Динамика венчурного инвестирования в искусственный интеллект для медицины, по данным CB Insights.
Искусственный интеллект в медицине. Настоящее и будущее
| Искусственный интеллект в сфере здравоохранения — Википедия | Применение систем искусственного интеллекта в клинической медицине открывает новые горизонты в диагностике, лечении и управлении здоровьем пациентов. |
| Полная роботизация: как искусственный интеллект помогает врачам | В частности, Всемирная организация здравоохранения указала на негативные последствия применения искусственного интеллекта в медицине, если в основе его разработки и использования не будут заложены этические принципы и защита прав человека. |
| Собянин: ИИ превратится в базовую медицинскую технологию в Москве // Новости НТВ | "Искусственный интеллект для психического здоровья" Искусственный интеллект находит свое применение в психиатрии, помогая диагностировать и лечить пациентов с психическими расстройствами. |
| Искусственный интеллект в медицине: применение и перспективы | Цифровые решения на базе искусственного интеллекта полезны для медицины не меньше роботов. |
Будущее рядом: как нас будет лечить искусственный интеллект?
В этом материале мы собрали некоторые любопытные кейсы с использованием ИИ в медицине. Разработка и синтез лекарственных препаратов Создание нового лекарственного препарата от идеи до запуска массового производства занимает до десяти лет. Также дополнительно требует миллиардов долларов инвестиций на работу исследовательских команд и запуска многоэтапного тестирования. Именно поэтому машинное обучение и нейросети стали использовать, чтобы упростить процесс создания лекарственных препаратов. На сегодня в мире существует примерно 30 масштабных проектов с использованием искусственного интеллекта, которые работают в этом направлении. Американское управление по санитарному надзору за качеством пищевых продуктов и медикаментов запустило собственный проект, цель которого — на порядки сократить траты на клинические исследования с помощью машинного обучения. ИИ проекта обучен на основе 20 последних лет клинических исследований американских препаратов. По предварительным оценкам, использование искусственного интеллекта и нейросетей поможет сократить инвестиции в создание лекарственных препаратов в четыре раза, а время разработки — в два раза. Клинические испытания требуют крупных инвестиций и могут длиться несколько лет Пока что концерны используют ИИ только как вспомогательный инструмент для синтеза лекарств, проводя все стадии клинических исследований как обычно.
Но проекты уже показывают хорошие результаты. ИИ на службе нутрициологии Успехи искусственного интеллекта в создании вакцин от коронавируса известны всему миру. Компьютерные технологии сократили время разработки результативной вакцины буквально до нескольких месяцев, когда для классических методов исследований требуется минимум год-два. Но на самом деле исследования куда глубже, чем можно представить. И касаются они не только вирусологии, но также профилактической медицины и нутрициологии, для которых анализируют натуральные органические соединения. Их существует десятки миллиардов, поэтому исследования вручную не слишком эффективны. Клинические испытания требуют крупных инвестиций и могут длиться несколько лет. Для разработки нового препарата нужно протестировать на клеточных культурах десятки и сотни химических соединений, которые в дальнейшем нужно будет проверить и на живых организмах.
Из-за этого все фазы клинических испытаний могут занять несколько лет.
ИИ для пациентов Использование ИИ не ограничивается его применением медицинскими сотрудниками - также нейронные сети могут оказывать помощь пациентам. Существует «приложение-медсестра» - Sense. На экране телефона пациента появляется анимированная медсестра, которая задает вопросы о самочувствии, узнает нет ли жалоб. Приложение может сразу отправить результаты опроса врачу, напомнить о приеме лекарств, помочь в случае необходимости связаться с доктором по видеосвязи.
Для людей, страдающих сердечно-сосудистыми заболеваниями разработана программа AliveCor, способная делать запись ЭКГ в любом месте с помощью смартфона и специальных детекторов, а после сообщать об отклонениях. В первую очередь, ИИ направлен на выявление аритмий. Еще одним полезным мобильным приложением является Babylon Health, позволяющим из любой точки Земли и в любое время получить онлайн-консультацию врача со стажем не менее 10 лет. А чат-бот поможет предварительно по симптомам, которые ему опишет пациент, поставить диагноз, а также даст краткую справку об этом заболевании. ИИ для распознавания заболеваний по фотографиям Создаются программы, которые с помощью анализа фотографии и сопоставления их с загруженной базой данных, смогут обнаружить наличие патологии.
Face2Gene - это основанная на ИИ программа, позволяющая диагностировать по фотографии многие генетические заболевания. Для ИИ составлен алгоритм определения фенотипических признаков различных синдромов, с которыми нейронная сеть сравнивает снимок и делает заключение о наличии отклонений. Для этого более миллиона анонимных снимков были предоставлены Глазной клиникой Мурфилдс. В первую очередь проект ориентирован на два заболевания: диабетическую ретинопатию и возрастную дегенерацию желтого пятна, которые являются наиболее распространенными. ИИ для распознаваний психических отклонений по голосу ИИ находит применение и в психиатрической практике: проект NeuroLex.
Целью является обучение нейронных сетей определять соответствие между психиатрическим диагнозом и речевыми паттернами, чтобы сделать процесс постановки диагноза более быстрым и точным. ИИ в разработке лекарственных средств Важнейшим направлением в медицине является разработка новых лекарственных средств, где также может помочь ИИ.
В тех случаях, когда диагноз ставился по единственному снимку, искусственный интеллект справился так же или даже лучше людей. Сегодня рядом с живыми медсестрами в госпиталях США уже работают компьютерные помощники, от которых можно получать советы, подсказки и другую информацию. Например, цифровой ассистент Салли, улыбающаяся женщина в белом халате, или медбрат Уолт.
Салли и Уолт — это анимированные аватары, виртуальные личные тренеры по здоровью из платформы iCare Navigator на базе искусственного интеллекта, предназначенной для взаимодействия с пациентами и их обучения. Компания TeleHealth Services, разработавшая iCare Navigator, утверждает, что использует электронные медицинские записи пациентов и применяет машинное обучение для выстраивания индивидуальных отношений. Приложение определяет, когда пациент будет наиболее восприимчив к информации о состоянии своего здоровья и можно будет лучше всего управлять его лечением. Толчком для создания платформы iCare Navigator стали исследования Медицинской школы Бостонского университета, в ходе которых были разработаны виртуальные медсестры Луиза и Элизабет, объясняющие пациентам, например, когда принимать лекарства. Молли от компании Sensely — еще один популярный аватар медсестры с искусственным интеллектом, который используют Калифорнийский университет в Сан-Франциско и Национальная служба здравоохранения Великобритании.
