CC BY
192MEDICINE
UDC 004
Myasnyankina O.P. Achievements and prospects of artificial
intelligence in medicine
Достижения и перспективы искусственного интеллекта в медицине
Myasnyankina O.P.,
3rd year student of the Institute of Clinical Medicine FGAOU VO I.M. First Moscow State Medical University Sechenov of the Ministry of Health of the Russian
Federation (Sechenov University). Scientific adviser: Ph.D., Associate Professor Pronkin N.N.
Мяснянкина О.П., студентка 3 курса Института клинической медицины ФГАОУ ВО Первый Московский государственный медицинский университет имени И.М. Сеченова Министерства здравоохранения Российской Федерации (Сеченовский Университет).
Научный руководитель: к.э.н., доцент Пронькин Н.Н.
Abstract. The introduction of systems based on artificial intelligence is one of the key trends in modern healthcare. Today, artificial intelligence helps in the diagnosis of diseases and the appointment of optimal treatment. This article discusses promising areas of artificial intelligence in medicine, implemented on the basis of neural networks. Keywords: artificial intelligence, machine learning, neural network.
Аннотация. Внедрение систем на базе искусственного интеллекта - один из ключевых трендов современного здравоохранения. Сегодня искусственный интеллект помогает в диагностике болезней и назначении оптимального лечения. В данной статье рассмотрены перспективные направления искусственного интеллекта в медицине, реализованные на базе нейронных сетей.
Ключевые слова: искусственный интеллект, машинное обучение, нейронная сеть.
Рецензент: Гладских Наталья Александровна - Кандидат технических наук, ассистент кафедры медицинской
информатики и статистики. ВГМУ им. Н.Н. Бурденко
В современном мире информационные технологии затрагивают почти каждую сферу деятельности человека. И медицина тому не исключение. Искусственный интеллект (ИИ) - основа новых информационных технологий.
Являясь одним из перспективных направлений в медицине, ИИ может: • повысить точность диагностики и подобрать оптимальный метод лечения (IBM Watson for oncology, Human Diagnosis project);
• выявлять патологии при использовании радиологических методов исследования (IBM Medical Sieve,
MaxQ);
• помочь в работе с пациентами (Sense.ly, Babylon Health, AliveCor);
• распознавать заболевания по изображениям (Face2Gene, DeepMind Health);
• зафиксировать психические отклонения при анализе голосовых данных (NeuroLex.co);
• разрабатывать лекарственные средства (AtomNet);
• диагностировать и прогнозировать генетические заболевания по анализам ДНК (DeepGemonics, Sophia Genetics).
ИИ в лечении и диагностике
Одной из главных задач ИИ в медицине является оптимизация диагностики и лечения. В настоящее время созданы и внедрены программы, способные обрабатывать данные жалоб пациентов, осмотра, лабораторных анализов и инструментальных обследований.
Так для назначения оптимального лечения используется IBM Watson for oncology, помогающий врачам-онкологам в кратчайшие сроки подобрать терапию, основываясь на большой базе данных, загруженных для обучения ИИ: более 25 тысяч историй болезней, 300 медицинских журналов и 200 учебников. Программа, обрабатывая данные с помощью многочисленных источников, предлагает несколько вариантов терапии, из которых врач может выбрать наиболее подходящий, а также дополнить клиническую картину новыми данными, в зависимости от которых ИИ формирует новый алгоритм лечения.
Human Diagnosis project - это программа, соединяющая в себе знания врачей со всего мира и алгоритмы машинного обучения. На сегодняшний день тысячи профессионалов медицины более чем из 80 стран и 500 медицинских институтов вовлечены в создание проекта. Human Diagnosis project направлен на создание наиболее полной базы, способной составить алгоритм помощи любому пациенту. Проект преследует цель не только оптимизировать принятие клинических решений, но и улучшить получение медицинского образования.
ИИ в радиологии
Разрабатываются нейронные сети для быстрой и эффективной оценки результатов МРТ, КТ, рентгеновских снимков, ЭКГ. Одной из таких программ является IBM Medical Sieve, которая в среднем более точно выявляет дефекты и новообразования, что позволяет сократить время диагностики и уменьшить возможность упущения важных данных. Главной задачей этого проекта является создание системы умственного ассистента для лучевых диагностов и кардиологов, которая бы действовала как фильтр и быстро обнаруживала аномалии, используя общий анализ изображений, текста и клинических данных.
Израильская компания MedyMatch разрабатывает ИИ, способный оценивать компьютерные томограммы и находить любые отклонения от нормы. MaxQ будет применяться в первую очередь для ранней диагностики травм черепа, инсульта и определения его вида (геморрагический или ишемический) в машинах неотложной помощи, что позволит медицинскому персоналу быстрее начать лечение.
