Узнайте, как ИИ революционизирует отрасль здравоохранения, включая историю, недавние приложения и его роль в нынешнем кризисе COVID!

— Сушант Варанаси, исследователь компьютерного зрения @ Sally Robotics.(Первоначально опубликовано на https://medium.com 9 июля 2020 г. )

«Искусственный интеллект достигнет человеческого уровня примерно к 2029 году. Проследите это дальше, скажем, до 2045 года, мы умножим интеллект, человеческий биологический машинный интеллект нашей цивилизации в миллиард раз». ―Рэй Курцвейл

В эту эпоху технического прогресса искусственный интеллект получил признание в бесчисленном количестве областей. Я размышлял, насколько продвинулся ИИ в сфере здравоохранения, насколько мы далеки от того этапа, когда можно обратиться за медицинской консультацией к роботу-врачу или цифровому врачу. Это должно быть без каких-либо опасений или ситуации, когда компьютеры могут найти наилучшее лекарство от болезни, анализируя структуры ДНК или РНК видов, вызывающих болезнь.

Итак, давайте перейдем от истории медицинского искусственного интеллекта к современным темам исследований в этом секторе, заканчивая его ролью во время пандемии COVID-19.

История

Ранние исследователи ИИ в медицине (AIM) обнаружили применимость методов ИИ к наукам о жизни, что наиболее заметно в проекте Dendral конца 1960-х - начала 1970-х годов. Программное обеспечение Dendral считается первой экспертной системой, поскольку она автоматизировала процесс принятия решений и решения задач химиками-органиками. Она послужила основой для последующей системы MYCIN (разработанной в течение пяти или шести лет в начале 1970-х годов в Стэнфордском университете), ранней экспертной системы с обратной цепочкой, которая опрашивала лечащего врача. программу с помощью длинной серии простых вопросов да/нет или текстовых вопросов.

В конце концов, он предоставил список возможных бактерий-виновников, ранжированных от высокого к низкому в зависимости от вероятности каждого диагноза, его уверенности в вероятности каждого диагноза, обоснования каждого диагноза (то есть MYCIN также перечислил бы вопросы и правила). что привело к определенной ранжировке диагноза) и рекомендованный курс медикаментозного лечения.

Подходы, включающие теорию нечетких множеств, байесовские сети и искусственные нейронные сети, применялись к интеллектуальным вычислительным системам в здравоохранении с 1980-е и 1990-е годы.

Текущие исследования и приложения

В этот день мы можем найти множество стартапов, исследовательских тем и приложений ИИ в медицинском секторе, из которых мы хотели бы изучить некоторые из них.

Диагностическая радиология

Изображения с аппаратов МРТ, компьютерных томографов и рентгеновских снимков могут содержать большие объемы сложных данных, которые могут быть сложными и трудоемкими для оценки людьми. Алгоритмы DL могут помочь выбрать и извлечь особенности из медицинских изображений, идентифицировать и классифицировать модели заболеваний на изображениях и помочь рентгенологу предложить подходящие пути лечения пациента в консультации с другими врачами, участвующими в уходе за пациентом.

В исследовании Lakhani & Sundaram (2017) алгоритмы DL использовались при диагностике туберкулеза (ТБ) на рентгенограммах органов грудной клетки. Две разные глубокие сверточные нейронные сети (DCNN), AlexNet и GoogLeNet, использовались для классификации изображений как имеющих проявления легочного туберкулеза или как здоровых. Были использованы как необученные, так и предварительно обученные сети в ImageNet, а также дополнены несколькими методами предварительной обработки.

Кои и др. (2017) представил прямое сравнение между современным уровнем развития CAD-системы маммография, основанной на наборе функций, разработанном вручную, и CNN, стремясь к системе, которая в конечном итоге может считывать маммограммы независимо. .

Создание новых лекарств

Идентификация физических взаимодействий между соединениями-кандидатами в лекарства и биомолекулами-мишенями является важным процессом при открытии лекарств. Ахмет и др. (2018) предложили крупномасштабную систему прогнозирования DTI (взаимодействие лекарств с мишенью), DEEPScreen, которая состоит из 704 прогностических моделей; каждый из них имеет специально оптимизированные гиперпараметры для точного предсказания взаимодействующих низкомолекулярных лигандов для уникального целевого белка.

Конец января 2020 года принес нам новости о том, что первая неискусственная молекула лекарства, DSP-1181, лекарство, разработанное с помощью искусственного интеллекта, может быть использована для лечения пациентов с обсессивно-компульсивным расстройством. (ОКР). DSP-1181, созданный совместным предприятием Sumitomo Dainippon Pharma в Японии и стартапом из Великобритании Exscientia (компания по поиску лекарств с полным набором ИИ), на разработку DSP-1181 ушел один год, в то время как фармацевтическая компания компании обычно тратят около пяти лет на подобные проекты. Он был создан с использованием алгоритмов, которые просеивали потенциальные соединения, проверяя их по огромной базе данных параметров.

