Как глубокое обучение меняет здравоохранение. Часть 2: Профилактика

На прошлой неделе мы говорили о том, как искусственный интеллект меняет методы диагностики болезней и расстройств у врачей .

Но не менее важно, чем быстрая, недорогая и точная диагностика, но есть еще одна вещь, которая лучше: профилактика.

На этой неделе мы рассмотрим, как ИИ меняет способы прогнозирования и предотвращения заболеваний и госпитализаций врачами.

Своевременные прогнозы помогут предотвратить болезнь

Согласно оценкам Агентства США по исследованиям и качеству здравоохранения, ежегодно больницы США принимают 4,4 миллиона пациентов без надобности, что обходится в 30,8 миллиардов долларов .

Всего два недуга - болезнь сердца и осложнения диабета - составляют половину всех ненужных госпитализаций.

Инфографика о сердечных заболеваниях (Источник: Huffington Post)

Вот несколько примеров того, как глубокое обучение уже помогает прогнозировать и предотвращать негативные последствия для здоровья, связанные с сердечными заболеваниями и диабетом:

• Исследователи из Центра информации и системной инженерии Бостонского университета работают с местными больницами, чтобы контролировать пациентов с сердечными заболеваниями и диабетом и прогнозировать, кому из них потребуется госпитализация. Если медицинские работники могут предсказать, кому понадобится помощь, до того, как она понадобится, они смогут предотвратить многие из этих госпитализаций. Модель глубокого обучения, которую используют исследователи, может с точностью 82% предсказать, кому потребуется госпитализация примерно за год.

• Исследователи из Sutter Health и Технологического института Джорджии теперь могут прогнозировать сердечную недостаточность с помощью глубокого обучения для анализа электронных медицинских карт на срок до девяти месяцев до того, как врачи используют традиционные методы.
• Франс фон Хаутен, председатель и главный исполнительный директор Royal Philips, сказал CNBC в мае, что его компания теперь использует искусственный интеллект, чтобы точно предсказать, будет ли у пациента сердечный приступ за несколько часов до того, как он случится.

Но ИИ не только помогает предотвратить внезапные медицинские проблемы. Это также помогает предотвратить продолжающееся вырождение.

Например, диабетическая ретинопатия является основной причиной слепоты среди взрослых трудоспособного возраста.

Диаграмма диабетической ретинопатии (Источник: news-medical.net )

Такие связанные с диабетом осложнения возникают из-за скачков и падений уровня глюкозы в крови, поэтому точное прогнозирование уровня глюкозы в крови является ключом к предотвращению падений и скачков, в первую очередь, с помощью своевременных перекусов и инъекций инсулина.

В статье, опубликованной в июле 2017 года, показано, что глубокие нейронные сети, выполняющие глубокое обучение, могут научиться у одной группы детей-диабетиков точно прогнозировать уровень глюкозы в крови (чтобы предотвратить эти падения и всплески) в большей группе детей.

Понимание того, как гены приводят к болезням, будет углубляться

Еще один способ предотвратить заболевание с помощью ИИ - предсказать, у кого разовьются определенные расстройства, на основе их генетической структуры.

По словам медицинского аналитика Gartner Ричарда Гибсона, гены - это «самая большая вещь, которая ударит по здравоохранению, возможно, когда-либо, определенно с момента появления антибиотиков в 1950 году».

В частности, поскольку исследователи собирают данные геномики на беспрецедентных уровнях, а модели глубокого обучения упрощают анализ этих данных и установление связей, как никогда, мы узнаем невероятное количество информации о том, как генетические факторы, такие как мутации, приводят к заболеваниям.

Эти достижения ведут к персонализированной или «точной» медицине, цель которой - адаптировать лечение к геномному составу каждого пациента.

Ваш геном - это полный набор химических инструкций для построения «себя». Хотя геномика все еще находится в зачаточном состоянии, есть проекты, которые делают успехи. Например, группа исследователей из Университета Торонто работает над созданием механизма генетической интерпретации для быстрого выявления мутаций, вызывающих рак, у отдельных пациентов.

