Сообщить об ошибке на сайте
URL
Ошибка
Тренды

Ведущий исследователь Philips в области искусственного интеллекта и науки о данных Ричард Вдовьяк рассказал «Хайтеку» на Startup Village 2018 о том, как его разработки трансформируют медицину: диагноз будут ставить компьютеры, а в больничной карточке кроме записей о болезнях появятся данные о здоровье человека, поступающие со смартфонов и вживленных чипов

ИИ даст врачам сверхспособности

— Ричард, вы исследуете искусственный интеллект и внедряете свои разработки в медицину, как они помогут здравоохранению или уже помогают?

— ИИ — это не что-то новое, технологии уже более 20 лет. Постепенно она становилась все совершенной, и все более популярной. Мощности компьютеров стремительно увеличиваются, становятся все более совершенными облачные технологии, информация все более доступна.

Мы рассматриваем ИИ не как конечное решение и не как способ ответить на все вопросы сразу. Это инструмент, который помогает врачу решать конкретные задачи. Например, ИИ для улучшения анализа медицинских снимков. Вся ранняя диагностика опирается на понимание и анализ таких данных — компьютерной томографии, МРТ, рентгена. Все они сейчас интерпретируются людьми, но ИИ постепенно все лучше понимает: какая информация содержится на снимках, о чем каждый из них говорит, какую патологию по ним можно выявить. И это помогает существенно ускорить весь процесс диагностики.

Вокруг ИИ много разговоров о том, что из-за технологии кто-то потеряет работу, но речь совсем о другом. Сегодня это то, что может дать сверхспособности врачам-диагностам — возможность работать намного быстрее, точнее, обрабатывать больше информации.

— Можете привести примеры подобного использования ИИ в медицине?

— Мы запустили сервис ранней диагностики туберкулеза. Во многих странах распознавание этого заболевания — острый вопрос. В некоторых есть национальные программы диагностики туберкулеза — обязательная и регулярная флюорография (например, в России — «Хайтек»). Мы разработали систему на основе ИИ, которая считывает снимки и делает выводы о том, есть ли у человека это заболевание или нет. Результаты распознавания соответствуют уровню, на котором работают реальные врачи.

— Как именно работает эта система?

— Есть много информации, которая говорит о состоянии пациента: история болезни, анализы крови, тесты и прочее. Но в случае с туберкулезом, важен именно снимок. И по нему же можно заподозрить диагноз «рак легких» или «рак груди» и отправить пациента на дальнейшее обследование.

Работу по интерпретации снимков можно оптимизировать, и существенно разгрузить врачей-рентгенологов. С помощью моделей интерпретации система анализирует соотношение пикселей на снимке. Затем сравнивает его с большим количеством примеров из базы данных и делает вывод о наличии заболевания.

Представьте, если в стране идет программа, по которой все женщины определенного возраста должны делать компьютерную томографию для обследования на рак груди. Это сотни тысяч снимков. И здесь ИИ может здорово помочь. Он сделает эту работу максимально эффективно и быстро.

Такие возможности — это не все, на что способен ИИ. Чем совершеннее будет эта технология, тем больше разной информации она обработает. А дальше развитие пойдет от диагностики отдельных пациентов к работе с населением целых стран. Эта система определяет тренд в состоянии здоровья больших групп людей и эффективно работает с ними.

— И какие, например, тренды могут улавливать подобные системы?

— Использование для ранней диагностики — это только один из примеров. Другой случай применения ИИ в медицине, — случайное обнаружение заболеваний (incidental finding — «Хайтек»). Человек идет в больницу из-за какого-то основного заболевания — рака, туберкулеза или чего-то еще. В процессе обследования он делает ряд анализов. Случайное обнаружение — это диагностирование заболевания, о котором пациент не подозревал и не искал его целенаправленно. И очень важно, чтобы оно происходило как можно раньше. Это позволяет провести лечение максимально успешно. Когда такой подход эффективно работает в масштабах целой популяции, как раз тогда и видны тренды в здоровье нации.


Вооруженные силы США уже отслеживают состояние здоровья солдат в режиме 24/7. Пока еще в рамках пилотного проекта военнослужащим вживляют мониторы, которые следят за ключевыми показателями их здоровья: артериальное давление, инсулин, качество сна и питания. В будущем военные медики планируют проводить удаленные операции во время боевых действий с помощью роботов.