Молли задает пациентам вопросы, касающиеся их здоровья, оценивает симптомы и на основе симптомов дает рекомендации по наиболее эффективному лечению. Таким образом, вместо того, чтобы искать обнаруженные у себя симптомы в интернете, сегодня человек может получить помощь от виртуальной медсестры. Виртуальные медсестры не только предоставляют медицинские консультации по поводу распространенных заболеваний или недомоганий, но также позволяют записаться на прием к врачу. Они доступны круглосуточно и без выходных и готовы ответить на вопросы в режиме реального времени. Это одно из основных приложений искусственного интеллекта в здравоохранении, которое все чаще применяется для повышения информированности и улучшения навыков самоуправления у пациентов с хроническими заболеваниями.
Благодаря виртуальной медсестре пациент сможет предотвратить ухудшение своего состояния. Системы мультимодальной диагностики В развитии ИИ можно выделить несколько трендов, один из которых связан с интеграцией типов модальностей данных, на которых выполняется обучение. Например, для аудиовизуального распознавания речи визуальное описание движения губ объединяется с аудиовходом для предсказания произнесенных слов. Информация, поступающая из источников различных модальностей, может иметь различную предсказательную силу и топологию шума, а в некоторых источниках данные могут отсутствовать.
Задачи: Найти информацию о том, как используется искусственный интеллект в медицине Опробовать доступность сервисов искусственного интеллекта для ранней диагностики заболеваний пациентов. Выяснить перспективы использования искусственного интеллекта в медицине.
ГЛАВА 1 Медицинские сервисы с использованием технологий ИИ Медицинские технологии — молодая, но быстроразвивающаяся отрасль науки и бизнеса, основной целью которой является повышение качества, удобства и безопасности оказываемых медицинских услуг. Сегодня в медицинской практике активно используются нейросети — модели, которые построены на основе человеческой нервной системы. Нейросети активно применяются в рентгенологической практике, помогая врачу-рентгенологу поставить диагноз на раннем этапе. Например, нейросеть может проанализировать сотни обезличенных снимков, сравнить их со снимками здоровых пациентов и подсветить врачу наличие или отсутствие опасной патологии. Именно такие системы активно интегрируются в системы поддержки принятия врачебных решений. Система поддержки принятия врачебных решений СППВР — это сервис на основе искусственного интеллекта, который позволяет врачу получить рекомендацию при лечении, диагностике и мониторинге состояния пациента.
При этом такие системы включают в себя не только искусственный интеллект, но и электронные справочники, системы проверки безопасности терапии, системы контроля качества и системы скрининга врачебных лекарственных назначений. Можно легко представить ситуацию: на приём к врачу пришёл пациент с сахарным диабетом. Как правило, у таких пациентов, помимо диабета, есть много сопутствующих заболеваний, о которых врачу также необходимо помнить. И главная задача врача в таком случае — вылечить пациента, учитывая все особенности его анамнеза. В этом врачу помогает СППВР: она видит всю историю болезни и в своих рекомендациях основывается на анализе всех имеющихся данных. Представим, что врач назначил препарат, который противопоказан пациенту по какому-то из имеющихся у него заболеваний.
При сахарном диабете второго типа СД-2 часто назначают метморфин. Если врач назначит пациенту с хронической сердечной недостаточностью такое лекарство, программа подскажет врачу, что это лекарство лучше заменить, а также предложит ему список более подходящих препаратов. И врач, в свою очередь, может скорректировать план лечения с учётом этих рекомендаций. Однако важно понимать, что такие системы являются вспомогательными. В российской практике законодательно закреплено, что такое программное обеспечение не может самостоятельно ставить диагноз: это может сделать только врач! Чтобы разработать такую систему, необходима высокая медицинская технологическая экспертиза, а также очень большое количество медицинских данных, потому что именно на них алгоритмы обучаются ставить диагнозы.
На сегодняшний день существует несколько видов подобных сервисов — СППВР, симптомчекеры, а также сервисы, работающие в режиме реального времени и помогающие врачам при диагностических исследованиях. Симптомчекер представляет собой анкету с перечнем симптомов. Такие анкеты могут заполняться пациентом либо перед приёмом, либо непосредственно на самом приёме совместно с врачом. В российской практике, чтобы избежать самолечения со стороны пациентов, внедряется предварительное заполнение таких анкет, но без демонстрации пациентам возможных диагнозов: их видит только врач. Симптомчекеры особенно актуальны в случаях, когда к начинающему врачу приходят пациенты с обширной или размытой симптоматикой — в этих случаях программа может подсказать врачу не только диагнозы, которые наиболее вероятны при определённой клинической картине, но и рекомендации по лечению, а также направления на дополнительные исследования или на приём к узкоспециализированному врачу. В более продвинутых медицинских сервисах могут использоваться технологии компьютерного зрения.
Например, такие технологии применяются при процедурах гастроскопии. В классической практике врач с помощью камеры эндоскопа исследует слизистые оболочки органов и самостоятельно ищет отклонения. В силу сложности данного исследования врач может упустить детали, важные для постановки верного диагноза. Компьютерное зрение помогает врачу замечать такие детали. Работа сервиса выглядит следующим образом: к камере эндоскопа подключается специальный алгоритм на базе искусственного интеллекта. На специальном мониторе он подсвечивает врачу области с возможными отклонениями и даёт рекомендации дополнительно сфотографировать и исследовать выделенные области.
После обследования врач загружает снимки в СППВР, которая помогает подтвердить или скорректировать ранее поставленный диагноз. Анализ такого снимка занимает у врача от одного до нескольких часов, что связано со сложностью данного вида исследований. Программа же выдаёт результат практически мгновенно, анализируя изображение по заданным алгоритмам. Врач видит уже размеченный снимок, на котором подсвечены опасные зоны, а также предварительные диагнозы, поставленные на основе анализа этого снимка. Главная ценность таких программ состоит в том, что они значительно сокращают время рутинных задач врача. Это позволяет сделать диагностику пациента более персонализированной и быстрой: СППВР ранжирует пациентов по степени тяжести, что также позволяет врачам своевременно реагировать на эти данные и оказывать помощь в первую очередь тем, кто нуждается в ней больше всего.
Как создать медицинский сервис с использованием ИИ Как происходит разработка медицинских сервисов с использованием ИИ — с момента постановки задачи до выхода готового продукта в клиническую практику? Сбор данных. В первую очередь следует начать со сбора огромного массива данных реальных пациентов из тех медицинских учреждений, в которых они когда-либо проходили лечение. Для этого понадобится: выявить проблему и определить диагноз, с которым вы хотите работать; найти группы врачей, которые помогут вам валидировать вашу модель; собрать группу разработки, которая сможет выстроить эту модель и «обучить» её. Прежде чем обработать данные, предстоит подготовить их. Для этого их нужно обезличить: в ходе этого процесса пациент получает код, а также убираются персональных данных ФИО, номер паспорта и т.
