payback banner ru

Как ИИ меняет медицину: личный помощник для врачей, маршрутизатор в клиниках и разработчик лекарств

Как ИИ меняет медицину: личный помощник для врачей, маршрутизатор в клиниках и разработчик лекарств
Чтобы сделать систему здравоохранения более ориентированной на пациента, необходимо внедрять умные технологии. Они экономят средства и время, улучшают качество обслуживания в клиниках и позволяют врачам развиваться и обновлять свои знания. Илья Ларченко, директор по инновациям мобильной клиники DOC+, специально для «Хайтека» рассказал о современных трендах и реальных кейсах применения искусственного интеллекта в медицине.

Современные системы искусственного интеллекта помогают докторам ставить диагнозы. Например, технологии, которые диагностируют диабетическую ретинопатию — тяжелое осложнение сахарного диабета. Они анализируют снимки глаза, сделанные с помощью аппарата для фотографирования сетчатки. Алгоритмы машинного обучения также помогают врачам во время первичных осмотров. В частности, чат-бот DOC+ самостоятельно собирает анамнез пациента перед онлайн-консультацией, чтобы доктор мог заранее составить представление о состоянии больного. А у компании Philips появилась система на базе ИИ, анализирующая рентгенологические снимки легких на предмет наличия туберкулеза.


Однако в медицине есть сферы и задачи, которые не связаны напрямую с лечением людей, но в значительной степени влияют на качество медобслуживания. Речь идет о маршрутизации врачей и пациентов в поликлиниках, разработке новых лекарств и поиске новых практик лечения.

Помощник в исследованиях

Методики лечения, используемые врачами, со временем устаревают. Потому медикам приходится регулярно освежать свои знания. Но возникает сложность — количество информации, которое при этом необходимо охватить, невероятно велико.


Согласно исследованиям 2010 года, новая медицинская статья появляется примерно каждые 26 секунд. С тех пор прошло уже восемь лет, а скорость выхода медицинских статей только увеличилась.


Один из вариантов решения проблемы с объемами информации — создание помощников для врачей. Они бы искали среди источников релевантные материалы, представляющие интерес для докторов. И такие проекты уже есть. Например, сервис UpToDate, в котором независимые эксперты вручную просматривают наиболее свежие медицинские публикации и составляют краткие конспекты для практикующих врачей.

Также читайте:  Разработчики PUBG запустили кампанию Fix PUBG с целью улучшить игру - ITC.ua

Но «ручной подход» имеет свои недостатки — подвержен влиянию человеческого фактора и плохо масштабируется. Потому сегодня разрабатываются и внедряются алгоритмы машинного обучения, автоматизирующие подбор научных публикаций.

Пример такой системы — инструмент RobotReviewer, который разрабатывает Байрон Уоллес, старший преподаватель Колледжа компьютерных и информационных наук при Северо-Восточном университете США. RobotReviewer использует алгоритмы машинного обучения и модели обработки естественного языка для анализа медицинской литературы на предмет надежности исследования.

В частности, алгоритм определяет, проводили ли авторы публикации рандомизированное контролируемое испытание во время своих исследований. Это тип эксперимента, когда одна группа участников принимает плацебо или лечится классическими методами, а вторая группа — получает исследуемый препарат. Алгоритм также учитывает, использовал ли автор двойной слепой метод при оценке реакции на методику лечения. Метод предполагает, что сам исследователь не знает, какая из подопытных групп — контрольная.

Эти два подхода наиболее важны при определении надежности статьи. Алгоритм отсеивает те исследования, которые не удовлетворяют высоким медицинским стандартам и не представляют практической ценности для докторов. Это экономит их время, так как им не приходится просматривать работы ненадежные с точки зрения чистоты эксперимента.

Маршрутизация в больницах

Технологии машинного обучения помогают не только с поиском новых методологий лечения. Госпиталь Джонса Хопкинса использует системы ИИ для маршрутизации врачей и управления потоками людей в больнице, чтобы снизить время ожидания пациентов.

