Искусственный интеллект (ИИ) и машинное обучение (МО) начали активно применяться в сфере здравоохранения, повышая точность диагностики, эффективность лечения и общие результаты выздоровления пациентов.
Нейронные сети в диагностике заболеваний
Обладая способностью анализировать огромные объемы данных и выявлять сложные закономерности, нейронные сети предлагают передовые решения, превосходящие традиционные методы диагностики, которые в значительной степени зависят от индивидуального опыта и знаний.
Одним из ярких примеров является использование нейронных сетей для выявления рака кожи. Исследование, опубликованное в журнале Nature Medicine, продемонстрировало, что нейронная сеть может точно диагностировать рак кожи не хуже квалифицированных дерматологов. В исследовании использовалась база данных из более чем 100 000 изображений поражений кожи, и нейронная сеть показала впечатляющую точность в 95%. В отличие от этого, группа дерматологов достигла точности 86,5%. Этот результат подчеркивает превосходную способность нейронной сети обнаруживать закономерности и устанавливать связи, которые человеческий глаз может пропустить.
Аналогичным образом, исследовательская группа из Стэнфордского университета разработала нейронную сеть, которая может обнаружить фибрилляцию предсердий — нерегулярное сердцебиение, которое может привести к инсульту — по одному показанию электрокардиограммы (ЭКГ). Этот прорыв может спасти жизни людей благодаря возможности раннего обнаружения и вмешательства. Нейронная сеть достигла точности 97%, что превысило результат стандартного метода интерпретации ЭКГ в 84%.
Одним из отечественных проектов, применяющих возможности ИИ в диагностике, является Celsus, разработанный российской компанией «Медицинские скрининговые системы».
Celsus анализирует медицинские изображения в четырех диагностических областях, включая маммографию, флюорографию, компьютерную томографию легких и гистологию. Система ранжирует список исследований по приоритетности, от самой высокой вероятности патологии до самой низкой, позволяя врачам быстро провести повторное обследование, поставить диагноз и начать лечение.
Однако массовому использованию нейросетевых технологий в клинической практике мешают ограничения и трудности. Разработка и обучение искусственного интеллекта требует большого количества информации, а сбор массивов данных для обучения моделей требует непосредственного участия врачей. Без обратной связи продукт не будет в достаточной степени учитывать специфику работы врачей.
Кроме того, отсутствие законодательства, регулирующего использование подобных технологий в медицине, является еще одним препятствием на пути внедрения готовых продуктов в медицинские учреждения. Тем не менее, в России ведется работа по разработке стандартов, регулирующих клинические испытания медицинских ИИ-систем.
ИИ в лечении
Одним из примеров эффективного использования нейронных сетей в лечении является лучевая терапия рака. Исследователи из Техасского университета разработали нейронную сеть, которая может оптимизировать планы лучевой терапии для отдельных пациентов. Нейронная сеть анализирует анатомию пациента и рассчитывает идеальную дозу и распределение радиации, обеспечивая максимальное разрушение опухоли при минимальном повреждении здоровых тканей. Было установлено, что нейронная сеть генерирует планы лечения, которые более эффективны и действенны, чем схемы, созданные экспертами-людьми.
Еще одно перспективное применение нейронных сетей в здравоохранении — прогнозирование исходов лечения пациентов в отделениях интенсивной терапии (ОИТ). Группа исследователей из Массачусетского технологического института разработала нейронную сеть, которая может прогнозировать состояние пациента на 48 часов вперед. Анализируя в режиме реального времени данные с мониторов пациента, такие как частота сердечных сокращений и кровяное давление, нейронная сеть генерирует оценку риска, которая указывает на вероятность неблагоприятных событий, таких как остановка сердца или сепсис. Такое раннее вмешательство потенциально может спасти жизнь и улучшить результаты лечения пациентов.
Кроме того, нейронные сети могут быть использованы для улучшения роботизированной хирургии. Группа исследователей из Университета Джона Хопкинса разработала нейронную сеть, которая может помочь в хирургических операциях, предсказывая расположение кровеносных сосудов в режиме реального времени. Это может снизить риск осложнений и улучшить результаты лечения пациентов.
Нейронные сети и разработка лекарств
Еще одно потенциальное применение — поиск лекарств. Нейронные сети могут быть использованы для анализа огромного количества молекулярных данных и выявления потенциальных кандидатов в лекарства, которые будут более эффективны и иметь меньше побочных эффектов, чем существующие препараты.
Первым препаратом, созданным с использованием искусственного интеллекта и вступившим в стадию клинических испытаний, стал DSP-1181. Он был разработан компанией Exscientia в сотрудничестве с японской фармацевтической компанией.
DSP-1181 — это агонист рецепторов серотонина 5-HT1A, предназначенный для лечения пациентов с обсессивно-компульсивным расстройством (ОКР). Обычно на разработку таких препаратов (этап открытия препарата) у исследователей уходит около пяти лет. Искусственный интеллект решил эту проблему всего за один год.
Нейронные сети и генетика
Анализ ДНК — еще одна перспективная и активно развивающаяся область применения нейронных сетей. Например, инструмент, разработанный в Мичиганском университете, проводит генетические исследования и позволяет по геному человека определить его рост с точностью до трех сантиметров, предсказать развитие таких серьезных заболеваний, как рак, инсульт и инфаркт, выявить мутации, влияющие на плотность костной ткани, и даже предсказать уровень образования, которого может достичь человек.
Распознавание речи с помощью нейросетей
Рабочий процесс врача включает в себя не только консультирование пациентов или проведение исследований. Значительное количество времени уходит на заполнение всевозможной документации. Технология нейронных сетей может помочь врачам в этой рутинной работе.
Voice2Med экономит время врачей, заполняя медицинскую документацию голосом. Сервис включает в себя специализированные словари, позволяющие правильно распознавать медицинские термины.
Проблемы и ограничения в медицинском применении нейросетей
Несмотря на многочисленные преимущества использования нейронных сетей в здравоохранении, все еще существуют некоторые проблемы, которые необходимо решить. Одной из них является недостаток данных. Для обучения нейронных сетей требуется большое количество информации, но сведения о здравоохранении часто фрагментированы и труднодоступны. Кроме того, существуют нормативные проблемы, связанные с безопасностью данных, которые необходимо преодолеть для обеспечения конфиденциальности пациентов.
Еще одна проблема — необъективность. Нейронные сети могут непреднамеренно закреплять предвзятость данных, на которых они обучаются, что приводит к неточным или дискриминационным результатам. В здравоохранении это особенно проблематично, поскольку предвзятость может привести к неправильному диагнозу или неравному доступу к медицинской помощи.
Будущее нейронных сетей в здравоохранении
Несмотря на трудности, будущее нейронных сетей в здравоохранении выглядит многообещающим. Достижения в области вычислительной мощности и хранения информации облегчают обучение нейронных сетей на больших объемах данных.
Однако важно понимать, что хотя нейронные сети и другие формы искусственного интеллекта удивляют своей результативностью, они не заменят человеческий опыт и суждения. Скорее, их следует рассматривать как инструмент, помогающий медицинским работникам принимать правильные решения и оказывать более персонализированную помощь своим пациентам.
