Искусственный интеллект будет выявлять заболевания сердца и диабет

Ученые Южно-Уральского государственного университета совместно с коллегами из Испании, Франции и Египта разработали модель для более эффективной диагностики сердечно-сосудистых заболеваний и сахарного диабета с использованием искусственного интеллекта и технологии интернета вещей. Собирать данные, по мысли ученых, будут самые обычные гаджеты.

Последние достижения в области интернета вещей, облачных вычислений и искусственного интеллекта превратили обычную систему здравоохранения в интеллектуальную. Медицинские услуги можно значительно улучшить, используя интернет вещей и искусственный интеллект. Сейчас передовые методы и научная теория генерируют огромные массивы цифровых данных, которые можно применить для создания клинических приложений на основе ОС Android.

Старший научный сотрудник кафедры «Системное программирование», старший научный сотрудник управления научной и инновационной деятельности, Ph.D. в области машинного обучения Кумар Сэчин совместно с учеными из других стран создал новую модель работы цифровых приложений и их применения в медицине. Эта работа была поддержана Министерством науки и высшего образования. Новая модель диагностики заболеваний была описана в статье, опубликованной в высокорейтинговом сборнике IEEE access (Q1).

Умные приложения для медицины

«Клинические приложения — один из новейших продуктов информационных технологий. Предполагается, что “умное” здравоохранение использует простые, элегантные и многозадачные приложения. Эти приложения способствуют эволюции клинической модели медицины, то есть переходу от стандартного лечения болезни по схеме к лечению конкретного пациента. Должны произойти изменения в развитии информатизации медицины от обобщенных медицинских данных к региональным медицинским данным. Таким образом, клиническое ведение пациента станет более ориентированным на конкретного человека, а не на медицинскую статистику. В идеале мы должны перейти от лечения болезней к профилактической медицинской системе. Эти изменения направлены на совершенствование системы здравоохранения, что, в свою очередь, улучшает знания в области медицины и подразумевает переход к интеллектуальной медицине»,— рассказывает Кумар Сэчин.

Врачи, пациенты, клинические и исследовательские центры заинтересованы в оказании более качественных медицинских услуг с использованием новейших технологий. При применении этих технологий следует учитывать множество параметров: меры профилактики заболеваний и наблюдение, прогноз и лечение, клиническое ведение, принятие решений в отношении здоровья и медицинские исследования.

Мобильный интернет, облачные вычисления, большие данные, системы 5G, микроэлектроника и искусственный интеллект, а также интеллектуальные биотехнологии считаются основами современного здравоохранения. Эти технологии используются на каждом этапе «умного» здравоохранения. Портативные устройства могут применяться для мониторинга состояния здоровья пациентов, когда это необходимо. Пациенты сами смогут получать клинические рекомендации через виртуальную поддержку и управлять приборами удаленно. Врачи смогут использовать интеллектуальные системы принятия клинических решений для выбора и улучшения качества диагностических процедур.

Сбор информации со всех устройств

Устройства, использующие интернет вещей, окружают нас в повседневной жизни: это «умные» часы, фитнес-браслеты и смартфоны, портативные приборы для снятия ЭКГ, тонометры, глюкометры и термометры. Эти гаджеты отслеживают уровень физической активности, частоту сердечных сокращений, уровень глюкозы в крови, они удобны в использовании и привычны, для них не нужно придумывать новую технологию.

Идея ученых заключается в том, чтобы создать универсальное приложение, способное собирать данные с разных устройств и переводить их в совместимый формат. Таким образом, смартфон обрабатывает и систематизирует их. На основе полученной комплексной информации будет выстраиваться ряд медицинских рекомендаций одному конкретному пациенту с учетом именно его показателей.

«Представленная нами модель включает в себя различные этапы: сбор данных, предварительную обработку, классификацию и настройку параметров. Устройства интернета вещей, портативные устройства и датчики позволяют беспрепятственно собирать данные, в то время как методы искусственного интеллекта используют их для диагностики заболеваний. Исходя из этих показателей, можно определить, насколько хорош образ жизни пациента с тем или иным заболеванием. Данные, полученные через соединение Bluetooth с низким энергопотреблением, смартфон обрабатывает и классифицирует как здоровые, в пределах нормы, либо как нездоровые»,— поясняет ученый.

