Последните проучвания показаха способността на системите за изкуствен интелект да диагностицират по медицински важни заболявания
Системи с изкуствен интелект (AI). съществуват от доста време и сега стават все по-умни и по-добри с времето. AI има приложения в множество области и сега е неразделна част от повечето области. AI може да бъде основен и полезен компонент на медицински наука и изследвания, тъй като има огромен потенциал да повлияе на здравната индустрия.
Изкуственият интелект в медицинската диагностика?
Времето е най-ценният ресурс в здравеопазването и ранната правилна диагностика е много важна за крайния изход от заболяването. Здравеопазването често е дълъг процес, отнемащ време и ресурси, който забавя ефективната диагностика и на свой ред забавя правилното лечение. AI може да помогне за запълване на празнината между наличността и управлението на времето от лекарите чрез включване на бързина и точност в диагнозата на пациентите. Това може да помогне за преодоляване на ограниченията на ресурсите и здравните специалисти, особено в страните с ниски и средни доходи. AI е процес на учене и мислене точно като хората чрез концепция, наречена дълбоко обучение. Дълбокото обучение използва широки набори от примерни данни, за да създаде самостоятелно дървета на решения. С това задълбочено обучение една AI система всъщност може да мисли точно като хората, ако не и по-добре, и следователно AI може да се счита за подходящ за изпълнение на медицински задачи. Когато диагностицират пациентите, AI системите продължават да търсят модели сред пациенти с едни и същи заболявания. С течение на времето тези модели могат да изградят основа за предсказване на болести, преди те да се проявят.
В скорошно проучване1 публикувано в Клетка, са използвали изследователите изкуствен интелигентност и техники за машинно обучение за разработване на нов изчислителен инструмент за скрининг на пациенти с често срещани, но заслепяващи заболявания на ретината, което потенциално ускорява диагнозите и лечението. Изследователите са използвали невронна мрежа, базирана на изкуствен интелект, за да прегледат повече от 200,000 2 очни сканирания, извършени с неинвазивна технология, която отблъсква светлината от ретината, за да създаде 3D и XNUMXD представяне на тъкан. След това те използваха техника, наречена „прехвърляне на обучение“, при която знанията, придобити при решаването на един проблем, се съхраняват от компютър и се прилагат към различни, но свързани проблеми. Например, AI невронна мрежа, оптимизирана да разпознава отделните анатомични структури на окото, като ретината, роговица или зрителния нерв, може по-бързо и ефективно да ги идентифицира и оцени, когато изследва изображения на цялото око. Този процес позволява на системата AI постепенно да се учи с много по-малък набор от данни от традиционните методи, които изискват големи набори от данни, което ги прави скъпи и отнемащи време.
Проучването се фокусира върху две често срещани причини за необратима слепота, които са лечими, когато бъдат открити навреме. Машинно получените диагнози бяха сравнени с диагнози от петима офталмолози, които прегледаха същите сканирания. В допълнение към поставянето на медицинска диагноза, AI платформата също така генерира препоръка за насочване и лечение, което не е правено в предишно проучване. Тази обучена AI система действа точно като добре обучен офталмолог и може да генерира решение в рамките на 30 секунди дали пациентът трябва да бъде насочен за лечение или не, с повече от 95 процента точност. Те също така тестваха инструмента за изкуствен интелект при диагностициране на детска пневмония, водеща причина за смърт в световен мащаб при деца (на възраст под 5 години), въз основа на машинни анализи на рентгенови снимки на гръдния кош. Интересното е, че компютърната програма успя да направи разлика между вирусна и бактериална пневмония с повече от 90 процента точност. Това е от решаващо значение, тъй като макар вирусната пневмония да се отстранява естествено от тялото след нейното протичане, бактериалната пневмония от друга страна е по-сериозна заплаха за здравето и изисква незабавно лечение с антибиотици.
В друг голям скок2 в системите с изкуствен интелект за медицинска диагностика, учените откриха, че снимките, направени на ретината на индивид, могат да бъдат анализирани чрез алгоритми за машинно обучение или софтуер за прогнозиране на сърдечно-съдов сърдечен риск чрез идентифициране на сигнали, които са показателни за сърдечно заболяване. Показано е, че състоянието на кръвоносните съдове в окото, което е заснето на снимките, точно предсказва възраст, пол, етническа принадлежност, кръвно налягане, всички предишни сърдечни пристъпи и навици за пушене и всички тези фактори заедно предсказват сърдечни заболявания при индивида.
