Применение искусственного интеллекта в медицине уже сегодня позволяет серьезно повысить точность диагностики, облегчить жизнь пациентам. Ожидается, что ИИ станет незаменим при диагностике и уточнении заболеваний. Благодаря способности сопоставлять данные, собирать и синтезировать информацию, участие ИИ в диагностике должно помочь качественно улучшить статистику врачебных ошибок, повысить роль профилактики и предотвращения заболеваний.

По прогнозу исследовательской компании Research&Markets, мировой рынок искусственного интеллекта к 2020 году вырастет до 5,05 млрд. долларов. При этом наиболее быстрорастущим сегментом станет как раз здравоохранение. Согласно международным исследованиям, применение искусственного интеллекта в медицине способно увеличить прибыль компаний в отрасли здравоохранения.

В 2016 году доля европейского рынка ИИ была оценена в 270 млн. долларов при ожидаемом ежегодном росте более 35%. По оценкам BIS Research, к 2025 году общий рынок ИИ в здравоохранении достигнет 28 млрд. долларов при среднегодовом росте более 45,1%, а рынок ИИ для медицинской визуализации и диагностики — 2,5 млрд. долларов.

ИИ и проблема заболеваний сетчатки глаз

По данным Всемирной организации здравоохранения (World Health Organization), проблемы со зрением непосредственно касаются почти каждого двадцатого жителя планеты, и около 80% таких проблем можно было бы избежать с помощью превентивных мер. Например, очень важно обнаруживать заболевания сетчатки на ранней стадии, но у офтальмологов не хватает ресурсов для тщательного изучения и диагностики болезни. Искусственный интеллект может им в этом помочь и тем самым спасти зрение миллионов пациентов.

Осложнения от диабета (диабетическая ретинопатия) являются одной из ведущих причин проблем со зрением. Ожидается, что общее число людей, страдающих диабетом, в период между 2000 и 2030 годами удвоится, что значительно увеличит число случаев заболеваний глаз во всем мире.

Ранняя диагностика более чем наполовину уменьшает число случаев серьезной потери зрения. К сожалению, в обнаружении заболеваний сетчатки на ранних стадиях в процессе осмотров пациентов прогресс невелик. В странах, которые больше всего страдают от данных заболеваний, пациенты не проходят регулярных осмотров, а у офтальмологов довольно низкая точность правильного распознавания и диагностики заболевания сетчатки при индивидуальных углубленных осмотрах глаз. При этом, в отличие от других опасных для жизни болезней, которые сегодня у всех на слуху, заболевания сетчатки и ухудшение зрения остаются не столь заметными в глазах общественности. Поэтому проблему часто недооценивают.  

Под пристальным взглядом искусственного интеллекта

Искусственный интеллект (ИИ) потенциально может способствовать значительному снижению случаев заболеваний сетчатки, помогая офтальмологам более эффективно обнаруживать болезнь и дополняя человеческий опыт. В сотрудничестве с Lenovo в Барселонском суперкомпьютерном центре (Barcelona Supercomputing Center, BSC) решили исследовать, как ИИ может повысить точность процесса скрининга и потенциально обнаружить заболевание сетчатки раньше, чем это обычно происходит. Технология ИИ повышает вероятность раннего выявления заболевания, делая осмотр пациентов более доступным и быстрым в странах с недостаточно охваченным количеством населения. Причем пациенты могут самостоятельно пройти первичный осмотр в течение нескольких минут, используя свой смартфон со специальный приложением.

Будущее медицины — профилактика заболеваний. Поэтому важно повысить точность предварительной диагностики.

Кроме диабетической ретинопатии глазные болезни вызывают многие другие патологии, такие как глаукома, дегенерация желтого пятна, невус и эпиретинальная мембрана. Модели машинного обучения позволяют идентифицировать эти различные патологии намного легче, чем текущие методы скрининга. Дарио Гарсия-Гасулла, почетный научный сотрудник Барселонского суперкомпьютерного центра, с оптимизмом смотрит на возможности использования данной технологии: «Масштабирование, обучение и валидация моделей машинного обучения для исследования этих проблем зрения может быть сложным процессом. Но потенциал огромен, поскольку те же подходы можно применять в других областях медицины и во многих промышленных приложениях».

Обучение модели и преодоление проблем нехватки данных

Проблема с обучением модели ИИ для выявления некоторых заболеваний сетчатки заключается в отсутствии «чистых» данных, доступных для обучения нейронной сети. Для патологий с ограниченной доступностью набора данных (например, менее 5000 изображений) надежное глубокое обучение нейронной сети «с нуля» может оказаться невозможным. В этом случае можно воспользоваться «передачей обучения».

