Как машина учится диагностировать?
Примерно так же, как и студент-медик, а в исторической перспективе – как медицинская наука.
Сначала накапливается большое количество данных о больных и здоровых пациентах, затем выделяются определенные закономерности и формулируются диагностические признаки конкретного заболевания.
Все, что можно визуализировать при помощи рентгена, УЗИ, КТ, кардиограмм, электроэнцефалограмм, предметных стекол со срезами тканей под микроскопом, в цифровом виде может быть предложено машинному алгоритму для обучения.
В современных системах здравоохранения накоплено огромное количество такого рода данных, поэтому у искусственного интеллекта достаточно материала для того, чтобы обучиться отличать здоровые образцы от больных.
Под искусственным интеллектом мы понимаем способность системы – созданной человеком машины и соответствующего программного продукта – правильно интерпретировать данные, выявлять закономерности из их совокупности и использовать полученные знания для достижения конкретных целей и задач при помощи гибкой адаптации.
Машины точнее и быстрее
Справа: LYNA идентифицирует опухолевую область в центре (красный) и правильно классифицирует окружающие области, которые определяет, как неопухолевые (синий). Фото: ai.googleblog.com
В сентябре 2018 года исследователи Больницы Национального университета Сеула и Колледжа медицины сообщили о создании алгоритма под названием DLAD (Deep Learning Based Automatic Detection), то есть «Автоматическая детекция, основанная на глубоком обучении». Программа анализировала снимки грудного отдела с целью обнаружения аномальных паттернов роста клеток, которые угрожают стать злокачественными новообразованиями.
Искусственный интеллект соревновался с 18 врачами, среди которых было 9 опытных радиологов, и только 1 из 18 сделал это так же хорошо, как DLAD, остальные 17 уступили ему.
Примерно в то же время появился алгоритм компании Google AI Healthcare под названием LYNA (Lymph Node Assistant), то есть «Ассистент исследования лимфатических узлов», задача которого состояла в анализе стекол-слайдов с биопсией тканей лимфатических узлов. Такой анализ проводят пациенткам с раком молочной железы, чтобы определить, есть ли метастазы в лимфатических узлах, так как от этого будет зависеть план хирургического вмешательства и дальнейшего лечения.
Результат оказался неожиданным для самих ученых: искусственный интеллект смог идентифицировать подозрительные области, которые были неразличимы для человеческого глаза.
LYNA была протестирована на двух базах данных и продемонстрировала способность отличать раковый образец ткани от здорового с точностью до 99%, которая сегодня редко достижима в реальной медицинской практике.
Кроме того, когда врачам дали возможность использовать систему LYNA в комбинации с их обычными методами, время на анализ гистологического образца сократилась вдвое.
Во многих больницах Великобритании уже сейчас для обследования беременных используется система ScanNav, которая способна определять патологии плода. Искусственный интеллект опирается на масштабную базу данных – 350 000 снимков плодов с теми или иными отклонениями.
Пока ScanNav работает в тестовом режиме и используется только в акушерстве, но в будущем она может получить намного более широкое распространение и будет особенно полезна для стран, испытывающих острый дефицит во врачах.
Есть успехи и у нас в стране.
Совсем недавно было объявлено, что почти 300 клиник Москвы и более 500 врачей-рентгенологов работают над созданием алгоритмов для диагностики пневмонии (в том числе COVID-19), рака легкого, рака молочной железы.
Искусственный интеллект, интегрированный в информационный сервис ЕМИАС (Единая медицинская информационно-аналитическая система города Москвы), анализирует данные компьютерной томографии, рентгенов, маммографии и флюорографии.
Огромное преимущество искусственного интеллекта заключается в том, что диагностика происходит в доли секунды, и стоимость его применения достаточно низка.
А если нет картинки?
Не всякую болезнь можно визуализировать с помощью рентгена, УЗИ или микроскопического изображения ткани организма. Как быть, например, с психическими заболеваниями?
Оказывается, и тут искусственный интеллект может помочь в диагностике. Он способен анализировать симптомы и выдавать предполагаемые клинические диагнозы.
Над созданием такого приложения работают российские ученые под руководством профессора кафедры психиатрии Медицинской академии Крыма Александра Двирского. Работа искусственного интеллекта в данном случае основана на диагностических критериях международного классификатора болезней и на базе данных, в которую входят 16 000 клинических случаев.
Система уже распознает 7 диагнозов – депрессий и маний, но при этом она требует от врача очень точного ввода данных.