Окото като информационен блок
Идеята да се гледат снимките на окото, за да се диагностицира здравето, съществува от известно време. Добре известно е, че задната вътрешна стена на човешкото око има много кръвоносни съдове, които отразяват цялостното здраве на тялото. Чрез изучаване и анализиране на външния вид на тези кръвоносни съдове с камера и микроскоп може да се предвиди много информация за кръвното налягане на индивида, възрастта, пушачите или непушачите и т.н. и това са всички важни показатели за здравето на сърцето на индивида . Сърдечно-съдовите заболявания (ССЗ) са причина номер едно за смърт в световен мащаб и повече хора умират от ССЗ в сравнение с всяко друго заболяване или състояние. Това е по-разпространено в страните с ниски и средни доходи и е огромно бреме за икономиката и човечеството. Сърдечносъдовият риск зависи от множество фактори като гени, възраст, етническа принадлежност, пол, в комбинация с упражнения и диета. Повечето сърдечно-съдови заболявания могат да бъдат предотвратени чрез справяне с поведенческите рискове като употреба на тютюн, затлъстяване, физическа неактивност и нездравословно хранене, като се направят значителни промени в начина на живот за справяне с възможните рискове.
Диагностика на здравето с помощта на изображения на ретината
Това проучване, проведено от изследователи в Google и нейната собствена компания за здравни технологии Verily Life Sciences, показа, че алгоритъмът за изкуствен интелект е използван върху голям набор от снимки на ретината на около 280,000 12000 пациенти и този алгоритъм е в състояние успешно да предвиди рискови фактори за сърцето при два напълно независими набори от данни от около 1000 70 и 71 пациенти със сравнително добра точност. Алгоритъмът използва цялата снимка на ретината, за да определи количествено връзката между изображението и риска от сърдечен удар. Този алгоритъм може да предскаже сърдечно-съдово събитие в XNUMX процента от времето при пациент и всъщност пушач и непушач също се различават в този тест в XNUMX процента от времето. Алгоритъмът може също да предскаже високо кръвно налягане, което показва сърдечно заболяване, и да предскаже систолно кръвно налягане – налягането в съдовете, когато сърцето бие – в рамките на повечето пациенти с или без високо кръвно налягане. Точността на тази прогноза според авторите е много подобна на сърдечно-съдовата проверка в лабораторията, при която се взема кръв от пациента, за да се измери нивата на холестерола, гледайки паралелно с анамнезата на пациента. Алгоритъмът в това проучване, публикуван в Природа Биомедицинско инженерство, най-вероятно може да предскаже и появата на голямо сърдечно-съдово събитие - например сърдечен удар.
Изключително интересен и решаващ аспект на тези изследвания беше, че компютърът може да каже къде гледа в изображението, за да стигне до диагноза, което ни позволява да разберем процеса на прогнозиране. Например, проучването на Google точно показа „кои части от ретината“ са допринесли за алгоритъма за прогнозиране, с други думи как алгоритъмът прави прогнозата. Това разбиране е важно не само за разбиране на метода на машинно обучение в този конкретен случай, но и за генериране на увереност и вяра в цялата тази методология, като я направи прозрачна.
Предизвикателства
Такива медицински изображения идват със своите предизвикателства, тъй като наблюдението и след това количествено определяне на асоциации въз основа на такива изображения не е лесно, главно поради няколко характеристики, цветове, стойности, форми и т.н. в тези изображения. Това проучване използва дълбоко учене, за да извлече връзките, асоциациите и връзките между промените в човешката анатомия (вътрешната морфология на тялото) и болестта по същия начин, както би направил медицински специалист, когато той или тя свързва симптомите на пациентите с болестта . Тези алгоритми изискват повече тестове, преди да могат да бъдат използвани в клинична среда.
Въпреки дискусиите и предизвикателствата, AI има огромен потенциал да революционизира диагностиката и управлението на заболяванията, като прави анализи и класификации, включващи огромни количества данни, които са трудни за човешките експерти. Той предоставя бързи, рентабилни, неинвазивни алтернативни диагностични инструменти, базирани на изображения. Важните фактори за успеха на AI системите биха били по-високата изчислителна мощност и повече опит на хората. В вероятно бъдеще нови медицински прозрения и диагнози биха могли да бъдат постижими с AI без човешка насока или надзор.
***
{Можете да прочетете оригиналната изследователска статия, като щракнете върху връзката DOI, дадена по-долу в списъка с цитирани източници}
Източник (и)
1. Kermany DS et al. 2018. Идентифициране на медицински диагнози и лечими заболявания чрез базирано на изображения дълбоко обучение. клетка. 172(5). https://doi.org/10.1016/j.cell.2018.02.010
2. Poplin R et al. 2018. Прогнозиране на сърдечносъдови рискови фактори от снимки на фундуса на ретината чрез дълбоко обучение. Природно биомедицинско инженерство. 2. https://doi.org/10.1038/s41551-018-0195-0
