Искусственный интеллект (ИИ) - одна из сквозных технологий (то есть охватывающих одновременно несколько трендов или отраслей) нацпроекта "Цифровая экономика" и важнейший инструмент нацпроекта "Здравоохранение", благодаря которому в том числе будет реализована задача цифровизации отрасли. В медицине, где успешность постановки диагноза и выбор верной тактики лечения прежде всего зависят от тщательного анализа значительного количества данных, использование ИИ открывает огромные перспективы.
Заведующий кафедрой информационных и интернет-технологий, директор Института цифровой медицины Первого МГМУ имени И.М. Сеченова Георгий Лебедев рассказал порталу "Будущее России. Национальные проекты" о том, как ИИ может помочь врачам в постановке диагнозов и избавить их от рутинной работы.
В помощь врачам и пациентам
Искусственный интеллект будет все активнее использоваться в медицине по двум основным направлениям. Первое - это замена человека в рутинных операциях, таких как заполнение карты пациента. Применение ИИ в этом направлении позволит разгрузить медицинский персонал и избегать глупых ошибок, например неправильно указанной температуры тела или приема лекарств в неурочное время. Второе связано с анализом большого объема данных. Здесь технология может как повысить качество лечения в каждом отдельно взятом случае, так и помочь более эффективно и в сжатые сроки проводить, к примеру, диспансеризацию коллектива целого завода.
Возможности ИИ также могут быть использованы в качестве помощи специалисту в принятии врачебных решений. И здесь ИИ может составлять свои подсказки, опираясь на различные источники. В первую очередь это может быть анализ электронной медицинской карты пациента, чтобы врач мог сразу получить полную картину здоровья человека, не затрачивая время на самостоятельное изучение сведений о нем.
Если пациент принимает несколько видов лекарств, ИИ может помочь подобрать правильное сочетание препаратов, чтобы не нанести вреда здоровью. В рамках уже выбранной тактики лечения такие системы способны предлагать ее корректировку на основе свежих анализов и симптомов пациента, описанных в его карте.
Другой способ составления советов по лечению, подбору лекарств основан на изучении ИИ значительного объема медицинской литературы. Ежедневно в мире публикуется порядка 15 тыс. рецензируемых статей, и человек не в состоянии обработать такое количество информации, в то время как ИИ может сделать это очень быстро.
Еще одно наиболее активно развивающееся сейчас решение на основе ИИ, призванное помочь врачам, - расшифровка и классификация различных изображений: УЗИ, КТ, МРТ, рентгенограмм и т.д. Такая система способна выявлять патологии и обращать внимание врача на конкретные снимки и области на них.
Причем возможности ИИ могут идти и дальше - с его помощью различные изображения можно составлять в единые трехмерные модели, которые врач может увидеть у себя на экране. Свои решения в рамках этого направления разрабатывают, например, центр "Радиология Москвы" и резидент фонда "Сколково" российская компания "Третье мнение".
Системы ИИ позволяют мониторить, что происходит с пациентом, который находится в стационаре: определять, в каком положении он лежит на койке, не упал ли, кто к нему вошел и какие манипуляции проводит. Такие распознающие технологии также начинают постепенно развиваться. В частности, Институт цифровой медицины Первого МГМУ имени И.М. Сеченова сейчас занимается разработкой такой системы, которая даст возможность понять, что делает медсестра, находящаяся рядом с больным: кормит его, делает укол, меняет белье, ставит капельницу и т.д.
Что касается пациентов, то им ИИ может предложить навигацию в системе здравоохранения. Обратившись к ИИ и указав свои симптомы, человек может получить подсказку, в какое медицинское учреждение ему лучше обратиться. Кроме того, технология помогает двигаться в направлении персонифицированной медицины, так как может конструировать новые лекарства и предлагать схему приема препаратов в зависимости от состояния организма конкретного человека.
С точки зрения управления больницей или целой отраслью польза ИИ может заключаться в его способности обрабатывать значительные объемы данных и предлагать возможные решения главврачу или министру здравоохранения.
Пока систем на основе ИИ для медицины во всем мире не так уж много, так как не существует единых подходов и требований ни к используемым базам данных, ни к математическим методам их анализа. Но в этом направлении идет активная работа.
