon Scalable и NVIDIA Tesla.


Компоненты обучения модели. Стек программного обеспечения ИИ быстро развивается, новые и обновленные фреймворки появляются почти ежемесячно. Выбор среди многочисленных вариантов с открытым исходным кодом может занять много времени. Референсная архитектура Lenovo протестирована и настроена на базе платформы Lenovo ThinkSystem.

ИИ в медицине: будущее наступило


Применение искусственного интеллекта в медицине способно революционизировать отрасль здравоохранения за счет развития таких областей, как персонализированная медицина, диагностика, разработка новых лекарственных препаратов, робот-ассистированная хирургия, телемониторинг хронических заболеваний, дистанционная помощь пациентам, поддержка принятия правильных медицинских решений, выявление медицинских ошибок.

Агентство Frost & Sullivan отмечает, что технологии искусственного интеллекта повышают точность постановки диагнозов на 30–40%, при этом стоимость медобслуживания снижается наполовину. Компания McKinsey показала, что в медицине можно автоматизировать 36% функций, прежде всего на уровнях сбора и анализа данных.

Разработки в этом направлении активно ведутся и за рубежом, и в России, например, один из российских проектов представляет собой систему по диагностике заболеваний, которая включает распознавание патологий при помощи медицинских цифровых изображений, получаемых по результатам рентгенографии легких, маммографии, компьютерной томографии и УЗИ. Проект представляет собой приложение, которое можно использовать на рабочем компьютере или смартфоне пользователя. Оно работает на основе нейронной сети, обученной распознавать патологии в медицинских изображениях. Первый этап проекта – анализатор патологических клеток крови и распознавание патологий глазного дна. В дальнейшем он охватит такие направления, как рентгенография легких, маммография, компьютерная томография, мобильное УЗИ.

И новые проекты появляются практически каждый год. Многие разработки доступны уже сейчас. Так, например, в России запущена информационно‑аналитическая система «СoBrain-Аналитика» для постановки диагнозов и формирования персональной терапии для пациентов с заболеваниями мозга. Искусственный интеллект в медицине — будущее, которое уже наступило.
Lenovo 106,91
Компания
Поделиться публикацией
Похожие публикации
Комментарии 17
    +1

    Если позволите, я все-таки свою ложку дегтя в бочку меда положу.
    1) Самое главное в машинном обучении будет достоверность данных из историй болезни. Не скажу про зарубежную медицину. Но я точно не хочу чтобы появилась система, которая обучалась на истории болезней в России. Кто обращался в поликлинику, наверняка, меня поймет. Поэтому проблема применения ИИ в медицине скорее лежит в другой плоскости.
    2) Я так же пока что критично отношусь к системам, которые автоматически определяют патологии. Был свидетелем разговора онколога с разработчиком. Онколог привел простой пример из практики. Анализ на гистологию, который был прислан. И онколог фактически случайно на периферии рассмотрел одну раковую клетку. И возник вопрос относительно как будет автоматизированная система анализировать визуально? Увидит ли она на периферии так же эту одну раковую клетку?

      0
      И возник вопрос относительно как будет автоматизированная система анализировать визуально? Увидит ли она на периферии так же эту одну раковую клетку?

      А почему не увидит?
        +1

        Тогда отвечу вопросом на вопрос. А почему увидит? Это вопрос из практики, а не теории. Почему-то разработчики идеализируют свои системы. Особенно, когда их ещё не реализовали. Вы реально решали задачу по сканированию клеток со стекла?
        И мой вопрос является ключевым — почему увидит?)