Выживаемость американских солдат, согласно статистике по итогам Афганской кампании, составляет 94%. Но в абсолютных значениях — это около 7 тыс убитых и 50 тыс раненых. Четверть смертей приходилось на чрезмерное кровотечение, но существуют технологии, справляющиеся с этой проблемой.

Благодаря вживленным мониторам уже в первый час после получения ранения — в самый важный временной период для жизни солдата — информацию о его состоянии получит врач, который окажет помощь или инициирует спасение бойца


Без «умных» решений система здравоохранения не сможет работать

— То есть проверить человека на все болезни с помощью ИИ реально?

— Обычно рентгенологи считывают снимок довольно узко, в свете того, с чем пришел человек. Поэтому иногда побочное заболевание удается обнаружить, а чаще — нет. Большую роль здесь играет человеческий фактор. А машина, умеющая обнаруживать рак легких, найдет его даже на снимке с переломом ребра. И наша задача — заложить в систему все заболевания, которые мы так или иначе распознаем. Тогда, загрузив результаты анализов в компьютер, мы проверим человека сразу на все.

— Как системе удается распознать то или иное заболевание?

— Основные инструменты интерпретации — глубинное обучение и нейронные сети. Подход заключается в том, что есть огромное количество прокомментированной информации. Есть множество самых разных примеров снимков, про которые достоверно известно, есть ли на них признаки туберкулеза или нет. Например, каждый снимок просмотрели один или несколько врачей-рентгенологов и сделали свое заключение. Такое множество называется обучающим датасетом. Затем, нейронной сети по очереди предъявляются пары «снимок — правильный ответ», и сеть учится их различать. Это называется «обучение с учителем» (supervised learning, один из видов машинного обучения — «Хайтек»). Обученная сеть может применяться для диагностики новых снимков, которые не были размечены врачом.

— И насколько ИИ станет значимой составляющей медицины в будущем?

— Думаю, ИИ в корне поменяет весь подход к медицинскому обслуживанию, поможет масштабировать всю систему здравоохранения.

Сегодня в развитых странах есть два важных и противоречивых тренда. Первый — население стремительно стареет и, соответственно, больше болеет. Второй вытекает из первого: становится все меньше людей, чьи налоговые отчисления идут на систему здравоохранения, потому что процент трудоспособного населения снижается. Постепенно образуется разрыв между тем, сколько в стране есть докторов и денег на обеспечение системы здравоохранения, и тем, сколько людей нуждаются в медицинских услугах.

Ричард Вдовьяк

Без «умных» решений система здравоохранения в ближайшем будущем просто не сможет полноценно работать. ИИ — один из самых многообещающих факторов развития медицины. Не нужно добавлять больше людей, нужно увеличивать эффективность автоматизированной диагностики.

И это только один из возможных эффектов от внедрения ИИ. В технологию также инвестируют фармацевтические компании и разрабатывают с ее помощью новые лекарства и способы лечения. Еще одна важная задача — координация лечения. Чем старше мы становимся, тем чаще у нас проявляются сразу несколько заболеваний одновременно — диабет, рак, инфаркт и т.д. И лечение каждого из этих заболеваний влияет друг на друга. Химиотерапия токсична для сердца, а некоторые кардиостимуляторы вредны для диабетиков. Все эти болезни лечатся комплексно. ИИ играет решающую роль в распознавании таких конфликтов. Например, лечение пациента идет намного хуже, чем ожидалось. В чем причина? И система выдает информацию: два препарата конфликтуют между собой, и система предлагает решение. За счет этого управление процессом лечения становится намного эффективнее.

Информацию о здоровье человека будут собирать круглосуточно

— Как вы в Philips работаете в этом направлении?

— У Philips сильный бэкграунд в производстве оборудования для создания медицинских снимков. Одно из важных направлений наших исследований — улучшение анализа медицинских снимков с помощью ИИ. В дальнейшем мы двинемся в сторону организации и управления массового лечения населения и координации лечения. Мы разрабатываем ряд продуктов, помогающих проводить продолжительное лечение для всего спектра заболеваний и с учетом предыдущей истории болезни. Один из таких продуктов — платформа, которая создана для масштабирования использования ИИ. Это открытая экосистема, и Philips с ее помощью активно сотрудничает с третьими сторонами.