В частности, рабочая группа, созданная в рамках международного технического комитета ИСО/ТК 215 "Информатизация здоровья", уже изучила все нормативные документы, которые на сегодняшний день существуют в мире по этой теме, и готовит технический отчет, который будет выпущен, предположительно, к октябрю 2020 года. Институт цифровой медицины Первого МГМУ имени И.М. Сеченова также входит в эту рабочую группу и принимает участие в процессе.
Безусловно, сейчас первоочередная задача - создать такую верифицированную базу данных, чтобы решениям, принятым на основе ее анализа, можно было доверять. Нельзя создать систему и говорить, что она предлагает верные подсказки, если в нее была заложена информация лишь о 20 пациентах.
Необходимо обеспечить большую специализированную выборку, провести клинические испытания, притом что методический инструментарий для этого еще только предстоит разработать. В любом случае для создания таких систем нужна совместная работа не только математиков и программистов, но и обязательно врачей. Одна из целей нашего университета - создать экосистему подготовки медицинских специалистов, умеющих работать в цифровой среде современного здравоохранения.
Несомненно, должны быть решены и этические проблемы. Решение, предложенное компьютером, обязательно должно интерпретироваться врачом, который объяснит пациенту, почему была выбрана та или иная тактика лечения.
Комментарии
мне как то после рутинной проверки Туберкулез диагностировали....хорошо дядька нашелся поопытней который на том же самом снимке ничего не увидел. Так что да, иногда врач не в состоянии снимок рассмотреть))
дык вроде уже проводились исследования. Брали программу которая рассматривала ну там, 1000 снимков к примеру...и сравнивали результаты этой программы с результатами выборки врачей. У программы оказался меньший процент ложных результатов.
Пока еще, программа не может обойти опытного человека....но именно что опытного, квалификацию пониже она УЖЕ уделывает
А главное, продать ее можно уже сейчас. ;)
Думаю, тем и ограничатся, прочее так и останется на уровне разговоров.
ps: И кстати, туберкулез рентгеном не диагностируют, дочь офицера вы наша ненаглядная.
Тут беда в другом. Медицинское образование очень практичное. Ежедневная практика, анатомичка, морг, псамостоятельные практические работы, студенческие исследовательские клубы по интересам при кафедрах... Ежедневная, кропотливая, не всегда приятная практика. Ну, анекдоты про студентов-медиков все знают.
Сейчас, из-за ковида, обучение переведено в онлайн. Никакой практики руками. На практику в госпиталях тоже скорее всего поставлен крест, госпитали чужаков не подпустят.
Что из этих студентов получится, оторопь берет. И ситуация в ближайшие годы не изменится! Ковид никуда не денется.
Ну, оспа с бубонной чумой тоже никуда не делись, строго говоря. А практика дело наживное. ;)
зато отлично диагностируется флюрографией...я где то про рентген говорил? Вроде нет. Так с хера ли ты меня во лжи обвиняешь, дядя?
Ага, опять про "экспертные системы" с перебором какой-нибудь базы данных и про заполнятель карточки вскрываемого на базе 1С нам рассказывают, аки про ИИ.
Как рынок для 1С франчайзи рванёт!
Тут на АШе вроде как-то кто-то обмолвился, что Росатом 1Сом ипортозаместит свои учетные программы. Росатом может, а морг или роддом что ли не может?
А может оно и к лучшему. ИИ наверняка бы не выписал моему младшему 15 лекарств одномоментно. Или путем сравнения моего рентгеновского снимка с миллионами других, точно бы сказал, был перелом руки или нет. А то в феврале - двое говорят - перелом, третий - не вижу никакого перелома. ГОлосование устраивать?
Экспертные системы - штука полезная. В человеческую голову столько инфы не войдет, чтобы подобрать ЛС конкретному человеку с учетом возраста, профессии, особенностей питания, сопутствующих болячек и даже расы. Пока действуют методом научного тыка и чтения инструкций, если не лениво.
Выписывание 15 лекарств одновременно - это результат Вашей работы, в том числе. Вы их так учите.
