В 2017 и 2018 годах ИИ превратился в крупную отрасль, однако в предыдущие годы он в основном считался просто технологией. Отдельные случаи внедрения ИИ в некоторых ключевых отраслях промышленности вылились в непрерывную интеграцию ИИ в программы для цифровых продуктов и технологических процессов.
Наиболее популярными технологическими направлениями являются рекомендательные системы, основанные на алгоритмах глубокого обучения, системах понимания естественного языка (NLU) или интерпретации естественного языка (NLI), компьютерном зрении, прогнозном моделировании и обучении с подкреплением.
На рынке ИИ работают несколько типов компаний:
- Исследовательские лаборатории, создающие алгоритмы;
- Компании (скорее всего - стартапы), мечтающие о экспоненциальном росте своей продукции за счет интеграции искусственного интеллекта;
- Консалтинговые агентства, помогающие бизнесу понять его потребности и интегрировать новые технологии, а также предлагающие решения b2b.
Количество компаний, работающих в сфере разработки ИИ, постоянно растет. Например, количество активных стартапов в области ИИ в 2018 году выросло вдвое по сравнению с 2015 годом, а также удвоилось их финансирование.
В настоящее время вакансий, требующих знаний в области разработки глубоких нейронных сетей, примерно в тридцать пять раз больше, чем в 2015 году. В последние годы появилась даже особая государственная политика в отношении ИИ.
Лидерами в области R&D (НИОКР) являются внутренние лаборатории Google, Amazon, Microsoft и Netflix, а также некоторых коммерческих организаций (OpenAI, Vector Institute).
Медицина - наиболее перспективная сфера внедрения искусственного интеллекта
На сегодняшний день медицинский ИИ - одна из самых популярных технологий для инвесторов. С 2013 года медицинским стартапам AI удалось привлечь $ 4,3 млрд в 576 транзакциях (по данным CB Insights). Через три года рынок медицинского искусственного интеллекта достигнет 6,6 миллиарда долларов, ежегодно увеличиваясь на 40%. В этом нет ничего странного - эта технология в ближайшие годы произведет революцию практически во всех сферах медицины.
Практически все ведущие цифровые корпорации сейчас разрабатывают медицинские продукты и услуги на основе искусственного интеллекта. По данным исследовательской компании Venture Scanner, в этом процессе задействовано более 800 компаний по всему миру.
Что будет?
Дело в том, что ИИ может кардинально изменить способ проведения медицинской диагностики (даже в домашних условиях), он может повлиять на разработку новых лекарств, не говоря уже о возможном повышении общего качества медицинских услуг и снижении расходов медицинских клиник.
Почему это должно происходить?
В настоящее время такие диагностические ошибки, как неправильный диагноз и несвоевременная постановка диагноза, являются одной из самых серьезных проблем в современном здравоохранении. В целом врачебные ошибки являются третьей по значимости причиной преждевременной смертности после сердечно-сосудистых заболеваний и рака. К сожалению, всегда было обычным делом, когда врачи ставили неправильный диагноз и назначали неправильное лечение после выявления симптомов совершенно другого заболевания. Согласно отчету British Medical Journal за 2016 г., ошибочный диагноз является причиной более чем 2 50000 смертей в США. Другие источники (например, статья Джеймса, Джона Т., доктор философии в журнале «Безопасность пациентов») предлагают еще большие цифры, оценивая ежегодную смертность до 440000.
По данным Федерального фонда обязательного медицинского страхования, российские врачи ошибаются с лечением в 10% случаев. Как отмечает Лев Кактурский (главный патолог Минздрава России), расхождение между посмертным и пожизненным диагнозом составляет 20–25%. Таким образом, четвертая часть смертей пациентов в Российской Федерации связана с заболеванием, которое не было обнаружено при жизни пациента.
Кроме того, проблема нехватки квалифицированных практикующих врачей широко распространена в развивающихся странах. Например, в Индии, стране с населением более 1,324 миллиарда человек, соотношение врачей и пациентов оценивается как 1: 1674, что значительно выше нормы Всемирной организации здравоохранения (1: 1000). По оценкам, стране необходимо на 500 000 врачей больше, чтобы восполнить дефицит, что будет крайне сложно сделать с учетом темпов демографического роста. В бедных странах Африки к югу от Сахары ситуация еще хуже. В частности, в Танзании соотношение составляет примерно 1: 50000, Медицинский колледж Вейл Корнелл.
Последние разработки в области медицинского искусственного интеллекта могут помочь решить эти проблемы, а также множество других.
Высокие риски и возможные проблемы
Одна из самых больших проблем, препятствующих началу полномасштабной интеграции диагностики с использованием искусственного интеллекта в здравоохранение, - это отсутствие необходимых медицинских данных. Наборы данных, большие наборы медицинских изображений, которые используются в процессе обучения нейронной сети, должны быть помечены. Это означает, что квалифицированный медицинский специалист, что делает процесс очень трудоемким и дорогостоящим, должен вручную отмечать любое заболевание или отклонение от нормы на медицинских изображениях. Сегодня нет особого спроса на маркированные наборы данных со стороны разработчиков, что тормозит развитие всего сектора.