        0
        А какова вероятность, что второй онколог тоже случайно увидит на периферии?
          +1

          Вопрос не в онкологе. Не нужно переводить в данную плоскость. Потому что за врачём законодательно закреплена ответственность. В том числе и за врачебную ошибку. Но речь ведь не об этом. Про то, как доказать врачебную ошибку тоже отдельная тема. И никакого отношения не имеющая к тому что я написал.
          Нежелание ответить относительно программного обеспечения и перевод в другую плоскость это часто встречающаяся практика в подобных дискуссиях. Я сам разработчик. И некоторое время работал с медициной. Существует пока что незрелая позиция разработчиков, которые считают, что их системы призваны заменить врача. На самом деле при этом в утверждениях больше слышится подменить. Но вреальости какую бы систему н использовал врач, он все-равно ответственное лицо. Не программа.
          Ещё очень часто в подобных дискуссиях подменяют понятия неточности прибора и ошибки в логике программы. Которые, к тому же, могут быть неявными.
          Опять же изучив огромное количество историй болезни система с высокой вероятностью предполагает, что такая-то методика лечения будет более эффективной. А я, вот, не хочу чтобы меня лечили с какой-то долей вероятности. В таких случаях многие врачи скажут, что система не соответствует клиническому мышлению. Его, кстати, никто не отменял. И именно ему учат врачей. Так что и система помощник должна опираться не только на большие даннве,. А, наверное, должна приближаться в своей логике к клиническому мышлению врача. Тогда, если я выпал из процента, можно избежать ошибки. Ведь речь идёт о здоровье.

            0
            А я столкнувшись с клиническим мышлением предпочту отдать диагностику треннированной сетке. Просто потому, что сетку треннировали на известных подтвержденных данных и работает она на понятных принципах. А врача я вижу первый раз и квалификацию его как проверить не знаю. Это просто мнение после того как я получил 4 разных диагноза от 4х врачей.
              0

              Вы романтик? Или всё-таки практик? Ваш термин "известные и подтвержденные данные" очень сомнителен. Особенно применительно к российской медицине. Я уже об этом написал выше. И я предпочитаю позицию скептика в отношении таких технологий. Не потому что отрицаю их. А потому что это даёт трезвый взгляд. В том числе и на технологию. Понятные принципы? Вот тут бооольшой вопрос. Потому что в конечном варианте вы говорите о черном ящике. Понятно что на входе, понятно что на выходе. А вот как работает внутри, поверьте, для конечного пользователя это большая загадка. И меня всегда умиляет непогрешимость и гарантия отсутствия каких-либо ошибок… От разработчика. Это утверждение, которое нужно обосновывать. А в случае медицины много лет подтверждать. И всё-таки вы решаете что врача нужно исключить. Тогда вопрос зачем вы вообще к ним ходите и обращаетесь?) Отсутствие "клинического мышления" у подобных систем как раз и является самым главным противопоказанием к их внедрению и применению.

                0
                Я очень практик.

                Мой термин носит, очевидно, оценочный и вероятностный характер. Но точно так же происходит и обучение в медицине (мама врач, представление имею). Собственно данные для такого решения надо собирать на основе ВСЕХ данных не только на территории РФ. В том числе полученных посмертно на основе вскрытия. И задача просто сбора и минимальной формализации таких данных мне представляется более простой нежели текущее состояние науки медицины.

                Голова врача такой же черный ящик в котором варится каша из знаний по биологии, опыта, критических дней, кашпировского, каких-то статей из журналов и конференций, взбучки от главврача за ведение бумажек и прочего. Для меня как конечного пользователя наличие 4-х диагнозов при одних и тех же вводных предельно большая загадка. И это не ситуация, когда 4 врача сказали что с вероятностью 50% у вас кейс №1, 30% -2 и т.д. А просто 4 разных диагноза и они бы так и лечили каждый свое. Никаких намеков на другие варианты.

                Никто не думает, что такая система будет непогрешима. Вопрос насколько она будет лучше того врача, которого я могу получить. И я думаю, что пока я не миллиардер (что не является достаточным условием) такая сетка будет лучше того врача, которого я могу получить. И обучается она централизованно в отличие собственно от врачей. Так что нет такого утверждения. Есть мнение.

