26.02.2021

Как искусственный интеллект влияет на будущее диагностики

Хотя рынок лекарств может быть более прибыльным, чем рынок диагностики, рынок диагностики оказывает такое же или более значительное влияние. Например, гораздо больше людей прошли тест на Covid-19, чем получали лекарства или лечение в больнице.

Во многих странах диагностические ошибки влияют на качество ухода за пациентами и вызывают осложнения и даже смерть. Более того, диагностические ошибки часто приводят к медицинской компенсации пострадавшим пациентам, что еще больше увеличивает стоимость медицинского обслуживания.  

Помимо роста затрат и нехватки персонала, объем медицинских изображений опережает доступность специалистов, которые могут их обрабатывать, особенно  в странах с низким и средним уровнем доходов . Отрасль здравоохранения стремится сократить расходы за счет автоматизации повторяющихся процессов и предоставления врачам возможности принимать более быстрые и точные решения. В результате, когда частные компании и государственные учреждения начали изучать искусственный интеллект (ИИ) при открытии и разработке лекарств, они также пытались применить ИИ для клинической диагностики.

Ватсон-пионер

Платформа искусственного интеллекта IBM, Watson , стала первой платформой, которая произвела фурор в мире диагностики. В течение 2010-х годов IBM установила более 50 партнерских отношений с известными организациями, такими как Министерство по делам ветеранов США, Memorial Sloan Kettering, Johnson & Johnson и Medtronic, для разработки диагностических инструментов искусственного интеллекта для анализа медицинских изображений, историй болезни пациентов или генетических данных.

Анализ изображений рассматривался как низко висящий плод, поскольку исследователи могут обучать алгоритм ИИ с существующими массивными наборами данных изображений. Однако больницы в  Индии ,  Корее и  США  обнаружили, что, хотя Watson был способен анализировать медицинские изображения, его производительность и точность были неодинаковыми для разных видов рака. Более того, ИИ в его нынешнем виде не способен решать сложные, тонкие проблемы с неполными или дезорганизованными данными, например, находить полезную информацию в исследовательской литературе или картах пациентов. 

Однако были и хорошие новости. Было обнаружено, что ИИ преуспевает в более простых задачах, таких как анализ генетических данных для достижения бинарного заключения или выполнение повторяющихся задач, таких как получение базовой информации о пациенте.

Недавняя работа исследователей университета Больница Бирмингем НГС рассмотрела более 20000 научных работы по применению ИИ в медицине. Исследование показало, что высококачественные алгоритмы глубокого обучения могут обнаруживать различные заболевания так же точно, как и специалисты в области здравоохранения. С другой стороны, патолог принимал такие же или даже лучшие диагностические решения, что и ИИ, с неограниченным временем.

Поскольку дать патологам неограниченное время для анализа образцов нереально, многие исследователи предложили гибридную модель , в которой система ИИ помогает врачам в постановке эффективных диагнозов.

К 2019 году FDA США одобрило более 30 алгоритмов искусственного интеллекта для здравоохранения; Диапазон приложений варьируется от выявления переломов костей на изображениях до выявления диабетиков и выявления признаков инсульта на компьютерной томографии. Потенциально гибридная модель может расширить применение ИИ для большего числа заболеваний и диагностических функций.

Обнаружение заболеваний

В традициях Ватсона ИИ можно использовать для обнаружения различных заболеваний. Например, Национальный институт здоровья, агентство Министерства здравоохранения и социальных служб США, выступил с инициативой, которая способствует использованию ИИ для анализа компьютерной томографии легких пациентов с Covid-19 и улучшения лечения.

Медицинская визуализация также часто используется для выявления рака. Например, сложно определить, является ли рак груди злокачественным или доброкачественным. Ошибочный диагноз может привести к ненужным процедурам для пациентов с доброкачественным раком груди и пропущенному лечению для пациентов со злокачественными новообразованиями. ИИ может помочь повысить точность анализа изображений и уменьшить количество ложных срабатываний и ложных отрицаний. Например, QuantX  — первая  одобренная FDA  платформа искусственного интеллекта, которая оценивает аномалии груди. QuantX оценивает отклонения в единый балл, который помогает рентгенологам поставить диагноз. ИИ также используется для классификации различных типов рака кожи . Наконец,Микроскоп дополненной реальности интегрирует ИИ в рутинные рабочие процессы и помогает повысить точность обнаружения метастатического рака груди и выявления рака простаты. 

Кроме того, ИИ можно использовать для анализа рентгеновских снимков грудной клетки и выявления сердечных аномалий. Кроме того, ИИ может помочь автоматизировать такие задачи, как измерение аортального клапана, угла киля и диаметра легочной артерии. Несколько связанных устройств получили одобрение регулирующих органов от FDA США для выхода на рынок. Apple Watch были первым доступным потребителям продуктом, который позволяет пользователям снимать ЭКГ с запястья и отправлять ее врачам. Платформа Zebra Medical Vision количественно определяет уровень отложений кальция, который забивает кровеносные сосуды и может вызвать инсульт или свертывание крови в коронарной артерии пациента. Наконец, платформа EchoMD AutoEF от Bay Labs анализирует эхокардиограмму пациента и оценивает уровень кровотока и риск сердечной недостаточности.

