Соңғы зерттеулер маңызды ауруларды медициналық диагностикалауда жасанды интеллект жүйелерінің мүмкіндігін көрсетті
Жасанды интеллект (AI) жүйелері біраз уақыттан бері болды және қазір уақыт өте ақылды және жақсырақ болып келеді. AI қолданбалары көп аумақтар болып табылады және қазір көптеген өрістердің ажырамас бөлігі болып табылады. AI маңызды және пайдалы құрамдас бөлігі болуы мүмкін медициналық ғылым мен зерттеулер, өйткені оның денсаулық сақтау саласына әсер ету мүмкіндігі зор.
Медициналық диагностикадағы жасанды интеллект?
Уақыт денсаулық сақтаудағы ең құнды ресурс және аурудың соңғы нәтижесі үшін ерте дұрыс диагноз өте маңызды. Денсаулық сақтау көбінесе ұзақ және уақыт пен ресурстарды қажет ететін процесс болып табылады, бұл тиімді диагнозды кешіктіреді және өз кезегінде дұрыс емдеуді кешіктіреді. AI науқастарды диагностикалауда жылдамдық пен дәлдікті қосу арқылы дәрігерлердің қол жетімділік пен уақытты басқару арасындағы алшақтықты толтыруға көмектесе алады. Бұл әсіресе табысы төмен және орташа елдердегі денсаулық сақтау мамандары мен ресурстардың шектеулерін жеңуге көмектесуі мүмкін. AI - бұл оқу және ойлау процесі адамдар терең оқыту деп аталатын тұжырымдама арқылы. Терең оқыту шешім ағаштарын өздігінен жасау үшін үлгі деректердің кең жиынтығын пайдаланады. Осы терең білімнің арқасында AI жүйесі адамдар сияқты ойлай алады, егер жақсы болмаса, сондықтан AI медициналық тапсырмаларды орындауға жарамды деп есептелуі мүмкін. Пациенттерді диагностикалау кезінде AI жүйелері бірдей аурулары бар пациенттер арасындағы үлгілерді іздеуді жалғастырады. Уақыт өте келе бұл үлгілер ауруларды олар көрінбей тұрып болжау үшін негіз құра алады.
Жақында болған зерттеуде1 жарияланған клетка, зерттеушілер пайдаланған жасанды диагностика мен емдеуді тездететін жиі кездесетін, бірақ соқыр көз торының аурулары бар науқастарды скрининг үшін жаңа есептеу құралын әзірлеу үшін интеллект және машиналық оқыту әдістері. Зерттеушілер жасанды интеллект негізіндегі нейрондық желіні тіндердің 200,000D және 2D кескіндерін жасау үшін тордан жарық түсіретін инвазивті емес технологиямен жүргізілген 3 XNUMX-нан астам көзді сканерлеуді қарастыру үшін пайдаланды. Содан кейін олар бір мәселені шешуде алынған білім компьютерде сақталатын және әртүрлі, бірақ бір-бірімен байланысты мәселелерге қолданылатын «оқытуды тасымалдау» деп аталатын әдісті қолданды. Мысалы, көздің торлы қабық, қасаң қабық немесе көру нерві сияқты дискретті анатомиялық құрылымдарын тану үшін оңтайландырылған AI нейрондық желі тұтас көздің кескіндерін зерттеген кезде оларды тезірек және тиімдірек анықтап, бағалай алады. Бұл процесс AI жүйесіне үлкен деректер жиынтығын қажет ететін дәстүрлі әдістерге қарағанда әлдеқайда аз деректер жиынтығымен біртіндеп үйренуге мүмкіндік береді, бұл оларды қымбат және уақытты қажет етеді.
