2017/11/22 17:31:21

Искусственный интеллект в медицине

.

Содержание

Основная статья: Искусственный интеллект (ИИ, Artificial intelligence, AI)

2017

Искусственный интеллект превзошел рентгенологов в диагностике пневмонии

В ноябре 2017 года исследователи из Стэнфордского университета представили самообучающийся алгоритм (так называемую нейросеть) CheXNet, который способен ставить диагноз пневмонии по рентгенограммам легких. Результаты своей работы ученые опубликовали в открытом доступе. Полученная программа крайне узкоспециализированная, однако справляется со своей работой лучше профессиональных рентгенологов.

Рентгеновский снимок грудной клетки больного пневмонией

CheXNet обучали на общедоступной базе данных, содержащей более 100 000 рентгенограмм грудной клетки, на которых можно различить 14 патологий. После обучения нейросеть проверили: нескольким рентгенологам предложили провести анализ тестовых рентгеновских снимков, а результаты сопоставили с диагнозами машины. Как оказалось, компьютерная система смогла диагностировать пневмонию более точно, чем человек.

Пневмония — опасное и распространенное заболевание, и ее раннее выявление поможет предотвратить множество смертей; только в США от воспаления легких ежегодно погибает около 50 000 человек. Кроме того, пневмония является одной из главных причин детской смертности от инфекционных заболеваний.

Разработчики научили систему помечать разными цветами те отделы легких, где машина «увидела» признаки воспаления легких; чем ярче цвет – тем вероятнее патология. А уже после машинной обработки рентгенограммы просматривает врач, обращая внимание в первую очередь на те области, которые машина пометила как самые «горячие».

Эндрю ЭнДжи (Andrew Ng), соавтор статьи и бывший руководитель группы исследования в области искусственного интеллекта в компании Baidu, полагает, что подобные системы вскоре станут применяться повсеместно. Джеффри Хинтон (Geoffrey Hinton), один из пионеров разработки систем глубинного обучения, считает, что необходимость в обучении новых рентгенологов отпала, а с их функциями вполне может справиться нейросеть. Кроме пневмонии, компьютерные системы также умеют обнаруживать признаки наличия опухолей, нарушения ритма сердца и прочие патологические изменения на рентгеновских снимках, электрокардиограммах и других системах визуализации.[1]

Создано ИИ-устройство для удаленного контроля сна при помощи радиоволн

8 августа стало известно о том, что инженеры Массачусетского технологического института (MIT) при участии специалистов Центральной больницы штата Массачусетс разработали ИИ-систему, способную контролировать сон человека при помощи радиоволн.[2]

Как передаёт издание TNW, устройство, которое по виду напоминает обычный роутер Wi-Fi, дистанционно анализирует радиосигналы вокруг человека и по движению глаз определяет стадии сна — легкую, глубокую или быструю. Поскольку радиоволны отражаются от тела, любое небольшое движение тела изменяет частоту отраженных волн. Анализ же этих волн помогает выявить жизненно важные параметры жизнедеятельности человека, такие как пульс и частота дыхания, и определить отклонения от нормы. Для функционирования прибор не требует датчиков и приспособлен для применения в домашних условиях.

« Представьте себе, что ваш Wi-Fi-маршрутизатор знает, когда вам что-то снится, и может контролировать, достаточно ли вам времени на стадию глубокого сна, что необходимо для восстановления нормальной работы памяти», — отметила Дина Катаби, профессор MIT, возглавлявшая исследования. »

Предполагается, что мониторинг сна в режиме реального времени в естественных условиях позволит ответить на многие вопросы, связанные с его расстройством. По задумке ученых MIT, их разработка превратится в итоге в полноценный инструмент, который позволит лечащим врачам отслеживать параметры сна на расстоянии, корректируя его в случае необходимости.

Эксперимент по клонированию свиней в Китае провели роботы с ИИ

Впервые в истории человечества китайские ученые из Института робототехники и автоматизированных информационных систем при Нанькайском университете (Nankai University) города Тяньцзинь провели успешное клонирование свиней с помощью роботов, передает China People's Daily. В начале января 2017 года 510 клонированных эмбрионов были помещены в шесть суррогатных свиноматок. В результате эксперимента две свиноматки в конце апреля, на 110 день беременности родили 13 здоровых искусственно выведенных поросят.[3]

При проведении эксперимента по клонированию свиней ученые впервые использовали специальные роботизированные микроманипуляторы-анализаторы, которые выполнили все операции по сбору и переносу ДНК от животных-доноров к суррогатным носителям. Универсальные микроманипуляторы под управлением искусственного интеллекта для операций с ДНК объединяют в себе функции забора анализов, тестирования и оперирования.

