ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ЗДРАВООХРАНЕНИИ: К ЧЕМУ ПРИВЕДЕТ ЦИФРОВИЗАЦИЯ? Текст научной статьи по специальности «Компьютерные и информационные науки»

Искусственный интеллект в здравоохранении: к чему приведет цифровизация?

Милкова Эрика Геннадьевна

кандидат экономических наук, преподаватель, Финансовый Университет при Правительстве РФ, milapplicant@gmail.com

Одна из самых быстрорастущих отраслей промышленности в мире, сектор искусственного интеллекта оценивался примерно в 1,2 триллиона долларов в 2018 году и, по прогнозам, достигнет 4 триллионов долларов к 2022 году. [1] Искусственный интеллект упрощает жизнь пациентов, врачей и административного персонала больниц, выполняя задачи, которые обычно выполняются людьми, но за меньшее время и с меньшими затратами ресурсов. В отличие от устаревших технологий, которые являются всего лишь инструментами, которые дополняют арсенал возможностей человека в сфере медицины, искусственный интеллект сегодня действительно может увеличить человеческую активность в контексте времени, принимая на себя задачи, которые варьируются от медицинской визуализации до анализа рисков и диагностики состояния здоровья пациентов. Объем данных, собираемых в медицине, постоянно растет. [2]

Таким образом, возникает необходимость быстро и эффективно собирать, анализировать и классифицировать всю эту информацию. Искусственный интеллект (ИИ), с акцентом на глубокое обучение, имеет большие перспективы в этой области и уже успешно применяется для фундаментальных исследований, диагностики, разработки лекарств и клинических испытаний. Независимо от того, используется ли искусственный интеллект для поиска новых связей между генетическими кодами или для управления хирургическими роботами, он заново открывает и придает новый импульс современному здравоохранению с помощью машин, которые могут предсказывать, понимать, учиться и действовать.

Ключевые слова: искусственный интеллект, машинное обучение, интернет вещей, интеллектуальный анализ данных, робо-техника, алгоритмы, разработка лекарств.

Интеллектуальный анализ данных служит основой для машинного обучения. Интеллектуальный анализ данных — это процесс выявления ранее неизвестных закономерностей и тенденций в больших базах данных, а затем их использование для создания прогнозных моделей. Он включает в себя несколько этапов, например: извлечение данных из облачных хранилищ или операционных баз данных, очистку данных для устранения расхождений, анализ наборов данных для выявления паттернов, представляющих взаимосвязи между данными, валидацию паттернов с новыми наборами данных и извлечения полученных на их основе знаний. [3] Использование интеллектуального анализа данных стало чрезвычайно популярным в здравоохранении в основном из-за генерации данных, слишком объемных и сложных для обработки обычными вычислительными методами. Потенциал применения интеллектуального анализа данных в здравоохранении может быть огромным, но практически интеллектуальный анализ данных используется для оценки эффективности медицинского лечения, анализа эпидемиологических данных для выявления вспышек заболеваний и выполнения функций системы раннего предупреждения, анализа больничных записей для выявления острых медицинских состояний и оказания помощи при вмешательствах, оценки качества медицинских вмешательств и прогнозирования продолжительности жизни пациентов с хроническими заболеваниями и раком. [4] Интеллектуальный анализ медицинских данных сталкивается с двумя основными проблемами: неоднородностью данных, иногда с отсутствием необходимых данных, и сложностью запрашиваемых выходных данных. Но при этом ИИ адаптируется к изменениям в пользовательской среде, поэтому интеллектуальный анализ данных используется для целого ряда ситуаций в здравоохранении, включая прогнозирование рака и оценку удовлетворенности медицинского персонала системами управления информацией о пациентах.

