CC BY
290TECHNOLOGY, ENGINEERING
UDC 004
Elizarova M.I., Urazova K.M., Ermashov S.N. Artificial
intelligence in medicine
Искусственный интеллект в медицине
Elizarova M.I., Urazova K.M., Ermashov S.N.
1st year students of the International School of Future 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.
Елизарова М.И., Уразова К.М., Ермашов С.Н. студенты 1 курса Международной школы медицины будущего 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. This article discusses the ways of using artificial intelligence in medicine, such as the diagnosis of diseases, the selection of individual treatment, the development of medicines, as well as remote patient care. Keywords: artificial intelligence, neural networks, accurate diagnosis, treatment of patients. Аннотация. В данной статье рассмотрены способы применения искусственного интеллекта в медицине, такие как диагностика заболеваний, подбор индивидуального лечения, разработка лекарственных препаратов, а также удаленная помощь пациентам.
Ключевые слова: искусственный интеллект, нейронные сети, точная диагностика, лечение пациентов.
Рецензент: Гладских Наталья Александровна - Кандидат технических наук, ассистент кафедры медицинской информатики и статистики. ВГМУ им. Н.Н. Бурденко
Искусственный интеллект (ИИ) - это область информатики, занимающаяся разработкой интеллектуальных компьютерных систем, то есть систем, обладающих возможностями, которые мы традиционно связываем с человеческим разумом - пониманием языка, способностью к обучению, рассуждению и т.д. Развитие его как отдельной науки началось после создания в 40 -х годах XX века первой Электронно-вычислительной машины. В 1956 году в Дартмутском колледже прошел знаменитый двухмесячный научный семинар по вопросам информатики, логики и компьютерных технологий, на котором термин «искусственный интеллект» был введен впервые. Одной из наиболее успешных реализаций искусственного интеллекта является нейронная сеть, основанная на попытке воссоздать упрощенную модель
нервной системы биологических организмов. Естественный нейрон - это электрически возбудимая клетка, которая принимает, обрабатывает и передаёт информацию другим подобным клеткам. Искусственный - это математическая функция, которая обрабатывает несколько входных значений, образуя в итоге одно конечное. Нейроны одного уровня подают полученные данные нейронам следующего, работающим по тому же принципу. Нейроны, образующие биологические связи, соединены друг с другом через синапсы, это значит, что сначала должна накопиться энергия активации, поэтому сигнал не передается между клетками мгновенно. В искусственных нейросетях есть подобные синапсы, имеющие параметр, который позволяет регулировать передаваемые нейронами значения, - вес. Таким образом, полученные на входе значения суммируются и после этого нейрон определяет, передавать их дальше или нет. Подобная сеть, построенная из большого числа элементов, может решать довольно сложные задачи. Хотя первые нейронные сети, созданные американскими учеными в конце 50-х годов XX века, представляли собой системы, моделирующие человеческий глаз и его взаимодействие с мозгом, сфера здравоохранения до сих пор считается одним из основных направлений, где возможности ИИ могут быть выведены на совершенно новый уровень.
Искусственный интеллект широко применяется в анализе медицинских изображений. Снимок организма является источником важной информации о состоянии здоровья человека, поэтому необходимо максимально точно читать изображения и принимать во внимание всевозможные особенности пациента. Даже для самого опытного специалиста точный анализ снимка является тяжелой задачей. Специально обученная на многотысячной базе данных нейросеть способна в автоматическом режиме обрабатывать снимки, с принятием во внимание всей истории болезни пациента, всех его особенностей, позволяя врачам заниматься только теми случаями, помеченными программой как патологические. В некоторых исследованиях уже заявлялись данные о точности ИИ, а именно до 93% в анализе радиологических изображений, до 93% точности при обработке пренатальных УЗИ, до 94,5% в диагностике туберкулеза. Например, в офтальмологии нейросети используются для выявления изменений на глазном дне: диабетической ретинопатии, возрастной макулярной дегенерации, новообразований сосудов. На снимках переднего отрезка глаза обнаруживаются катаракта, кератоконус, эктазия роговицы. Также снять рутину с заполнением расшифровки изображения со специалистов помогает способность современных технологий ИИ автоматически делать текстовое описание, произведенного им анализа. Одной из основных трудностей в развитии ИИ в анализе медицинских изображений является отсутствие готовой базы обработанных снимков, на которых искусственный интеллект мог бы обучаться. Это связано с тем, что пока нет отдельных специалистов, которые бы занимались анализом снимков и на них обучали нейросеть, а привлекать к этой работе опытных врачей достаточно дорого и времязатратно. Также проблема заключается в самом ИИ, а именно в том, что любая нейросеть является очень тонко настраиваемой, что создает необходимость в
создании четких, понятных критериев для снимков, на которых учится ИИ, что опять же сделать достаточно тяжело.
