Система искусственного интеллекта для клинической практики

Система искусственного интеллекта для клинической практики

Группой специалистов, работающих на базе Массачусетской больницы общего профиля (MGH — Massachusetts General Hospital) разработана система на основе искусственного интеллекта. Технология призвана быстро диагностировать и классифицировать факты кровоизлияний в мозг. Принятие решений относительно методики лечения осуществляется на основе сравнительно небольших наборов изображений. Система искусственного интеллекта обещает стать незаменимым инструментом больничных отделений скорой медицинской помощи. Особенно, когда требуется оценка симптомов инсульта – заболевания, потенциально опасного для жизни пациента. Технология позволяет быстро применять правильное лечение, отмечает журнал «Nature Biomedical Engineering».

Искусственный интеллект для клинических решений

Несмотря на постоянно растущую вычислительную мощь и доступность массивных наборов данных, достаточно остро стоит вопрос улучшения ситуации в области машинного обучения. Это  процесс, благодаря которому компьютеры анализируют данные, определяют шаблоны, по сути, учатся выполнению задач без непосредственного участия человека.

Главными препятствиями невозможности полной интеграции интеллектуальных систем в процесс принятия клинических решений видятся, к примеру, потребность в больших и хорошо аннотированных наборах данных. Имеются в виду ранее разработанные системы анализа изображений, дублирующие работу врача, прошедшие обучение с использованием более 100 000 изображений.

Также остаётся важной другая проблема, так называемого «чёрного ящика», неспособностью системы пояснить, какая цепочка обоснований привела к принятию решения. Между тем стандарты контроля продуктов и лекарственных средств, требуют от любой системы поддержки принятия решений предоставления данных, позволяющих пользователям анализировать причины сделанных выводов.

Существуют критические предположения на тот счёт, что алгоритмы машинного обучения недопустимо использовать в клинической практике, потому что такие алгоритмы не дают обоснования принятых решений.

И вот специалисты MGH осознали необходимость преодоления этих двух проблем для облегчения использования машинного обучения в области здравоохранения. По мнению учёных, такая методология обладает огромным потенциалом на улучшение качества и доступа к медицинской помощи.

Как обучали искусственный интеллект здравоохранения

Чтобы обучить созданную систему, учёные MGH использовали компьютерную томографию головного мозга, состоявшую примерно из 40 отдельных изображений, которые были помечены пятью нейрорадиологами MGH. Метки ставились с целью определить один из пяти подтипов кровоизлияния или отсутствие такового, основываясь на расположении в пределах мозга.

Рассчитывая повысить точность системы глубокого обучения, специалисты построили поэтапное копирование анализируемых нейрорадиологами элементов изображений (корректирующих факторов) — контрастности и яркости. Эти факторы используются для выявления тонких различий, которые не видны изначально.

Следующим шагом планируется развертывание системы непосредственно в клинических условиях с дальнейшей проверкой эффективности в разных случаях. В настоящее время разработчики создают платформу для широкого применения таких инструментов в границах учреждений MGH.


При помощи информации: MGH