Применение искусственного интеллекта в раннем обнаружении и борьбе с онкологическими заболеваниями

Введение: ИИ предлагает отличные прогрессивные возможности для технологии медицинской визуализации (MIT) и основан на вычислительных моделях и алгоритмах, основанных на биоинформатике. Обычные системы компьютерного распознавания (CAD) могут указывать на наличие или отсутствие символов изображения, в то время как системы на основе искусственного интеллекта извлекают все видимые и невидимые особенности изображения для получения более точных результатов [1,2].

Основная часть. В этой статье сосредоточились на том, чтобы представить изменяющие правила игры в технологиях будущего для клиник, соединив биологию с искусственным интеллектом, и объяснить, как помощь на основе искусственного интеллекта помогает онкологу проводить точное лечение. Используя системный подход на основе искусственного интеллекта, исследователи могут сотрудничать в режиме реального времени и обмениваться знаниями в цифровой форме, что потенциально может исцелить миллионы людей.

Материалы и методы исследования: Приложение для смартфонов «Skinvision» на основе алгоритма – это мобильное приложение, которое может помочь пользователю регулярно самостоятельно проверять наличие рака кожи с помощью телефона с фотографией Искусственный интеллект (ИИ) и машинное обучение (ML) постепенно усиливают свое влияние в повседневной жизни и, как полагают, в ближайшем будущем окажут доминирующее влияние на цифровое здравоохранение для диагностики и лечения заболеваний. Технологические достижения в области искусственного интеллекта и ML проложили путь к автономным инструментам диагностики заболеваний за счет использования больших наборов данных для решения будущих задач по выявлению заболеваний человека на очень ранней стадии, особенно рака. ML – это подмножество искусственного интеллекта, в котором разрабатываются алгоритмы на основе нейронных сетей, позволяющие машине обучаться и решать проблемы, подобные человеческому мозгу [1, 2]. В свою очередь, глубокое обучение (DL) – это подмножество ML, имитирующее способность человеческого мозга обрабатывать данные, идентифицировать изображения, объекты, обрабатывать языки, улучшать поиск лекарств, улучшать точность лекарств, улучшать диагностику и помогать людям принимать решения. Это также может работать и предлагать результат без наблюдения человека [3]. DL может обрабатывать данные, включая медицинские изображения, с помощью искусственной нейронной сети (ANN), имитирующей нейронную архитектуру человека, и состоит из входных, выходных данных и различных скрытых многоуровневых сетей для повышения вычислительных возможностей машинного обучения (рис. 1) [4, 5].

Deep Learning

A subfiold of Machino Learning

Machine Learning

Precision

Oncology

Artificial Intelligence (Al)

Artificial Intelligence

Programing system to perform tasks which normaly require human intelligence

Machine Learning

A subfield of Artificial intelligence

Рисунок 1 – Алгоритм применения ИИ в медицине

Patient Data Managment

Discovery

Generation

Sequencing

Пятна на коже. Алгоритм может определять текстуру, цвет и форму поражений так же, как это делает врач. Пользователи получают мгновенную оценку риска поражений кожи в течение 30 секунд, и было доказано, что алгоритм выявляет 95% случаев рака кожи на ранней стадии [3].

Результаты и обсуждение. Однако вмешательство врача по-прежнему необходимо, поскольку мы не можем на 100% полагаться на алгоритм. Нет сомнений в том, что хирургия, химиотерапия и лучевая терапия останутся стандартными методами лечения рака на долгие годы вперед, но в то же время со стороны научного сообщества растет интерес к дальнейшему совершенствованию текущих клинических стратегий борьбы с раком. Использование вычислительных ресурсов и вспомогательной помощи станет ощутимой реальностью для будущих клинических условий и произведет значительную технологическую революцию в прогнозировании и диагностике проблем, связанных со здоровьем человека, в режиме реального времени. Искусственный интеллект позволяет избежать эмоциональных проблем, культурных и моральных убеждений и усталости. Наконец, искусственный интеллект в клиниках не означает вытеснения радиологов и других медицинских работников из бизнеса. Искусственный интеллект не является полностью автономным и не может обойти участие человека Искусственный интеллект в медицине – это новый и потенциальный инструмент для достижения определенных результатов лечения и установления правильного диагноза на максимально возможном уровне.

Deep Learning (Artificial

Fully Connected layers

Convolutional layers (to process clinical image data)

Al based deep learning approach give predictions for accurate diagnosis surgery treatment strategy, morbidity and mortality information base upon input data (digital pathology images)^

Рисунок 2 – Процесс нахождения патологии

Искусственный интеллект, без сомнения, захватил штурмом весь мир. Он находит отклик во всем мире с 1960-х годов и продолжает менять правила игры во всех отраслях Медицина не исключение, действительно, именно онкология делает все возможное для расшифровки сложных алгоритмов, лежащих в основе рака. По оценкам, в 2018 году от рака умерло 9,6 миллиона человек [3]. Было диагностировано до 200

различных типов рака, и, по оценкам, рак станет основной причиной смерти к 2030 году [4] . Для определения экспрессии генов использовались различные высокопроизводительные технологии. Технология микрочипов обычно используется для определения генетической экспрессии, но у нее есть несколько ограничений, поскольку она дорогая, требует экспертного обращения и интерпретирует генетическую информацию с большим объемом данных. Итак, онкологи осознали необходимость молекулярной сигнатуры рака для обнаружения экспрессии аберрантных генов. Они отслеживали реакцию пациента на лекарства, а затем разработали методологии точного ведения заболевания. ML теперь успешно применяется в САПР. Медицинские эксперты по всему миру делятся своими данными диагностики и лечения, а благодаря приложениям искусственного интеллекта такая информация может храниться автоматически (масштабирование в облаке). Это привело к созданию Атласа опухолей [5] . Искусственный интеллект в основном использует два подхода, нейронную сеть и нечеткую логику для преодоления человеческого интеллекта. Нейронную сеть чрезвычайно сложно интерпретировать (черный ящик), тогда как нечеткую логику легко интерпретировать. Однако и то, и другое используется медицинскими экспертами для диагностики рака молочной железы [6] . Самая сложная проблема современного искусственного интеллекта – прозрачность Многие алгоритмы искусственного интеллекта и ML, особенно алгоритмы глубокого анализа изображений, невозможно объяснить или интерпретировать. Даже исследователи или врачи, знакомые с этой операцией, не в состоянии объяснить их [3] . Другие утверждают, что постоянное использование искусственного интеллекта и ML в лечении или диагностике может нанести вред, поскольку могут произойти сдвиги в распределении, таким образом предполагая, что целевые данные не будут совпадать с текущими данными о пациентах и приведут к неточным выводам.

Вывод: Нет сомнений в том, что хирургия, химиотерапия и лучевая терапия останутся стандартными методами лечения рака на долгие годы вперед, но в то же время со стороны научного сообщества растет интерес к дальнейшему совершенствованию текущих клинических стратегий борьбы с раком. Использование вычислительных ресурсов и вспомогательной помощи станет ощутимой реальностью для будущих клинических условий и произведет значительную технологическую революцию в прогнозировании и диагностике проблем, связанных со здоровьем человека, в режиме реального времени. Искусственный интеллект позволяет избежать эмоциональных проблем, культурных и моральных убеждений и усталости [7]. Искусственный интеллект не является полностью автономным и не может обойти участие человека. Искусственный интеллект в медицине - это новый и потенциальный инструмент для достижения определенных результатов лечения и установления правильного диагноза на максимально возможном уровне.