Это результат работы идиотки, которая пропустила лекцию про полипрогмазию и ее последствия.
Upd, Не будет назначать - вылетит с работы. Где тут полипрагмазия, а где нет - уже решили за нее и куда более серьезные люди.
Наше здравоохранение как есть.
Перспективный чат детектед! Сим повелеваю - внести запись в реестр самых обсуждаемых за последние 4 часа.
Бред сивой кобылы. ИИ будет, дурное дело не хитрое. Но лечиться будут по блату у хороших врачей. И похоже не у нас в стране.
Конечно будет ИИ! Я же и говорю про талантливый и крупный распил. ))))))))))))))
И еще. Я видел людей с двойным тяжелым образованием: Докторов с лицензией, и одновременно адвокатов с лицензией.
Но я никогда , ни разу в жизни не видел, и даже не слышал, о докторе-программисте!
С современными чиновниками от медицины и чиновниками от медицинского образования, никакой ИИ не поможет.
А можно посмотреть медицинский ИИ, который сделал директор Института цифровой медицины Первого МГМУ имени И.М. Сеченова Георгий Лебедев?
Через пять-десять лет увидите в передаче уровня "Криминальной России"
Будет, не будет... Уже есть и работает.
https://m.aftershock.news/?q=node/770861
Ученые из Китая создали Machine Learning Classificator (ИИ) на основе обработки записей в больничной истории на естественном языке, который диагностирует детские болезни, анализируя симптомы и результаты анализов. Точность диагностики составила 75-93% для различных классов болезней, что сопоставимо с результатами педиатров.
https://m.aftershock.news/?q=node/757962
Исследователи сравнили, кто лучше справляется с диагностированием рака груди: нейросеть или 101 профессионал в радиологии. Нейросеть в среднем была более эффективна в определении рака груди, чем врачи. Однако система проигрывала наиболее опытным радиологам.
https://m.aftershock.news/?q=node/704025
Интерпретация рентгенограммы грудной клетки имеет решающее значение для выявления торакальных заболеваний, включая туберкулез и рак легких, которые каждый год затрагивают миллионы людей во всем мире.
Эта трудоемкая задача обычно требует, чтобы квалифицированные радиологи читали изображения, что приводило к ошибкам диагностики на основе усталости или отсутствию возможности выполнить диагностику в районах мира, где радиологи недоступны.
У китайцев 55 диагнозов на всю педиатрию?
Не густо. В нашей системе только на одни заболевания легких у взрослых около 80 диагнозов.
Я полагаю, что вопрос масштабирования это по большей частью технический вопрос. Особенно в Китае. Они там обработали около 1,3 миллиона записей о пациентах о 600 000 пациентов. Что по масштабам Китая ничто.
Создана рабочая модель подтвердившая концепцию. И для 55 диагнозов она уже работает. Я полагаю что это уже изрядная помощь врачу.
Тупиковый путь на больших данных. Китайцы пытаются воспроизвести один американский патент 10-летней давности, из которого сами амеры так ничего и не смогли выжать.
Во-первых, качество выборки: "Миллионы мух не могут ошибаться, это действительно анализ кала на дисбактериоз. Миллионы участковых теток тоже не могут ошибаться, это действительно диагностика и лечение уровня участковых теток".
Во-вторых, чем больше выборка, тем она гетерогенней. Поэтому в медицине для того, чтобы не сваливать в одну кучу апельсины и шарики от шарикоподшипников используют "проспективные рандомизированные двойные (и даже тройные) слепые плацебо-контролируемые" клинические испытания. Но программисты, и тем более ИИ об этом не знают.
В третьих, а в чем смысл разработки? Вот нафуа гра участковому врачу система, которая делает ровно то же, что и он, но только на 20 - 30% хуже, как у китайцев? В нашей системе заложен другой смысл - человек в голове может удержать одновременно 4 - 6 рабочих параметров, а у арифмометра такого ограничения нет. Поэтому если участковая тетка на автопилоте работает с бронхитом/пневмонией/астмой, то наша система с 80+ заболеваниями легких позволяет ей быстренько с минималистскими усилиями пробить весь диапазон от бронхита курильщика до патологии грудного лимфатического протока, эхинококкоза/альвеококкоза и прочей единичной за всю её жизнь экзотики, о которой она могла не то что забыть, но даже и не знать.
