Ватсан не ўкусіў доктара, і вельмі добра

Хоць, як і ў шматлікіх іншых абласцях, захопленае імкненне замяніць лекараў ІІ пасля серыі дыягнастычных няўдач некалькі саслабла, праца па распрацоўцы медыцыны на аснове ІІ ўсё яшчэ працягваецца. Таму што, тым не менш, яны па-ранейшаму прапануюць вялікія магчымасці і шанц павысіць эфектыўнасць аперацый у многіх яе абласцях.

У 2015 г. было абвешчана аб стварэнні IBM, а ў 2016 г. яна атрымала доступ да дадзеных чатырох буйных кампаній, якія займаюцца зборам дадзеных аб пацыентах (1). Самы вядомы, дзякуючы шматлікім паведамленням у СМІ, і ў той жа час самы амбіцыйны праект з выкарыстаннем прасунутага штучнага інтэлекту IBM быў звязаны з анкалогіяй. Навукоўцы спрабавалі выкарыстоўваць вялізныя рэсурсы дадзеных для іх апрацоўкі, каб ператварыць іх у добра адаптаваныя супрацьракавыя метады лячэння. Доўгатэрміновай мэтай было прымусіць Уотсана судзіць клінічныя выпрабаванні і вынікі, як гэта зрабіў бы лекар.

1. Адна з візуалізацый медыцынскай сістэмы Watson Health

Аднак аказалася, што Уотсан не можа самастойна звяртацца да медыцынскай літаратуры, а таксама не можа здабываць інфармацыю з электронных медыцынскіх карт пацыентаў. Аднак самым цяжкім абвінавачаньнем супраць яго было тое, што няздольнасць эфектыўна параўнаць новага пацыента з іншымі больш старымі анкалагічнымі хворымі і выявіць сімптомы, нябачныя на першы погляд.

Былі, па агульным прызнанні, і некаторыя анколагі, якія сцвярджалі, што давяраюць яго меркаванням, хоць у асноўным з пункту гледжання прапаноў Уотсана па стандартных метадах лячэння або ў якасці дадатковага, дадатковага медыцынскага заключэння. Шмат хто ўказваў, што гэтая сістэма стане выдатным аўтаматызаваным бібліятэкарам для лекараў.

У выніку не вельмі пахвальных водгукаў IBM праблемы з продажам сістэмы Watson у медустановах ЗША. Гандлёвым прадстаўнікам IBM удалося прадаць яго некаторым бальніцам Індыі, Паўднёвай Карэі, Тайланда і іншых краін. У Індыі лекары () ацанілі рэкамендацыі Уотсана ў дачыненні да 638 выпадкаў раку малочнай залозы. Узровень захавання рэкамендацый па лячэнні складае 73%. Горш Уотсан выбыў у Медыцынскім цэнтры Гачон у Паўднёвай Карэі, дзе яго лепшыя рэкамендацыі для 656 пацыентаў з колоректальным ракам супадалі з рэкамендацыямі экспертаў за ўсё ў 49 працэнтах выпадкаў. Дактары ацанілі, што Watson дрэнна спраўляўся з пажылымі пацыентаміне прапанаваўшы ім пэўныя стандартныя лекі, і здзейсніў крытычную памылку, прызначыўшы назіранне за агрэсіўным лячэннем некаторым пацыентам з метастатическим захворваннем.

У канчатковым рахунку, хоць яго праца як дыягноста і лекара ацэньваецца як няўдалая, ёсць вобласці, у якіх ён аказаўся надзвычай карысным. Тавар Уотсан для геномікі, які быў распрацаваны ў супрацоўніцтве з Універсітэтам Паўночнай Караліны, Ельскім універсітэтам і іншымі ўстановамі, выкарыстоўваецца генетычныя лабараторыі для падрыхтоўкі справаздач для анколагаў. Watson загружае файл спісу генетычныя мутацыі у пацыента і за лічаныя хвіліны можа стварыць справаздачу, які ўключае прапановы па ўсіх важных леках і клінічным выпрабаванням. Уотсан адносна лёгка спраўляецца з генетычнай інфармацыяйтаму што яны прадстаўлены ў структураваных файлах і не ўтрымоўваюць двухсэнсоўнасцяў – альбо ёсць мутацыя, альбо няма мутацыі.

Партнёры IBM з Універсітэта Паўночнай Караліны апублікавалі ў 2017 годзе артыкул аб эфектыўнасці. Уотсан выявіў патэнцыйна важныя мутацыі, якія не былі ідэнтыфікаваны даследаваннямі на людзях, у 32% з іх. даследаваных пацыентаў, што зрабіла іх добрымі кандыдатамі для прымянення новага прэпарата. Аднак да гэтага часу няма доказаў таго, што выкарыстанне прыводзіць да лепшых вынікаў лячэння.