Автоматизация даст врачу дополнительное время, которое тот сможет использовать на изучение болезни пациента и установление максимально точного диагноза. По мнению специалистов из Гарвардской медицинской школы, использование-технологий ИИ позволят снизить уровень ошибок при диагностике на 85%.

Передача обучения основывается на моделях, подготовленных для задач с более крупными наборами данных, которые затем повторно используются для решения других задач с небольшой доступностью данных. Иногда ее применяют для выделения признаков (экстрактор). В результате передача обучения может также сократить время обучения (до минут), сэкономить часы исследований и, в конечном счете, — затраты, связанные с разработкой решения.

Точность выявления различных патологий сетчатки с помощью ИИ составляет 75–91%.

Новая технология ИИ

На Международной суперкомпьютерной конференции (ISC) во Франкфурте Lenovo и BSC покажут приложение, демонстрирующее, как работает передача обучения. Оно создано в инновационном центре Lenovo AI в Моррисвилле, шт. Северная Каролина (США). Приложение позволит посетителям через интуитивно понятный интерфейс самостоятельно построить и обучить модель и тем самым сыграть активную роль в улучшении скрининга заболеваний сетчатки.   Гарсия-Гасулла объясняет: «Цель демонстрации — показать, насколько легко использовать предварительно обученные глубокие нейронные сети как экстракторы признаков, которые становятся основой для других, более простых и быстрых моделей (в данном случае SVM). За 10 минут каждый участник сможет сам спроектировать, обучить и проверить эффективность модели машинного обучения для выявления патологии сетчатки. Модели участников конференции, работающие с одной и той же патологией, будут сравниваться и оцениваться, чтобы найти и наградить лучшую модель, разработанную во время данного форума».

LiCO ускоряет обучение моделей искусственного интеллекта и традиционное развертывание систем высокопроизводительных вычислений, предоставляя интуитивно понятный пользовательский интерфейс для управления программным и аппаратным стеком.

«Умные» медицинские продукты, сервисы и процессы уже разрабатывают более 800 компаний, включая ведущих вендоров. Для подобных исследований Lenovo создает собственные решения ИИ, включая недавно выпущенную платформу Lenovo Intelligent Computing Orchestration (LiCO) 5.1 Platform и референсные архитектуры Lenovo AI Validated Design для разработки моделей на архитектуре Intel Xeon Scalable и NVIDIA Tesla.

Компоненты обучения модели. Стек программного обеспечения ИИ быстро развивается, новые и обновленные фреймворки появляются почти ежемесячно. Выбор среди многочисленных вариантов с открытым исходным кодом может занять много времени. Референсная архитектура Lenovo протестирована и настроена на базе платформы Lenovo ThinkSystem.

ИИ в медицине: будущее наступило

Применение искусственного интеллекта в медицине способно революционизировать отрасль здравоохранения за счет развития таких областей, как персонализированная медицина, диагностика, разработка новых лекарственных препаратов, робот-ассистированная хирургия, телемониторинг хронических заболеваний, дистанционная помощь пациентам, поддержка принятия правильных медицинских решений, выявление медицинских ошибок.

Агентство Frost & Sullivan отмечает, что технологии искусственного интеллекта повышают точность постановки диагнозов на 30–40%, при этом стоимость медобслуживания снижается наполовину. Компания McKinsey показала, что в медицине можно автоматизировать 36% функций, прежде всего на уровнях сбора и анализа данных.

Разработки в этом направлении активно ведутся и за рубежом, и в России, например, один из российских проектов представляет собой систему по диагностике заболеваний, которая включает распознавание патологий при помощи медицинских цифровых изображений, получаемых по результатам рентгенографии легких, маммографии, компьютерной томографии и УЗИ. Проект представляет собой приложение, которое можно использовать на рабочем компьютере или смартфоне пользователя. Оно работает на основе нейронной сети, обученной распознавать патологии в медицинских изображениях. Первый этап проекта – анализатор патологических клеток крови и распознавание патологий глазного дна. В дальнейшем он охватит такие направления, как рентгенография легких, маммография, компьютерная томография, мобильное УЗИ.

И новые проекты появляются практически каждый год. Многие разработки доступны уже сейчас. Так, например, в России запущена информационно‑аналитическая система «СoBrain-Аналитика» для постановки диагнозов и формирования персональной терапии для пациентов с заболеваниями мозга. Искусственный интеллект в медицине — будущее, которое уже наступило.