Эффективность новой модели была подтверждена использованием данных здравоохранения. В течение экспериментов представленная модель достигла максимальной точности 96,16% и 97,26% при диагностике болезней сердца и диабета соответственно. Таким образом, предлагаемая модель может использоваться в качестве подходящего инструмента диагностики заболеваний для интеллектуальной системы здравоохранения.

Юлия Шичкина, руководитель отдела «Технологии сильного искусственного интеллекта в физиологии и медицине» Международного инновационного института искусственного интеллекта, кибербезопасности и коммуникаций им. А. С. Попова СПбГЭТУ ЛЭТИ:

— В ЛЭТИ ученые разрабатывают концепцию гибридного интеллекта и ее приложения для прикладной медицины. Накопление и последующая интеллектуальная обработка данных, полученных с различных носимых и стационарных медицинских диагностических устройств, позволяют выполнять мониторинг и оценку состояния организма, а также помогать в выработке рекомендаций по поддержанию здоровья. Формирование индивидуальной цифровой медицинской истории человека и разрабатываемый комплекс технологий для работы с ней позволяют сделать медицину персонифицированной. Человек становится владельцем данных о состоянии своего организма и получает возможность управлять своим здоровьем с помощью «умной» медицинской системы, которая обучается для работы с конкретным человеком. Возникает симбиоз: человек, предоставляя данные, учит систему понимать его организм, а система учит человека заботиться о своем здоровье.

Уже сегодня «умные» системы могут ставить диагнозы на 80% правильно. Если же подойти к их развитию, опираясь на концепцию гибридного интеллекта, которая заключается в совместном развитии человека и машины, то процент правильных диагнозов будет только расти. Ошибки бывают. Но в процессе обучения их число приближается к нулю. Система, основанная на концепции гибридного интеллекта, учится не только на основании собственного опыта, но и на основании опыта других интеллектуальных систем и самого человека, шаг за шагом уменьшая число ошибок.

На основании полученных данных человек может взять на себя ответственность за поддержание своего здоровья и избежать многих ситуаций, в которых потребуется вмешательство профессионального врача. Персонифицированные интеллектуальные медицинские системы, как правило, формируют рекомендации, а окончательное решение всегда принимается человеком, в том числе — специалистом в конкретной области медицины. Главная задача таких систем — в том, чтобы помочь пациенту управлять своим здоровьем, а врачу иметь полную картину о состоянии организма конкретного человека.

В ряде областей медицины интеллектуальные системы уже сегодня могут комбинировать данные с носимых устройств (трекеры привычек, смарт-часы) и результаты анализов, полученные в медицинских лабораториях, формируя оценку состояния организма человека. Главная же задача, стоящая в мировой повестке интеллектуализации медицины,— это объяснимость вырабатываемых «умными» системами решений. Другими словами, пациент и врач нуждаются не только в самом решении, но и в объяснении того, на основании каких параметров данное решение было получено.

Алексей Трухин, преподаватель Инженерно-физического института биомедицины НИЯУ МИФИ, практикующий медицинский физик:

— Создание приложений, которые будут анкетировать и отслеживать данные медицинских приборов (имеющих медицинскую регистрацию в составе комплекса с ПО на мобильное устройство), позволит повысить эффективность ранней диагностики заболеваний, следовательно, по согласованию с лечащим врачом возможно применять профилактические меры.

Алгоритмы машинного обучения неидеальны, так как в основе лежат статистические наблюдения, которым имманентна дисперсия и все вытекающие статистические погрешности. Кроме решения задачи разработки алгоритмов ИИ (машинного обучения) необходимо методически проводить оптимизацию дисперсии любой медицинской информации (человеческий фактор, метрологическая верификация медицинских устройств, своевременный сервис и т. д.). Пациент не должен интерпретировать данные работы медицинских устройств с элементами ИИ. У врача должна быть соответствующая квалификация. Приложение может подготовить проект заключения. История финальных правок и электронная подпись врача подтверждают информацию заключения.