Прыручэнне бялкоў

Гэты і многія іншыя прыклады спрыяюць узрастаючаму перакананню ў тым, што ўсе недахопы ў галіне аховы здароўя ўстараняюцца, але трэба шукаць вобласці, дзе гэта сапраўды можа дапамагчы, таму што там людзі не вельмі добра сябе адчуваюць. Такім полем з'яўляюцца, напрыклад, даследаванне бялку. У мінулым годзе з'явілася інфармацыя, што ён можа дакладна прадказваць форму бялкоў на аснове іх паслядоўнасці (2). Гэта традыцыйна задача, не пад сілу не толькі людзям, але нават магутным кампутарам. Калі мы асвоім дакладнае мадэляванне скручвання бялковых малекул, перад геннай тэрапіяй адкрыюцца вялізныя магчымасці. Навукоўцы спадзяюцца, што з дапамогай AlphaFold мы вывучым функцыі тысяч, а гэта, у сваю чаргу, дазволіць зразумець чыннікі шматлікіх захворванняў.

2. Скручванне бялковых малекул, змадэляванае з дапамогай AlphaFold ад DeepMind.

Зараз мы ведаем дзвесце мільёнаў бялкоў, Але мы цалкам разумеем структуру і функцыі невялікай іх часткі. вавёркі гэта асноўны будаўнічы блок жывых арганізмаў. Яны адказныя за большасць працэсаў, якія адбываюцца ў клетках. Тое, як яны працуюць і што яны робяць, вызначаецца іх трохмернай структурай. Яны прымаюць адпаведную форму без якіх-небудзь інструкцый, кіруючыся законамі фізікі. На працягу дзесяцігоддзяў асноўным метадам вызначэння формы бялкоў былі эксперыментальныя метады. У 50-х гадах выкарыстанне Рэнтгенакрысталаграфічныя метады. У апошняе дзесяцігоддзе ён стаў пераважнай прыладай даследавання крышталічная мікраскапія. У 80-х і 90-х гадах пачаліся працы па выкарыстанні кампутараў для вызначэння формы бялкоў. Аднак вынікі ўсё роўна не задаволілі вучоных. Метады, якія працавалі для адных бялкоў, не працавалі для іншых.

Ужо ў 2018 годзе AlphaFold атрымалі прызнанне спецыялістаў у мадэляванне бялкоў. Аднак у той час ён выкарыстоўваў метады, вельмі падобныя на іншыя праграмы. Навукоўцы змянілі тактыку і стварылі іншую, у якой таксама выкарыстоўвалася інфармацыя аб фізічных і геаметрычных абмежаваннях пры згортванні бялковых малекул. AlphaFold даў нераўнамерны вынік. Часам у яго справы ішлі лепш, часам горш. Але амаль дзве трэці яго прадказанняў супалі з вынікамі, атрыманымі эксперыментальнымі метадамі. У пачатку 2 гады алгарытм апісаў структуру некалькіх бялкоў віруса SARS-CoV-3. Пазней было выяўлена, што прадказанні для бялку Orf2020a адпавядаюць з вынікамі, атрыманымі эксперыментальна.

Гаворка ідзе не толькі аб вывучэнні ўнутраных спосабаў згортвання бялкоў, але і аб дызайне. Даследнікі з ініцыятывы NIH BRAIN выкарыстоўвалі машыннае навучанне распрацаваць бялок, які можа адсочваць узровень сератаніну ў мозгу ў рэжыме рэальнага часу. Серотонін - гэта нейрохимическое рэчыва, якое гуляе ключавую ролю ў тым, як мозг кантралюе нашы думкі і пачуцці. Напрыклад, многія антыдэпрэсанты прызначаны для змены сігналаў серотоніна, якія перадаюцца паміж нейронамі. У артыкуле ў часопісе "Клетка" навукоўцы распавялі, як яны выкарыстоўваюць перадавыя. метады геннай інжынерыі ператварыць бактэрыяльны бялок у новы даследчы інструмент, які можа дапамагчы адсочваць перадачу серотоніна з большай дакладнасцю, чым сучасныя метады. Даклінічныя эксперыменты, у асноўным на мышах, паказалі, што датчык можа імгненна выяўляць тонкія змены ўзроўню сератаніну ў мозгу падчас сну, страху і сацыяльных узаемадзеянняў, а таксама правяраць эфектыўнасць новых псіхаактыўных прэпаратаў.

