Штучний інтелект в медицині: тренди та можливості

[Про автора: Наталія Сіромаха , директор з інжинірингу GlobalLogic . Має у своєму портфоліо широкий спектр проектів від healthcare до security в Україні, США, Канаді. Лідер інноваційної лабораторії BrainMade в GlobalLogic. Займається розвитком бізнесу в харківському офісі компанії, де вже більше 4 років очолює медичні проекти і управляє розподіленим командами]

Ця стаття підготовлена на основі доповіді Наталії Сіромахи на Outsource People Kyiv 2017 .

Індустрія охорони здоров'я — одна з найбільш швидкозростаючих у світі. Вчені прогнозують, що до 2030 року персоналізована медицина з використанням augmented artificial intelligence системи вже стане реальністю, а ще через 5 років з'являться перші лікарні без лікарів. Про те, які формують тренди цю сферу сьогодні, специфіку роботи з даними в медицині і про таймлайні використання AI в майбутньому, ви можете прочитати у моїй статті.

Тренди в світовій медицині

Сьогодні в медичній індустрії сформувався ряд тенденцій, які впливають не тільки на роботу великих корпорацій, страхових компаній і клінік, але і на життя кожного з нас. Працюючи над медичними проектами у IT-компанії, ми уважно відстежуємо всі зміни в медицині. Це допомагає нам створювати найбільш ефективні рішення, які дозволять поліпшити якість життя людей.

Один з ключових трендів медицини — постійне зростання витрат на лікування пацієнтів. Цьому є кілька причин:

зростання вартості ліків, обладнання;
збільшення вартості медичних послуг;
зміна кількості та інтенсивності використання послуг (з-за того, що надто пізно виявлено захворювання чи неправильно визначено лікування, необхідно більше візитів до лікаря і більше додаткових обстежень).

Інвестиційні компанії та компанії медичної індустрії зацікавлені в тому, щоб знижувати вартість лікування і послуг. Яким чином це здійснюється?

По-перше, впровадження індивідуального підходу до лікування. Це можливість поліпшити якість лікування, використовуючи декілька методів:

відслідковувати стан пацієнта, збирати дані про нього;
робити віддалене обстеження з допомогою девайсів, які передають стан пацієнта;
можливість створити індивідуальний план лікування кожного пацієнта;
рання діагностика.

По-друге, більш широке впровадження generic ліків. Рання діагностика дозволяє використовувати загальнодоступні, недорогі ліки в протоколах лікування, а не специфічні і дорогі. З іншого боку, фармацевтичні компанії проводять комплексні клінічні дослідження для виведення нових медикаментів на ринок. Процедура досліджень многоэтапна, займає декілька років і вимагає значних інвестицій. Таким чином, generic ліки стануть рішенням, яке допоможе скоротити витрати компаній на виведення нових вузькоспеціалізованих ліків на ринок.

Також важливий напрямок — використання допоміжного персоналудля консультацій пацієнтів. Таким чином економиться час лікарів. Медсестер залучають для первинної оцінки стану пацієнта, виявлення аномалій в результатах діагностики. Більш того, опрацювання схем та алгоритмів лікування, створення анкет-опитувальників дозволяє допомогти немедицинскому персоналу визначити стан пацієнта та прийняти рішення, чи потрібна йому консультація лікаря чи ні. Ці алгоритми дозволяють впроваджувати ботів для обробки первинних запитів від пацієнтів.

Можливості та застосування AI в медицині

Системи artificial intelligence вже сьогодні проходять випробувальні застосування, а в деяких західних країнах навіть успішно використовуються.

Згідно з дослідженням Anand Rao «A Strategist's Guide to Artificial Intelligence» , допоміжні системи (assisted systems) стануть комерційно доступні та будуть активно використовуватися до 2020 року. Так, системи image classification допомагають лікареві проводити якісну діагностику з мінімальними витратами часу. Зараз класифікацію медичних зображень і опис знімків роблять рентгенологи, УЗД-фахівці та ін. Аналіз знімків вже може бути здійснено з використанням штучного інтелекту автоматично .

З допомогою штучного інтелекту визначаються пацієнти групи ризику. Цим пацієнтам доктор приділяє увагу в першу чергу. Таким чином, значно економиться час і мінімізується можливість помилки лікарів. Наприклад, є програми для виявлення меланоми .

Регулярно людство стикається з епідеміями. Багато чули про Ебола, малярію та інші спалахи захворювань, які передаються комахами, так і через воду. Система штучного інтелекту, що дозволяє контролювати і передбачати епідемії, перебуває у статусі клінічних досліджень, але вже використовувалася і працює в Африці .