Также в Торонто стартап Deep Genomics применяет модель глубокого обучения к огромным массивам данных генетической информации и медицинских записей, чтобы сопоставить генетические вариации с соответствующим заболеванием.

Обе организации используют вычислительную платформу AI, Nvidia GPU для своих моделей.

Подготовьтесь к глубокому обучению с помощью подходящего программного обеспечения

Хотя графические процессоры, такие как созданные Nvidia , необходимы для работы алгоритмов глубокого обучения, вам также необходимо специализированное программное обеспечение, чтобы сделать ИИ в сфере здравоохранения реальностью.

Группа из Бостонского университета смогла предсказать, кому понадобится госпитализация, с гораздо большей точностью, чем одни врачи, потому что они использовали глубокие нейронные сети (DNN).

DNN могут анализировать до 200 факторов, таких как история болезни и демографическая информация, чтобы определить те, которые связаны с будущим заболеванием. Однако для того, чтобы модель DNN работала, ей необходимы данные из записей EHR.

Одна из потенциальных проблем заключается в том, что электронные записи обычно хранят этот тип данных в больших блоках текста. Например, EHRs может содержать запись истории депрессии пациента в разделе «Примечания», где врач пишет «Мать пациента страдала депрессивным настроением» вместе с текущими жалобами, проблемами и т. Д.

Но для того, чтобы модели ИИ работали, нужны хорошо структурированные данные. Машине легче определить, что у пациента есть семейная история депрессии, если есть столбец под названием «семейный анамнез» и флажок рядом с «депрессией».

Вскоре глубокое обучение станет «обязательным для людей, создающих сложные программные приложения», - сказал Fortune партнер Andreessen Horowitz Фрэнк Чен .

Большинство венчурных капиталистов, включая тех, кто инвестирует в стартапы SaaS, даже не знали, что такое глубокое обучение пять лет назад. Сегодня инвесторы «опасаются стартапов, у которых этого нет», - говорит Чен.

Точно так же вам следует опасаться электронных записей, которые не создают и не хранят хорошо структурированные данные, которые работают с моделями глубокого обучения. Вы даже можете поискать EHR, в котором ИИ встроен в функциональность клинической документации, например, Epic в партнерстве с Nuance .

Однако, по словам Анила Джайна, доктора медицины, FACP, а также вице-президента и главного специалиста по информатике здравоохранения IBM Watson Health , в большинство систем EHR какое-то время не будет встроенного искусственного интеллекта . В этих случаях можно интегрировать функциональность ИИ в существующую электронную почту. Отныне большинству систем здравоохранения придется разрабатывать и развертывать ИИ в качестве дополнительных функций.

Это то, что Intermountain Healthcare сделала со своей EHR , встроив в Cerner более 150 протоколов. В каждом протоколе Cerner выдает предупреждение, когда он получает информацию о пациенте, которая указывает на определенное заболевание, а затем направляет врачей через предлагаемые дальнейшие обследования и возможные методы лечения.

Раньше для создания этих протоколов требовалось 12 врачей, медсестер и экспертов-аналитиков, и это заняло бы больше года. Но, сотрудничая с Intermountain, они могут быть построены за 10 дней без человеческого труда.

Когда вы разговариваете с продавцами программного обеспечения, независимо от того, ищете ли вы программное обеспечение EHR или программное обеспечение для управления медицинской практикой , важно знать, какие вопросы задавать.

Возьмите реплику от партнера венчурного инвестора Чена и задайте такие вопросы, как:

• "Где ваша версия для обработки естественного языка?"
• «Как мне поговорить с вашим приложением, чтобы мне не приходилось нажимать на меню?»

Следующие шаги

В настоящее время крупные исследовательские центры и системы здравоохранения разрабатывают модели глубокого обучения, которые могут предсказывать и предотвращать заболевания и госпитализации, а также обнаруживать, какие гены связаны с будущими заболеваниями и расстройствами.

При сравнении программного обеспечения EHR , попросите продавцов на свой курс о любой функциональности AI или интеграций , которые они предлагают. Например, хранятся ли данные в блоке текста или они более структурированы?

В идеале вы должны выбрать EHR со встроенной функциональностью AI или такую, которая может интегрироваться с моделью глубокого обучения.