Учитывая текущее развитие технологий искусственного интеллекта, также существует высокий риск возможной монополии. Крупные корпорации, такие как IBM и Google, стремятся вывести свои собственные продукты на рынок медицинских нейронных сетей, монополизировать рынок и по-прежнему получать большую часть доходов. Если это произойдет, это непременно увеличит стоимость таких услуг и негативно скажется на их качестве.
Учитывая текущее развитие технологий искусственного интеллекта, также существует высокий риск возможной монополии. Крупные корпорации, такие как IBM и Google, стремятся вывести свои собственные продукты на рынок медицинских нейронных сетей, монополизировать рынок и по-прежнему получать большую часть доходов. Если это произойдет, это непременно увеличит стоимость таких услуг и негативно скажется на их качестве.
Решение
Чтобы не допустить монополизации рынка медицинского ИИ, стоит обратить внимание на проекты с распределенной структурой. Один из них - Skychain, который сейчас очень близок к тому моменту, когда платформа полностью заработает.
Skychain намерен предоставить инфраструктуру для радикального повышения эффективности разработки и обучения искусственного интеллекта в здравоохранении. Это сделает диагностические системы искусственного интеллекта намного более доступными и доступными для потребителя за счет использования технологий блокчейн для облегчения безопасных транзакций между ключевыми сторонами.
Проект основан на революционном подходе использования смарт-контрактов для объединения многих поставщиков больших данных в сфере здравоохранения, данные которых жизненно важны для обучения ИИ, тысяч независимых разработчиков ИИ, поставщиков вычислительных ресурсов и миллионов потребителей.
Все перечисленные выше функции уже реализованы и работают в системе. Более того - шесть нейронных сетей уже доступны для публичного тестирования в альфа-версии Skychain.
Эти ИИ уже могут диагностировать различное количество заболеваний. Чтобы показать мощь инфраструктуры, разработчики решили сосредоточиться на самых распространенных, но наиболее опасных:
- Заболевания органов дыхания (ателектаз, кардиомегалия, выпот, инфильтрация, масса, узелок, пневмония, пневмоторакс, уплотнение, отек, эмфизема, фиброз, утолщение плевры, грыжа). Средняя точность - 84%.
- Распознавание костных аномалий (обнаружение переломов, дегенеративных заболеваний, высыпаний и подвывихов). Средняя точность: 82%.
- Обнаружение рака кожи. Средняя точность - 70%.
- Обнаружение опухолей головного мозга. Средняя точность - 87%.
- Обнаружение рака груди. Средняя точность - 93%.
- Выявление заболеваний сетчатки (DME, CNV и друзы). Средняя точность - 99%.
Глядя на эти числа, возникает вопрос - почему одни ИНС имеют точность только 70%, а другие - почти 100%? Дело в том, что эта проблема уже упоминалась выше, и это отсутствие отмеченных медицинских наборов данных, которые необходимо «скармливать» нейронной сети для повышения ее точности. Сегодня эта проблема должна быть решена в первую очередь, и Skychain нашел способ это сделать.
Ключевая проблема отсутствия необходимых данных по обучению заключается в том, что медицинские учреждения просто не хотят делиться ими с независимыми разработчиками, пока они не получают дохода от этого сотрудничества.
Налаживание этих симбиотических отношений между лабораториями медицинских учреждений с большими наборами данных и независимыми разработчиками, которые ищут наборы медицинских данных, которые можно было бы использовать для обучения своих ИИ, является ключом к решению этой проблемы, и Skychain предоставляет простой, но блестящий механизм для таких целей.
Skychain для поставщиков медицинских данных - это рынок данных, где они могут предоставлять свои данные в качестве услуги для обучения сторонних нейронных сетей.
Обученные нейронные сети на наборах данных поставщиков могут использоваться только со Skychain, поэтому набор данных, которые получат поставщики, включает гарантированную долю дохода от всех нейронных сетей, обученных на основе их данных.
Подготовка наборов медицинских данных будет выгодна участникам рынка, владеющим этими данными. Skychain заботится об интеллектуальной собственности разработчиков нейронных сетей и владельцев данных. Развитая и обученная нейронная сеть, а также набор данных, на котором она была обучена, защищены от внешних участников.
Подводя итог: пациенты, врачи, медицинские учреждения и онлайн-сервисы смогут использовать возможности Skychain, оплачивая каждое использование нейронной сети специальными токенами и создателями этих ANN вместе с медицинскими учреждениями, которые предоставили данные для обучения. процесс будет вознагражден за каждое использование искусственного интеллекта.
Бета-версия Skychain доступна прямо сейчас по адресу https://beta.skychain.global/.
