Нейронная сеть — это программа для анализа данных, чаще всего разработанная для оптимизации того или иного рутинного процесса. Многие ассоциируют термины «искусственный интеллект» и «нейронная сеть» с работой человеческого мозга. Однако нейронная сеть — это в первую очередь софт, несмотря на некоторую схожесть процессов «обучения» нейронной сети и обучения человека. Нейронные сети для медицинского диагностирования Технологии машинного обучения могут применяться при работе с различными видами информации. Наиболее широкое распространение нейросети в медицине получили именно в области работы с изображениями. Рабочие процессы медицинских учреждений неразрывно связаны со сбором, обработкой и анализом различных медицинских изображений: рентген, КТ, цифровые гистологические исследования и так далее. Поднаправление искусственного интеллекта, которое занимается работой с изображениями и видеопотоком, получило название Computer Vision или компьютерное зрение. Это направление является наиболее перспективным в медицинской диагностике и скрининге патологий. Сервисы с применением технологии компьютерного зрения разрабатываются по всему миру и помогают врачам выявлять признаки различных заболеваний, в том числе онкологии. Как сервис помогает врачу Рассмотрим подробнее, чем именно полезны сервисы с применением технологии компьютерного зрения. На данный момент сервисы работают по четырём направлениям диагностики — маммография, флюорография, компьютерной томография лёгких и гистология. Работа врача с системами происходит следующим образом: Врач загружает в систему изображения (по одному или целым пакетом). Дальше система ранжирует список исследований по приоритетности — от наибольшей вероятности наличия патологии до наименьшей. Таким образом врач в первую очередь просмотрит снимки тех пациентов, у которых система заподозрила наличие новообразования. Это позволит оперативно провести дообследование, поставить диагноз и начать лечение. Врач открывает конкретное исследование из списка и видит изображение, на котором система маркером выделила именно те области, на которых предположительно визуализируются признаки патологии. Затем врач просматривает описание снимка, автоматически сформированной системой, и при необходимости вносит в него свои замечания. Таким образом, основные задачи сервисов на основе технологий компьютерного зрения — облегчение рутинной работы врача, сокращение времени на исследование и как следствие более оперативная помощь пациенту. Нейронная сеть и генетика Анализ ДНК — ещё одно перспективное и активно развивающееся направление применения нейросетей. Например, инструмент, разработанный Университетом штата Мичиган, осуществляет генетические исследования и позволяет по геному человека установить его рост с точностью до трёх сантиметров, спрогнозировать развитие у него таких серьёзных заболеваний как рак, инсульт и инфаркт, выявить мутации, влияющие на плотность костной ткани, и даже предсказать уровень образования, которого может достичь человек. Распознавание речи Рабочие процессы врача включают в себя не только консультации пациентов или проведение исследований. Значительная часть времени уходит на заполнение разного рода документации. С этой рутинной работой врачу также могут помочь нейросетевые технологии. Ограничения и проблемы в использовании Первое препятствие связано не столько с применением медицинской нейросети, сколько с её разработкой. Для обучения искусственного интеллекта необходимо большое количество данных. В случае с анализом медицинских изображений требуются снимки с выполненной на них разметкой на объекты. Существуют публично доступные датасеты (наборы данных), но использование большинства из них допускается только в некоммерческих целях. К тому же, разметка на них может быть разной — и не всегда подходящей под конкретную задачу. Именно поэтому разработчикам не обойтись без сбора собственных датасетов для обучения своей модели. А это, в свою очередь, требует непосредственного участия врачей. Впрочем, их участие требуется не только в сборе и разметке данных, но и на других этапах разработки. Без обратной связи продукт будет «оторван» от реальной клинической практики и не сможет в достаточной степени учитывать специфику работы врачей. Ещё одно препятствие касается процесса внедрения уже готового продукта в рабочие процессы медицинских учреждений: это отсутствие в законодательстве конкретных стандартов, регламентирующих применение таких технологий в медицине. Но работа в этом направлении ведётся — уже разработана первая редакция проекта национального стандарта ГОСТ Р для искусственного интеллекта в здравоохранении. После утверждения он будет регулировать клинические испытания медицинских ИИ-систем в России.
