Машинное обучение в медицине

  • Терапевты
После успехов в широком спектре прогнозирования методы машинного обучения заинтересовали медицинских исследователей и клиницистов. Как сегодня технология используется в этой сфере — расскажем в этом материале.

Ведение документации

Ведение документации

Искусственный интеллект помогает оптимизировать медицинский документооборот. Технология экономит время медработников и служит экспертным аналитическим инструментом. Ранее было обнаружено, что около 70% врачей испытывают стресс от заполнения электронных документов вручную. С помощью машинного обучения упрощается процесс переноса информации на онлайн-платформу. Технология помогает преобразовывать рукописные формы, а также переводить устную речь в текст.

Для создания собственной модели обработки естественного языка ученые из академического медицинского центра Университета Флориды объединились со специалистами NVIDIA. Их система GatorTron была обучена на записях о двух миллионах пациентов. Помимо оптимизации документооборота, инновация позволяет:

  • сравнивать группы пациентов с разным лечением одинаковых заболеваний и находить наиболее действенные методы;
  • предсказывать послеоперационные осложнения у пациентов до начала процедуры;
  • отбирать наиболее подходящих кандидатов для проведения клинических испытаний.

Контроль потока пациентов

Контроль потока пациентов

Грамотное распределение пациентов необходимо, чтобы каждый из них получал должное лечение, а врачи и персонал не выгорали на работе. В противном случае пациенты слишком много времени проводят в ожидании приема, появляются очереди на операции и процедуры, а медработники не успевают уделить достаточное внимание каждому случаю.

Технология машинного обучения помогает регулировать поток пациентов и контролировать количество свободных коек в учреждении. Искусственный интеллект предсказывает, когда загруженность будет особенно высокой. Это позволяет составлять рабочее расписание персонала в соответствии с реальными потребностями.

Разрабатываются методы на основе машинного обучения, которые способны предсказать смертность пациентов, а также продолжительность пребывания в больнице пожилых пациентов с хроническими заболеваниями. Кроме того, машинное обучение помогает анализировать и оценивать пациентский опыт на основе отзывов для дальнейшего развития больничной инфраструктуры.

Диагностика заболеваний

Диагностика заболеваний

Машинное обучение выводит на новый уровень возможности диагностических инструментов. Уже сегодня компьютер способен определять потенциальный рак эффективнее, чем врачи. Например, система Etemadi, разработанная компанией Google в партнерстве с университетами Соединенных Штатов, опирается на принцип глубокого обучения. Просканировав тысячи снимков компьютерной томографии, система научилась различать даже незаметные для человеческого глаза патологические изменения.

Исследователи обучили систему, используя базу данных из 40 000 снимков компьютерных томографий, включающих сканирования до наступления онкологии. В течение этого периода ученые показывали компьютеру, какие снимки содержали подозрительные пятна, а какие — нет. В 2019 году команда Etemadi заявила, что технология выявляет ранние стадии рака легких в 94% случаев. В состязание с машиной вступили шесть опытных радиологов, их показатели оказались ниже.

Одним из основных преимуществ систем глубокого обучения является то, что они ускоряют процесс скрининга. Исследователи из медицинского центра Университета Эразма в Роттердаме изучили программы скрининга в Бельгии и Нидерландах. Команда следила за 15 000 нынешних или бывших курильщиков старше 50 лет в течение 10 лет. К концу испытания у людей, которые прошли скрининг, риск умереть от рака легких снизился на 25%.

Исследовательская группа из Медицинского центра Beth Israel Deaconess и Гарвардской медицинской школы также разработала метод интерпретации скрининговых изображений. В результате система научилась находить метастатические клетки в лимфатических узлах и распознавать рак молочной железы с точностью 99,5%.