ИИ для пациентов
Использование ИИ не ограничивается его применением медицинскими сотрудниками - также нейронные сети могут оказывать помощь пациентам. Существует «приложение-медсестра» - Sense.ly, способное распознавать естественную речь. На экране телефона пациента появляется анимированная медсестра, которая задает вопросы о самочувствии, узнает нет ли жалоб. Приложение может сразу отправить результаты опроса врачу, напомнить о приеме лекарств, помочь в случае необходимости связаться с доктором по видеосвязи.
Для людей, страдающих сердечно-сосудистыми заболеваниями разработана программа AliveCor, способная делать запись ЭКГ в любом месте с помощью смартфона и специальных детекторов, а после сообщать об отклонениях. В первую очередь, ИИ направлен на выявление аритмий.
Еще одним полезным мобильным приложением является Babylon Health, позволяющим из любой точки Земли и в любое время получить онлайн-консультацию врача со стажем не менее 10 лет. А чат-бот поможет предварительно по симптомам, которые ему опишет пациент, поставить диагноз, а также даст краткую справку об этом заболевании.
ИИ для распознавания заболеваний по фотографиям
Создаются программы, которые с помощью анализа фотографии и сопоставления их с загруженной базой данных, смогут обнаружить наличие патологии. Face2Gene - это основанная на ИИ программа, позволяющая диагностировать по фотографии многие генетические заболевания. Для ИИ составлен алгоритм определения фенотипических признаков различных синдромов, с которыми нейронная сеть сравнивает снимок и делает заключение о наличии отклонений.
Google DeepMind Health работает над обучением ИИ распознавать по снимкам признаки заболеваний глаз. Для этого более миллиона анонимных снимков были предоставлены Глазной клиникой Мурфилдс. В первую очередь проект ориентирован на два заболевания: диабетическую ретинопатию и возрастную дегенерацию желтого пятна, которые являются наиболее распространенными.
ИИ для распознаваний психических отклонений по голосу
ИИ находит применение и в психиатрической практике: проект NeuroLex.co направлен на распознавание психических расстройств по речевым изменениям (интонации, громкости речи, скорости,
промежуткам между слова и т.д.). Целью является обучение нейронных сетей определять соответствие между психиатрическим диагнозом и речевыми паттернами, чтобы сделать процесс постановки диагноза более быстрым и точным.
ИИ в разработке лекарственных средств
Важнейшим направлением в медицине является разработка новых лекарственных средств, где также может помочь ИИ. К примеру, алгоритм машинного обучения Массачусетского технологического института открыл новые антибиотики, которые способны побороть клостридиозы, туберкулез и более 30 видов антибиотикорезистентных бактерий.
Также компания Atomwise, используя алгоритмы ИИ и машинного обучения, создала нейронную сеть AtomNet, которая способна проанализировать более 100 миллионов химических соединений и сократить время на открытие новых лекарственных препаратов, а также сеть может прогнозировать эффективность препаратов и их возможные побочные эффекты.
ИИ в генетике
В настоящее время ИИ применяют для диагностики генетических заболеваний, посредством анализа ДНК. Так, проект Sophia Genetics направлен на визуализацию результатов исследования генетического материала и дальнейшее определение склонности человека к тем или иным заболеваниям, возможности передачи заболеваний по наследству, а также одной из приоритетных задач является выявление генетических мутаций у плода на ранних стадиях беременности.
На стадии разработки находится другая система - Deep Gemonics. Этот проект позволит анализировать и прогнозировать влияние генетических вариаций и мутаций на внутриклеточные процессы, в первую очередь, на ядерные процессы (транскрипция, сплайсинг и др.).
Подобные разработки смогут помочь понять патогенез многих заболеваний и лучше составлять их терапию.
ИИ в борьбе с COVID-19
В период пандемии коронавирусной инфекции стали разрабатывать и внедряться технологии ИИ, помогающие выявить заболевших, оценить тяжесть течения заболевания, произвести дифференциальную диагностику, подобрать оптимальное лечение, создать вакцины и лекарства.
Для мониторинга числа заболевших и определения очагов инфекции используется HealthMap. Программа позволяет отследить динамику распространения заболевания, оценить распространенность COVID-19 в разных странах и в мире.
Также создана система на основе ИИ для выявления людей с повышенной температурой или без медицинской маски. При помощи сенсоров ИИ дистанционно определяет температуру тела прохожих с допустимой погрешностью в пределах 0,3°С. Обнаружив у проходящего поблизости человека признаки жара, система автоматически оповещает об этом медицинские организации.
Приоритетной задачей ИИ в борьбе с коронавирусной инфекцией стала точная и быстрая диагностика, поэтому во многих странах мира ИИ применяется для оценки КТ-снимков и определения стадии заболевания и тяжести его течения. Нейронные сети способны определять признаки ковидной пневмонии, обрабатывая данные анализов крови и общей клинической симптоматики, что значительно ускоряет постановку диагноза и назначения лечения.