Зерттеу ерте анықталған кезде емделетін қайтымсыз соқырлықтың екі жалпы себебіне назар аударды. Машинадан алынған диагноздар бірдей сканерлеуді қарастырған бес офтальмологтың диагноздарымен салыстырылды. Медициналық диагноз қоюдан басқа, AI платформасы сондай-ақ бұрын ешбір зерттеуде жасалмаған жолдама және емдеу бойынша ұсыныс жасады. Бұл оқытылған AI жүйесі жақсы дайындалған офтальмолог сияқты әрекет етті және 30 пайыздан астам дәлдікпен пациентті емдеуге жіберу керек пе, жоқ па деген шешімді 95 секунд ішінде жасай алады. Олар сондай-ақ AI құралын кеуде қуысының рентгенографиясының машиналық талдауларына негізделген балалардағы (5 жасқа дейінгі) дүние жүзінде өлімнің басты себебі болып табылатын балалар пневмониясын диагностикалауда сынады. Бір қызығы, компьютерлік бағдарлама вирустық және вирусты ажырата алды бактериялық пневмония 90 пайыздан астам дәлдікпен. Бұл өте маңызды, өйткені вирустық пневмония ағзадан табиғи түрде жойылғанымен, екінші жағынан, бактериялық пневмония денсаулыққа айтарлықтай қауіп төндіреді және антибиотиктермен дереу емдеуді қажет етеді.
Тағы бір үлкен секірісте2 медициналық диагностикаға арналған жасанды интеллект жүйелерінде ғалымдар адамның тор қабығынан түсірілген фотосуреттерді жүрек ауруын көрсететін сигналдарды анықтау арқылы жүрек-қан тамырларының жүрек қаупін болжау үшін машиналық оқыту алгоритмдері немесе бағдарламалық қамтамасыз ету арқылы талдауға болатынын анықтады. Фотосуреттерде түсірілген көздегі қан тамырларының күйі жасты, жынысты, ұлтты, қан қысымын, бұрын болған кез келген инфаркт пен темекі шегу әдеттерін дәл болжау үшін көрсетілді және осы факторлардың барлығы жеке адамдағы жүрекке байланысты ауруларды біріктіреді.
Көз ақпараттық блок ретінде
Денсаулықты диагностикалау үшін көздің фотосуреттерін қарау идеясы біраз уақыттан бері болды. Адам көзінің артқы ішкі қабырғасында дененің жалпы денсаулығын көрсететін көптеген қан тамырлары бар екені белгілі. Бұл қан тамырларының сыртқы түрін камера және микроскоп арқылы зерттеп, талдау арқылы адамның қан қысымы, жасы, темекі шегетін немесе тартпайтындығы және т.б. туралы көптеген ақпаратты болжауға болады және мұның бәрі адамның жүрегінің денсаулығының маңызды көрсеткіштері болып табылады. . Жүрек-қантамыр аурулары (ЖҚА) дүние жүзінде өлім-жітімнің бірінші себебі болып табылады және кез келген басқа аурумен немесе жағдаймен салыстырғанда ЖҚА-дан көп адам өледі. Бұл табысы төмен және орташа елдерде жиі кездеседі және экономика мен адамзатқа үлкен салмақ түсіреді. Жүрек-қан тамырларының қаупі гендер, жас, этникалық, жыныс сияқты көптеген факторларға, жаттығулар мен диетаға байланысты. Жүрек-қан тамырлары ауруларының көпшілігін темекіні пайдалану, семіздік, физикалық белсенділік және дұрыс емес диета сияқты мінез-құлық тәуекелдерін шешу арқылы ықтимал қауіптерді жою үшін өмір салтын өзгерту арқылы алдын алуға болады.
