Нейросети на здоровье
Как искусственный интеллект помогает в медицине
В России действуют более 70 проектов по внедрению технологий машинного обучения в медицину. Искусственный интеллект помогает повысить точность диагностики, ускорить разработку лекарств и автоматизировать рутинные процессы. Редакция «Ъ-Науки» разобралась, какие существуют направления применения ИИ-сервисов в медицине и в чем главные сложности развития профильных нейросетей.
Фото: Марина Молдавская, Коммерсантъ
Фото: Марина Молдавская, Коммерсантъ
Одно из главных направлений развития технологий машинного обучения в медицине — это анализ медицинских изображений, таких как маммограммы, флюорограммы, ЭКГ, КТ, МРТ, УЗИ и офтальмологические снимки для выявления признаков патологий. Уже сейчас ИИ-сервисы ассистируют врачам в диагностировании онкологии, инсультов и инфарктов, диабетической ретинопатии и редких заболеваний.
«Спина бифида»
Спина бифида (от лат. spina bifida) — это редкая врожденная патология, при которой позвоночник и спинной мозг развиваются неправильно. В России она ежегодно встречается у 1,5–2 тыс. детей и без своевременной (иногда внутриутробной) операции приводит к инвалидности.
Чтобы увеличить выявляемость заболевания на более ранних этапах, студенты Школы анализа данных «Яндекса» при поддержке благотворительного фонда «Спина бифида» и НМИЦ имени Кулакова создают ИИ-сервис. Он анализирует изображения УЗИ беременных женщин и определяет вероятность наличия признаков патологии. Если она высокая, то врач может оперативно направить пациентку на дополнительное обследование и лечение в перинатальные центры. В ходе применения сервиса специалисты будут загружать в него все больше размеченных качественных данных от новых пациентов. «Благодаря этому мы сможем дообучить нейросети, чтобы улучшить точность выявления признаков заболевания»,— отмечает Владимир Корсунов, выпускник ШАД и один из разработчиков ИИ-сервиса для идентификации spina bifida.
Retina.AI
Российский сервис Retina.AI помогает врачам обнаруживать признаки офтальмологических заболеваний сетчатки глаза. Ответ о возможной патологии дается через десять секунд после обработки, которая занимает две-три секунды. Врачи могут использовать сервис для получения второго мнения в сложных случаях, при сочетанных патологиях, для сравнительного анализа или уточнения диагноза.
На текущий момент с Retina.AI сотрудничают более 1100 врачей. Помимо России, сервис работает в странах ближнего и дальнего зарубежья, включая Латинскую Америку, Ближний Восток, Африку и Юго-Восточную Азию.
«Цельс»
«Цельс» — это российская система поддержки принятия врачебных решений на базе нейронных сетей. Искусственный интеллект используется для выявления признаков заболеваний на снимках маммографии, флюорографии, КТ грудной клетки и спинного мозга. Он определяет локализацию изменений, формирует протокол заключения и вероятный диагноз. Также сервис выстраивает список исследований по приоритетности, чтобы врач в первую очередь просматривал снимки пациентов с высокой вероятностью патологии. Это сокращает время на диагностику и минимизирует риски пропуска патологий.
На 2024 год в базе сервиса находится более 4 млн обработанных медицинских изображений, включая публичные базы данных, неразмеченные снимки и подтвержденные исследования — с патологией или без нее.
Лекарство от нейросети
ИИ-технологии могут ускорить процесс поиска химических соединений для разработки новых лекарственных препаратов и принести медицинской промышленности от 60 до 110 миллиардов долларов в год, подсчитали в Глобальном институте McKinsey. Сегодня разработка и вывод нового лекарственного препарата на рынок занимает в среднем 12–14 лет и стоит примерно 2,3 млрд долларов, отмечает Андрей Чурсов, исполнительный вице-президент по науке и технологиям Zephyr AI, основатель Datomics Group, выпускник Школы анализа данных . «С точки зрения долгосрочных целей применения искусственного интеллекта хотелось бы сократить весь описанный процесс с 12–14 лет до 4–5 лет. Для этого уже сегодня искусственный интеллект начинает применяться на каждой из стадий разработки лекарств»,— подчеркивает Андрей Чурсов.