«В этом году впервые появилось лекарство, разработанное ИИ, но к концу десятилетия все новые лекарства потенциально могут быть созданы с помощью ИИ»
― генеральный директор Exscienta, профессор Эндрю Хопкинс

Офтальмология

Наиболее многообещающие компьютерные алгоритмы относятся к заболеваниям сетчатки. Системы на основе ИИ разрабатываются для обнаружения и оценки даже других офтальмологических состояний, включая детскую катаракту, глаукому, кератоконус, эктазию роговицы и окулопластическую реконструкцию.

Некоторые примеры включают диагностику и классификацию катаракты у детей на основе анализа изображений, полученных с помощью щелевой лампы (Liu et al., 2017), диагностику глаукомы на основе измерения сетчатки. толщина слоя нервных волокон (RNFL) и поле зрения (VF) (Kim, Cho & Oh, 2017). Из многих других связанных исследовательских приложений в одном из них группа доктора Шмидта-Эрфурта разработала полностью автоматизированный алгоритм сегментации задней границы стекловидного тела. На этих изображениях показаны границы у пациентов с (левая панель) и без (правая панель) витреомакулярной адгезией.

Кардиология

Даже в кардиологии проводится множество исследований, расширяющих использование инструментов ИИ в своей области. В некоторых исследованиях были разработаны модели для прогнозирования риска возникновения сердечно-сосудистых событий, разделения пациентов на взаимоисключающие группы для оценки ответа на резинхронизирующую терапию сердца, оценки наличия коронарных заболевания после проведения сцинтиграфии миокарда, носимого устройства для выявления аритмий по информационной записи электрокардиограммы в одном отведении.

Роботизированная хирургия

Хирургические роботы могут с большой точностью контролировать траекторию, глубину и скорость своих движений, все чаще помогая микрохирургическим процедурам, помогая уменьшить отклонения хирурга, которые могут повлиять на выздоровление пациента. Наиболее широко используемая клиническая роботизированная хирургическая система включает в себя руку с камерой и механические руки с прикрепленными к ним хирургическими инструментами. Существующие хирургические роботы можно разделить на четыре категории, каждая из которых представляет собой отдельный метод расширения человеческих возможностей врачей. Это хирург Уолдо, программируемые автоматы, вспомогательные направляющие и моторизованные лапароскопические инструменты.

Такие машины, как da Vinci, TransEnterix Senhance, CMR Versius и Titan SPORT, преобразуют движения хирурга в движения инструментов посредством компьютерной связи между удаленным уходом за пациентом и консолью врача, подпадающих под категорию Хирург Уолдо. категория. На картинке выше показан робот Да Винчи. Роботы для доставки энергии, такие как Accuray CyberKnife, представляют собой программируемые автоматы, которые используют предопределенный план лечения для расчета позиций и направлений направления энергии для фокусировки и уничтожения опухолей в определенных местах внутри тела. Роботы-ортопеды и зубные имплантаты работают с цифровой картой пациента и действуют как вспомогательное руководство для человека. Моторизованные лапароскопическиеинструменты — это более скромное семейство, которое обеспечивает большую гибкость прямых лапароскопических стержней.

Около месяца назад исследователи из Google Brain, Intel AI Lab и Калифорнийского университета в Беркли создали Motion2Vec, модель ИИ, способную к обучению. как выполнять задачи, связанные с роботизированной хирургией, такие как наложение швов, введение иглы, введение иглы и завязывание узлов, из обучения с помощью видео о хирургии.

Motion2Vec группирует похожие сегменты действий вместе в пространстве встраивания полуконтролируемым образом. Псевдометки для непомеченных обучающих данных получают путем логического вывода на RNN, которая итеративно обучается для заданной параметризации сиамской сети. Полученное представление применяется для сегментации хирургических швов и имитации позы в симуляции и реальной на роботе да Винчи.

Прогнозирование рисков и оповещение

KenSci, платформа прогнозирования рисков, сочетает в себе большие данные и искусственный интеллект для прогнозирования клинических, финансовых и операционных рисков, используя данные из существующих источников, чтобы предсказать все, от того, кто может заболеть, до того, что увеличивает расходы на здравоохранение в больнице.