Когда речь заходит о вовлечении пациента, ИИ обещает улучшить его опыт, предвосхищая потребности пациента, обеспечивая более быстрые и эффективные результаты. Чтобы успешно оптимизировать ИИ для вовлечения пациентов, компании в области оказания медицинских услуг должны включить в свои стратегии: вовлечение пациентов в ситуацию и ее корректировка в режиме реального времени; объединение провайдеров с интеллектуальным руководством ИИ, чтобы они могли предоставить пациентам наилучший вариант последующего лечения, персонализированного для них; расширение возможностей пациентов, которые хотят активно участвовать и заниматься своим здоровьем с помощью интеллектуального руководства и поддержки, когда это необходимо. [5]

Использование алгоритмов искусственного интеллекта в диагностике (например, анализ и классификация последовательности патогенных вариантов) и открытие

X X

о

го А с.

X

го т

о

ю

2 О

м

CS

0

CS

01

о

Ш

m

X

3

<

m О X X

лекарственных препаратов и доклинические исследования (например, разработка новых молекул, сокращение тестирования на животных, лекарственное взаимодействие) — это лишь некоторые из примеров тех преимуществ, которые принес ИИ в биомедицину. Большинство из этих средств применимы к широкому спектру заболеваний, включая редкие заболевания.

Во всем мире насчитывается более 7000 редких заболеваний (РЗ). Хотя по отдельности они редки, в совокупности, по оценкам, поражают до 36 миллионов человек во всем мире. [6] Способность технологий искусственного интеллекта интегрировать и анализировать данные из различных источников (напр., мультиомики, регистры пациентов и т. д.) могут быть использованы для преодоления проблем, связанных с редкими заболеваниями. (например, низкий уровень диагностических коэффициентов, географическое рассеивание и так далее). Медицинские ошибки, возникающие в результате человеческого фактора, обходятся обществу в миллиарды долларов в США и во всем мире даже при учете того, что многие из этих ошибок остаются незамеченными, что затрудняет четкое понимание масштабность проблемы. Неполные истории болезней и большая нагрузка на врачей, связанная с бумажной волокитой, могут привести к ошибкам, которые стоят пациентам жизни. Многие из этих ошибок можно предотвратить, применяя искусственный интеллект, например, машинное обучение на существующих медицинских данных для того, чтобы предсказать ситуации с высоким риском ошибок. Так как большинство факторов, ведущих к возникновению антропогенных ошибок, было известно и хорошо изучено, предсказать и предотвратить их сейчас становится более выполнимо. Особенно ИИ становится ценным в вопросах предотвращения или уменьшения числа медицинских ошибок, когда врачи должны принимать решения при отсутствии клинических испытаний, обеспечивая врачей некоторыми ориентирами и поддержкой. [7]

Благодаря прорывам в технологии, биофармацевтические компании тоже обращают внимание на эффективность, точность и знания, которые может обеспечить ИИ. Индустрия разработки лекарств увязла в стремительном росте затрат на разработку и исследования, которые занимают тысячи часов работы. Проведение клинических испытаний каждого препарата обходится в несколько миллиардов долларов, и только малый процент этих препаратов успешно выводится на рынок.

Один из самых больших прорывов ИИ в разработке лекарств произошел в 2007 году, когда исследователи попросили робота по имени Адам исследовать функции дрожжей. Адам просмотрел миллиарды точек данных в общедоступных базах данных, чтобы выдвинуть гипотезу о функциях 19 генов в дрожжах, предсказав 9 новых и точных гипотез. [8]

Робот-друг Адама, Ева, обнаружила, что триклозан, распространенный ингредиент зубной пасты, может бороться с малярийными паразитами. [9]

В начале 2020 года Bayer заявили о сотрудничестве с Excientia, в рамках которого компании с помощью ИИ планируют реализовать проект по разработке новых лекарств. [10] Популярность роботизированной хирургии так же стремительно растет. Больницы используют роботов, чтобы помочь во всем - от минимально инвазив-ных процедур до открытой операции на сердце. Роботы

помогают врачам выполнять сложные процедуры с точностью, гибкостью и контролем, которые выходят за рамки человеческих возможностей.