Однако диагностика – это далеко не все, на что способен искусственный интеллект в медицине.
Дизайн новых препаратов
В марте 2020 года британская фармако-технологическая компания Exscientia объявила, что в сотрудничестве с японской фармакологической фирмой Sumitomo Dainippon Pharma она совершила важный прорыв в деле создания новых лекарств.
Ее препарат под условным названием DSP-1181, предназначенный для лечения обсессивно-компульсивного расстройства (ОКР), вступил в первую стадию клинических испытаний. Дело обычное, но сенсация заключается в том, что это первый препарат, разработанный искусственным интеллектом.
Ученые использовали умную систему Centaur Chemist™, при помощи которой стало возможно оптимизировать алгоритм поиска химического вещества с определенным молекулярным профилем, необходимым для воздействия на патологический механизм ОКР.
Сначала искусственный интеллект сгенерировал миллионы потенциальных новых молекул, отвечающих установленным критериям. Затем был использован алгоритм, позволяющий спрогнозировать, какие из них проявляют активность в отношении определенных белков. На третьем этапе искусственный интеллект выбрал для тестирования наиболее перспективные варианты соединений.
В результате доклинический этап создания препарата, который обычно занимает долгие годы, длился всего 12 месяцев.
По мнению исполнительного директора Exscientia профессора Эндрю Хопкинса, к концу нынешнего десятилетия дизайн всех лекарственных препаратов будет осуществляться искусственным интеллектом.
И не только дизайн. Искусственный интеллект будет играть важную роль на всех этапах разработки медикаментов: определение объекта воздействия препарата (как правило, это определенные белки организма), поиск и обнаружение соединений-кандидатов в лекарственные препараты, их доклиническое тестирование и организация клинических испытаний, которые можно будет провести гораздо быстрее, обрабатывая информацию об участниках и ходе испытаний с помощью соответствующих алгоритмов.
Кроме того, без искусственного интеллекта невозможно было бы ставить цель создания высоко точных персонализированных терапий, например, для лечения рака, редактирования генов и решения массы других задач, стоящих сегодня перед медициной.
Но есть и некоторые «узкие места» применения искусственного интеллекта в медицине.
«Черный ящик»
Прежде всего, создание систем искусственного интеллекта становится серьезным вызовом в профессиональном плане. Врачам и программистам, работающим над этой задачей, придется не просто сотрудничать, а в определенной мере осваивать профессии друг друга.
Это, впрочем, осуществимо, что доказывают успехи, о которых мы рассказали выше.
Несмотря на то, что ряд диагностических процедур с использованием искусственного интеллекта уже одобрен Американской администрацией контроля качества продуктов питания и лекарственных препаратов (FDA), пока что не очень ясно, как должна происходить сертификация таких инструментов.
Процедура одобрения медицинских тестов и аппаратов для диагностики давно разработана и подразумевает полную прозрачность: создатели должны представить подробное описание того, как и почему работает их продукт.
Что же касается программного алгоритма, то он представляет собой своеобразный «черный ящик»: мы видим данные на входе и результат их анализа на выходе, но что происходит внутри, от нас скрыто.
Это создает определенные сложности для контрольных и надзорных медицинских агентств в выработке правил, по которым системы искусственного интеллекта будут проходить процедуру одобрения.
Тот же черный ящик может вызывать и опасения пациента. Возможно, что несмотря на данные о более высокой точности машинной диагностики, пациент интуитивно предпочтет ошибку человека ошибке машины.
И, наконец, еще одно ограничение. Искусственный интеллект принимает решения, основываясь на большом количестве данных, однако, когда требуется неординарное спонтанное решение, например, при непредвиденных сложностях, возникающих в процессе хирургического вмешательства, его способен принять только опытный и нестандартно мыслящий хирург.
Из этого можно заключить, что искусственный интеллект никогда не заменит старого доброго человеческого врача, а тем более медсестру, не только делающую уколы и перевязки, но и утешающую больного.
Впрочем, знать этого наверняка мы не можем. Еще вчера биопротезы и редактирование генов казались фантастикой, а сегодня это реальность.
Чему обучится искусственный интеллект уже в ближайшее десятилетие, нам еще предстоит увидеть, но можно с высокой вероятностью предположить, что он нас удивит.
Источники:
Artificial Intelligence in Medicine
Artificial Intelligence in Medicine: Applications, implications, and limitations
Искусственный интеллект поможет психиатрам в диагностике
Discovering and designing drugs with artificial intelligence