Также системы, созданные на основе искусственного интеллекта, используются для подбора индивидуального лечения. Они способны за секунды подобрать оптимальное лечение для конкретного пациента, обработав тысячи страниц информации, объединив последние результаты анализов, анамнез пациента и его самочувствие в текущий момент, данные из медицинской литературы и результаты последних исследований. Это значительно упрощает работу врача, потому что человек физически не способен провести анализ такого объема информации за такой короткий промежуток времени. Если верить данным, предоставленным компанией Delve Health, работающей непосредственно с технологиями искусственного интеллекта и машинного обучения, каждый час в мире выходит около 3 новых медицинских статьей, а количество ссылок, добавленных в каталог MEDLINE за прошлый год, составило 870 тысяч.
К сожалению, даже в XXI-м веке для многих людей получить своевременную медицинскую консультацию не представляется возможным, поэтому активно развивается телемедицина, так как она предоставляет жителям малонаселенных пунктов возможность удаленно проконсультироваться со специалистом или получить примерный диагноз, используя мобильное приложение и не преодолевая при этом больших расстояний. Например, большой популярностью пользуется приложение Ada, которое при помощи искусственного интеллекта анализирует симптомы пациента, предполагает несколько возможных диагнозов и дает рекомендации по необходимости посещения врача. А его российский аналог - СберЗдоровье - помимо вышеперечисленного, советует пациенту специалиста и служит платформой для проведения онлайн -консультаций. Также, человек, например, может купить мобильный кардиограф, отправить снятые данные в облачное хранилище, где их обработает нейросеть, которая вернет пациенту диагноз и рекомендации по лечению.
Существует еще одна совершенно новая идея применения искусственного интеллекта в медицине. Уже сейчас компании Atomwise и Berg Health предлагают программы для решения задач фармацевтики. На данный момент разработка лекарств несет большие затраты времени и бюджета, так как практически на всех этапах производства ученые работают вручную. Предполагается, что в будущем программы на базе искусственного интеллекта смогут подбирать молекулярную формулу, создавая химические соединения с желаемыми свойствами, выполнять контроль качества, сокращать отходы материалов, улучшать повторное использование продукции, выполнять профилактическое обслуживание и т.д.
В заключении статьи хотелось бы сказать о еще одной российской разработке - проекте, разработанном специалистами Центра компетенций НТИ на базе МГУ «Технологии хранения и анализа больших данных». Он позволяет проводить автоматизированный анализ флюорографий, маммографий и кардиограмм на основе искусственного интеллекта. В основе алгоритма нейронная сеть, которая прошла
обучение на более чем 270 тысячах рентгеновских изображений. Одна из главных особенностей проекта -наличие облачного центра, на который и загружено ПО. Это дает возможность любым рентгенологическим отделениям любых медицинских учреждений подключиться к сервису и получить проанализированное изображение практически мгновенно. В связи с чем скрининг населения становится более удобным и не менее качественным. Таким образом, этот проект объединяет в себе сразу несколько функций, так как анализирует снимки, помогает врачу в принятии окончательного решения и удобен для дистанционного использования в удаленных регионах России. Применение искусственного интеллекта способно значительно упростить работу врача, ускорить процесс выздоровления пациента, повысить уровень оказания медицинской помощи в стране и в мире, поэтому стоит продолжать активное развитие данного направления.