А недавно Московский центр инновационных технологий в здравоохранении совместно с Московским физико-техническим институтом подвел итоги хакатона в области медицины Health Data Hack. Победители представили модели на основе алгоритмов машинного обучения:

Команда Team Микаил Сейнароев Команда Memento vivere из МФТИ
Модель предсказывает течение пневмонии у больных на стационарном лечении Модель распознавания раковых клеток в гистологическом образце Модель поиска оптимального воздействия на злокачественные новообразования на основе протеомных, транскриптомных и геномных данных

Разработка лекарств

Разработка лекарств

Революционное значение искусственный интеллект имеет и для фармацевтической промышленности. Задачи, которые помогает решить технология:

  1. Разработка новых лекарств;
  2. Перепрофилирование существующих препаратов;
  3. Клинические испытания;
  4. Повышение производительности фармацевтической продукции.

Высокую результативность технология показала в молекулярной информатике при разработке лекарств. Ранее единственным инструментом было использование дескрипторов, полученных из структуры малых молекул или пептидов. Но недавно сети искусственных нейронов были адаптированы для моделирования молекул, представленных графами. Сегодня молекулярные дескрипторы все еще широко используются в отрасли, но графовые модели оказались более эффективными.

Ученые продолжают бороться с SARS-CoV-2. Антитела, белки, вырабатываемые иммунной системой, могут прикрепляться к определенным частям вируса, чтобы нейтрализовать его. Одним из видов «оружия» являются синтетические антитела, которые связываются с шиповидными белками вируса и предотвращают его попадание в человеческую клетку. Чтобы разработать успешное синтетическое антитело, исследователи должны точно понимать, как произойдет это прикрепление. Белки с комковатой 3D-структурой, содержащие много складок, имеют миллионы комбинаций объединения, поэтому поиск правильного белкового комплекса среди почти бесчисленных кандидатов занимает чрезвычайно много времени. Чтобы упростить процесс, исследователи Массачусетского технологического института создали модель машинного обучения под названием Equidock, которая предсказывает, каким образом свяжутся белки. Этот способ работает в 80-500 раз быстрее, чем современные программные методы.

Искусственный интеллект в перспективе сделает производство фармацевтической продукции персонализированной, а также ускорит производство продуктов более высокого качества. Технология также важна на этапе доклинических и клинических исследований.

 
Список использованных источников:
  1. Physician stress and burnout: the impact of health information technology. URL:https://academic.oup.com/jamia/article/26/2/106/5230918
  2. Automatic recognition of handwritten medical forms for search engines. URL:https://www.researchgate.net/publication/226698116_Automatic_recognition_of_handwritten_medical_forms_for_search_engines
  3. University of Florida Health, NVIDIA develop artificial intelligence model to hasten clinical trials, boost medical decision-making. URL:https://ufhealth.org/news/2021/university-florida-health-nvidia-develop-artificial-intelligence-model-hasten-clinical?utm_source=STAT+Newsletters&utm_campaign=7f141efc8d-health_tech_4-6-21_COPY_01&utm_medium=email&utm_term=0_8cab1d7961-7f141efc8d-153011874
  4. Use of Artificial Intelligence for Improving Patient Flow and Healthcare Delivery. URL: URL:https://www.middleeastmedicalportal.com/use-of-artificial-intelligence-for-improving-patient-flow-and-healthcare-delivery/
  5. Patient clustering improves efficiency of federated machine learning to predict mortality and hospital stay time using distributed electronic medical records. URL:https://www.sciencedirect.com/science/article/pii/S1532046419302102
  6. Network analytics and machine learning for predicting length of stay in elderly patients with chronic diseases at point of admission. URL:https://bmcmedinformdecismak.biomedcentral.com/articles/10.1186/s12911-022-01802-z
  7. Understanding what patients think about hospitals: A deep learning approach for detecting emotions in patient opinions. URL:https://www.sciencedirect.com/science/article/pii/S093336572200063X
  8. Artificial intelligence is improving the detection of lung cancer. URL:https://www.nature.com/articles/d41586-020-03157-9
  9. Artificial Intelligence Achieves Near-Human Performance in Diagnosing Breast Cancer. URL:https://www.bidmc.org/about-bidmc/news/artificial-intelligence-achieves-near-human-performance-in-diagnosing-breast-cancer
  10. В Москве выбрали победителей хакатона по машинному обучению в медицине. URL:https://www.rbc.ru/rbcfreenews/626ada689a7947a076fb908f
  11. A review on machine learning approaches and trends in drug discovery. URL:https://www.sciencedirect.com/science/article/pii/S2001037021003421
  12. Artificial intelligence system rapidly predicts how two proteins will attach. URL:https://news.mit.edu/2022/ai-predicts-protein-docking-0201
  13. Artificial intelligence in drug discovery and development. URL:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7577280/
 