                Зачем я хожу к врачам? А у меня есть альтернатива? Т.е. вариацию альтернативной медицины и всяких знахарок я не рассматриваю по той же причине, по которой я предпочту сетку врачу. Собственно, переход к такой сети есть такой же шаг как шаг от знахарства к медицине. Там тоже наверно говорили про личную парапсихологию, божественный дар знахарства и прочее что сейчас заменено клиническим лечением и т.п.

                  0

                  Я тоже имею полную семью родственников из медицины. И имею опыт работы в медицине. Так что тоже рассуждаю не теоретизируя.
                  Про различные диагнозы… В медицине есть понятие 2-е мнение. Оно может быть и 3-м. Есть еще понятие консилиум, когда нужно установить диагноз. Думаю, что Вы предвзято и идеализировано подошли к вопросу человека в профессии. К большому сожалению и врачи бывают не слишком профессиональны. И, как вы правильно заметили, цена вопроса — в итоге ваше собственное здоровье. Которым вы дорожите.
                  Но, именно, поэтому и нельзя пока что доверять таким же неполноценным технологиям как ваши "сетки". Потому что в этом случае вы вообще выбросили врача из уравнения. Заменяете его суррогатом.
                  Про получение медицинских данных… Знаете, тут можно много теоретизировать. А вы пытались их получить хоть раз? в достаточном объеме чтобы натренировать "сетку"? Думаю, что столкнетесь с тем, что не сможете их получить.
                  Но главный вопрос в том, что не в первый раз представители из ИТ беспардонно (не относите на свой счет) "залезают в чужой огород". Да намерения благие. Но, как известно, ими вымощена дорога в Ад. Потому что пытаются диктовать врачам, как им надо лечить не обладая в общем никакими познаниями в медицине. И хуже того, выдавая некую систему загоняют врачей в рамки этой системы.
                  Самый простой пример некомпетентности. Аналитик описал функционал. Разработчик пишет лабораторную программу. Он получил результаты из анализатора и передал их. Тестировщик все проверил. И была выпущена в работу вполне прошедшая все этапы система. А врачЮ взглянув на анализ крови, сказал что у него кровь взятая у трупа. Потому что с такими показателями не живут. Ну, ошибся в переводе единиц измерения либо аналитик, либо разработчик. Да и тестировщик тоже. Потому что никто из них не медик. И перед ними всего лишь цифра. Но даже плохой врач понимает, что этот показатель ненормален или невозможен.
                  Теперь помножаем подобные ляпы на степень сложности разрабатываемой системы. В итоге тот еще будет лечебный процесс. Вам самый худший врач может покажется ангелом. Прошу прощения за то что я так сгущаю краски.
                  Другой аспект систем, которые рекомендуют врачу и работают в режиме черного ящика. Вы сетовали на уровень врачей. А не задумывались, что врач. который использует подобную систему начнет деградировать? Она не будет в нем стимулировать погружаться глубоко в то что с вами происходит. Достаточно ввести несколько показателей… и пусть система думает. Она же прокачана миллионами историй болезни.
                  Пока что несовершенство технологий кроется в том что параллельность процессов медицина и разработка не дают симбиоза, который мог бы сколь сравнивать работу таких систем и врачей. Но это скорее путь, по которому нужно идти. Не важно что цель не достижима. В итоге возникнуть много вспомогательных технологий, которые улучшат качество медицины.

                    0
                    С тех пор, как в самолетах появился автопилот число аварий сократилось в разы. А все ваши аргументы что в программе может быть ошибка и все мы умрем можно без всяких изменений привести и для этой области автоматизации.

