Смогут ли нейросети заменить врачей?

Слева: фото сетчатки глаза в цвете. Справа: черно-белый снимок с областями, прогнозирующими повышение артериального систолического давления. Фото: verily.com

В 2018 году трудно кого-то удивить потенциалом нейросетей. Они снимают фильмы, исследуют далекие галактики, контролируют молочные фермы и даже монтируют фейковое порно. Созидательный потенциал искусственного интеллекта ограничен только фантазией его разработчиков. К счастью, передовые технологии в сфере ИИ не только служат бизнес-уловкой или очередным развлечением – нейросети постепенно учатся спасать жизни.

Анализы через сетчатку

Alphabet (материнская компания Google) владеет компанией Verily Life Sciences. Она разработала искусственный интеллект Verily, который по анализу сетчатки человеческого глаза может определять различные медицинские показатели. К примеру, ИИ может рассчитать индекс массы тела, узнать содержание гемоглобина в крови или измерить уровень давления. Все инструменты позволяют искусственному интеллекту прогнозировать заболевания сердечно-сосудистой системы.

Для создания искусственного интеллекта с мощным медицинским функционалом Verily Life Sciences действовали с помощью методов глубинного обучения. Создатели ИИ использовали 284 тысячи изображений сетчатки глаза, для которых были известны показатели пола, возраста, давления, индекса массы тела и содержания гемоглобина, а также данные о курении и развитии сердечно-сосудистых заболеваний в течение пяти лет.

После обучения программа была протестирована на двух независимых базах данных общим количеством в 13 тысяч человек. Алгоритм определял риск развития сердечно-сосудистых заболеваний с точностью 70%. Авторы исследования подчеркивают, что в дальнейшем точность работы алгоритма может быть увеличена. В Verily отмечают, что пока находятся лишь на первоначальной стадии исследования. Клинические испытания пока не проводились.

Актуальная для клиник методика ⁠SCORE работает иначе – риск развития заболеваний сердца определяют через анализ ⁠крови. По ⁠нему смотрят уровень гемоглобина в ней, а затем риски оцениваются ⁠с помощью специальной таблицы, где учитываются также пол и возраст человека. ⁠Ее ⁠точность лишь на 2% превышает результаты искусственного интеллекта Verily.

Вероятность смерти

Одна из последних новинок Google – алгоритм, способный проанализировать общее состояние пациента и спрогнозировать вероятность смерти человека в больнице. Bloomberg рассказывает о разработке компании на примере пациентки с поздней стадией рака груди.

Когда женщина поступила в больницу, врачи после первичного осмотра оценили вероятность ее смерти в 9,3%. Алгоритм Google оказался не столь оптимистичным, и выдал 19,9%. Как оказалось, женщина умерла в больнице спустя всего несколько дней после поступления. После этого Google и подготовила доклад о возможностях нейросетей и их медицинском потенциале.

В Google уверяют, что их нейросеть способна не только прогнозировать летальный исход, но и рассчитывать шанс на повторное обращение пациента в больницу или вероятную продолжительность нахождения человека в медицинском учреждении. Для этого ИИ использует совокупность доступных ему данных: этническая принадлежность пациента, пол, диагнозы, последние результаты лабораторных исследований и другие показатели. Кроме того, нейросеть сможет обработать даже заметки врача или показания старых диаграмм.

Представители компании настаивают на том, что ни один другой способ не способен учесть такой массив информации. Самое главное – после вынесения решения нейросеть сможет отчитаться, на основе каких именно данных она сделала вывод о вероятности смерти пациента или о шансе его повторной госпитализации.

Рентгенография

Группа ученых из Стэнфордского университета создала нейросеть, которая умеет определять пневмонию по рентгеновским снимкам. Итоговый результат, как правило, оказывается не хуже врачебной оценки. Пневмония – одно из самых распространенных заболеваний в США. Врачей крайне беспокоит высокая смертность от этого недуга – не меньше 50 тысяч человек ежегодно. В целом за 12 месяцев диагноз «пневмония» ставят как минимум миллиону пациентов.

Исследователи построили многоуровневую нейросеть (121 уровень, если быть точным) и загрузили в нее больше 100 тысяч снимков грудной клетки. К каждой фотографии шла информация о диагностированных по ней заболеваниях. После этого ученые сравнивали, с какой точностью пневмонию выявляют врачи и нейросеть. Для эксперимента они пригласили четырех докторов из Стэнфордского университета. Опыт их практики отличался: четыре, семь, двадцать пять и двадцать восемь лет. Врачам не давали доступ к историям болезни, они могли определять болезнь только по рентгену.