Вы посмотрите оригинал статьи. Я все таки урезанный перевод давал.
Там не просто тупое обучение на записях сделанных тётками педиатрами.
Там сформирована цепочка из нескольких ИИ и специалистов, на основе записей о пациенте , анализах и обработки текстового справочника о заболеваниях формируется гомогенная среда для обучения самого диагностического ИИ.
То есть пройдя через фильтр обрабатывающих данные искусственных интеллектов, их там вроде 2 или 3, подготовленные данные для ИИ диагноста имеют гораздо большую статистическую значимость.
А вот на их основе и обучается ИИ диагност.
Насколько я слышал "проспективные рандомизированные двойные (и даже тройные) слепые плацебо-контролируемые" клинические испытания практикуются при лечении... Я не медик и как плацебо может помешать ИИ поставить диагноз я не представляю.
Насчёт увеличения гетерогенности я уже написал. Она устраняется путем автоматической предобработки.
Вот тут я не понял о чём вы говорили? Китайская система как я понял работает на уровне лучших терапевтов.
Если они ушли от больших данных, это хорошо. Но, насколько я понял, они воспроизводят старый американский патент. В нем тоже были некие слова про контролируемую человеком обработку - а по факту исходник все те же участковые врачи с качеством участковых врачей.
Про двойные слепые плацебо-контролируемы вы правы, это про лечение. Но и для прочих медицинских научных целей жесточайший контроль выборок. Могу по своему опыту сказать - например, для одной из статей из выборки около 15 тысяч пациентов в обсчет получилось включить только около 150 человек, да и те разбивались на 4 группы. Понятно, что участковые врачи в такие игры на массовом приеме не играют.
Что касается автоматической предобработки для снижения гетерогенности, то тут возникает замкнутый круг - для снижения гетерогенности нужны диагнозы, а для постановки диагнозов нужно снизить гетерогенность. В амерском патенте они пытались решить эту задачу за счет анализа частотности. Что ведет к отсечению редкой патологии и редких, но однозначных клинических признаков, зато все забивает "температура-кашель-лейкоцитоз".
Что касается смысла - это про вопрос, зачем конечному пользователю вообще нужна система? Если система вероятностная, то она будет выдавать ровно то, что и без неё рутинно делает участковый врач - на основании наиболее частых клинических признаков ставить наиболее частые диагнозы. Недаром у китайцев после их обработки миллионов записей на выходе только 55 диагнозов - при том, что в МКБ-10(11) более 10 тысяч диагнозов. Ну и зачем врачу система, которая делает то же, что и он, но (согласно статье) дает расхождение с врачом 20 - 30%?
Лично я исхожу из того, что система должна обеспечить врачу то, чего он лишен - знания узких специалистов немедленно на рабочем месте независимо от географической локализации. Тогда только для заболеваний легких получается около 80 диагнозов и под 200 клинических признаков в различных комбинациях.
Это ЭС.
но поиск по массивам данных нуждается в массивн данных, а не 100500 БД с различными велосипедами.
причём толкового массива ещё не собирают, поэтому ЭС толком не взлетит ещё долго-долго.
а скажем для 30 летних и старше, массив уже и не собрать никогда, по причине физического удаления бумажных архивов.
т.е. для адекватной ЭС основа появится лет через 20, если такими темпами и дальше.
Это про что вы?
ЭкспертнаяСистема - програмный комплекс, ведущий поиск в базах данных, отсеивающий заранее не верные варианты и помогающий человеку принять решение.
Это хорошо что вы сразу дали определение экспертной системы. но вы не указали как создаётся экспертная система в вашем понимании.
В принципе все ЭС системы являются узкоспециализированными алгоритмами и создаются с помощью эксперта, специалиста владеющего теоретическими и практическими знаниями в конкретной области и программиста формирующего логические цепочки правильных выводов по указаниям эксперта.
То есть качество экспертной системы определяется качеством специалиста эксперта, человеческим фактором.
В этом-то и есть глубинное отличия экспертных систем от современных систем машинного обучения ( machine learning) они же ИИ (AI), он же слабый ИИ.
