Cloud4Y продолжает рассказывать о перспективах использования ИИ в медицине. Это вторая часть, в которой затрагиваются действующие и теоретически возможные варианты использования «умных» компьютерных технологий в здравоохранении. Первая была тут, а третья посвящена рискам внедрения ИИ.
Виртуальные медсёстры
Активно разрабатывается и технология виртуальной медсестры, способной неотрывно «сопровождать» больного на протяжении всего периода лечения. ИИ планируется использовать для мониторинга состояния пациента, фиксации показателей датчиков, установленных на его теле, предоставления ответов на стандартные вопросы больного (о времени процедур, фамилии врача, длительности лечения и пр.).
Дополнительной функцией таких помощников может стать транскрипции голосовых сообщений врача в текст. Сами знаете, сколько времени тратят медики на всевозможную писанину. Голосовая запись в медкарты пациентов позволила бы увеличить время, затрачиваемое непосредственно на лечение, за счёт избавления от избыточной бумажной работы.
Надо подчеркнуть что речь идёт не про модернизированный чат-бот. Это именно медсестра-ассистент, позволяющая установить качественный канал связи между лечебным учреждением, врачом и пациентом. Возможно, такие ИИ будут ставиться и вне больничных палат. Например, если человек лечится дома. Так сокращается количество лишних контактов, отпадает надобность в регулярном посещении больницы. Технология также позволит обеспечить уход за пациентами из малоимущей части населения, которые не имеют возможности обратиться к дорогим специалистам.
Ещё один плюс ИИ в том, что компьютеры могут взять на себя диагностические функции в регионах, где не хватает врачей. Людям в любой ситуации будет обеспечена минимально необходимая медицинская помощь. А это важно.
Создание новых лекарств с помощью AI/ML
Про создание новых лекарств с помощью ИИ говорилось уже не раз. Это действительно перспективная идея. Фармацевтические гиганты всё активнее используют технологии искусственного интеллекта для решения адски сложной проблемы успешного создания новых эффективных лекарств против рака, нарушения обмена веществ, иммунных проблем. О том, как они это делают, можно почитать, к примеру, здесь.
Компьютерные алгоритмы, используя уже накопленный людьми опыт и информацию, способны упростить процесс поиска лекарств. Их применяют для:
- Отсева неэффективных и выделения перспективных лекарственных соединений на раннем этапе создания;
- Создания и выявления новых комбинаций лекарств, которые были пропущены/отброшены как неэффективные ранее;
- Выявления механизмов действия конкретного лекарства в моделируемых ситуациях.
Просто как пример: фармацевтическая компания Berg использует технологии ИИ для анализа массива биологических данных и результатов анализов пациентов (липиды, энзимы, метаболиты, белковые профили). Эти сведения позволяют выявить новые механизмы появления рака и его лечения, найти главные отличия здоровых клеток от больных. Еще одним ярким примером стала публикация DeepMind возможных белковых структур, связанных с вирусом COVID-19, с использованием их системы AlphaFold.
Множество медицинских стартапов (вот интересный перечень) также тестируют возможности ИИ по анализу разнонаправленных и неструктурированных медицинских данных (исследовательских работ, патентов, клинических испытаний, историй болезней пациентов). Используются методы байесовского вывода, цепи Маркова, обучение с подкреплением и обработка естественного языка (NLP). Модели строятся в облаке, поскольку эта технология позволяет проводить сложные вычисления быстрее и дешевле. Кроме того, хранить собранные массивы данных и построенные ранее модели в облаке также удобнее, чем на локальных серверах.
Точная медицина и профилактика заболеваний
Точная медицина может стать одним из наиболее значительных преимуществ использования AI/ML. Под этим термином подразумевают принципиально новый подход к лечению и профилактике заболеваний, учитывающий индивидуальные генетические особенности и образ жизни конкретного человека, а также окружающую среду.
Проще говоря, лечить будут не по усреднённым стандартам, которые подходят большинству заболевших. Люди слишком разные, и одна и та же таблетка на всех действует тоже по-разному. Будет составляться индивидуальный план терапии, позволяющий быстрее, безопаснее и эффективнее вылечить человека.
Задача крайне интересная, но сложная. Найти точный способ лечения человека нужно на основе истории болезни, образа жизни, генетических данных и постоянно меняющихся результатов анализов тестов. Естественно, нам нужно задействовать самые мощные методы искусственного интеллекта: глубокие нейронные сети, алгоритмы поиска на основе ИИ, расширенное обучение с подкреплением, вероятностные графические модели.
Если выйти за рамки традиционного лечения, то ИИ-системы с помощью данных раннего скрининга или регулярного ежегодного физического обследования способны прогнозировать риски возникновения определённых заболеваний у конкретных людей.