При этом год рождения и диагноз, не обезличиваются. Разметка данных. После того, как данные прошли процедуру обезличивания, они передаются врачам на разметку. Прежде чем приступить к разметке данных, врачи определяют методологию, по которой они будут работать с разметкой. Они определяют диагноз, симптоматику, а также зоны и маркеры, с которыми они будут работать. Только после этого врачи вручную размечают снимки.
Сегодня разметка данных, как правило, происходит с помощью программ, где врач в специальном интерфейсе очерчивает необходимые зоны.
Искусственный интеллект в медицине: главные тренды в мире
| Обзор Российских систем искусственного интеллекта для здравоохранения | Применение искусственного интеллекта (ИИ) в медицине открывает дополнительные возможности для улучшения диагностики, лечения и предотвращения заболеваний. |
| Искусственный интеллект в медицине — не конкурент, но помощник | Медицина с использованием искусственного интеллекта уже начинает широко применяться в рутинной практике. |
| Искусственный интеллект в медицине: технологии, методы и польза | “применение искусственного интеллекта в здравоохранении на примере анализа рентгенограмм грудной клетки”. |
| Эксперимент по внедрению технологий искусственного интеллекта | Искусственный интеллект на службе отечественной медицины. Петербургские врачи освоили инновационную методику, она позволяет ставить диагноз в случаях, когда однозначно определить причину болезни данные не позволяют. |
| Комплексный анализ работы сервисов ИИ в медицине провели в Москве | “применение искусственного интеллекта в здравоохранении на примере анализа рентгенограмм грудной клетки”. |
Эксперимент по внедрению технологий искусственного интеллекта
Применение методов искусственного интеллекта в медицине и сфере здравоохранения Для использования врачами и медицинскими специалистами Плюсы и минусы Заменит ли ИИ врачей? Примеры | Онлайн-университет доказательной медицины В 2023 году искусственный интеллект произвел фурор в качестве полезной технологии во многих отраслях, особенно в медицине. Некоторые из созданных с помощью искусственного интеллекта редакторов генов демонстрируют сравнимую или улучшенную активность. 6 случаев, когда искусственный интеллект может творить чудеса в здравоохранении. Искусственный интеллект (ИИ) в медицине — использует алгоритмы и программное обеспечение для аппроксимации человеческих знаний при анализе сложных медицинских данных. Платформа Искусственного интеллекта Минздрава России — первый национальный проект, объединяющий медицинское сообщество и разработчиков решений на основе технологий машинного обучения и искусственного интеллекта (ИИ).
Искусственный интеллект в медицине: перспективы диагностики, лечения и исследований
Поделиться Технологии искусственного интеллекта активно внедряют в медицину в РФ Технологии искусственного интеллекта активно внедряют в медицину в РФ "Искусственному интеллекту потребуется всего четыре минуты, чтобы выдать свое заключение по поводу состояния челюсти", — рассказал корреспондент. Нейросеть от российских разработчиков помогает на каждом этапе лечения полости рта. Кариес, пульпит или болезни десен — искусственный интеллект видит все детали. Причем в десять раз быстрее стоматолога. Он просто пишет признаки пародонтита легкой степени.
И, соответственно, выставляет процент, на какой процент он уверен, что это признаки пародонтита", — объяснил пародонтолог Константин Наам. Несмотря на проценты, решающее слово в лечении за врачом и пациентом. Нейросеть сегодня — лишь помощник медика. Она выделяет проблемные места на снимках цветами, умеет виртуально корректировать расположение будущих протезов, воссоздавать 3D-модель челюсти.
Искусственный интеллект может помнить десятки тысяч диагнозов. Но программная ошибка, как и человеческая, не исключена. С каждым годом все меньше и меньше ошибок и все больше и больше диагнозов.
Ведущие спикеры обсудят последние достижения в области биоинформатики: платформы для обработки данных, секвенирование и мультиомиксные технологии, а также перспективы внедрения искусственного интеллекта для поддержки врачебных решений в терапии и диагностике. Отдельно будут рассмотрены современные технологические решения для практического здравоохранения и превентивной медицины: информационные системы сбора и анализа медицинских данных, облачные хранилища, мобильные приложения и веб-сервисы для врачей и пациентов. Участие в конференции бесплатное.
Более того, лекарственные средства взаимодействуют друг с другом. Если врач попытается назначить несовместимые препараты, то «Джейн» и об этом просигнализирует. Так алгоритм подбирает лекарство, наилучшим образом подходящее конкретному пациенту. Это наглядный пример персонализированной медицины. Её можно модифицировать под другие болезни, не только для эпилепсии? Это отдельный модуль, который был встроен в «Джейн» и работал очень успешно. Кстати, им пользовались не только неврологи, но и врачи других специализаций. Как «Джейн» помогала предсказать приступы эпилепсии — Из каких частей состояла «Джейн»?
Перечислю основные модули: диагностика; разработка плана лечения и подбор лекарств; контроль принятия лекарств; Также был дневник пациента. Поскольку эпилепсия требует пристального внимания к состоянию пациента, были необходимы инструменты контроля. Сегодня все системы делаются с веб-доступом. Я не могу себе представить стационарную программу такого рода, которую нужно было бы устанавливать как отдельное приложение. Естественно, «Джейн» тоже имела веб-доступ, а чат-бот — это просто дополнительный интерфейс к базе данных, в которой аккумулировались данные о пациенте — история болезни, жизненные показатели, дневник наблюдений и так далее. Если назначены какие-то антиэпилептические вещества, то их надо принимать ровно так, как назначено, буквально минута в минуту. Любой пропуск — риск для жизни. И соответствующий модуль «Джейн» как раз напоминал ребёнку или его родителям о том, что прямо сейчас надо выпить ту или иную таблетку.
И в качестве подтверждения требовал нажатия соответствующей кнопки на экране смартфона. То есть осуществляла поиск скрытых закономерностей. Например, у одного ребёнка «Джейн» выявила жёсткую причинно-следственную зависимость между фазами Луны и обострениями болезни. Ни родители, ни врачи этой связи не чувствовали и не знали о ней. Они просто отмечали в электронном дневнике дни, в которые происходили приступы. Я, конечно, всё перепроверил, долго копался в научных трудах. И нашёл публикации, в которых учёные отмечали селенозависимость течения эпилепсии у отдельных людей. Но объяснить её, кстати, медики пока не могут.