— В чем цель создания этой платформы?

— С ней взаимодействуют ученые и разрабатывают с ее помощью различные модели для обмена данными. Какие именно это будут модели, как они масштабируются, и как они будут использоваться — покажет время. На ее основе мы создадим отдельные веб-сервисы и приложения. Но первую линию использования таких платформ я вижу в профессиональном здравоохранении — в больницах, поликлиниках, в кабинетах частных терапевтов. В будущем все они станут частью одной информационной сетью.

— И какая стадия развития вашей платформы сейчас?

— Мы частично запустили платформу в марте этого года. Она предназначена для развития взаимодействия в области ИИ между учеными, связанными с медициной, для создания новых сервисов, обмена опытом, поиска партнеров для совместной разработки моделей применения ИИ и проч. Со временем она, само собой, будет развиваться и масштабироваться.


Ежегодно в мире, согласно статистике ВОЗ, происходит 6 млн инсультов. На Россию приходится 450 тыс случаев. Самым трудным в лечении этого заболевания является реабилитация. В помощь пациентам ученые разработали гибкие устройства Shirley Ryan AbilityLab. Они делают круглосуточный мониторинг здоровья удобным. Никаких проводов, опоясывающих тело, зависимости от местоположения пациента. Гибкие и растягивающиеся устройства крепятся на коже горла. Они измеряют способность глотания, а также контролируют речевые схемы для лечения нарушения речи (афазии — «Хайтек»).

Мобильный оператор Vodafone и швейцарская компания Medisante успешно выпустили разработку на IoT-платформе. Умный гаджет для измерения артериального давления, уровня глюкозы в режиме реального времени передает показатели с помощью SIM-карты лечащим врачам и самим пациентам.


— А какие, на ваш взгляд, наиболее влиятельные факторы диджитализации медицины кроме ИИ?

— Думаю, в ближайшее время важнейшим фактором развития медицины станет то, что диагностировать заболевания будут не только врачи, но и сами пациенты. Огромную роль здесь сыграют гаджеты и мобильные приложения.

Представьте, если информация о ритме сердца человека, его давлении, продолжительности сна и его фазах, уровне активности и многом другом будет фиксироваться постоянно и привязываться к карточке пациента. И центральный момент здесь даже не в устройствах — чипах в теле, например. А опять же, в том как мы обрабатываем информацию.

Доступ к показателям здоровья человека даст огромное количество данных для работы систем ИИ. А если анализировать такую информацию в масштабах миллионов человек, то можно увидеть многие взаимосвязи: почему в какой-то местности более распространены определенные заболевания. Такое соединение обработки информации и устройств для ее сбора окажет наибольшее влияние на развитие медицины в ближайшее время. Развитие технологий сейчас находится на более высоком уровне, чем уровень обработки и структурирования собираемой информации, и это именно то, что должно измениться в ближайшее время