Переломы костей сложно обнаружить на стандартных изображениях. ИИ может уловить незначительные изменения на изображении, указывающие на перелом, требующий хирургического вмешательства. Таким образом, ИИ может помочь снизить количество ложноотрицательных пациентов и уменьшить боль, которую им приходится терпеть.

Неврологические заболевания, такие как боковой амиотрофический склероз (БАС) и первичный боковой склероз (ПБС), часто имеют похожие симптомы, которые трудно различить. Ложноположительные результаты — обычное дело. AI может помочь отличить ALS от PLS с помощью анализа изображений. 

Наконец, приложение Aidoc, одобренное FDA, позволяет рентгенологам выявлять острые кровоизлияния в мозг, опасное для жизни состояние, с помощью компьютерной томографии головы.

Прогноз болезни

AI также может помочь врачам предсказать вероятность развития у пациента определенных состояний или провести обследование пациентов, которые могут иметь заболевание. 

Шведский  университет разработал алгоритм , который может идентифицировать пациентов с риском развития септического шока, угрожающего жизни и часто непредсказуемое состояние. Асфиксию при рождении трудно предсказать или предотвратить. Американские и бразильские исследователи разработали систему нечеткой логики, которая анализирует данные о матери и ребенке, чтобы предсказать вероятность того, что ребенку потребуется реанимация, чтобы врачи могли быть более подготовлены.

Улучшение диагностического процесса

Поскольку ИИ отлично справляется с точным выполнением повторяющихся задач, он может сыграть значительную роль в снижении утомляемости персонала и уменьшении количества ошибок в документации. Кроме того, в нынешней атмосфере Covid-19, когда личное общение между медицинскими работниками и пациентами может увеличить вероятность заражения, ИИ может служить виртуальным защитным снаряжением для медицинского персонала.

Например, чат-боты, являющиеся роботами искусственного интеллекта с возможностью распознавания речи, могут собирать информацию от пациентов, определять закономерности их симптомов и давать врачам рекомендации по диагностике и лечению. Когда симптомы указывают на обычный грипп, чат-бот может порекомендовать лекарства, отпускаемые без рецепта; если симптомы более серьезные, чат-бот может направить пациента на консультацию к врачу. Такой чат-бот был разработан британским стартапом Babylon Health .

Существуют также программы удаленного мониторинга пациентов. Компания Ada Health, базирующаяся в Берлине, разработала платформу искусственного интеллекта для отслеживания состояния здоровья пациентов и предоставления рекомендаций на основе симптомов пациента и другой информации о состоянии здоровья. С другой стороны, голосовая  программа виртуальной медсестры проверяет пациентов между визитами в офис и автоматически оповещает врачей. Таким образом, виртуальные медсестры могут уменьшить беспокойство пациентов, повысить соблюдение режима приема лекарств и поддерживать удовлетворенность пациентов.

Кроме того, ИИ может взаимодействовать с персонализированной медициной для достижения оптимального лечения пациентов.

Из-за разной генетической структуры пациенты по-разному реагируют на лекарства и лечебные дозы. Такая же доза лекарства будет менее эффективной, но более безопасной для пациентов, которые метаболизируют или расщепляют лекарства быстро, в то время как она будет более эффективной, но потенциально более токсичной для пациентов, которые метаболизируют медленно. Следовательно, изменение дозировки лекарства для пациента улучшит его реакцию на лечение.

Биомаркеры — это индикаторные молекулы, которые содержатся в жидкостях организма, обычно в крови. Они могут помочь врачам определить, есть ли у пациента заболевание, есть ли у него риск развития заболевания или будет ли он реагировать на лекарство. Биомаркеры могут сделать диагностику болезней более надежной и дешевой, но их слишком много, чтобы люди могли рассматривать их вместе. В результате генетическое тестирование обычно фокусируется на одном или нескольких генах. Но с помощью ИИ врачи могут учитывать больше генетических вариаций пациента и принимать более точные решения о том, какой препарат использовать и в каком количестве.

Вывод

Область диагностики более склонна к риску, чем открытие лекарств, потому что диагностика имеет прямое применение к пациентам. Таким образом, внедрение искусственного интеллекта в диагностику сталкивалось и будет продолжать сталкиваться с серьезным скептицизмом и озабоченностью, о чем свидетельствует относительно низкий уровень успеха диагностических платформ искусственного интеллекта, получивших одобрение регулирующих органов с 2018 года.

Один из способов уменьшить эту озабоченность — определить ИИ как роль помощника, а не ведущую роль в диагностических тестах. Кроме того, обучение модели искусственного интеллекта для диагностики даже более важно, чем открытие лекарств, поскольку диагностика имеет непосредственное отношение к пациентам. Поэтому обмен данными обучения будет иметь решающее значение.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Мы используем cookie-файлы для наилучшего представления нашего сайта. Продолжая использовать этот сайт, вы соглашаетесь с использованием cookie-файлов.
Принять