В процессе клонирования свиней, проведенного в сотрудничестве с Институтом животноводства и ветеринарного исследования (Animal Husbandry and Veterinary Research Institute), была задействована так называемая техника ядерного переноса соматических клеток (Somatic Cell Nuclear Transfer, SCNT), обычно используемая для селекции — когда ядро соматической клетки переносится в яйцеклетку без ядра. Преимуществом этой методики является гарантия качественного осеменения яйцеклетки, а недостатком — низкий уровень успешного завершения экспериментов из-за большого процента брака в процессе клонирования.

Авторы исследования: профессор Чжао Синь (Zhao Xin) и его команда. Фото: en.people.cn

Основная проблема процесса клонирования с ядерным переносом заключается в том, чтобы избежать разрушения чувствительных клеток. Исследователи произвели предварительный анализ мощности, необходимой инструменту для безопасной работы с клетками при удалении ядер, и затем отрегулировали его на минимально возможном уровне. Благодаря этому степень деформации клеток уменьшилась с 30-40 мм до 10-15 мм, что улучшило последующее развитие клетки и увеличило шансы на успех.

Предполагается, то полученные в результате исследования данные о взаимосвязи микрооперацией над клетками и дальнейшим развитием клеток сможет помочь другим ученым сделать следующие открытия в этой области.

Искусственный интеллект помогает выявлять рак

Китайская компания Infervision внедряет технологии искусственного интеллекта (ИИ) и глубинного обучения в практику радиологии в целях повышения выявляемости опухолей на ранних стадиях, сообщает издание Medgadget 17 мая 2017 года.

В основе технологии Infervision — анализ десятков тысяч рентгеновских и КТ-исследований, сделанных в диагностических целях, и использование этой базы для оценки новых снимков. Разработанное Infervision программное обеспечение уже применяется в ряде лечебных центров Китая, и компания заявляет, что точность получаемых результатов очень высока и близка к заключению опытных медиков, в частности, заместителя главного врача по диагностике кардиоторакальных заболеваний в одной из ведущих китайских больниц.

Infervision внедряет технологии искусственного интеллекта и глубинного обучения в практику радиологии в целях повышения выявляемости опухолей на ранних стадиях

Софт работает со стандартной системой передачи и хранения медицинских изображений PACS (Picture Archiving and Communication System). Для обучения и тренировки системы Infervision было использовано около 200 тысяч рентгеновских снимков и данных компьютерной томографии из медицинских учреждений КНР.

Эксперимент, проведенный специалистами Infervision совместно с группой радиологов показал, что заключения, сделанные с использованием ИИ-технологии, были более точны, чем у радиологов.

Разумеется, программа не ставит диагноз самостоятельно и никоим образом не заменяет врачей. Скорее, она служит для дополнительной проверки и выявления потенциальных очагов заболевания, а также позволяет избавить медиков от повторяющейся трудоемкой работы, поясняли в компании.

В Infervision надеются, что их программа поможет сократить время, которое рентгенологи тратят на изучение и обработку снимков пациентов, сделает диагностику более точной, оперативной и позволит избежать задержек при оказании медицинской помощи. Также в компании добавили, что их система продолжает самообучаться и совершенствоваться по мере поступления в нее новых данных.[4]

Искусственный интеллект научили предсказывать инфаркт лучше докторов

В апреле 2017 года ученые из Университета Ноттингема представили технологию искусственного интеллекта, способную предсказывать наступление сердечного приступа. Разработчики утверждают, что точность прогнозирования выше, чем у докторов.

В ходе исследования сравнили эффективность рекомендаций медиков с работой четырех программ, написанных с использованием алгоритмов машинного обучения. Ученые преследовали цель найти закономерности в записях более 378 тыс. пациентов. В компьютер были заложены 22 критерия, в том числе возраст, национальность, наличие артрита и заболеваний почек, уровень холестерина в крови.

Ученые из Университета Ноттингема представили технологию искусственного интеллекта, способную предсказывать наступление сердечного приступа.

Сделанные искусственным интеллектом выводы о рисках развития инфаркта сверили с данными за 2015 год, и они оказались более точными, чем предсказания врачей, основанные на рекомендациях Американского коллежа кардиологии (American College of Cardiology, ACC) и Американской ассоциации сердца (American Heart Association, AHA): от 74,5% до 76,4% точности против 72,8%.

По приблизительным подсчетам авторов проекта, компьютер мог бы спасти на 355 жизней больше, чем методика ACC и AHA. Ученые намерены повысить эффективность интеллектуальной системы, добавив в нее учет таких факторов риска, как образ жизни и генетические данные.