References
1. http://www.pharma-industry.se/wp-content/uploads/2017/11/artificial-intelligence.pdf
2. https://cyberleninka.ru/article/n/perspektivy-neyronnyh-setey-i-glubokogo-mashinnogo-obucheniya-v-sozdanii-resheniy-dlya-zdravoohraneniya/viewer
3. https://megatrends.su/блог/pharm_ai/
4. https://rg.ru/2020/03/17/medicinskie-snimki-budet-analizirovat-iskusstvennyj-intellekt.html
5. https://trends.rbc.ru/trends/industry/5ef0f9259a7947d3285a473d
6. https://vc.ru/azoft/216336-iskusstvennyy-intellekt-v-medicine-primenenie-i-perspektivy
7. https://webiomed.ai/blog/iskusstvennyi-intellekt-dlia-zdorovia-i-zdravookhraneniia-otchet-issledovatelei-iz-ssha/
8. https://www.almclinmed.ru/jour/article/view/1190/1132
9. https://www.azoft.ru/blog/kak-vyyavit-rak-legkih-pri-pomoschi-ai/
10. https://www.journals.elsevier.com/annals-of-oncology
11. https://www.the-village.ru/business/process/215521-proizvodstvennyy-protsess-kak-delayut-innovatsionnye-lekarstvennye-preparaty
12. Васенков Д.В. Методы обучения искусственных нейронных сетей. Компьютерные инструменты в образовании. № 1, 2007 г.
13. Гаврилов, А.В. Системы искусственного интеллекта: учеб. пособие: в 2 -х ч. / А.В. Гаврилов. -Новосибирск: Изд-во НГТУ 2001.
14. 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.
15. Девятков, В.В. Системы искусственного интеллекта: учеб. пособие для вузов В.В. Девятков. -М.: Изд-во МГТУ им. Н.Э. Баумана, 2001. - 352 с.
16. Дж.Ф. Лютер. Искусственный интеллект. - М.: Вильямс, 2003.
17. Дорожная карта развития «сквозной» цифровой технологии «нейротехнологии и искусственный интеллект» в России, Москва, 2019 г.
18. Калачанов В.Д., Ефимова Н.С., Новиков А.Н., Пронькин Н.Н. Внедрение систем диспетчирования производства на высокотехнологичных предприятиях (на примере предприятий авиастроения). Инновации и инвестиции. 2019. № 3. С. 269-273.
19. Калачанов В.Д., Новиков А.Н., Калачанов В.В., Пронькин Н.Н. Критерии оптимального управления финансированием производственной деятельности предприятий высокотехнологичных отраслей промышленности (на примере авиастроения). Организатор производства. 2016. № 1 (68). С. 61-68.
20. Калачанов В.Д., Новиков А.Н., Калачанов В.В., Пронькин Н.Н. Разработка комплексной системы критериев оптимизации финансирования производственной деятельности промышленных предприятий (на примере авиастроения). Организатор производства. 2016. № 3 (70). С. 50-61.
21. 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.
22. Новиков А.Н., Пронькин Н.Н. Внедрение инструментальных методов в управление экономикой предприятий ОПК. Вестник Академии военных наук. 2014. № 3 (48). С. 148-152.
23. Поряева Е.П., Евстафьева В.А. Искусственный интеллект в медицине. Вестник науки и образования № 6 (60). Часть 2. 2019.
24. Потапов А.С. Технологии искусственного интеллекта - СПб: СПбГУ ИТМО, 2010. - 218 с.
25. Пронькин Н.Н. Инструментарий управления системой производства продукции ОПК. Вестник Академии военных наук. 2015. № 1 (50). С. 147-150.
26. 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.
27. Пронькин Н.Н. Условия решения проблем обеспечения информационной безопасности московского мегаполиса. Экономические исследования и разработки. 2019. № 8.
28. 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.
29. Пронькин Н.Н., Симаков А.И. Формирование целевой программы обеспечения информационной безопасности города Москвы. Экономические исследования и разработки. 2020. № 6.
30. Рассел С. Искусственный интеллект. Современный подход / Стюарт Рассел, Питер Норвинг
31. Указ Президента Российской Федерации от 10.10.2019 № 490 о развитии искусственного интеллекта в Российской Федерации.
32. Хант, Э. Искусственный интеллект / Э. Хант. - М.: Мир, 1978. - 558 с.