Барацьба з пандэміяй не заўсёды была паспяховай

У рэшце рэшт, гэта была першая эпідэмія, аб якой мы пісалі ў MT. Аднак, напрыклад, калі казаць пра сам працэс развіцця пандэміі, то на пачатковым этапе ІІ здаваўся чымсьці накшталт правалу. Навукоўцы скардзіліся, што штучны інтэлект не можа правільна прадказаць маштабы распаўсюджвання каранавіруса на аснове дадзеных аб папярэдніх эпідэміях. «Гэтыя рашэнні добра працуюць у некаторых абласцях, такіх як распазнанне асоб, якія маюць пэўную колькасць вачэй і вушэй. Эпідэмія SARS-CoV-2 Гэта невядомыя раней падзеі і мноства новых зменных, таму штучны інтэлект, заснаваны на гістарычных звестках, якія выкарыстоўваліся для яго навучання, працуе дрэнна. Пандэмія паказала, што трэба шукаць іншыя тэхналогіі і падыходы», - заявіў Максім Фёдараў са Скалтэха ў красавіку 2020 года ў заяве для расейскіх СМІ.

З часам з'явіліся аднак алгарытмы, якія, здаецца, даказваюць вялікую карыснасць ІІ ў барацьбе з COVD-19. Навукоўцы ў ЗША увосень 2020 гады распрацавалі сістэму для распазнання характэрных мадэляў кашлю ў людзей з COVID-19, нават калі ў іх не было іншых сімптомаў.

Калі з'явіліся вакцыны, нарадзілася ідэя дапамагчы кампаніі па вакцынацыі насельніцтва. Яна магла б, напрыклад дапамагчы змадэляваць транспарціроўку і лагістыку вакцын. Таксама ў вызначэнні таго, якія групы насельніцтва трэба вакцынаваць у першую чаргу, каб хутчэй справіцца з пандэміяй. Гэта таксама дапамагло б прагназаваць попыт і аптымізаваць тэрміны і хуткасць вакцынацыі, хутка выяўляючы праблемы і вузкія месцы ў лагістыцы. Спалучэнне алгарытмаў з пастаянным маніторынгам таксама можа хутка даць інфармацыю аб магчымых пабочных эфектах і з'явах для здароўя.

гэтыя сістэмы з выкарыстаннем ІІ у аптымізацыі і паляпшэнні аховы здароўя ўжо вядомыя. Іх практычныя перавагі былі ацэнены па заслугах; напрыклад, сістэма аховы здароўя, распрацаваная кампаніяй Macro-Eyes у ​​амерыканскім Стэнфардскім універсітэце. Як і ў выпадку з многімі іншымі медыцынскімі ўстановамі, праблемай была адсутнасць пацыентаў, якія не з'явіліся на прыём. Макра-Вочы пабудавалі сістэму, якая магла надзейна прадказаць, якіх пацыентаў тамака, верагодна, не будзе. У асобных сітуацыях ён таксама мог прапанаваць альтэрнатыўны час і месцазнаходжанне клінік, што павялічыла б шансы з'яўлення пацыента. Пазней аналагічная тэхналогія была прыменена ў розных месцах ад Арканзаса да Нігерыі пры падтрымцы, у прыватнасці, Агенцтва ЗША па міжнароднаму развіццю i.

У Танзаніі Macro-Eyes працавала над праектам, накіраваным на павышэнне паказчыкаў імунізацыі дзяцей. Праграмнае забеспячэнне аналізавала, колькі доз вакцын неабходна адправіць у дадзены цэнтр вакцынацыі. Ён таксама змог ацаніць, якія сем'і могуць не захацець вакцынаваць сваіх дзяцей, але іх можна было пераканаць з дапамогай адпаведных аргументаў і ўказанні цэнтра вакцынацыі ў зручным месцы. Выкарыстоўваючы гэтае праграмнае забеспячэнне, урад Танзаніі змог павысіць эфектыўнасць сваёй праграмы імунізацыі на 96%. і скараціць колькасць адходаў вакцыны да 2,42 на 100 чалавек.

У Сьера-Леонэ, дзе адсутнічалі дадзеныя аб здароўі жыхароў, кампанія паспрабавала супаставіць гэта з інфармацыяй аб адукацыі. Аказалася, што аднаго толькі паказчыка колькасці настаўнікаў і іх вучняў было дастаткова, каб прадказаць 70 працэнтаў. дакладнасць таго, ці ёсць у мясцовай паліклініцы доступ да чыстай вады, што ўжо з'яўляецца следам дадзеных аб здароўі людзей, якія там жывуць (3).

3. Ілюстрацыя Macro-Eyes аб праграмах аховы здароўя на аснове ІІ ў Афрыцы.