ФЦССХ Минздрава России (г.Астрахань)
Нейросети в медицине
Нейронная сеть — это программа для анализа данных, чаще всего разработанная для оптимизации того или иного рутинного процесса. Многие ассоциируют термины «искусственный интеллект» и «нейронная сеть» с работой человеческого мозга. Однако нейронная сеть — это в первую очередь софт, несмотря на некоторую схожесть процессов «обучения» нейронной сети и обучения человека.
Нейронные сети для медицинского диагностирования
Технологии машинного обучения могут применяться при работе с различными видами информации. Наиболее широкое распространение нейросети в медицине получили именно в области работы с изображениями. Рабочие процессы медицинских учреждений неразрывно связаны со сбором, обработкой и анализом различных медицинских изображений: рентген, КТ, цифровые гистологические исследования и так далее.
Поднаправление искусственного интеллекта, которое занимается работой с изображениями и видеопотоком, получило название Computer Vision или компьютерное зрение. Это направление является наиболее перспективным в медицинской диагностике и скрининге патологий.
Сервисы с применением технологии компьютерного зрения разрабатываются по всему миру и помогают врачам выявлять признаки различных заболеваний, в том числе онкологии.
Как сервис помогает врачу
Рассмотрим подробнее, чем именно полезны сервисы с применением технологии компьютерного зрения. На данный момент сервисы работают по четырём направлениям диагностики — маммография, флюорография, компьютерной томография лёгких и гистология. Работа врача с системами происходит следующим образом:
Врач загружает в систему изображения (по одному или целым пакетом). Дальше система ранжирует список исследований по приоритетности — от наибольшей вероятности наличия патологии до наименьшей. Таким образом врач в первую очередь просмотрит снимки тех пациентов, у которых система заподозрила наличие новообразования. Это позволит оперативно провести дообследование, поставить диагноз и начать лечение.
Врач открывает конкретное исследование из списка и видит изображение, на котором система маркером выделила именно те области, на которых предположительно визуализируются признаки патологии.
Затем врач просматривает описание снимка, автоматически сформированной системой, и при необходимости вносит в него свои замечания.
Таким образом, основные задачи сервисов на основе технологий компьютерного зрения — облегчение рутинной работы врача, сокращение времени на исследование и как следствие более оперативная помощь пациенту.
Нейронная сеть и генетика
Анализ ДНК — ещё одно перспективное и активно развивающееся направление применения нейросетей. Например, инструмент, разработанный Университетом штата Мичиган, осуществляет генетические исследования и позволяет по геному человека установить его рост с точностью до трёх сантиметров, спрогнозировать развитие у него таких серьёзных заболеваний как рак, инсульт и инфаркт, выявить мутации, влияющие на плотность костной ткани, и даже предсказать уровень образования, которого может достичь человек.
Распознавание речи
Рабочие процессы врача включают в себя не только консультации пациентов или проведение исследований. Значительная часть времени уходит на заполнение разного рода документации. С этой рутинной работой врачу также могут помочь нейросетевые технологии.
Ограничения и проблемы в использовании
Первое препятствие связано не столько с применением медицинской нейросети, сколько с её разработкой. Для обучения искусственного интеллекта необходимо большое количество данных. В случае с анализом медицинских изображений требуются снимки с выполненной на них разметкой на объекты.
Существуют публично доступные датасеты (наборы данных), но использование большинства из них допускается только в некоммерческих целях. К тому же, разметка на них может быть разной — и не всегда подходящей под конкретную задачу.
Именно поэтому разработчикам не обойтись без сбора собственных датасетов для обучения своей модели. А это, в свою очередь, требует непосредственного участия врачей. Впрочем, их участие требуется не только в сборе и разметке данных, но и на других этапах разработки. Без обратной связи продукт будет «оторван» от реальной клинической практики и не сможет в достаточной степени учитывать специфику работы врачей.
Ещё одно препятствие касается процесса внедрения уже готового продукта в рабочие процессы медицинских учреждений: это отсутствие в законодательстве конкретных стандартов, регламентирующих применение таких технологий в медицине. Но работа в этом направлении ведётся — уже разработана первая редакция проекта национального стандарта ГОСТ Р для искусственного интеллекта в здравоохранении. После утверждения он будет регулировать клинические испытания медицинских ИИ-систем в России.