Роботы, оснащенные камерами, механическими руками и хирургическими инструментами, увеличивают опыт, мастерство и знания врачей для создания нового вида хирургии. Хирурги управляют механическими руками, сидя за компьютерным пультом, в то время как робот дает врачу трехмерное увеличенное изображение места операции, которое хирурги не могли получить, полагаясь только на свои глаза. Затем хирург руководит другими членами команды, которые работают в тесном контакте с роботом на протяжении всей операции. Различают: роботов-ассистентов, диагностических и терапевтических роботов, а также биопринтеры. [11]

ИИ, главным образом через машинное обучение, которое является подтипом ИИ, обеспечивает алгоритмы, способные учиться на основе данных. По данным Управления по контролю за продуктами и лекарствами США, ИИ это "наука и техника создания интеллектуальных машин", в то время как машинное обучение - это " инструмент искусственного интеллекта, который может быть используется для разработки и обучения программных алгоритмов, чтобы учиться и действовать на основе данных" [12]. Одним из аспектов, который отделяет машинное обучение от граф знаний и экспертных систем, является его способность изменять себя при воздействии большего количества данных; т. е. машинное обучение является динамичным и не требует вмешательства человека для внесения определенных изменений. Это делает его менее «хрупким» и менее зависимым от человеческого фактора.

Таким образом, вместо жестко регламентированных программных процедур с конкретными инструкциями для выполнения конкретной задачи машинное обучение является способом "обучения" алгоритма, чтобы он мог научиться этому. "Обучение" включает в себя подачу огромного количества данных в алгоритм и позволяет ему корректировать себя и совершенствоваться. Целый ряд алгоритмов обещает показать значительные результаты, когда речь заходит о медицинских диагнозах. Как правило, это алгоритмы машинного обучения (М^), такие как нейронные сети или алгоритмы кластеризации, где компьютер обучается на очень большом наборе данных. Эти данные могут быть результатами рентгеновского исследования, предварительно помеченными как "болезнь присутствует" или "болезнь отсутствует". С каждым новым исследованием компьютер корректирует параметры своего алгоритма. После завершения обучения алгоритм проверяется на той части набора данных, которая была удержана во время обучения.

Такие алгоритмы лучше всего работают в узко определенной области, например, глядя на один тип рентгеновского снимка для одного типа заболевания. В целом, машинное обучение можно рассматривать в качестве альтернативы статистическим методам. Там, где статистический подход хочет агрегировать и усреднять, машинное обучение хочет обнаружить детали, которые выделяют что-то.

Люди всегда будут превосходить машинное обучение в задачах, требующих более общих знаний. Тем более цели заменить врача машиной нет. Однако если есть возможность избежать вероятности упустить что-либо, то машина действительно необходима. Таким образом, диагностика ИИ как раз предоставляет медицин-

ским работникам дополнительные возможности обеспечения более качественного и точного диагностирования пациентов.

С развитием технологий и теми возможностями, которые сейчас есть у каждого смартфона, вполне очевидно, что они могут использоваться для оказания медицинской помощи. Мобильные приложения используются во многих областях здравоохранения, включая образовательные цели, поддержку и диагностику на месте оказания медицинской помощи, мониторинг пациентов, наблюдение за течением заболеваний, экстренное медицинское реагирование и управление информацией о пациентах. Стремительное развитие «мобильного здоровья» - mHealth совпало с ростом исследований в области искусственного интеллекта и развитием технологий в этой сфере. Следовательно, наблюдается все более широкое применение искусственного интеллекта. Эти возможности означают, что мобильные приложения могут использоваться для дистанционного мониторинга пациентов, особенно пожилых и хронических больных, поддержки принятия клинических решений и обеспечения дистанционного обучения медицинских работников.