                    Пусть медицинская наука занимается наукой и результатом ее деятельности будут рецепты лечения. И рецепты эти будут записаны в алгоритмах (необязательно это нейросеть). Пусть они будут вероятностные, но я уверен, что качество лечения в среднем по больнице вырастет так же кратно.
                    А то, что иногда алгоритм будет ошибаться — да, возможно. После этого будут внесены изменения в алгоритм. Сам алгоритм мгновенно и централизовано обновляется в продакшене и теперь все диагнозы по данной ситуации станут лучше. А вот с врачем такой номер не проходит. Человек не способен принимать и обрабатывать такой объем информации.
                      0

                      Опять исключили человека из уравнения. ) Алгоритмы применять должен он. а тут как раз и будет загвоздка.
                      Кстати, такие системы могут быть и не черными ящиками. Да и врачам можно отдать на откуп самим как раз формировать алгоритмы. А не неродивым разработчикам, которые к медицине не имеют отношения.
                      Вы очень хорошо написали Алгоритм ошибся-Внесены изменения. А в реальности: Алгоритм ошибся-Ошибку выявили-Внесли изменения. Вот тут выпавший элемент не всегда так очевиден. Пример с автопилотом хорош. Но он управляет очень примитивной с точки зрения организма по сложности системой. Так что сравнение не совсем корректно.

                        0
                        Вы так говорите, как будто исключение человека из уровнения это что-то плохое.

                        Давайте отдадим радивым разработчикам. Зачем сразу нерадивым.

                        Дальше я уже не понимаю спора. Ошибку выявить легко — умер человек или не выздоровел как предполагалось. Как выпавший элемент может быть неочевиден. Короче, это у вас какая-то луддитская логика.

                        Сравнение корректное. Делал человек-было плохо. Автоматизировали — стало хорошо. Какая разница, какая сложность управляемого объекта, если мы говорим о замене управляющей системы?
                          0

                          Хронические неизлечимые заболевания вы, конечно же, исключили. Как угодно обзовите мою логику. Но она уж точно вернее вашей, где в качестве экспериментов по отладке системы вы допускаете смерти или неизлечение.
                          Комплекс Бога — разработка управляющих систем для организма человека.


                          Действительно не вижу предмета спора. )) Откланиваюсь.

              0
              Система все-таки диагноз не ставит, а дает данные, указывающие на диагноз.
              Диагноз ставит врач.

              И думаю верояность того, что система увидит что-то на периферии все-таки больше, чем у врача.
                0

                К большому сожалению есть уже практика применения такого рода рекомендательных систем. И должен сказать, что система уже ставит диагноз. А врач оказывается перед выбором. Либо соглашаться с системой, либо идти на рынок поиска новой работы. По ому что врача обязуются использовать систему в работе. И все! Никаких альтернатив. Система сказала как сказала. Врач либо исполняет, либо включается kpi и вышестоящие указания следовать неукоснительно. Потому что в разработке системы участвовали в качестве экспертов "светилы"… Надо ли дальше объяснять как поступит живой человек, которому нужно кормить семью и идти тоже не всегда есть куда. Особенно если это не столица.

          0
          1. Случай из практики. Жена пошла по свои женским болезням в поликлинику. Там четыре вроде аппарата УЗИ. Проверяли на четырех. «ах да, на этом у нас плохо все показывает, давайте на другом может чего видно будет»
          То есть проблема исходных данных. Да врачи ошибаются, но они могут и вытащить на своем опыте

          2. Кого сажать будем в случае ошибки? или никто не виноват будет?

            0
            То единственное срабатывание, о котором сейчас известно, было ложным. Система среагировала на проходящего мимо темнокожего молодого человека. По словам полицейских, различие между снимком этого человека и фотографией преступника из базы полиции, с которой шло сравнение, видно невооруженным взглядом — человеку сразу ясно, что это разные люди.

            Соседняя статья
            Поэтому очень интересно читать подобные рекламные статьи. А еще интереснее в них вчитываться. При чтении по диагонали — полная эйфория. А если внимательно читать — «Искусственный интеллект (ИИ) потенциально может способствовать»

            Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.

            Самое читаемое