Тор қабықшасының суреттерін пайдаланып денсаулықты диагностикалау
Google және оның Verily Life Sciences денсаулық сақтау технологиясы компаниясының зерттеушілері жүргізген бұл зерттеу жасанды интеллект алгоритмі шамамен 280,000 12000 пациенттің тор қабығы фотосуреттерінің үлкен деректер жинағында қолданылғанын және бұл алгоритм жүректің қауіп факторларын екі жағдайда сәтті болжай алатынын көрсетті. жеткілікті жақсы дәлдікпен шамамен 1000 және 70 пациенттің тәуелсіз деректер жиыны. Алгоритм сурет пен инфаркт қаупі арасындағы байланысты анықтау үшін көз торының бүкіл фотосуретін пайдаланды. Бұл алгоритм науқаста уақыттың 71 пайызында жүрек-қан тамырлары оқиғасын болжай алады, ал шын мәнінде шылым шегетіндер мен шылым шекпейтіндер де осы сынақта уақыттың XNUMX пайызында ерекшеленді. Алгоритм сонымен қатар жүрек жағдайын көрсететін жоғары қан қысымын болжай алады және қан қысымы жоғары немесе онсыз пациенттердің көпшілігінің диапазонында систолалық қан қысымын - жүрек соғу кезіндегі тамырлардағы қысымды болжауы мүмкін. Бұл болжамның дәлдігі, авторлардың айтуы бойынша, науқастың тарихымен параллельді түрде холестерин деңгейін өлшеу үшін пациенттен қан алынатын зертханадағы жүрек-қан тамырлары тексеруіне өте ұқсас. Бұл зерттеуде жарияланған алгоритм Табиғат биомедициналық инженерия, ең алдымен, жүрек-қантамыр ауруларының, мысалы, инфаркттың пайда болуын болжауы мүмкін.
Бұл зерттеулердің өте қызықты және маңызды аспектісі компьютердің диагнозға жету үшін кескіннің қай жерде қарап тұрғанын айта алады, бұл болжау процесін түсінуге мүмкіндік береді. Мысалы, Google зерттеуі болжау алгоритміне «тор қабықтың қай бөліктері» үлес қосқанын, басқаша айтқанда, алгоритмнің болжамды қалай жасағанын дәл көрсетті. Бұл түсіну осы нақты жағдайда машиналық оқыту әдісін түсіну үшін ғана емес, сонымен қатар оны мөлдір ету арқылы осы бүкіл әдіснамаға сенімділік пен сенім қалыптастыру үшін маңызды.
шақырулар
Мұндай медициналық кескіндер өз қиындықтарымен бірге келеді, өйткені мұндай суреттерге негізделген ассоциацияларды бақылау және олардың санын анықтау негізінен осы кескіндердегі бірнеше мүмкіндіктерге, түстерге, құндылықтарға, пішіндерге және т.б. Бұл зерттеу адам анатомиясындағы өзгерістер (дененің ішкі морфологиясы) мен ауру арасындағы байланыстарды, ассоциацияларды және қарым-қатынастарды анықтау үшін терең оқытуды пайдаланады, сол сияқты медицина қызметкері пациенттердің белгілерін аурумен салыстырған кезде жасайды. . Бұл алгоритмдер клиникалық жағдайда пайдаланбас бұрын қосымша сынақтарды қажет етеді.
Талқылаулар мен қиындықтарға қарамастан, AI адам сарапшылары үшін қиын деректердің үлкен көлемін қамтитын талдаулар мен жіктеулер жасау арқылы ауруды диагностикалау мен басқаруды түбегейлі өзгерту үшін үлкен әлеуетке ие. Ол суретке негізделген жылдам, үнемді, инвазивті емес балама диагностикалық құралдарды ұсынады. Жасанды интеллект жүйелерінің табысты болуының маңызды факторлары жоғары есептеу қуаты мен адамдардың тәжірибесінің жоғары болуы еді. Ықтимал болашақта жаңа медициналық түсініктер мен диагноздарға AI көмегімен адамның басшылығынсыз немесе бақылаусыз қол жеткізуге болады.
***
Дерек көздері
1. Kermany DS et al. 2018. Бейнеге негізделген терең оқыту арқылы медициналық диагностикалар мен емделетін ауруларды анықтау. Ұяшық. 172(5). https://doi.org/10.1016/j.cell.2018.02.010
2. Поплин Р және т.б. 2018. Терең оқыту арқылы көз торының түбінің фотосуреттерінен жүрек-қан тамырлары қауіп факторларын болжау. Табиғат биомедициналық инженерия. 2. https://doi.org/10.1038/s41551-018-0195-0
***
