Об искусственном интеллекте в медицине. Дискутировали на третьем Softline AI. Public Talks

25.05.2021 |

Анна Тумакова.

20 мая Softline провела онлайн-дискуссию Softline AI. Public Talks со спикерами «Сколтеха» и Fujitsu - экспертами в области анализа данных, машинного обучения ML и систем искусственного интеллекта. Темой встречи стала синергия медицины и искусственного интеллекта, методы нейровизуализации и машинного обучения в задачах диагностики, выбора тактики лечения и контроля динамики здоровья пациентов. В ходе полуторачасовой встречи спикеры обсудили кейсы и проекты по реализации и внедрению аналитических инструментов для решения актуальных и сложных медицинских задач.

«Сколтех» сегодня - это учебное заведение, которое не только обучает студентов, но и ведет научно-исследовательские разработки, сотрудничает с ведущими университетами, а также с клиниками. Специалисты клиник-партнеров рассказывают «Сколтеху» о реальных проблемах и предоставляют «живые» данные. Таким образом, «Сколтех» имеет возможность заниматься академическими дисциплинами и в то же время работать над решением практических кейсов. Сотрудничество с зарубежными компаниями – еще один интересный аспект деятельности «Сколтеха». В дискуссии Softline AI. Public Talks приняли участие научный сотрудник «Сколтеха», руководитель научной группы ADASE.Neuro Максим Шараев и кандидат физико-математических наук, доцент «Сколтеха» и руководитель лаборатории ADASE Евгений Бурнаев, а также технический директор Softline Digital Максим Милков.

Участники дискуссии Softline AI. Public Talks

Перспективы использования AI в медицине улучшаются, но пока уровень их распространения нельзя считать достаточным, считают представители «Сколтеха». Число стартапов, которые используют машинное обучение, растет, и это не столько следствие пандемии, сколько естественный процесс развития технологий. Если в 2010 году количество научных работ, посвященных AI и машинному обучению, составляло около 600, то в 2019 году - превысило 12400. И хотя в целом использование AI становится все более привычным, врачам все еще не просто принимать помощь от искусственного интеллекта, доверять прогнозам, которые дает машина, хотя сферы применения во врачебной практике таких прогнозов может быть достаточно широкой. Только 29 одобренных FDA устройств работают на основе реальных AI/ML, - это менее 0,2 % от числа всех устройств, зарегистрированных FDA.

Надежность систем AI в медицине

Со случаями успешного внедрения AI в системе здравоохранения дела обстоят не очень хорошо не только в России, но и в мире. Почему же поставщики медицинских услуг не могут повторить успех своих коллег в других отраслях? Ответ - разработка и внедрение медицинских устройств на основе AI не достигли промышленного уровня, скорее, все это пока остается в области исследований. Мост между научными статьями и правильной сертификацией и внедрением все еще отсутствует. Для широкого распространения AI/ML в медицине требуется не только высокое доверие к этим технологиям, но и соблюдение ряда дополнительных требований. Система должна быть интерпретирована – врачам должно быть предельно ясно, почему она дает то или иное предсказание, она должна быть честной и устойчивой к разным проблемам, например, к избыточным данным. В частности, она должна уметь учитывать сопутствующие заболевания, которые напрямую не важны для постановки диагноза. Еще одна проблема – если нейронную сеть обучать на основе данных от одной компании, а потом применять эту модель на данных другой компании – результат может быть некорректным.

Представители «Сколтеха» привели в качестве примера два кейса. Первый реализован в сотрудничестве с институтом нейрохирургии им. Бурденко и посвящен определению локализации функциональных областей мозга, которые нельзя затрагивать в процессе операции. Если у здорового человека нахождение таких зон известно, то у больного они могут смещаться. AI может заблаговременно определить, где они могут находиться, и предотвратить ошибочное хирургическое воздействие на них.

Слайд 10

Второй кейс - диагностирование областей эпилептогенной активности. Часто лечение препаратами при такой патологии неэффективно, а удаление соответствующих очагов приводит к значительному улучшению МРТ. Бывает, что область эпилептогенной активности формируется локально, ее дает маленький участок мозга, и если его найти – можно решить многие проблемы. В этом направлении «Сколтех» работает с НМИЦ им. Кулакова и Пироговским центром. Сегментированные и маркированные данные, предоставляемые врачами, служат для обучения моделей, которые в дальнейшем могут быть полезны в работе рентгенологам разной квалификации.

Далее слово взял Chief Evangelist Data Center Business EMEIA компании Fujitsu Удо Вуртц. Являясь одной из крупнейших в мире компаний в сфере ИКТ, Fujitsu обладает широкими возможностями для создания полностью управляемых комплексных информационных систем и услуг в области здравоохранения, которые повышают результаты лечения пациентов. Компания сотрудничает с поставщиками медицинских услуг по всему миру, используя глобальный опыт и технологический инновации - в том числе, со «Сколтехом».

Качество масштабирования данных – вот одна из важных задач, стоящих перед разработчиками AI-решений для медицины, считает Удо Вуртц. Он представил ряд кейсов в области применения AI в медицине. Так, повышение операционной эффективности в здравоохранении с помощью Fujitsu Sholark помогает врачам и руководителям больниц принимать обоснованные решения, опираясь на расширенную аналитику по неструктурированным и структурированным источникам данных. Еще одно решение служит для физической реабилитации на базе AI, автоматизированное измерение диапазона движения локтевого и плечевого суставов пациента проводится с помощью анализа изображений. Решение искусственного интеллекта HIKARI сокращает время предварительной оценки записей пациентов, освобождая время для консультаций, оно определяет демографические профили, модели ухода, проводит анализ данных, предоставляет информацию через интерактивную визуальную среду.

Вместе с Токийским медицинским стоматологическим университетом Fujitsu запустили самый быстрый в мире суперкомпьютер для выполнения сетевого анализа онкогенов - суперкомпьютер справляется с этой задачей менее чем за день. В качестве примера использования компьютерного зрения спикер упомянул решение для неразрушающего контроля, направленное на выявление дефектов стеклянных флаконов, содержащих препараты. А объединение технологий IoT и AI, а также использование «роботизированной руки», позволяют дистанционно оказывать помощь пациентам в любой точке земного шара.

В завершение дискуссии ее участники подчеркнули, что организация сбора данных, их обработки и верификации - это 80-90 % работ в индустриальных проектах, связанных с медициной. Они также еще раз напомнили, что AI не ставит диагнозы, нейросеть лишь помогает в этом врачу. Уже сейчас технически развертывание нейросетей в медицинских учреждениях не составляет проблем, а распространение технологий 5G поможет развертывать и более требовательные приложения. Что касается защиты медицинских данных, то ее помогает реализовать схема, при которой данные хранятся на серверах медучреждений, а на серверах компаний-партнеров проводятся только связанные с ними вычисления. Все эти сервисы развиваются, что позволяет смотреть в будущее медицинских AI-решений с оптимизмом.