Программное обеспечение Google DeepMind Health для искусственного интеллекта используется в больницах по всему миру, чтобы помочь пациентам более эффективно перейти от тестирования к лечению. Программа DeepMind Health уведомляет врачей об ухудшении здоровья пациента и даже может помочь в диагностике заболеваний, прочесывая массив данных на предмет сопоставимых симптомов. Собирая симптомы пациента и вводя их в платформу DeepMind, врачи могут ставить диагноз быстрее и эффективнее.

COVID 19 (исследуйте «потребность», а не «хочу»)

Обнаружение с помощью рентгенографии грудной клетки

COVID-Net, нейронная сеть с открытым исходным кодом для обнаружения COVID-19, была создана командой DawinAI совместно с исследователями из VIP-лаборатории Университета Ватерлоо в Канаде. Это сверточная нейронная сеть для обнаружения COVID-19 с помощью рентгенографии грудной клетки с использованием COVIDx, набора данных с 5941 задне-передним рентгенографическим изображением 2839 случаев пациентов, собранных из общедоступных источников. Следующее изображение представляет собой пример изображений задне-передней рентгенографии грудной клетки A) бактериальной инфекции, B) вирусной инфекции, отличной от COVID19, и C) вирусной инфекции COVID-19 в наборе данных COVIDx.

Можно наблюдать интенсивное использование шаблона проектирования проекция-расширение-проекция в архитектуре COVID-Net, показанной ниже, которая обеспечивает повышенную репрезентативность при сохранении вычислительной эффективности.

Другой предлагаемой архитектурой является COVIDiagnosis-Net, основанная на Deep Bayes-SqueezeNet, которая классифицирует рентгеновские изображения трех классов, помеченных как Нормальное (нет инфекции), Пневмония (бактериальная или вирусная инфекция, не связанная с COVID) и COVID ( вирусная инфекция COVID-19).

Препараты для борьбы с COVID

Компания Google DeepMind предсказала структуру белков вируса, информация, которая может быть полезна при разработке новых лекарств. атазанавир, барицитиниб и афатиниб – это некоторые препараты, потенциально потенциально пригодные для лечения COVID-19, которые были обнаружены с помощью ИИ. Тем не менее, медицинские и научные проверки, следы и контроль, которые необходимо провести, прежде чем эти препараты будут одобрены.

Исследователь данных из Мумбаи вместе со своей командой с помощью искусственного интеллекта (ИИ) обнаружил три молекулярных соединения, которые, как они утверждают, можно синтезировать и дополнительно протестировать, чтобы найти новое лекарство для борьбы с пандемией Covid-19. В ходе своего исследования команда обнаружила критически важный фермент вируса под названием 3CLpro, который способствует росту вируса. Если этот фермент подавляется, это может помочь остановить рост вируса. Они использовали процесс, называемый стыковкой, чтобы предсказать торможение.

Также была создана платформа ИИ для выявления потенциально старых лекарств с антикоронавирусной активностью с использованием двух разных обучающих баз данных; один состоял из соединений, о которых сообщалось или было доказано, что они активны против SARS-CoV, SARS-CoV-2, вируса иммунодефицита человека, вируса гриппа, а другой содержал известные 3C-подобные ингибиторы протеазы. Были идентифицированы некоторые старые препараты с активностью против коронавируса FIP. В настоящее время проводятся дальнейшие исследования, чтобы продемонстрировать их активность против SARS-CoV-2 in vitro и in vivo в клинически достижимых концентрациях и дозах.

Другие области применения: профилактическое здравоохранение

Многие инструменты статистического анализа используются для будущих прогнозов, таких как риск заражения, количество случаев, смертей, определение наиболее уязвимых регионов и людей и т. д.

Системы обнаружения лицевых масок, оповещение о социальном дистанцировании Системы, использующие существующие IP-камеры и камеры видеонаблюдения в сочетании с методами компьютерного зрения, обнаруживают людей без масок и если люди находятся на определенном расстоянии, и придерживаются социальное дистанцирование или нет.

Вывод

В секторе здравоохранения искусственный интеллект уже работает, повышая удобство и эффективность, снижая затраты и количество ошибок и в целом облегчая получение необходимой медицинской помощи большему количеству пациентов.

Однако высшая мечта в здравоохранении — полностью искоренить болезнь. Давайте посмотрим, насколько ИИ поможет нам возвысить наши надежды благодаря развитию.

Величайшая возможность, предлагаемая ИИ, — это не уменьшение количества ошибок или рабочей нагрузки и даже не лечение рака: это возможность восстановить драгоценную и проверенную временем связь и доверие
― Эрик Тополь, Deep Medicine: Как искусственный интеллект может снова сделать здравоохранение человеком

Первоначально опубликовано на https://medium.com 9 июля 2020 г.