Применение искусственного интеллекта не ограничивается мобильными устройствами связи, а распространяется на другие интеллектуальные устройства. Когда эти устройства соединяются друг с другом для создания киберфизической всепроникающей сети, она называется Интернетом вещей (ИВ). ИВ используется повсеместно для многих целей, включая прогнозирование стихийных бедствий, мониторинг дефицита воды и интеллектуальные транспортные системы, но в здравоохранении эта концепция используется для проектирования умных домов, чтобы помочь пожилым людям выполнять свою повседневную жизнедеятельность, сохраняя свою частную жизнь, а также дистанционно контролировать состояние своего здоровья и потребление лекарств. ИВ, работающий на ИИ и созданный для удовлетворения медицинских потребностей пожилых и нетрудоспособных пациентов, называется Ambient Assisted Living (AAL). Поскольку основной целью AAL является расширение независимого проживания пожилых людей в их домах, автоматизация, безопасность, контроль и коммуникация являются ключевыми аспектами модульной архитектуры AAL. Система также включает в себя датчики, исполнительные механизмы и камеры для сбора различных типов данных о человеке и доме. Составная система создает интеллектуальную домашнюю среду, в которой деятельность и состояние здоровья резидента не только отслеживаются, но и прогнозируются. [13]

Таким образом, область здравоохранения предоставила исследователям ИИ благодатную почву для тестирования технологий и во многих случаях приложения ИИ успешно решают проблемы на уровне, сравнимом с результатами, полученными в результате работы медицинских работников. Поскольку медицинское обслуживание становится все более дорогостоящим, заинтересованные стороны будут все чаще искать решения, которые могут заменить дорогостоящие элементы в уходе за пациентами, и именно в этих ситуациях будут востребованы решения ИИ. Однако технологии не может полностью заменить человеческий фактор в уходе за пациентами, и необходимо исследовать модель, которая включает в себя как технологические инновации, так и более качественный уход за пациентами.

Литература

1. Молодых, В., Forbes. (2018, June 21). Пройти мимо: почему в России катастрофически мало применяется искусственный интеллект. Режим доступа: https://www.forbes.ru/tehnologii/363405-proyti-mimo-pochemu-v-rossii-katastroficheski-malo-primenyaetsya-is-kusstvennyy].

2. Большие данные в медицине. Врач и большие данные. Режим доступа: https://evercare.ru/bolshie-dannye-v-meditsine-vrach-i-bolshie-dannye.

3. Замятин А.В. Интеллектуальный анализ данных : учеб. пособие. - Томск : Издательский Дом Томского государственного университета, 2016. - 120 с.

4. Никонорова М. Л. Интеллектуальный анализ медицинских данных с использованием кейсовой технологии, 2016.

5. Лейтон, С., 2018. Роль искусственного интеллекта в вовлечении пациентов. Режим доступа: https://seismic.com/company/blog/the-role-of-artificial-intel-ligence-in-patient-engagement/.

6. ВОЗ | Объединим усилия в борьбе с редкими болезнями. 2013. Режим доступа: https://www.who.int/bulletin/volumes/90/6/12-020612/ru/.

7. Зайдуллин, Р. 2018. Будущее уже наступило: как искусственный интеллект применяется в медицине - Будущее на vc.ru. Режим доступа: https://vc.ru/future/32237-budushchee-uzhe-nastupilo-kak-iskusstvennyy-intellekt-primenyaetsya-v-medicine.

8. Робот-ученый совершил первое открытие. 2013. Режим доступа: https://lenta.ru/news/2009/04/03/robot/.

9. Bayer внедряет искусственный интеллект для поиска новых лекарств для лечения рака и болезней сердца. Режим доступа: http://zdrav.expert/in-dex.php/Проект:Bayer_внедряет_искусственный_интелл ект_для_поиска_новых_лекарств_для_лече-ния_рака_и_болезней_сердца.

10. Ю. Воробьёва. 2019. Робот-учёный открыл лекарство от малярии. Режим доступа: https://www.vesti.ru/doc.html?id=2979372.

11. Роботы в медицине: применение и возможности: Блог Top3DShop. 2019. Режим доступа: https://top3dshop.ru/blog/the-latest-medical-robots.html.

12. Т. С. Тох, Ф. Донделингер, Ф. Ван. Помимо ажиотажа: применение искусственного интеллекта и машинного обучения в трансляционной медицине. Биомедицина. 2019, 47, 607-615.

13. С. Редди, 2018. Использование искусственного интеллекта в здравоохранении. Режим доступа: https://www.intechopen.com/books/ehealth-making-health-care-smarter/use-of-artificial-intelligence-in-healthcare-delivery.