Самые сложные этапы — это идентификация биологической мишени в организме, на которую лекарство может воздействовать, а также проектирование препарата, отмечает эксперт. На сегодняшний день поиск новой мишени заключается в машинном анализе текстов научных публикаций и патентов, анализе исторических клинических данных и применении различных статистических методов для идентификации новой мишени. После того как мишень найдена, искусственный интеллект используется для помощи в дизайне молекул с заранее заданными характеристиками и предсказании токсических или нежелательных эффектов, которые новая молекула может вызвать в организме человека.
Применять ИИ в разработке лекарств очень важно. «Огромный размер химического пространства делает невозможным его тщательное исследование классическими методами. Количество химических молекул, которые могут иметь лекарственные свойства, оценивается как 1060. Это число значительно превосходит количество молекул, которые человечество когда-либо сможет создать и изучить»,— подчеркивает Андрей Чурсов.
Автоматизация: с данными налегке
Искусственный интеллект используется, чтобы обрабатывать медицинскую информацию и освобождать врачей от рутинной работы. Он может анализировать большое количество данных: записей медкарт, лабораторных результатов и медицинских изображений. Это открывает новые возможности для построения закономерностей и прогнозов, а также поиска факторов риска, отмечает Валерия Кузоватова, руководитель департамента развития клинических и образовательных проектов Сеченовского университета.
Специалисты Сеченовского университета, Yandex Cloud и компании Beltel Datanomics создали платформу медицинских данных, содержащую более 18 млн медицинских документов общим размером более 300 Гб. Благодаря ей врачи и ординаторы могут быстрее искать информацию, собирать статистику и выгружать данные за несколько секунд. В будущем ИИ начнет помогать им с этими задачами, уверена Валерия Кузоватова.
Ответить на вызовы и добиться большего
Технические вызовы, стоящие перед создателями нейросетей в здравоохранении, в первую очередь заключаются в сложности разметки медицинских данных. У них много «шумов», а качество информации, которую выгружают модели, сильно зависит от человеческого фактора. «Все данные размечаются вручную. После их проверяет доктор-супервайзер. Обычно это специалист с большим опытом работы, имеющий колоссальную насмотренность: он отсматривает сотни тысяч изображений в год»,— отмечает Дмитрий Каталевский, генеральный директор Digital Vision Solutions, компании—разработчика Retina.AI.
Сложности в разработке нейросетей для медицины состоят еще и в том, что оценивать модели нужно не только по метрикам машинного обучения, но и по медицинским показателям (чувствительность, специфичность, частота ложноположительных результатов), подчеркивает Валерия Кузоватова.
Наконец, один из самых больших вызовов для создания медицинских ИИ-сервисов — это поиск подходящего датасета для обучения. Большую часть исследований составляют изображения здоровых людей, и только небольшую занимают патологии. Так, для обучения нейросети по поиску spina bifida использовалась база данных из почти 6 тыс. обезличенных изображений УЗИ беременных женщин, и только 300 из них содержали признаки патологии. Один из вариантов решения — «размножение» данных при помощи технологии аугментации. Например, изменения яркости, контраста или масштаба изображений, добавления поворотов или отражений, отмечает Владимир Корсунов.
Несмотря на определенные ограничения, сейчас очень важно продолжать активно внедрять нейросети в медицину. В первую очередь для этого требуется вовлечение высококвалифицированных врачей в процесс сборки и разметки датасетов, подчеркивает Владимир Корсунов: «Данные — это краеугольный камень для обучения любой модели. Чем больше размеченных данных, тем точнее модель будет решать свою задачу».