Диагностика и прогнозирование заболеваний с помощью искусственного интеллекта

Artificial intelligence (AI) plays an important role in the diagnosis and prognosis of diseases. It is used to analyze medical data, identify patterns and predict possible diseases in patients. Some of the areas that are using AI to diagnose and predict diseases include oncology, gastroenterology, neurology, and many other medical specialties.

Введение. Точный диагноз является отправной точкой, определяющей метод и объем дальнейшего лечения. Важно отметить, что его постановка является довольно сложным этапом для врача, поскольку требует сбора и обработки большого объема информации. При использовании инструментальных изображений (рентген, КТ, МРТ, УЗИ) специалисты могут по-разному оценивать одно и то же диагностическое изображение. Интервал времени, в течение которого специалисты получают результаты анализов, часто различается. На интерпретацию результатов также влияют различные точки зрения в отчете. Передовые технологии, основанные на искусственном интеллекте (ИИ), помогут врачам решить эти проблемы. Искусственный интеллект – это отрасль компьютерных наук, которая использует технические возможности для выполнения интеллектуальных функций. Машины учатся решать задачи, требующие человеческого мышления, обучения и накопления знаний. ИИ может восполнить нехватку человеческих ресурсов, непрерывно обрабатывать большие объемы информации и оказывать поддержку врачам в любое время.

Основная часть. Для того чтобы искусственный интеллект мог идентифицировать признаки заболевания, он должен опираться на надежные данные. В качестве источника используются следующие данные: электронные медицинские карты; данные клинических лабораторных исследований; генетические данные; результаты электрофизиологических исследований: электроэнцефалограмма (ЭЭГ), электрокардиограмма (ЭКГ); диагностические изображения. Перед началом обучения эксперты предварительно комментируют полученные данные. Врачи просматривают диагностические изображения, данные электрофизиологических и генетических исследований, делают выводы, которые становятся руководством для искусственного интеллекта. Диагноз может быть представлен в виде пероральных препаратов или патологических областей, выделенных на изображении. Выделенный набор данных затем обрабатывается алгоритмом машинного обучения. Однако не вся информация изначально понятна искусственному интеллекту. Медицинские карты часто представляют собой неструктурированные данные. Для их распознавания используется обработка естественного языка. Для этих целей используются клинические технологии, основанные на методах машинного обучения. Используемый алгоритм позволяет извлекать ценную информацию из электронных медицинских карт. Для этого предложение разбивается на отдельные сегменты, устраняется двусмысленность аббревиатуры и нормализуется текст.

Искусственный интеллект может обнаруживать и классифицировать патологические образования. Для этого он анализирует изображение, полученное с помощью метода исследования прибора. Это особенно важно при диагностике доброкачественных или злокачественных опухолей, позволяет выбрать правильную тактику дальнейшего ведения пациента.

Искусственные нейронные сети (ANN) сочетают возможности машинного обучения с биологическими концепциями архитектуры человеческого мозга. Нейронные сети похожи по структуре на нейронные сети и содержат несколько слоев. Входной слой получает информацию из внешних источников. В скрытом слое данные обрабатываются и классифицируются по мере изменения их количества. Выходной слой генерирует ответ на полученные данные. Нейронные сети учатся анализировать электрофизиологические сигналы. По данным электрокардиограммы (ЭКГ) искусственный интеллект распознает признаки сердечно-сосудистых заболеваний. Примеры отечественного и зарубежного опыта использования искусственного интеллекта для анализа ЭКГ: ЭКГ-сервис SberMedIA позволяет ускорить обработку электрокардиограмм у пациентов с тяжелыми состояниями. Профессиональный врач может провести онлайн-консультацию, чтобы правильно определить дальнейшие реанимационные мероприятия.

Исследование, опубликованное в International Scholarly Research Notices, описывает нейронную сеть, которая позволяет классифицировать нормальные участки и ишемические (недостаточное кровоснабжение).

Исследователи из Шэньчжэньского института передовых технологий разработали нейронную сеть для диагностики пароксизмальных аритмий, признаков учащенного сердцебиения, подобных судорогам. Поставить диагноз помогает умный ассистент врача «ТОП-3» российской компании SberMedIA. Для этого математическая модель, основанная на нейронной сети, анализирует историю болезни пациента.

Алгоритм обслуживания: врачи загружают электронные медицинские карты или информацию из истории болезни. Искусственный интеллект сравнивает входные данные с существующей историей болезни и конкретным диагнозом. Результатом работы алгоритма являются 10 наиболее вероятных диагнозов, соответствующих номенклатуре МКБ-3.

Учёные отмечают, что диагнозы искусственного интеллекта приближаются к уровню компетентности опытных специалистов. Доступная первичная диагностика кожи помогает пациентам самостоятельно выявить у себя подозрительные признаки и своевременно обратиться к врачу. Мобильное приложение AI Skin от СберМедИИ определяет вероятность одного из 7 типов кожных высыпаний. Пользователь загружает фотографию кожи для дальнейшего анализа нейросетью.

Интеграция искусственного интеллекта в систему медицинского учреждения ускоряет обмен информацией между его подразделениями, упрощая их взаимодействие. Различные виды диагностической помощи органично сочетаются в системах поддержки принятия врачебных решений (СППВР). В этом направлении развивается медицинский цифровой диагностический центр (MDDC) от СберМедИИ. Онлайн-платформа объединяет алгоритмы и решения по различным направлениям диагностики. Наряду с умным помощником врача «ТОП-3» в состав MDDC входят: КТ Инсульт: нейронные сети распознают области с острым нарушением кровообращения. Оценка начальных изменений при инсульте проводится по шкале ASPECTS. КТ Легких: определение патологических лёгочных очагов и мелких узловых новообразований. Искусственный интеллект автоматически вычисляет степень и процент поражения. Маммография: диагностика подозрительных образований в молочной железе и оценка по шкале BI-RADS. Короткое ЭКГ: анализ данных ЭКГ в режиме телеконсультации (врач+врач). Мобильное приложение AI Resp: исследование дыхательного паттерна на наличие признаков респираторных заболеваний. Мобильное приложение AI Skin: анализ кожных высыпаний по фотографии с постановкой предварительного диагноза. Организационные достоинства MDDC: выдача готового заключения; применение международных шкал и классификаций; рекомендации по дальнейшему обследованию; возможность верификации диагноза подключенным врачом-специалистом. MDDC позволяет снизить нагрузку на врача и обеспечить точную и оперативную диагностику.

Что нас ждёт в будущем: В обзоре исследователей из Германии в Health and Technology отмечено, что применение искусственного интеллекта и нейросетей в диагностике сосредотачивается преимущественно на разработке и тестировании алгоритмов. Многие решения требуют дальнейшей клинической апробации. При этом чаще проверяется их эффективность для отдельных заболеваний. Можно выделить направления, которые в будущем позволят реализовать все возможности нейросетей и обеспечить их удобное использование врачами. Врач при использовании алгоритмов должен знать, как нейросеть получила диагноз и можно ли ему доверять. Учёные отмечают важность внедрения в алгоритмы причинно-следственных связей человека и разработки поясняющего интерфейса. Необходимо преодолеть существующие барьеры в обмене данными. При этом система должна не только собирать информацию, но и эффективно извлекать клинические сведения. Сотрудничество искусственного интеллекта и врача поможет улучшить результаты диагностики и сохранить время на общение с пациентом.