Системы машинного обучения используют универсальные алгоритмы, а не узкоспециализированные под конкретную задачу, не стрят логических цепочек для получения вывода, не используют для поиска база данных и базы знаний с использованием эксперта. То есть не делают ровно того, что делают экспертные системы.
А что они делают? Ну грубо..., На основе примера универсального алгоритма линейной/нелинейной регрессии в машинном обучении.
Простейший пример, есть точки на плоскости x y, нужно определить какой закономерности подчиняется расположение этих случаев и предсказать дальнейшее расположение точек на кривой.
Берутся известные данные и с помощью универсального алгоритма линейная регрессии определяется коэффициент уравнения по которому расположены точки.
Далее алгоритм, без всяких поисков по базам данных, просто вычисляя значение следующей точке y по вновь появившегося значению x. То есть предсказывает следующие значения y.
Применяем этот или более мощный алгоритм уже для трехмерной поверхности x y z, четырёхмерный поверхностей x y z w, и так далее.
Обобщая, задачей современной систем машинного обучения, он же слабый ии, является вычисление оригинальный функции с минимальной ошибкой от оригинала в многомерном пространстве, многомерность современных система достигает десятков и сотен миллиардов измерений. И никаких поисков в воде данных или знаний, а также отсутствие человеческого фактора ,человеческийф хесть, но на других этапах
ИИ дрессируется на подготовленной выборке. При этом, матрицы коэффициентов связей - человеконечитаемы.
Поэтому какие связи ИИ посчитал важными, а какие - нет, увы, узнать не получится.
При этом. в матрицу данных необходимо загонять кучу факторов, которые только можно вообразить, например для поиска взаимосвязей результатов анализов, необходимо предусмотреть поправочный коэффициент на то, что лаборатория работает 2 дня в неделю.
Увы, БД Знаний так и не вышли из подготовительной стадии.
Т.е. широкий поиск, с использованием информации о протекаемой беременности, с учётом списка и графика принятых лекарств в детстве и дать заключение для человека в возрасти лет 20 - у нас нет эталонных наборов.
Да, у нас есть матрица матрицы и система способна к частичному анализу и синтезу. Нужен минимум третий слой, что бы у системы образовался канал обучения.
После этого нужен будет четрвёртый слой, для замыкания петли в режим самообучения.
После всего этого, систему переводим в многомерное состояние и готово.
Для полного счастья добавьте сочетанную патологию - пневмония у астматика на фоне ревматического порока сердца с хронической почечной недостаточностью. А так-то клиент в психушке лежит по поводу обострения шизофрении, просто к нему дерматовенеролога вызвали на консультацию, потому что у него кровь на сифилис 3 креста.
А является ли это недостатком? Как уважаемый комрад doc-Mike написал, что человек может удерживать в своём внимание 5- 6 параметров. А железяка может десятки и сотни миллиардов!
Пытаться понять ту матрицу значений что образуется после обучения искусственного интеллекта просто бессмысленно, это тупиковый путь. Это тоже самое что человеку соревноваться в компании земли детским собачкам с экскаватором.
Есть другой путь Я насколько знаю уже существуют специально разработанный искусственные интеллекты который именно объясняют как они пришли к выводу решению, то есть показывают наиболее значимые параметры. мне кажется это самый перспективный путь.
Выше есть пример про больного.
Детерминированая сетка имеет проблему в обосновании глубины поиска и проблема качества подготовленых обучающих выборок.
Да, она будет легко и непринуждённо решать простые вопросы. Но сколько сложных случаев будет уложенно в прокрустово ложе - покажет только вскрытие.
Да, уже сейчас сетки показывают неплохие результаты по общему анализу, правда это небольшие обучающие выборки и узкий круг пациентов.
А теперь представим, что сетке скормили многолетний архив травмы и неотложки среднего города. Туда же положим психиатрию, судмедэкспертизу и прочих. Прикрутим фармокологию и фармокинетику.
И будем смотреть на пациента с глубиной выборки в одно поколение (т.е. учитывать родителей пациента).
Перечитываю истории с аннкдот.ру
13.08.2012
Страницы