Зачастую эпилептики — очень метеозависимые люди. Циклолептическое течение эпилепсии встречается довольно часто, и система очень быстро научается прогнозировать интервалы этих циклов. Если у ребёнка приступы происходят, например, каждые пять дней, система это спрогнозирует. Напомнит родителям, что сегодня с большой вероятностью будет обострение, и попросит быть внимательнее к своему чаду. Современная медицина не обладает такими средствами. Но, как я уже сказал, к приступу можно будет подготовиться, чтобы он нанёс минимальный вред. В этот день ребёнок должен быть дома и избегать активностей, которые могут быть опасны в случае потери сознания. То есть родители не должны пускать его на горку, на качели, в бассейн и так далее.
Почему «Джейн» оказалась не у дел — Почему мы говорим о «Джейн» в прошедшем времени? Всё, что я вам рассказываю, связано с опытной эксплуатацией «Джейн» врачами одной московской больницы, специализирующимися на эпилепсии. Врачи ей пользовались под моим контролем. Наши алгоритмы помогли уточнить диагнозы и скорректировать лечение десятка пациентов. Однако в определённый момент мы столкнулись с проблемой — чтобы продолжать использовать систему, требовалось сертифицировать её в качестве медицинского изделия. Процесс этот довольно сложный, он потребовал бы от нашего коллектива больших затрат времени и сил. Никто не мог дать гарантии того, что после сертификации «Джейн» купят. А делать такую сложную систему просто так, для себя, смысла не было.
Поэтому я решил сосредоточиться на развитии других проектов.
Часто искусственный интеллект выявляет патологию на самой ранней стадии, когда врач еще ее не обнаружил. Цифровизация позволяет московским врачам больше времени уделять пациентам — Мэр Эра технологий.
Врачи рассказали о новых стандартах в столичном здравоохранении Кроме того, искусственный интеллект помогает врачам-терапевтам поликлиник в постановке диагноза и формировании перечня необходимых исследований. В ближайшие годы планируется превратить искусственный интеллект в базовую медицинскую технологию. В результате не только у терапевтов, но и у других московских врачей появятся цифровые помощники, которые смогут подсказывать оптимальную тактику лечения пациентов.
Помимо этого, исчезнет рутинная бумажная работа — медицинская информация будет регистрироваться и обрабатываться исключительно в цифровой среде, врачи смогут больше времени уделять задачам, где действительно необходимы их компетенции.
Лечат рак и эпилепсию: как искусственный интеллект помогает врачам и спасает жизни
Применяя когнитивные технологии и искусственный интеллект (ИИ) к этим данным, сектор может перейти от традиционного реактивного лечения к более проактивной медицинской системе, базирующейся на предотвращении заболеваний, укреплении здоровья, ускоренной. Использование искусственного интеллекта в медицине во всем мире вызывает активный интерес и надежду на успехи в лечении. Практически все основные технологии искусственного интеллекта сегодня находят применение в реальной практике организаций здравоохранения, повышая качество медицинских услуг и тем самым увеличивая продолжительность и качество жизни граждан. Несмотря на то, что искусственный интеллект сегодня является одной из основополагающих технологий в здравоохранении и персонализированной медицине, в профессиональной среде возникает вопрос: а так ли умен ИИ и какие риски связаны с его применением?
Искусственный интеллект в медицине: перспективы диагностики, лечения и исследований
Медицина с использованием искусственного интеллекта уже начинает широко применяться в рутинной практике. В 2023 году искусственный интеллект произвел фурор в качестве полезной технологии во многих отраслях, особенно в медицине. — Илья Александрович, почему применение искусственного интеллекта (ИИ) в государственном здравоохранении обрело такую высокую актуальность? Медицина с использованием искусственного интеллекта уже начинает широко применяться в рутинной практике. Использование искусственного интеллекта (ИИ) для анализа данных в целях фармаконадзора. Применяя когнитивные технологии и искусственный интеллект (ИИ) к этим данным, сектор может перейти от традиционного реактивного лечения к более проактивной медицинской системе, базирующейся на предотвращении заболеваний, укреплении здоровья, ускоренной.
Искусственный интеллект в медицине
Его создал выходец из СССР Средство для лечения идиопатического легочного фиброза было создано целиком искусственным интеллектом. Сейчас оно проходит уже вторую фазу испытаний с применением плацебо. Только в США от этого заболевания сейчас страдают до 100 тыс. Без лечения оно способно свести пациента в могилу в течение 2-5 лет. Применяемые на сегодняшний день лекарства преимущественно нацелены на замедление развития заболевания, но нередко дают крайне неприятные побочные эффекты. Фото: ru.
Средство массовой информации сетевое издание «Городской информационный канал m24. Учредитель и редакция - АО «Москва Медиа». Главный редактор сетевого издания И. Адрес редакции: 125124, РФ, г.
Еще одним полезным мобильным приложением является Babylon Health, позволяющим из любой точки Земли и в любое время получить онлайн-консультацию врача со стажем не менее 10 лет. А чат-бот поможет предварительно по симптомам, которые ему опишет пациент, поставить диагноз, а также даст краткую справку об этом заболевании. ИИ для распознавания заболеваний по фотографиям Создаются программы, которые с помощью анализа фотографии и сопоставления их с загруженной базой данных, смогут обнаружить наличие патологии. Face2Gene - это основанная на ИИ программа, позволяющая диагностировать по фотографии многие генетические заболевания. Для ИИ составлен алгоритм определения фенотипических признаков различных синдромов, с которыми нейронная сеть сравнивает снимок и делает заключение о наличии отклонений. Для этого более миллиона анонимных снимков были предоставлены Глазной клиникой Мурфилдс. В первую очередь проект ориентирован на два заболевания: диабетическую ретинопатию и возрастную дегенерацию желтого пятна, которые являются наиболее распространенными. ИИ для распознаваний психических отклонений по голосу ИИ находит применение и в психиатрической практике: проект NeuroLex. Целью является обучение нейронных сетей определять соответствие между психиатрическим диагнозом и речевыми паттернами, чтобы сделать процесс постановки диагноза более быстрым и точным. ИИ в разработке лекарственных средств Важнейшим направлением в медицине является разработка новых лекарственных средств, где также может помочь ИИ. К примеру, алгоритм машинного обучения Массачусетского технологического института открыл новые антибиотики, которые способны побороть клостридиозы, туберкулез и более 30 видов антибиотикорезистентных бактерий. Также компания Atomwise, используя алгоритмы ИИ и машинного обучения, создала нейронную сеть AtomNet, которая способна проанализировать более 100 миллионов химических соединений и сократить время на открытие новых лекарственных препаратов, а также сеть может прогнозировать эффективность препаратов и их возможные побочные эффекты. Так, проект Sophia Genetics направлен на визуализацию результатов исследования генетического материала и дальнейшее определение склонности человека к тем или иным заболеваниям, возможности передачи заболеваний по наследству, а также одной из приоритетных задач является выявление генетических мутаций у плода на ранних стадиях беременности. На стадии разработки находится другая система - Deep Gemonics. Этот проект позволит анализировать и прогнозировать влияние генетических вариаций и мутаций на внутриклеточные процессы, в первую очередь, на ядерные процессы транскрипция, сплайсинг и др. Подобные разработки смогут помочь понять патогенез многих заболеваний и лучше составлять их терапию.