Міф пра машыннага доктара не знікае

Нягледзячы на ​​няўдачы Ватсан новыя падыходы да дыягностыкі ўсё яшчэ распрацоўваюцца і лічацца ўсё больш дасканалымі. Параўнанне зроблена ў Швецыі ў верасні 2020 г. выкарыстоўваецца ў візуалізацыйнай дыягностыцы раку малочнай залозы паказала, што лепшы з іх працуе гэтак жа, як і лекар-рэнтгенолаг. Алгарытмы былі пратэставаны з выкарыстаннем амаль дзевяці тысяч мамаграфічных малюнкаў, атрыманых падчас звычайнага скрынінга. Тры сістэмы, пазначаныя як АІ-1, АІ-2 і АІ-3, дасягнулі дакладнасці 81,9%, 67%. і 67,4 працэнта. Для параўнання, у рэнтгенолагаў, якія інтэрпрэтуюць дадзеныя выявы як першыя, гэты паказчык склаў 77,4%, а ў выпадку рэнтгенолагаўхто быў другім, хто апісаў гэта, гэта было 80,1 працэнта. Лепшы з алгарытмаў таксама змог выявіць выпадкі, якія рэнтгенолагі прапусцілі падчас скрынінгу, і жанчыны былі дыягнаставаны як хворыя менш як за год.

Па меркаванні даследнікаў, гэтыя вынікі даказваюць, што алгарытмы штучнага інтэлекту дапамагаюць выправіць ілжываадмоўныя дыягназы, пастаўленыя радыёлагамі. Аб'яднанне магчымасцяў АІ-1 з сярэднім лекарам-рэнтгенолагам павялічыла колькасць ракаў малочнай залозы, якія выяўляюцца, на 8%. Каманда з Каралеўскага інстытута, якая праводзіць гэта даследаванне, чакае, што якасць алгарытмаў ІІ будзе працягваць расці. Поўнае апісанне эксперыменту было апублікавана ў "JAMA Oncology".

W па пяцібальнай шкале. У наш час мы назіраем значнае тэхналагічнае паскарэнне і вынахад на IV узровень (высокая аўтаматызацыя), калі сістэма самастойна аўтаматычна апрацоўвае атрыманыя дадзеныя і падае адмыслоўцу папярэдне прааналізаваную інфармацыю. Гэта эканоміць час, дазваляе пазбегнуць чалавечых памылак і забяспечвае больш эфектыўнае лячэнне хворых. Вось што ён судзіў некалькі месяцаў таму Стэн А.І. у блізкай яму вобласці медыцыны праф. Януш Бразевіч з Польскага таварыства ядзернай медыцыны ў заяве для Польскага агенцтва друку.

4. Машынны прагляд медыцынскіх малюнкаў

Алгарытмы, на думку такіх спецыялістаў, як праф. Бразіевічнават незаменныя ў гэтай галіне. Прычына ў хуткім павелічэнні колькасці дыягнастычных візуалізуюць тэстаў. Толькі за пэрыяд 2000-2010 гг. колькасць МРТ-даследаванняў і абследаванняў павялічылася ў дзясяткі разоў. На жаль, колькасць даступных урачоў-спецыялістаў, якія маглі б правесці іх хутка і надзейна, не павялічылася. Таксама адчуваецца няхватка кваліфікаваных тэхнічных спецыялістаў. Укараненне алгарытмаў на аснове штучнага інтэлекту эканоміць час і дазваляе поўнасцю стандартаваць працэдуры, а таксама пазбегнуць чалавечых памылак і больш эфектыўных, персаналізаваных метадаў лячэння для пацыентаў.

Як аказалася, таксама судовая медыцына можа атрымаць выгаду з развіццё штучнага інтэлекту. Спецыялісты ў гэтай галіне могуць вызначыць дакладны час смерці памерлага шляхам хімічнага аналізу вылучэнняў чарвякоў і іншых істот, якія сілкуюцца мёртвымі тканінамі. Праблема ўзнікае, калі ў аналіз уключаюць сумесі вылучэнняў розных відаў некрафагаў. Тут у гульню ўступае машыннае навучанне. Навукоўцы з Універсітэта Олбані распрацавалі метад штучнага інтэлекту, які дазваляе хутчэй вызначаць віды чарвякоў на аснове іх "хімічных адбіткаў пальцаў". Каманда навучыла сваю кампутарную праграму, выкарыстоўваючы сумесі розных камбінацый хімічных вылучэнняў шасці відаў мух. Ён расшыфраваў хімічныя прыкметы лічынак насякомых, выкарыстоўваючы мас-спектраметрычны метад, які ідэнтыфікуе хімічныя рэчывы шляхам дакладнага вымярэння адносіны масы да электрычнага зараду іёна.

Так што, як бачыце, аднак ІІ ў ролі дэтэктыва-расследавальніка не вельмі добра, гэта можа быць вельмі карысна ў лабараторыі крыміналістыкі. Магчыма, мы чакалі ад яе занадта шмат чаго на гэтым этапе, прадбачачы алгарытмы, якія пазбавяць лекараў працы (5). Калі мы глядзім на штучны інтэлект калі казаць больш рэалістычна, засяродзіўшы ўвагу на пэўных практычных перавагах, а не на цэлым, яе кар'ера ў медыцыне зноў выглядае вельмі шматабяцальна.

5. Бачанне машыны доктара