Также читайте:  Новое поколение видеокарт AMD Radeon RX, вероятно, выйдет еще очень не скоро - ITC.ua

На территории кампуса располагается командный центр, как в НАСА. В комнате висят 22 монитора, на которые поступают данные с четырнадцати ИТ-систем больницы, анализируемые умными алгоритмами.

Система ИИ строит цифровую модель госпиталя и предсказывает активность пациентов на ближайшие 48 часов. С помощью системы сотрудники штаба перераспределяют нагрузку на врачей, оценивают количество свободных коек в палатах и определяют наиболее приоритетные задачи — выписать уже здоровых пациентов и принять тех, кому требуется неотложная помощь.

Система следит, сколько врачей работают «в поле». Когда их начинает не хватать, она сообщает об этом администраторам. В будущем решения командного центра позволят отслеживать и другие риски, например, опасность распространения инфекции.

Центр начал свою работу в феврале 2016 года, и как отмечают врачи госпиталя, с того момента время ожидания в операционных снизилось на 70%, а пациентам из «неотложки» стали оказывать помощь на 30% быстрее.

Другой пример — система в Кливлендской клинике. Пару лет назад госпиталь в партнерстве с Microsoft внедрил интеллектуальную технологию, определяющую пациентов в реанимации, которым может срочно потребоваться вазопрессорная терапия.


Вазопрессоры — препараты, которые вызывают сужение сосудов, что приводит к росту кровяного давления. Подобный вид терапии применяется для повышения частоты сердечных сокращений и при остановке сердца у пациента.


Алгоритмы Microsoft используют специально разработанную модель бинарной классификации, которая оценивает данные, поступающие с медицинского оборудования в реанимации. На их основе она предсказывает, понадобятся ли вазопрессорные препараты больному в ближайшие восемь часов. Система стала еще одной парой глаз, которая следит за пациентом и дает врачам время подготовиться к критическим ситуациям.

Также читайте:  Биологи пообещали выращивать в лабораториях мясо мышей для кошек-вегетарианцев

Создание лекарств

Специалисты из Центра Тафтса, занимающегося исследованиями в сфере разработки лекарств, установили: создание нового препарата обходится в $2,9 млрд. А его разработка может длиться порядка 12 лет.

Сложность в процессе разработки заключается в поиске новых молекул, которые образуют необходимые связи с белками и борются с болезнью. Для этого обрабатываются большие объемы информации и проводится множество тестов, а это процедура времязатратная. Потому исследователи из фармацевтических компаний и обратились к системам искусственного интеллекта.

Платформа Exscientia, основываясь на обширных сводах медицинской информации, отбирает наиболее перспективные молекулы, что позволяет разрабатывать новые препараты быстрее и дешевле.

Генеральный директор Exscientia Эндрю Хопкинс говорит, что их платформа сокращает время и стоимость разработки нового лекарства на 75%. В частности, исследователям из Exscientia в партнерстве с коллегами из фармакологической компании Sumitomo Dainippon удалось завершить поиск молекулы для препарата, направленного на лечение психиатрических расстройств, всего за 12 месяцев.

Системы искусственного интеллекта автоматизируют решение большого количества рутинных, но важных задач, которые сегодня выполняют врачи и исследователи. Области применения разнятся от проверки наличия медстраховки и анализа медкарт до расшифровки результатов лабораторных анализов и помощи в диагностике заболеваний. Умные технологии постепенно проникают во все процессы, происходящие в больницах.

В будущем эта практика приведет к значительному повышению качества медобслуживания и более точному назначению лекарств. Глобальный подход со временем позволит не только подбирать персонализированные методы лечения для каждого пациента, но даже предсказывать генетические предрасположенности к заболеваниям и предотвращать их. Это кардинальным образом изменит привычную систему здравоохранения и сделает ее более ориентированной на пациента.

Похожие новости