Интересно, что алгоритмы не учитывали влияние диабета, который всегда считался фактором риска в системе ACC и AHA.

По словам эпидемиолога Ноттингемского университета Стивена Вэна, биологические системы имеют множество взаимосвязей, часть которых неизвестна врачам: например, повышенное содержание жира в организме при определенных условиях может защитить от острых отклонений в работе сердца. Подобные взаимодействия неочевидны, их сложно заметить и объяснить, но компьютерная программа способна проследить связь, проанализировав огромные объемы данных, считает он.[5]

Искусственный интеллект распознает болезни по рентгеновским снимкам

В рамках конгресса Европейского общества радиологов (ECR-2017), который прошел в Вене с 1 по 5 марта, была представлено программное обеспечение, использующее искусственный интеллект для первичного обнаружения заболеваний по рентгеновским снимкам.

Разработка была создана силами Института медицинских исследований La Fe (Валенсия, Испания) и подконтрольного учреждению разработчика программного обеспечения Quibim. Речь идет о компьютерной системе обнаружения (Computed-aided detection, CAD), построенной на основе сверточных нейронных сетей. Алгоритм способен распознавать заболевания по рентгенограмме грудной клетки с высокой точностью, учитывая чувствительность и специфичность организма.

Пример использования искусственного интеллекта для определения болезней по рентгеновским снимкам

Созданная система поможет специалистам по лучевой диагностике проводить первоначальный осмотр пациента в автоматическом режиме и обращать внимание на те зоны, в которых с большой вероятностью могут быть отклонения.

« Наше исследование улучшает или по крайней мере эквивалентно результатам, достигнутым в предыдущих исследовательских работах, — отметила Белен Фос-Гуаринос (Belen Fos-Guarinos), студент-стажер отдела исследований биомедицинской визуализации в Институте медицинских исследований La Fe. Именно она презентовала новую технологию на научной сессии в рамках ECR 2017.[6] »

Стоит отметить, что идеи использования искусственного интеллекта для обработки медицинских изображений озвучивались неоднократно. Так, в Национальном институте здравоохранения в Бетесде (штат Мэриленд, США) в марте 2017 года сообщили о разработке системы глубинного обучения, также способной обнаруживать заболевания по рентгеновским снимкам грудной клетки. Специалисты использовали модель параллельного программирования Nvidia CUDA и возможности графических процессоров для обучения нейронных сетей, помогающих определять болезнь, ее специфику, тяжесть и пораженные ею органы.

2016: Диагностика онкологических заболеваний

В августе 2016 года были опубликованы результаты медицинских испытаний, показавшие эффективность работы компьютера при диагностике онкологических заболеваний во время паталогических исследований.

Группа специалистов медицинского центра при Стэнфордском университете (Stanford University Medical Center) взяла более 2000 снимков из Атласа ракового генома (Cancer Genome Atlas) — собрания генетических и клинических материалов, полученных от нескольких тысяч людей с раковыми заболеваниями. Были рассмотрены данные о степени и стадии развития аденокарциномы и плоскоклеточного рака легких.

Искусственный интеллект научился точно и быстро диагностировать рак легких

Исследователи использовали изображения для того, чтобы обучить компьютерную программу выявлять почти 10 тысяч специфических признаков рака, в то время как опытные врачи обычно находят лишь несколько сотен.

Ученые сосредоточились на подмножестве клеточных характеристик, определяемых при помощи программного обеспечения, которое способно отличать опухолевые клетки из окружающих нераковых тканей, выявлять подтип рака и прогнозировать выживаемость больного после постановки диагноза. Алгоритм машинного обучения учитывает не только размеры и формы клеток, но и такие параметры, как форма и текстура ядер, а также пространственная упорядоченность соседних раковых клеток.

Компьютеру удалось находить мельчайшие различия между тысячами образцов в несколько раз точнее и быстрее по сравнению с человеком. Технология позволила различать аденокарциному и плоскоклеточный рак легких, что тяжело сделать даже опытному доктору.

Патологическая анатомия является весьма субъективной дисциплиной, говорит Майкл Снайдер (Michael Snyder), профессор и руководитель генетических исследований в Стэнфордском университете. По его словам, два высококвалифицированных специалиста в этой области приходят к одинаковым результатам при исследовании одной и той же пробы лишь в 60% случаев. Компьютерная программа заменяет субъективность количественными измерениями, что позволяет улучшить результаты лечения пациентов, отметил Снайдер.[7]

Смотрите также

Робототехника



Примечания