На сегодняшний день ИИ имеет огромный потенциал, как средство способное обрабатывать огромные объемы данных, оптимизировать работу врачей, ускорить принятие клинических решений, позволяющее избежать врачебных ошибок, помочь пациентам и, в целом, улучшить качество оказания медицинской помощи.
References
1. https://22century.ru/popular-science-publications/artificial-intelligence-in-medicine
2. https://evercare.ru/medymatch-samsung
3. https://focus.ua/technologies/464272-startap_po_issledovaniiu_dnk
4. https://researcher.watson.ibm.com/researcher/view_group.php?id=4384
5. https://webiomed.ai/blog/iskusstvennyi-intellekt-v-meditsine/
6. https://www. alivecor.com
7. https://www.babylonhealth.com
8. https://www.face2gene.com/technology-facial-recognition-feature-detection-phenotype-
analysis/
9. https://www.healthmap.org/covid-19/#
10. https://www.humandx.org/context/background
11. https://www.maxq.ai
12. https://www.rvc.ru/press-service/media-review/venture/157322/
13. https://www.sophiagenetics.com/company.html#values
14. Васенков Д.В. Методы обучения искусственных нейронных сетей. Компьютерные инструменты в образовании. № 1, 2007 г.
15. Гаврилов, А.В. Системы искусственного интеллекта: учеб. пособие: в 2 -х ч. / А.В. Гаврилов. -Новосибирск: Изд-во НГТУ 2001.
16. Глущенко В.М., Новиков А.Н., Пронькин Н.Н. Количественная оценка информационной безопасности мегаполиса. Экономические исследования и разработки. 2019. № 6.
17. Глущенко В.М., Новиков А.Н., Пронькин Н.Н. Особенности формирования и содержания модели управления московским мегаполисом. Информационные и телекоммуникационные технологии. 2019. № 44. С. 32-37.
18. Глущенко В.М., Новиков А.Н., Пронькин Н.Н. Проблемы обеспечения экономической безопасности московского мегаполиса. Экономические исследования и разработки. 2020. № 1. С. 151-155.
19. Глущенко В.М., Пронькин Н.Н. Междисциплинарный подход в исследовании сложных систем. Экономические исследования и разработки. 2020. № 4.
20. Глущенко В.М., Пронькин Н.Н., Симаков А.И., Новосёлова Т.Е. Возможные подходы к оценке ущерба от информационных угроз. Экономические исследования и разработки. 2020. № 9. С. 6-13.
21. Девятков, В.В. Системы искусственного интеллекта: учеб. пособие для вузов В.В. Девятков. -М.: Изд-во МГТУ им. Н.Э. Баумана, 2001. - 352 с.
22. Дж.Ф. Лютер. Искусственный интеллект. - М.: Вильямс, 2003.
23. Дорожная карта развития «сквозной» цифровой технологии «нейротехнологии и искусственный интеллект» в России, Москва, 2019 г.
24. Масленникова, О. Е. Основы искусственного интеллекта: учеб. пособие / И. В. Гаврилова, О. Е. Масленникова. - 2-е изд., стер. - М.: ФЛИНТА, 2013. - 284 с.: ил. - ISBN 978-5-97651602-1 - 284 с.
25. Новиков А.Н., Пронькин Н.Н. Внедрение инструментальных методов в управление экономикой предприятий ОПК. Вестник Академии военных наук. 2014. № 3 (48). С. 148-152.
26. Поряева Е.П., Евстафьева В.А. Искусственный интеллект в медицине. Вестник науки и образования № 6 (60). Часть 2. 2019.
27. Потапов А.С. Технологии искусственного интеллекта - СПб: СПбГУ ИТМО, 2010. - 218 с.
28. Пронькин Н.Н. Инструментарий управления системой производства продукции ОПК. Вестник Академии военных наук. 2015. № 1 (50). С. 147-150.
29. Пронькин Н.Н. Практика внедрения системы дистанционного обучения в МГУУ Правительства Москвы на основе E-learning 3000. Информационные и телекоммуникационные технологии. 2011. № 12. С. 72-78.
30. Пронькин Н.Н. Условия решения проблем обеспечения информационной безопасности московского мегаполиса. Экономические исследования и разработки. 2019. № 8.
31. Пронькин Н.Н., Новиков А.Н. Программно-математические методы обоснования потребности в экономических ресурсах для выполнения государственного оборонного заказа. Вестник Академии военных наук. 2014. № 4 (49). С. 122-125.
32. Пронькин Н.Н., Симаков А.И. Формирование целевой программы обеспечения информационной безопасности города Москвы. Экономические исследования и разработки. 2020. № 6.
33. Рассел С. Искусственный интеллект. Современный подход / Стюарт Рассел, Питер Норвинг
34. Указ Президента Российской Федерации от 10.10.2019 № 490 о развитии искусственного интеллекта в Российской Федерации.
35. Хант, Э. Искусственный интеллект / Э. Хант. - М.: Мир, 1978. - 558 с.