Вам может быть интересно

Правила убеждения

Актуальное

От взаимодействия врача с пациентом зависит понимание последним собственного состояния и плана лечения, приверженность к терапии и доверие к лечащему врачу. Делимся лайфхаками.

Читать статью

Диджитал-тату. Как они помогут пациентам и врачам?

Ликбез

Такая татуировка состоит из нескольких датчиков и NFC-метки, которая передает данные на телефон или компьютер. Как выглядят диджитал-татуировки и что они умеют?

Читать статью

Дисменорея. Как улучшить качество жизни пациенток?

Актуальное

Менструации — это физиологический процесс, нормальный для каждой женщины репродуктивного возраста.

Читать статью

Доктор Online

Будни врача

Для чего врачу личный бренд? Он помогает показать его экспертность, привлечь новых пациентов и поделиться открытиями с коллегами. Мы подготовили простую схему со всеми шагами, которые нужны для создания Вашего личного бренда в социальных сетях.

Читать статью

Как убедить пациента вакцинироваться?

Актуальное

Некоторые пациенты настроены против вакцинации от COVID-19, потому что убеждены в опасности используемых препаратов.

Читать статью

Взломай себя полностью

Актуальное

Современные пациенты похожи на ученых: они пытаются «взломать» организм и найти способы продления жизни. Это течение называется биохакинг. Что оно из себя представляет и подкреплено ли научно? Узнайте из нашей инфографики.

Читать статью

Технологию искусственного интеллекта для выявления пневмонии у больных COVID-19 зарегистрировали как медицинское изделие

Актуальное

Разработанная в России технология искусственного интеллекта прошла процедуру регистрации в качестве медицинского изделия.

Читать статью

История комбинированных оральных контрацептивов

Актуальное

Всего век назад мы не умели эффективно контролировать рождаемость. Исправить ситуацию помогло изобретение комбинированных оральных контрацептивов (КОК). Рассказываем, как это было.

Читать статью

Диета, богатая пищевыми волокнами, помогает снизить риск развития деменции

Актуальное

Новое исследование показало, что диета с высоким содержанием клетчатки снижает риск развития деменции.

Читать статью

Банки, кинезиотейпы, пиявки от боли в спине. Правда ли они работают?

Ликбез

Мы проанализировали исследования и выяснили, какие из альтернативных методов работают, а о каких стоит забыть.

Читать статью

Нормальная длительность сна способствует снижению веса

Актуальное

Исследование показало, что коррекция продолжительности сна может стать важным звеном в программе профилактики и лечения ожирения.

Читать статью

Операции на расстоянии и мгновенный мониторинг здоровья: как внедрение 5G повлияет на развитие медицины

Актуальное

Беспроводная связь первого поколения дала возможность людям общаться мобильно.

Читать статью

Комментарии: 0

или

чтобы оставить комментарий.

Мы собираем и обрабатываем пользовательские данные, в том числе файлы cookies для оптимизации сайта и подбора для Вас релевантного контента. Нажав «Принять» или оставаясь на сайте, Вы разрешаете их использование. Подробнее: Политика конфиденциальности.

Принять