Artificial intelligence in healthcare: where will digitalization lead?

JEL classification: D20, E22, E44, L10, L13, L16, L19, M20, O11, O12, Q10,

Q16, R10, R38, R40, Z21, Z32_

Milkova E.G.

Financial University under the Government of the Russian Federation one of the fastest growing industries in the world, the artificial intelligence sector was estimated at about $1,2 billion in 2018 and is projected to reach $4 billion by 2022. Artificial intelligence simplifies the lives of patients, doctors, and hospital administrative staff by performing tasks that are usually performed by humans, but in less time and with less resources. Unlike outdated technologies, which are just tools that complement the Arsenal of human capabilities in the field of medicine, AI today can really increase human activity in the context of time, taking on tasks that range from medical imaging to risk analysis and diagnostics of patients ' health. The volume of data collected in medicine is constantly growing. This makes it necessary to quickly and efficiently collect, analyze, and classify all this information. Artificial intelligence (AI), with an

X X О го А С.

X

го m

о

ю

2 О

м

emphasis on deep learning, has great promise in this field and has already been successfully used for basic research, diagnostics, drug development, and clinical trials. Whether artificial intelligence is used to find new connections between genetic codes or to control surgical robots, it is rediscovering and giving new impetus to modern healthcare with machines that can predict, understand, learn and act. Keywords: artificial intelligence, machine learning, Internet of things, data

mining, robotics, algorithms, drug development. References

1. Molodykh, V., Forbes. (2018, June 21). Pass by: why artificial intelligence

is used catastrophically in Russia. Access mode: https://www.forbes.ru/tehnologii/363405-proyti-mimo-pochemu-v-rossii-katastroficheski-malo-primenyaetsya-iskusstvennyy..

2. Big data in medicine. Physician and Big Data. Access mode: https://ever-

care.ru/bolshie-dannye-v-meditsine-vrach-i-bolshie-dannye.

3. A.V. Zamyatin Data mining: textbook. allowance. - Tomsk: Publishing

House of Tomsk State University, 2016 .-- 120 p.

4. Nikonorova ML Intellectual analysis of medical data using case technology,

2016.

5. Leighton, S., 2018. The Role of Artificial Intelligence in Patient Engage-

ment. Access mode: https://seismic.com/company/blog/the-role-of-artifi-cial-intelligence-in-patient-engagement/.

6. WHO | Let's unite efforts in the fight against rare diseases. 2013. Access

mode: https://www.who.int/bulletin/volumes/90/6/12-020612/ru/.

7. Zaydullin, R. 2018. The future has already arrived: how artificial intelligence

is used in medicine - Future at vc.ru. Access mode: https://vc.ru/fu-

ture/32237-budushchee-uzhe-nastupilo-kak-iskusstvennyy-intellekt-

primenyaetsya-v-medicine.

8. The robot scientist made the first discovery. 2013. Access mode:

https://lenta.ru/news/2009/04/03/robot/.

9. Bayer is deploying artificial intelligence to find new drugs for cancer and

heart disease. Access mode: http://zdrav.expert/index.php/Pro-ject:Bayer_implements_artificial_intelli-

gence_for_search_new_drugs_for_creating_cancers_and_dis-eases_heart.

10. Yu. Vorobyova. 2019. A robot scientist has discovered a cure for malaria.

Access mode: https://www.vesti.ru/doc.html?id=2979372.

11. Robots in medicine: applications and opportunities: Blog Top3DShop. 2019. Access mode: https://top3dshop.ru/blog/the-latest-medical-ro-bots.html.

12. TS Toch, F. Dondelinger, F. Wang. Beyond the hype: the use of artificial

intelligence and machine learning in translational medicine. Biomedicine. 2019, 47, 607-615.

13. S. Reddy, 2018. The use of artificial intelligence in health care. Access mode: https://www.intechopen.com/books/ehealth-making-health-care-smarter/use-of-artificial-intelligence-in-healthcare-delivery.

CN

0 CN

^t

01

O HI

m x

3

<

m o x

X