Загрузка...
Подписывайтесь на наши каналы в Telegram

«Хайтек» - новости онлайн по мере их появления

«Хайтек» Daily - подборки новостей 3 раза в день

Читайте также
    Big data на страже здоровья: как и зачем медицинские организации собирают и хранят данные
    Тренды
    Николь Миллс, Booking.com — об инновациях, agile-подходе и индустрии впечатлений
    Кейсы
    Слишком опасный нанопластик: как одноразовые пакеты превращаются в частицы-убийцы
    Тренды
    Здесь может быть ваша реклама: НАСА планирует заработать на космосе миллионы
    Тренды
    Идеи
    Человек и квантовая теория: существует ли то, что мы не наблюдаем
    Опасный криптотрейдинг: как киберпреступники угрожают виртуальным сбережениям и биржам
    Тренды
    Как через 20 лет будет выглядеть армия будущего
    Тренды
    5 финансовых инструментов, которые помогут инвесторам даже после падения криптовалюты
    Тренды
    Александр Лямин, Qrator Labs: наша задача — выработать у людей цифровую гигиену, чтобы они «не ели с помойки»
    Кейсы
    Эдуард Фош Вильяронга: люди видят в роботе только внешность, забывая, что он следит за ними
    Тренды
    Доктор Куэй Во-Райнард, HIT Foundation: если страна требует суверенитета данных, мы построим для нее отдельный блокчейн
    Кейсы
    Идеи
    «Хакинтош»: как собрать свой собственный Mac лучше, чем у Apple
    Роботы против мигрантов: какой вклад в ксенофобию и расизм делают технологии ИИ
    Тренды
    Война скриптов — искусственный интеллект против навязчивой рекламы
    Тренды
    Как заново изобрести супермаркет: осознанность потребления, этика производства и роботы
    Тренды
    Каждый человек станет сам себе банком: цифровой мир отказывается от посредников между бизнесом и клиентом
    Тренды
    Архитектор вычислительной инфраструктуры «Платона» Александр Варламов — о будущем ИТ-индустрии в России, стартапах и разработке
    Кейсы
    Дмитрий Богданов, капитан сборной России по CS:GO — о стиле жизни киберспортсмена, тренировках и блокировках РКН
    Тренды
    Идеи
    Космос — наш дом: что осталось решить ученым, чтобы поселить человека за пределами Земли
    Прайсинг, трекинг, скоринг, биллинг и другие технологии, которые двигают российский бизнес
    Тренды
    «Педиатр 24/7»: как телемед-стартап подарил родителям спокойствие, а врачам — работу
    Кейсы
    Вас снова обманули: как человечество учит компьютеры определять фейки в интернете
    Тренды
    БиСи Бирман, Heavy Projects: ИИ должен иметь несовершенства — это элемент случая
    Мнения
    Артем Геллер, lab.ag: делая сервис для государства, ты помогаешь своей бабушке
    Мнения
    Акселераторы и инкубаторы: что выбрать стартапу на раннем этапе развития
    Мнения
    Вопрос доверия: как и почему изменилось отношение к телемедицине в России
    Тренды
    Правительственные криптопесочницы: как освободить финтех от давления закона и защитить потребителей
    Тренды
    Кейсы
    Роман Нестер, Segmento: я верю корпорациям больше, чем маленьким компаниям
    Суперагенты в недвижимости: как блокчейн и большие данные заменяют риелторов
    Тренды
    СМИ будущего: вертикальные видео, новости по запросу и смерть сайтов
    Тренды
    Тренды
    Колонизация отменяется: почему терраформирование невозможно на Марсе
    Сет Стивенс-Давидовиц: у людей гораздо больше непристойных и скверных мыслей, чем мы думали
    Мнения
    Умные города подвергают своих жителей опасности из-за датчиков освещения и радиации
    Тренды
    Геронтолог Обри ди Грей: жизнь длиной в тысячу лет — это побочный эффект поиска вечного здоровья
    Мнения
    Биоценоз в фарме: зачем нужна альтернатива антибиотикам и как работают лекарства нового поколения
    Тренды
    Чарльз Адлер, co-founder Kickstarter: я — панк-рокер, который раздвигает границы
    Кейсы
    Как ИИ меняет медицину: личный помощник для врачей, маршрутизатор в клиниках и разработчик лекарств
    Кейсы
    Эдвин Диндер, Huawei Technologies: умный город — это ничто
    Мнения
    «Если изобретение с ИИ не приносит пользу, сам продукт никому не нужен»
    Мнения
    Feature engineering: шесть шагов для создания успешной модели машинного обучения
    Тренды
    Мнения
    Человек — это набор из пяти чисел: Игорь Волжанин, DataSine — о психотипировании с помощью big data
    Карло Ратти, Senseable City Laboratory (MIT) — о городах будущего, третьей коже человека и роболодках
    Тренды
    Мы все — сенсоры: CEO SQream Ами Галь — о том, как обрабатывают big data
    Кейсы
    Что такое скрапинг: как Amazon, Walmart и другие ритейлеры используют ботов в борьбе с конкурентами
    Идеи
    Почему китайские подлодки-беспилотники станут самым опасным врагом под водой?
    Идеи
    Филипп Роуд, LSE Cities: самый кошмарный сценарий — беспилотники, ездящие по городу, чтобы не платить за парковку
    Мнения
    Юрий Корженевский — о том, как построить безопасные системы для банков на блокчейне
    Блокчейн
    Иннополис
    Russian Robot Olympiad: как дети строят роботов и решают реальные инженерные проблемы
    MyGenetics: ДНК-тесты, помогающие «взломать» организм, как компьютер
    Тренды