Збір інформації відбувається за допомогою дронов. Вони фактично виловлюють комарів, аналізують їх ДНК і дають прогноз: де і коли буде наступна епідемія, — після чого відбувається обробка території ризику. Такі системи дозволяють запобігти неконтрольовані спалахи епідемій.

Подальший розвиток штучного інтелекту призведе до використання augmented artificial intelligence систем. Ці системи відкривають нам нові можливості. Наприклад, з високою швидкістю класифікувати знімки МРТ без втручання людини. Також створити персоніфіковане ліки і ефективне лікування на основі конкретних даних пацієнта — аналізів і реакції на хімічні речовини. За прогнозами, така послуга буде доступна для масового використання до 2030 року.

До 2035 року очікується поява лікарень без лікарів. Це приклад автономного штучного інтелекту, коли система сама приймає рішення. Так, звичайно, доктора будуть все ще потрібні, але для якихось простих кейсів будуть доступні вищеописані можливості AI.

Специфіка роботи з даними в медицині

В медичній сфері усі дані захищені: інформація про кожного пацієнта секретна і захищається законом та директивами HIPAA, GDPR. Клініки, дослідні інститути та компанії не мають права їх поширювати, передавати третім особам. Відповідно, є певні складнощі, з якими ми стикаємося в роботі з медичними гігантами.

C точки зору HIPAA, GDPR та захисту персональних даних ми повинні забезпечувати захист від витоку інформації наших клієнтів з медичної індустрії. Дотримання вимог цих протоколів — невід'ємна частина наших медичних проектів.

Для того, щоб опрацьовувати якісь моделі, не в рамках комерційних проектів, ми використовуємо публічні деперсоніфіковані бази даних. Існують системи та асоціації, які дозволяють використовувати ці дані. Наприклад, асоціація по лікуванню раку. Ми можемо використовувати їх відкриту базу даних з вже деперсонифицированной інформацією для створення прототипів і моделей систем.

Крім того, у нас в компанії є фахівці, які відслідковують, як ми працюємо з даними, що забезпечують їх захист. Також у нас налагоджений процес деперсонификации даних. Є окремі фахівці з цього напрямку, які обробляють бази для подальшого створення систем штучного інтелекту.

Приклади використання AI в проектах

Коли людина хвора на діабет, у нього досить великий ризик осліпнути. Це захворювання називається ретинопатія. У нас було 11 367 знімків ретини очі людини. Грунтуючись на цих даних, ми створили систему, яка дозволяє визначати ймовірність цього захворювання, стадію, а також діагностувати його на ранньому етапі. На даний момент точність становить 60%. Це не ідеальний показник, але він отриманий на базі публічних даних. Така система — приклад assisted system. Вона допомагає лікарю класифікувати хворих за ризиком захворювання, і він приймає остаточне рішення.

Ми використовували Google TensorFlow. Система працює на основі Convolutional Neutral Network, OpenCV, мови — Python, JavaScript.

Наступна наша система — визначення меланоми і класифікація хвороб шкіри. Ми теж використовували Google TensorFlow. Вона допомагає лікарю прийняти рішення про лікування пацієнта завдяки автоматичного сортування цих зображень без участі людини. Спочатку ми використовували тестові дані, на яких система вчилася приймати рішення. Тепер, після завантаження знімка пацієнта, вона видає інформацію і показник вірогідності виникнення захворювання.

Технології, які були використані в цьому випадку: Convolutional Neutral Network, OpenCV і Pre-trained модель ResNet. Pre-trained модель дозволила нам прискорити процес навчання і вийти на показник у 75-80% точності. Для цього в базі має бути не менше 10-15 тис. зображень. Чим більше зображення, тим більш правильна модель. Кожна модель відпрацьовується і навчається в декілька циклів. Вона вибудовується, потім завантажується новий сет даних, її навчають і коригують.

Підсумки

Розвиток сучасної медицини неможливо уявити без впровадження IT-технологій. Цифрова трансформація поступово захоплює все індустрії світу, допомагаючи вирішувати проблеми, які стоять на шляху їх розвитку. Поточні тенденції в сфері охорони здоров'я призвели до збільшення попиту і, відповідно, інвестицій у розвиток рішень з використанням штучного інтелекту і Data Science.

Персональні дані пацієнтів, які необхідні для роботи IT-компаній, є конфіденційною інформацією і регулюються такими нормативно-правовими актами, як HIPPA і GDPR. Дотримуючись вимог міжнародних директив, IT-компанії використовують виключно деперсоніфіковані дані і процес роботи з ними суворо контролюється.

В цілому робота над проектами в медицині досить складна, адже крім навичок розробника, необхідно мати знання в медицині та суміжних науках. Тому безперервне навчання — ключовий навик для члена команди розробників у проектах медичної сфери.

Опубліковано: 01/12/17 @ 08:12
Розділ Різне

SEO Блог