Благодаря использованию ИИ, медицинские учреждения получают уникальные возможности в области обработки и анализа больших объемов данных, что значительно улучшает точность диагностики и выбора методов лечения. Одним из ключевых преимуществ использования ИИ в медицине является его способность обработки информации значительно быстрее, чем человек. Благодаря этому, ИИ может помочь врачам в создании точных и своевременных диагнозов, основываясь на анализе различных факторов и данных пациентов. Искусственный интеллект также способен предложить альтернативные методы лечения, основанные на анализе большого количества клинических исследований, опыта и результатов пациентов. Это позволяет выбрать оптимальную стратегию лечения и увеличить шансы на успешный исход. Интеллектуальные системы на основе ИИ также активно применяются в исследовательских целях. Использование ИИ в исследованиях позволяет ускорить процесс анализа данных, выявить скрытые закономерности и интересные корреляции, что в свою очередь способствует появлению новых открытий и разработке более эффективных методов диагностики и лечения. Искусственный интеллект открывает новые перспективы в медицине, делая диагностику, лечение и исследования более точными и эффективными. Это позволяет улучшить качество жизни пациентов и снизить риски развития осложнений в медицинской практике. Применение искусственного интеллекта в диагностике: обзор основных технологий и методов Применение искусственного интеллекта в диагностике является одной из ключевых областей, где данная технология может принести значительные преимущества и улучшить качество медицинского обслуживания. С помощью искусственного интеллекта возможны более точные и быстрые диагностические процедуры, что способствует более эффективному лечению и улучшению прогнозов для пациентов. Основные технологии и методы, используемые в диагностике с помощью искусственного интеллекта, включают в себя машинное обучение, нейронные сети, глубокое обучение и алгоритмы обработки естественного языка. Машинное обучение позволяет компьютерным системам обучаться на основе больших объемов данных и выявлять закономерности, которые помогают в диагностике различных заболеваний. Нейронные сети и глубокое обучение позволяют моделям искусственного интеллекта распознавать сложные образы и паттерны, что особенно полезно в распознавании изображений и интерпретации медицинских снимков. Алгоритмы обработки естественного языка позволяют системам искусственного интеллекта анализировать и интерпретировать текстовую информацию, что особенно полезно при обработке медицинских записей и отчетов. Такие системы могут распознавать ключевые симптомы, осуществлять дифференциальные диагнозы и предлагать рекомендации по дальнейшему обследованию и лечению пациентов. Важно отметить, что применение искусственного интеллекта в диагностике требует достаточного объема и качества данных для обучения моделей. Также необходимы надежные алгоритмы для обеспечения защиты конфиденциальности пациентов и предотвращения ошибок. В целом, применение искусственного интеллекта в диагностике позволяет значительно повысить эффективность и достоверность медицинских процедур, ускорить принятие решений и улучшить прогнозы для пациентов. Это открывает новые возможности в медицинской практике и способствует развитию прогрессивных методов диагностики и лечения заболеваний. Как искусственный интеллект помогает в определении редких и генетических заболеваний Искусственный интеллект играет все более важную роль в области медицины, особенно в обнаружении и диагностике редких и генетических заболеваний. Благодаря своим вычислительным возможностям и способности обрабатывать и анализировать большие объемы данных, искусственный интеллект может помочь в определении и понимании этих сложных и необычных состояний. Искусственный интеллект использует алгоритмы машинного обучения и глубокого обучения для анализа различных типов данных, таких как медицинские изображения, генетическая информация, результаты лабораторных анализов и многое другое. При помощи этих данных искусственный интеллект может выявлять корреляции, паттерны и скрытые взаимосвязи между различными заболеваниями и их симптомами. Одной из самых важных функций искусственного интеллекта в диагностике редких и генетических заболеваний является распознавание нежелательных генетических вариантов.
Применение искусственного интеллекта в медицине
Как утверждают специалисты компании, технология анализа химических соединений с помощью искусственного интеллекта в 600 раз точнее и в десять раз быстрее, чем стандартные методики. Впрочем, без человека пока еще не обойтись. После того, как нейросеть обнаруживает перспективное соединение, за глубокое исследование берутся биохимики. За восемь лет сотрудники компании зарегистрировали 65 патентов в медицинской отрасли, сейчас компания активно разрабатывает препараты для восстановления мышц, нормализации метаболизма глюкозы и замедления клеточного старения. Это лишь один из нескольких десятков проектов, которые изучают химические соединения для разработки диетических и биологических пищевых добавок, а также лекарственных препаратов. А развитие искусственного интеллекта в перспективе еще больше ускорит исследования и улучшит их результативность. Согласно данным Всемирной организации здравоохранения, редкими считаются болезни с распространенностью от 1 случая на 1 000 человек до 1 случая на 200 000 человек. Концерны не слишком часто инвестируют средства в поиски лекарств от таких болезней. Время окупаемости таких исследований составит десятки лет, если они вообще когда-нибудь окупятся. Основная сложность лечения редких болезней не в синтезе лекарств и лабораторных тестированиях, а в недостатке клинических данных. Поэтому компания Healx с помощью нейросетей создает полную информационную базу 7 000 редких болезней, в которой собирает все ведомости из научных материалов, баз данных пациентов и исследований лекарств.
Созданная база помогла при разработке лекарства от синдрома Мартина-Белл. За 18 месяцев команда смогла создать препарат, который уже успешно прошел две фазы клинических исследований. Для сравнения, в обычных условиях разработка и тестирование лекарственного препарата занимает от пяти до десяти лет. При этом затраты на его создание просто на порядки меньше классических. В части поиска информации и ее классификации нейросети показывают отличные результаты. Они способны относительно быстро сканировать интернет на всех существующих языках, собирая данные, которые касаются конкретной темы. Добиться такой эффективности при работе вручную не получится.
Именно такие системы активно интегрируются в системы поддержки принятия врачебных решений.
Система поддержки принятия врачебных решений СППВР — это сервис на основе искусственного интеллекта, который позволяет врачу получить рекомендацию при лечении, диагностике и мониторинге состояния пациента. При этом такие системы включают в себя не только искусственный интеллект, но и электронные справочники, системы проверки безопасности терапии, системы контроля качества и системы скрининга врачебных лекарственных назначений. Можно легко представить ситуацию: на приём к врачу пришёл пациент с сахарным диабетом. Как правило, у таких пациентов, помимо диабета, есть много сопутствующих заболеваний, о которых врачу также необходимо помнить. И главная задача врача в таком случае — вылечить пациента, учитывая все особенности его анамнеза. В этом врачу помогает СППВР: она видит всю историю болезни и в своих рекомендациях основывается на анализе всех имеющихся данных. Представим, что врач назначил препарат, который противопоказан пациенту по какому-то из имеющихся у него заболеваний. При сахарном диабете второго типа СД-2 часто назначают метморфин.