Выяснилось, что нейросеть не только не хуже, но даже иногда и лучше выявляет пневмонию, чем доктора. Программа смогла выявить и другие 13 заболеваний, которые можно было найти по выданным снимкам.

Предотвращение самоубийств

Машинное обучение способно даже определять потенциальную склонность человека к самоубийству по активности головного мозга. В своем исследовании американские ученые из университета Карнеги – Меллон в Питтсбурге изучали результаты фМРТ-сканирования людей с суицидальными наклонностями. Они проверяли, насколько паттерны активности головного мозга помогают обнаружить нейробиологические предпосылки для выявление концептов в реальном мире. Проще говоря, как появляются и реализуются мысли о совершении какого-нибудь действия.

Для эксперимента ученые пригласили 79 человек. 38 из них думали о суициде или пытались покончить с собой, еще 38 никогда не имели мыслей о самоубийстве. Каждый испытуемый проходил через фМРТ-сканирование. Во время процедуры люди должны были думать о концептах из нескольких групп слов. Среди них были слова, намекающие на самоубийство («передозировка», «смерть»), слова, связанные с позитивными эмоциями, и слова, связанные с негативными эмоциями.

Специальный классификатор, основанный на машинном обучении, проанализировал результы эксперимента и с точностью около 90% определил, у кого из испытуемых были суицидальные наклонности. Ученые выделили шесть концептов (среди них – «смерть», «жестокость», «беззаботность»), мысли о которых вызывали противоположную реакцию головного мозга у тех, кто пытался совершить самоубийство, и у тех, кто никогда не думал об этом.

Затем алгоритм смог определить здоровых людей и тех, кто находится в группе риска. Классификатор угадал 15 из 17 людей, которые думали о суициде, и 16 из 17 испытуемых, у которых никогда не было мыслей о самоубийстве. Тех, кто уже пытался покончить с собой, программа определила с еще большей точностью – 94%.

Сердечный приступ

В Дании команда программистов создала нейросеть Corti Signal, которая помогает врачам «скорой помощи» диагностировать сердечный приступ. Преимущество ИИ в том, что он способен отловить те признаки инфаркта, которые обычные врачи при всем желании выявить не способны.

Принцип действия: диспетчер получает звонок от пациента. Доктор задает стандартные вопросы о состоянии человека, у которого подозревают сердечный приступ. Параллельно Corti Signal в режиме реального времени анализирует информацию о пациенте, полученную врачом в ходе быстрого опроса, и за считанные секунды оглашает диагноз. Нейросеть обрабатывает вербальную информацию и даже отслеживает дыхание.

Разработчики Corti Signal рассказывают, что для них диалоги с пациентом – «кладезь информации». «Мы разработали множество глубоких нейросетей, которые обращаются непосредственно к звуковому потоку и извлекают наиболее важные данные. Чем выше качество этих возможностей, тем лучше наши предсказания», – признаются создатели ИИ в беседе Bloomberg. Они приводят наглядную статистику: среднестатистический диспетчер «скорой помощи» распознает сердечный приступ только в 73% случаев. Нейросеть улучшает этот показатель до 95%.

Скепсис

Дежурный врач в дерматологической клинике Колумбийского университета Линдси Бордон, как и многие другие специалисты, признает потенциал нейросетей в медицинской практике, но считает, что пока им не хватает индивидуального подхода – они просто не способны на это.

В качестве примера доктор рас

сказывает историю пациента, который жаловался на сыпь на лице. Бордон сразу же спросила мужчину, есть ли у него перхоть. После его положительного ответа, она смогла убедиться, что у пришедшего к ней человека – лицевая перхоть. После этого она спросила пациента, менял ли он свой шампунь и испытывал ли он стресс в последнее время. Оказалось, что мужчина лишился работы. Нейросеть пока не может зайти так далеко, она сможет сопоставить симптомы с имеющейся базой диагнозов, но нескольких личных вопросов пациенту она задать не может, что может привести к неверной постановке диагноза или назначению ненужного лечения.

Идеальный вариант развития событий – совмещение возможностей ИИ со способностями голосовых ассистентов. Они, находясь в гаджетах, знают достаточно о своих владельцах, и с течением времени будут понимать своего хозяина только лучше. Если в них добавить возможности, описанные выше, то они еще и научатся не просто вызывать «скорую» (это, в принципе, они могут и сейчас), но и оказывать первую помощь или предупреждать человека об опасности заблаговременно, чтобы владелец очередной умной колонки не откладывал визит к врачу.

Ссылка на оригинал: https://republic.ru