Лев Уткин, и. о. директора Института компьютерных наук и технологий Санкт-Петербургского политехнического университета Петра Великого (СПбПУ):

— Применение методов и моделей машинного обучения в диагностике различных заболеваний является одной из наиболее интересных задач, которые явно демонстрируют преимущества и эффективность использования искусственного интеллекта в различных прикладных областях. Поэтому совместная работа, представленная учеными ЮУрГУ и их коллегами из различных стран, является еще одним звеном в цепи инструментария, позволяющего в реальности перейти к персонализированной и цифровой медицине. Диагностика сердечно-сосудистых заболеваний и сахарного диабета является достаточно распространенной, что делает разработанный инструментарий действительно актуальным. Публикация в журнале IEEE Access показывает, что авторы использовали интересную комбинацию каскадных LSTM-сетей и iForest, известного метода для обнаружения аномальных наблюдений. Точность классификации — 96–97% — также свидетельствует о высокой эффективности предлагаемого метода. Безусловно, данная разработка является перспективной и может стать основой для широкого внедрения в медицинскую практику.

Сергей Ковальчук, руководитель научно-исследовательской лаборатории «Цифровое здравоохранение» Национального центра когнитивных разработок Университета ИТМО:

— Безусловно, данное направление является очень перспективным. В свете высокого приоритета персонализированной медицины приложения, осуществляющие «двунаправленную» связь с пациентом (сбор данных и предоставление рекомендаций), могут позволить сделать существенный шаг в этом направлении. При этом в ближайшее время ключевыми задачами в этом направлении могут стать именно профилактика и предотвращение заболеваний, а также поддержка пациентов с известными хроническими заболеваниями — задачи, в рамках которых пациент может принимать решения самостоятельно.

Любые (в том числе интеллектуальные) решения могут ошибаться. В случае поддержки принятия решения профессиональным врачом опыт и квалификация позволяют снизить риск такой ошибки, но и тут нет абсолютной гарантии отсутствия ошибок. При разработке «умных» систем крайне необходимо уделять внимание двум аспектам. Во-первых, необходима честная и полноценная верификация и валидация модели, оценка возможных ошибок системы в реальных условиях. При этом нужно оценивать работу системы в целом, а не только качество работы модели или алгоритма в ее составе. Во-вторых, необходима оценка последствий ошибок (в том числе отдельно — ошибок, вызванных ложноположительным и ложноотрицательным срабатыванием модели). При критичности таких ошибок может потребоваться выработка дополнительных механизмов «противодействия», устранения их последствий.

Есть различные решения, связанные со здоровьем пациента. Если речь идет о правильной постановке диагноза, назначении или отмене сильнодействующей терапии и т. п., решения должен принимать врач (при этом интеллектуальные системы поддержки принятия врачебных решений могут повысить качество таких решений, снизить риски, обеспечить врача необходимой информацией и пр.). Если же речь идет о ежедневной заботе о своем здоровье в рамках профилактики, предотвращения развития заболевания, текущего (уже назначенного) лечения известного хронического заболевания, пациент уже сейчас самостоятельно принимает решения. Интеллектуальные системы позволят делать это более осознанно, обоснованно. Кроме того, важно отметить постоянный «бытовой» режим работы с такими интеллектуальными системами, которые могут сопровождать пациента в режиме 24/7. Кроме того, такая поддержка позволит вовремя перейти к первому сценарию — обратиться к профессиональному врачу.

Перспективной представляется гибридная схема, в которой «умные» приложения оперируют различными источниками информации — как медицинскими записями (в том числе результатами анализов, их интерпретацией, назначениями), так и данными носимых устройств, включая как специализированные медицинские устройства, так и устройства общего назначения (фитнес-трекеры, смарт-часы, смартфоны с установленными приложениями трекинга по встроенным датчикам и пр.). Также дополнительными источниками данных могут служить результаты взаимодействия с пользователем-пациентом (опросы, напоминания, результаты выполнения тренировок и пр.). Такой подход, хоть и сопряжен с дополнительными проблемами интеграции, в перспективе позволяет наиболее полно отследить динамику состояния пациента и скорректировать выбранную программу действий.

Подготовлено при поддержке «Проекта 5–100», использованы материалы статьи Artificial Intelligence and Internet of Things Enabled Disease Diagnosis Model for Smart Healthcare Systems Romany Fouad Mansour, Adnen El Amraoui, Issam Nouaouri, Vicente Garca Daz, Deepak Gupta, Sachin Kumar, журнал IEEE Xp