Если врач назначит пациенту с хронической сердечной недостаточностью такое лекарство, программа подскажет врачу, что это лекарство лучше заменить, а также предложит ему список более подходящих препаратов. И врач, в свою очередь, может скорректировать план лечения с учётом этих рекомендаций. Однако важно понимать, что такие системы являются вспомогательными. В российской практике законодательно закреплено, что такое программное обеспечение не может самостоятельно ставить диагноз: это может сделать только врач! Чтобы разработать такую систему, необходима высокая медицинская технологическая экспертиза, а также очень большое количество медицинских данных, потому что именно на них алгоритмы обучаются ставить диагнозы. На сегодняшний день существует несколько видов подобных сервисов — СППВР, симптомчекеры, а также сервисы, работающие в режиме реального времени и помогающие врачам при диагностических исследованиях. Симптомчекер представляет собой анкету с перечнем симптомов. Такие анкеты могут заполняться пациентом либо перед приёмом, либо непосредственно на самом приёме совместно с врачом.
В российской практике, чтобы избежать самолечения со стороны пациентов, внедряется предварительное заполнение таких анкет, но без демонстрации пациентам возможных диагнозов: их видит только врач. Симптомчекеры особенно актуальны в случаях, когда к начинающему врачу приходят пациенты с обширной или размытой симптоматикой — в этих случаях программа может подсказать врачу не только диагнозы, которые наиболее вероятны при определённой клинической картине, но и рекомендации по лечению, а также направления на дополнительные исследования или на приём к узкоспециализированному врачу. В более продвинутых медицинских сервисах могут использоваться технологии компьютерного зрения. Например, такие технологии применяются при процедурах гастроскопии. В классической практике врач с помощью камеры эндоскопа исследует слизистые оболочки органов и самостоятельно ищет отклонения. В силу сложности данного исследования врач может упустить детали, важные для постановки верного диагноза. Компьютерное зрение помогает врачу замечать такие детали. Работа сервиса выглядит следующим образом: к камере эндоскопа подключается специальный алгоритм на базе искусственного интеллекта.
На специальном мониторе он подсвечивает врачу области с возможными отклонениями и даёт рекомендации дополнительно сфотографировать и исследовать выделенные области. После обследования врач загружает снимки в СППВР, которая помогает подтвердить или скорректировать ранее поставленный диагноз. Анализ такого снимка занимает у врача от одного до нескольких часов, что связано со сложностью данного вида исследований. Программа же выдаёт результат практически мгновенно, анализируя изображение по заданным алгоритмам. Врач видит уже размеченный снимок, на котором подсвечены опасные зоны, а также предварительные диагнозы, поставленные на основе анализа этого снимка. Главная ценность таких программ состоит в том, что они значительно сокращают время рутинных задач врача. Это позволяет сделать диагностику пациента более персонализированной и быстрой: СППВР ранжирует пациентов по степени тяжести, что также позволяет врачам своевременно реагировать на эти данные и оказывать помощь в первую очередь тем, кто нуждается в ней больше всего. Как создать медицинский сервис с использованием ИИ Как происходит разработка медицинских сервисов с использованием ИИ — с момента постановки задачи до выхода готового продукта в клиническую практику?
Сбор данных. В первую очередь следует начать со сбора огромного массива данных реальных пациентов из тех медицинских учреждений, в которых они когда-либо проходили лечение. Для этого понадобится: выявить проблему и определить диагноз, с которым вы хотите работать; найти группы врачей, которые помогут вам валидировать вашу модель; собрать группу разработки, которая сможет выстроить эту модель и «обучить» её. Прежде чем обработать данные, предстоит подготовить их. Для этого их нужно обезличить: в ходе этого процесса пациент получает код, а также убираются персональных данных ФИО, номер паспорта и т. При этом год рождения и диагноз, не обезличиваются. Разметка данных. После того, как данные прошли процедуру обезличивания, они передаются врачам на разметку.
Прежде чем приступить к разметке данных, врачи определяют методологию, по которой они будут работать с разметкой. Они определяют диагноз, симптоматику, а также зоны и маркеры, с которыми они будут работать. Только после этого врачи вручную размечают снимки. Сегодня разметка данных, как правило, происходит с помощью программ, где врач в специальном интерфейсе очерчивает необходимые зоны. Повторная разметка. После первичной разметки данных те же снимки проходят аналогичную процедуру, которую проводит уже другая группа врачей. На этом этапе отсеиваются сомнительные, спорные или неверные диагнозы, а также снимки, которые не могут быть валидированы в выбранной модели исследования. Обучение нейросети.
Когда все снимки прошли разметку, этот набор данных попадает к разработчикам, которые на их основе начинают обучать нейронную сеть. Даже если сервис достиг определённого уровня работоспособности, он не может быть сразу использован на практике.
За последние 7 лет рынок технологий, основанных на ИИ, вырос в 10 раз и по прогнозам, увеличится до 10 трлн. Искусственный интеллект для точной диагностики Одно из самых перспективных направлений использования искусственного интеллекта в медицине — это диагностика. Несмотря на то, что записаться к врачу теперь можно через интернет, многим пациентам приходится ждать приема несколько дней, а иногда и недель. Это связано с большой нагрузкой на специалистов из-за нехватки медперсонала и большого количества пациентов.
Применение искусственного интеллекта в медицине — это, прежде всего, помощь пациентам, своевременное выявление опасных заболеваний. ИИ может распознать симптомы онкологических патологий, туберкулеза, нарушений в работе головного мозга на ранней стадии. Ранняя диагностика — один из важных шагов для успешного выздоровления. Медицинские приложения на основе искусственного интеллекта Ada. Мобильное приложение для оценки состояния здоровья. Человек просто отвечает на вопросы, ИИ их анализирует, ищет информацию о возможной проблеме.
Затем выдает рекомендации о необходимых обследованиях и образе жизни. Есть много схожих сервисов, которые на основании анализа ответов могут указать на сахарный диабет и другие серьезные болезни. Это диалоговая платформа, на которой человек общается с виртуальным помощником. Здесь можно проверить симптомы, получить рекомендации по уходу за собой, оценить вероятность развития различных заболеваний. Сервис будет полезен людям с хроническими заболеваниями для отслеживания состояния здоровья. После анализа приложение отправляет информацию лечащему врачу.