Машинный разум может вычислить, почему и при каких обстоятельствах заболевания могут возникать чаще. И подготовить врачей к вмешательству (на индивидуальной основе) ещё до того, как у человека появятся первые симптомы. Сердечно-сосудистые и онкологические проблемы, диабет — если научить машину предугадывать эти заболевания, то человечество станет здоровее, продолжительность жизни и её качество тоже должно улучшиться.
Возможен и менее точечный вариант. Например, когда ИИ выявляет степень сходства клинической картины у пациентов с одинаковыми заболеваниями. С помощью этих данных можно составить отдельные категории пациентов, а также определить, какие методы лечения подходят им лучше всего. Анализируя информацию о пациенте, полученную при обращении к врачу, ИИ автоматически относит его к определённой группе и выдаёт рекомендации по лечению.
ИИ и системы всеобщего здравоохранения
Само собой разумеется, что такие мощные инструменты могут быть применены и к решению глобальных вопросов. Вполне возможно повысить качество компьютерного наблюдения за пандемиями и подготовки аналитики о здоровье населения.
Коронавирус показал, насколько важно, чтобы велись сотни параллельных испытаний вакцин и медицинских научно-исследовательских проектов. Сбор данных и выявление закономерностей с помощью разрозненных источников информации — трудоёмкая задача, дающая весьма приблизительные результаты. Стандартные методы статистического моделирования хорошо подходят для небольших исследований. Методы ИИ же отлично подходят для задач планетарного масштаба.
Клинические испытания
Машинное обучение может оказаться полезным и в сфере клинических испытаний/исследований. Известно, что эта работа требует много времени, усилий и денег. Иногда испытания растягиваются на годы из-за сложности нахождения пациентов с определённым заболеванием, трудности постоянного мониторинга их состояния и контроля приёма лекарств, проблемы выбора наилучших образцов лекарств.
Применяя интеллектуальную прогностическую аналитику к кандидатам в клинические испытания, врачи и фармацевты смогут оперировать более полными и точными данными. Также алгоритмы ИИ способны найти оптимальные размеры выборки для повышения эффективности клинических испытаний и уменьшить вероятность ошибок в данных.
Технологии ML могут использоваться для выявления потенциальных кандидатов в клинические испытания, обеспечения доступа к их истории болезни, мониторинга участников испытаний на протяжении всего процесса испытания. Предоставляя статистику здоровья пациентов в облаке, инструменты ИИ позволяют прогнозировать и предотвращать любые потенциальные угрозы здоровью пациентов.
Прогнозирование эпидемий
Медицинские организации используют технологии ML для мониторинга и прогнозирования возможных эпидемических вспышек, которые могут охватить разные части мира. Собирая данные со спутников, отслеживая сообщения в социальных сетях в режиме реального времени, анализируя другую важную информацию из интернета, эти инструменты способны дать точный прогноз возникновения вспышки заболевания в конкретном регионе. Это может быть благом в первую очередь для стран третьего мира, в которых отсутствует развитая система здравоохранения. Но и для развитых стран функция прогнозирования роста заболеваемости лишней не будет.
Примером можно назвать медицинское приложение ProMED-mail. С его помощью всемирная организация здравоохранения может следить за ситуацией в мире и прогнозировать вспышки заболеваний в режиме реального времени.
Технология постоянно совершенствуется. Учёные хотят сделать инструмент мониторинга более эффективным и самостоятельным. Например, чтобы нейронные сети предсказали вспышку малярии, основываясь на таких факторах, как температура, среднемесячное количество осадков. Для этого и нужны искусственный интеллект, машинное обучение.
Промежуточный итог
Разумеется, мы должны стремиться к светлому будущему, в котором мощь алгоритмов ИИ помогает миллиардам простых людей улучшать своё здоровье и благополучие. Однако не нужно считать, что машина способна в мгновение ока решить все наши проблемы. Повлиять на качество жизни – да. Стать панацеей — пока вряд ли. Слишком много вопросов остаётся без ответов. И в первую очередь это касается ответственности за постановку диагноза, геополитики и юридических тонкостей.
Какие же недостатки есть у лишь частично реализованного проекта по использованию ИИ в медицине? Давайте разберём и этот вопрос. Но уже в следующей части.
Что ещё полезного можно почитать в блоге Cloud4Y
→ Искусственный интеллект поёт о революции
→ Какова геометрия Вселенной?
→ Нужны ли облака в космосе
→ Пасхалки на топографических картах Швейцарии
→ Microsoft предупреждает об опасности новых атак с помощью шифровальщика PonyFinal
Подписывайтесь на наш Telegram-канал, чтобы не пропустить очередную статью. Пишем не чаще двух раз в неделю и только по делу.
