Лента новостей → 7 лучших систем искусственного интеллекта для обработки медицинской информации
Сегодня уже нет сомнений, что системы искусственного интеллекта имеют исключительный потенциал во многих сферах нашей жизни, включая медицину. И хотя в СМИ периодически появляются статьи со “страшилками” о том, как искусственный интеллект или роботы с таковым могут стать угрозой человечеству, нам кажется, что более реальной станет огромная помощь, которую подобные системы окажут всем нам.
Что касается здравоохранения, искусственный интеллект может полностью переформатировать отрасль и переделать ее в лучшую сторону. Здесь много разных возможностей – это подбор лучшего лечения для каждого конкретного пациента, это быстрая диагностика и полное изменение лечебных планов, это и помощь в монотонной, повторяющейся работе и, наконец, быстрая расшифровка медицинских изображений.
Одной из таких задач является поиск информации в медицинских записях. Сбор информации, ее хранение, приведение к единому виду, отслеживание последовательностей, анализ – это задача, которая является первым шагом к изменению существующей системы здравоохранения. Здесь мы хотим вас кратко познакомить с несколькими самыми интересными проектами в этой сфере.
-
DeepMind Health (Google)
Это проект, который ведет британская компания, входящая в состав Google и занимающаяся только искусственным интеллектом. Система, которую разрабатывает компания, способна за несколько минут обработать сотни тысяч медицинских записей и выделить из нее нужную информацию. Хотя этот проект, основанный на систематизации данных и машинном обучении, находится еще на ранней стадии, DeepMind уже сотрудничает с Глазной больницей Мурфильдса (Великобритания) с целью повышения качества лечения. Используя миллион анонимизированных, полученных с помощью томографа изображений глаз, исследователи постараются создать алгоритмы на базе технологий машинного обучения, которые будут помогать обнаружить ранние признаки двух глазных заболеваний – влажной возрастной макулярной дистрофии и диабетической ретинопатии.
Кстати, похожим занимается и другая компания, входящая в Google – Verily. Специалисты этой фирмы используют искусственный интеллект и алгоритмы поисковика Google для того, чтобы проанализировать, что же делает человека здоровым.
IBM Watson совместно с Медицинским колледжем Лернера при Кливлендской больнице (США) запустила проект, получивший название WatsonPaths. В этом проекте искусственный интеллект Watson использует две когнитивные компьютерные технологии с целью помощи врачам быстро принимать более информированные и точные решения, а также отбирать новую полезную информацию из электронных медицинских карт. Это не единственный такой проект Watson – мы о них много писали и информацию о них вы может найти на нашем сайте.
Это облачная платформа прогнозной аналитики для медицинских организаций, которую разрабатывает одноименный американский стартап. Эта технология считается очень многообещающей и только в августе 2016 года они получили $4.3 млн для финансирования своей работы. Система Careskore в своей работе использует алгоритм Zeus, который в режиме реального времени, основываясь на клинических, лабораторных, демографических и поведенческих данных, способен спрогнозировать, насколько вероятно возвращение пациента через некоторое время в больницу. С помощью такой информации больницы смогут не только повысить качество лечения, но и снизить свои расходы, а пациенты смогут получать более ясную картину своего здоровья. Особенно, если они подпишутся на персонализированные услуги на базе искусственного алгоритма сервисной платформы Careskore, которая будет своевременно информировать их о рисках и отвечать на вопросы.
Компания начала свою деятельность в 2011 году с целью помощи компаниям из отрасли Life Science повысить качество исследований и уменьшить время, необходимое для вывода их новых продуктов и методов лечения на рынок. Они предлагают настолько хорошие решения, что их глава Вильям Кинг в прошлом году вошел в список 100 наиболее вдохновляющих людей в этой отрасли. Система компании комбинирует в своей работе базы данных, алгоритмы машинного обучения и, что важно, очень хорошие средства визуализации данных, что помогает компаниям из сферы здравоохранения быстрее вникать в разнообразные наборы данных. Zephyr Health не только обрабатывает данные из нескольких источников, но и выделяет разные наборы данных в несколько фирменных приложений, которые были разработаны специально для отраслевых задач компаний Life Science.
Эта система предназначена для использования в исследованиях, связанных с раком, а также собственно при лечении этой болезни, особенно в радиационной терапии. Это платформа анализа данных, которая помогает врачам-онкологам разрабатывать для своих пациентов правильный план лечения лучевой терапией. При этом платформа использует интегрированную цифровую базу данных, которая основана на сборе и правильной организации информации из систем медицинских электронных карт. В текущем году компания планирует ввести в действие свою платформу Precision Radiation Oncology в трех крупных медицинских центрах, что обеспечит персонализированное лечение для примерно 10 000 пациентов.
Фирма позиционирует себя, как “компания удаленного интеллектуального обслуживания пациентов” и старается как можно быстрее приблизить медицинское будущее к сегодняшним реалиям. “Умные” алгоритмы системы, которая фокусируется на хронических заболеваниях, могут сообщить людям, что они вот-вот заболеют даже еще тогда, когда они не замечают никаких признаков или симптомов. Разработчики ставят своей целью исключение всех госпитализаций, которые можно предотвратить заранее, за счет использования удаленного мониторинга пациентов. Они делают это с помощью двухступенчатого процесса. Вначале система собирает данные пациентов с помощь широкого и все расширяющегося набора биосенсоров, а затем использует все это “море данных” для обучения компьютера работе в качестве врача, отслеживая показатели здоровья каждого пациента в непрерывном режиме для того, чтобы обнаруживать незаметные вначале признаки возможной проблемы со здоровьем.
Эта компания-стартап фокусируется на оптимизации результатов лечения для пациентов и расходов для медицинской организации за счет прогнозной аналитики. CloudMedX в своей работе использует алгоритмы доказательной медицины, машинное обучение и обработку естественного языка для того, чтобы в реальном времени генерировать клинические выводы по разным направлениям лечения и улучшить результаты для пациентов. Как говорит сооснователь этой компании Ташфин Салеман, “мы хотим опять сделать врача врачом, а не специалистом по вводу данных в медицинскую систему”. Т.е. система, в том числе, предназначена для того чтобы избавить медицинских специалистов от множества административных забот и связанных с обработкой данных задач.