Есть удаленный мониторинг коронавирусной инфекции. Приложение нацелено на то, чтобы построить будущее медицины при помощи ИИ. Сервис работает более, чем в 70 странах, в клиентской базе более 790 учреждений здравоохранения. Платформа специализируется на диагностике онкологических патологий и наследственных заболеваний. На основании анализа ДНК можно получить информацию о предрасположенности к различным заболеваниям. Область применения этого сервиса — фармакогеномика.
У искусственного интеллекта обширная область применения. В качестве примера могу привести устройства, обеспечивающие автоматическую индивидуальную оптимизацию параметров электроимпульса с помощью биологической обратной связи. Я принимала определённое участие в разработке и продвижении этих устройств, чьё назначение заключается в воздействии на нервную, эндокринную, дыхательную и иммунную системы человека одновременно. Чтобы получить одобрение Минздрава РФ , пришлось подготовить убедительную аргументацию о необходимости данной разработки, обосновать для чиновников ценность таких устройств. Эти приборы в итоге были одобрены, что позволило использовать их в борьбе с тяжёлыми патологиями и рядом иных острых заболеваний. Фактически, внедрение таких аппаратов ежедневно демонстрирует преимущества использования искусственного интеллекта в сфере здравоохранения, позволяя сокращать влияние человеческого фактора на диагностику и лечение, и, соответственно, снижать количество врачебных ошибок. А повышение уровня качества обслуживания в медицине влияет и на улучшение показателей здоровья населения всей нашей страны. Что, конечно же, особенно актуально в последние два года, когда идёт борьба с коронавирусом. Это стало очевидно уже в 2020 году, и касалось не только напрямую сферы медицины, но и смежных областей. Стали очевидны такие проблемы, которые в обычной обстановке и со стандартной нагрузкой не так бросались в глаза.
Эксперимент по внедрению технологий искусственного интеллекта
| Нейросеть для медиков: искусственный интеллект научился ставить диагнозы | Применение искусственного интеллекта в медицине уже сегодня позволяет серьезно повысить точность диагностики, облегчить жизнь пациентам с различными заболеваниями, а с развитием технологий сделает реальным появление сверхэффективных персональных. |
| Комплексный анализ работы сервисов ИИ в медицине провели в Москве | Чем искусственный интеллект лучше «человеческого» врача, почему перегруженные работой медработники пока не доверяют ИИ, возможен ли в медицине симбиоз естественного и искусственного интеллектов, а также причем здесь мораль и врачебная этика? |
| Топ-7 прорывов в медицине в 2023 году | Главная | "Искусственный интеллект, даже какой-то удачный вариант его изобретения и внедрения, может повести себя неконтролируемо в чем-то. |
| ИИ в медицине: тренды и примеры применения | — Илья Александрович, почему применение искусственного интеллекта (ИИ) в государственном здравоохранении обрело такую высокую актуальность? |
| ИИ в медицине: тренды и примеры применения | Возможности нейросетей и искусственного интеллекта активно тестируют в самых разных отраслях медицины: от диагностики и профилактики болезней до вирусологии и генетики. |
Искусственный интеллект в медицине. Настоящее и будущее
“применение искусственного интеллекта в здравоохранении на примере анализа рентгенограмм грудной клетки”. Сегодня искусственный интеллект помогает находить признаки заболеваний по более чем 20 направлениям, а количество обработанных с помощью него лучевых исследований уже превысило 11 миллионов. Попробуем проанализировать, как решения на основе искусственного интеллекта применяются в медицинских учреждениях и как они влияют на качество диагностики и лечения.
Искусственный интеллект в медицине: главные тренды в мире
Исследователи из Бостонского университета разработали ИИ, который долгое время обучался на полноформатных фотографиях легочных тканей пациентов размеры таких изображений составляют обычно более 1 Гб, что делает их анализ человеком крайне сложным. ИИ на примере фото обучали распознавать аденокарциному легкого, плоскоклеточный рак легкого и соседнюю не раковую ткань. Результаты обучения оказались положительными: алгоритм смог продемонстрировать более высокую эффективность, чем другие современные методы распознавания патологий на полноформатных слайдах. На данный момент новый алгоритм планируется внедрить в помощь патологоанатомам, однако при успешном внедрении возможности ИИ могут быть расширены, ведь главное — научиться диагностировать опасные заболевания на самых ранних стадиях, пока сохраняются высокие шансы на полноценное излечение. Существуют и компании, специализирующиеся на разработке ИИ-продуктов для ранней диагностики различных заболеваний. Они позволяют анализировать хронические состояния, используя лабораторные и другие медицинские данные, чтобы выявлять опасные болезни как можно раньше. Так, программное обеспечение от Ezra использует ИИ при анализе МРТ-сканов всего тела, чтобы помочь специалистам в раннем выявлении рака. Их слоган говорит сам за себя: «Мы обнаружили самую большую слабость рака — раннее обнаружение».
SkinVision — компания, занимающаяся диагностикой рака кожи на основе медицинской визуализации, то есть диагностикой по фото. ИИ, разработанный командой SkinVision, позволяет обнаруживать рак кожи на ранней стадии по фотографиям, сделанным на телефон. Умные алгоритмы после исследования очередного фото просигнализируют о том, если с кожей что-то не так. Таким образом, пациент сможет вовремя обратиться в клинику за помощью. Медицинская визуализация на основе ИИ также широко используется для диагностики ОРВИ и выявления пациентов, которым требуется клиническая поддержка. Нейросеть научилась отличать родинки от некоторых видов рака кожи Американские ученые создали систему искусственного интеллекта, которая умеет отличать родинки от некоторых видов рака кожи лучше врачей. Работа исследователей опубликована в журнале Nature.
На протяжении последних десятилетий число людей, у которых обнаруживают рак кожи, постоянно увеличивается. По данным Всемирной организации здравоохранения, раком кожи страдает каждый третий онкологический больной, а каждый пятый американец заболеет им в течение жизни. Это заболевание особенно опасно тем, что злокачественное образование легко не заметить и спутать с родинкой. При этом, если вовремя обратить внимание на опухоль, шансы на выздоровление резко увеличиваются. Пациенты, у которых находят меланому самый распространенный и злокачественный вид опухоли на ранней стадии развития, выживают в 97 процентах случаев, в то время как при поздней диагностике заболевания эта доля сокращается до 14 процентов. Основным способом первичного выявления рака кожи до сих пор остается визуальный осмотр за которым обычно следует дерматоскопия или биопсия. Чтобы помочь пациентам самостоятельно обнаружить злокачественное образование на ранней стадии, ученые из Стэнфордского университета создали систему искусственного интеллекта, которая анализирует фотографии «подозрительных» родинок.
Авторы новой работы использовали сверточную нейросеть Inception v3, которая была ранее разработана компанией Google. Исследователи удалили ее верхний слой и обучили систему, изначально ориентированную на распознавание различных объектов, определять некоторые виды рака кожи — меланому и карциному. Для этого они использовали 130 тысяч фотографий более двух тысяч различных кожных заболеваний. После того, как программа научилась ставить диагноз, ее работу сравнили с работой двух ведущих дерматологов США. Анализ показал, что система не только справляется не хуже специалистов, но и превосходит их: нейросеть верно отличала родинки от злокачественной меланомы и карциномы в 72 процентах случаев, в то время как врачи успешно справились с заданием лишь в 66 процентах случаев. Дополнительная проверка нейросети, в которой принял участие уже 21 специалист, также показала, что, чувствительность и специфичность алгоритма которая отражает способность корректно определить доброкачественную и злокачественную опухоль не уступает чувствительности и специфичности дерматологов. В будущем компьютерная программа может быть адаптирована для смартфона или планшета, и позволит любому желающему пройти первичную диагностику рака кожи.
Тем не менее, до этого момента системе будет необходимо пройти еще много дополнительных проверок. Так, по мнению авторов статьи, программа может плохо справляться с определением редких типов карцином и меланом, по каким-либо причинам не окрашенным в черный или коричневый цвет. Недавно американские ученые также создали алгоритм, который успешно справляется с ранней диагностикой меланомы. В ходе эксперимента система смогла правильно определить меланому в 98 процентах случаев. В то же время специфичность алгоритма оказалась не такой высокой — диагностика доброкачественных образований была проведена верно лишь в 36 процентах случаев. Применение ИИ в медицине Данные о пациентах Информация о пациентах может храниться в десятках клиник и медицинских карточек. Это усложняет сбор анамнеза и постановку диагноза.
Интерпретация анализов, тестов и снимков тоже может быть недостаточно точной из-за объема данных. Даже если у врача на руках находится вся необходимая информация, он не всегда может правильно ее интерпретировать и заметить каждую деталь. От этого могут зависеть жизни пациентов. Google Deepmind Health анализирует симптомы и предлагает несколько диагнозов. Результаты поиска основаны на миллионах страниц научной информации, которые содержат даже самые малоизвестные заболевания. Сервис MedClueRx анализирует симптомы и не просто диагностирует болезнь, но и выбирает максимально безопасные и эффективные препараты в зависимости от особенностей пациента. Диагностика Системы с искусственным интеллектом позволяют распознавать заболевания даже на ранней стадии.
Например, сервисы Zebra Medical Vision и Arterys помогают врачам-диагностам сосредоточиться на общении с пациентами и избавиться от необходимости вглядываться в мельчайшие детали снимков легких и УЗИ сердца. Такие типы ИИ-программ могут использовать не только врачи, но и пациенты. Сервис 23andMe анализирует генетическую информацию и рассказывает пользователю о его предках. Стартап Sophia Genetics использует генетические данные для выявления предрасположенности к определенным заболеваниям. Так пациенты корректируют свой образ жизни, а врачи выбирают наиболее вероятные диагнозы. Создание лекарств Разработка вакцины и последующие клинические исследования — это долгие и дорогостоящие процессы. ИИ может уменьшить время на разработку новых лекарств в несколько раз, анализируя молекулярные структуры существующих препаратов и предлагая новые согласно заданным требованиям.
Например, в 2019 году компания Insilico Medicine таким образом создала несколько вариантов лекарств для лечения мышечного фиброза.
С помощью AI появилась возможность генерировать в 4,8 раза больше белковых кластеров, чем существует в природе. Некоторые из созданных с помощью искусственного интеллекта редакторов генов демонстрируют сравнимую или улучшенную активность. Компания выложила OpenCRISPR-1 в открытый доступ, чтобы способствовать развитию технологии и её использованию в научных исследованиях и коммерческих проектах. Статью с научным исследованием можно почитать тут. Предоставить доступ к еще большему разнообразию. С помощью AI появилась возможность экстраполировать на новые белковые пространства, которые еще не были освоены, тем самым выходя за рамки природных белков.
Активировать новые функции, ранее не доступные ученым.
Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом НИУ ВШЭ и согласны с нашими правилами обработки персональных данных. Вы можете отключить файлы cookies в настройках Вашего браузера Принять все.
Если говорить о детях, то они догоняют сверстников, нормально ходят в школу. У взрослых прекращаются приступы, возвращаются когнитивные способности.
Но одна из проблем в том, что такие области очень похожи на здоровую ткань и их сложно найти. Заказчиками многих исследований являются известные медицинские научные институты Источник: Анастасия Пешкова По отзывам наших медицинских партнеров, в России есть единицы опытных рентгенологов, которые могут найти такие патологии на снимках МРТ. Эти врачи есть в крупных городах: в Москве, Питере, Новосибирске. Каждый из них может просматривать в день снимки не более трех-четырех пациентов. Соответственно, ожидание растягивается более чем на полгода. Мы начали делать систему, которая должна выполнить две базовые задачи: помочь опытному врачу сократить время поиска, а неопытному — подсказать, какие части мозга смотреть.
Исследования, которыми занимается Центр прикладного ИИ, применяются в лечении онкологии и эпилепсии Источник: Анастасия Пешкова Мы собирали данные из двух медицинских центров больше года, проводили их разметку, и сейчас у нашей команды самый большой в мире датасет по этой патологии. Пока наша система работает на уровне среднего врача, но мы совершенствуем ее. Структурная показывает трехмерную картинку мозга, а функциональная — активность разных зон мозга. У здоровых людей расположение областей, отвечающих за движение, речь, зрение, плюс-минус известно. Но даже у здоровых людей они могут немного варьироваться, их расположение может отличаться на несколько сантиметров. У людей со структурными патологиями, такими как опухоль, эти зоны могут смещаться ввиду нейропластичности, и до операции это неизвестно.
Во время операции нужно соблюдать баланс: убрать как можно больше пораженной ткани и оставить как можно больше здоровой, чтобы не повредить важные мозговые центры. Чтобы не вырезать лишнего, прямо во время операции пациента будят, разговаривают с ним, дотрагиваются электродами до поверхности мозга и смотрят на результат. Например, когда попадают в речевую зону, человек начинает запинаться, а если воздействуют на моторную зону, он не может пошевелить рукой. В мозге нет болевых рецепторов, поэтому пациенту в сознании не больно. Я сам несколько раз был на таких операциях, чтобы понимать, как это работает. Хирург о чём-то говорит с человеком и при этом удаляет какие-то участки.
И так несколько часов. Желательно локализацию этих зон хотя бы примерно знать до операции, когда череп еще не вскрыт.