Как глубокое обучение меняет здравоохранение. Часть 2: профилактика

На прошлой неделе мы говорили о том, как ИИ меняет подход врачей к диагностике болезней и расстройств.

Но как бы ни была важна быстрая, недорогая и точная диагностика, есть кое-что еще лучше: профилактика.

На этой неделе мы углубимся в то, как ИИ меняет то, как врачи прогнозируют и предотвращают болезни и госпитализации.

Своевременные прогнозы помогут предотвратить заболевание

Согласно оценкам Агентства США по исследованиям и качеству в области здравоохранения, каждый год больницы США без необходимости принимают 4,4 миллиона пациентов, что обходится в 30,8 миллиарда долларов.

Только на два заболевания — болезни сердца и осложнения диабета — приходится половина всех ненужных госпитализаций.

Инфографика по сердечным заболеваниям (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 наблюдать за пациентами с сердечными заболеваниями и диабетом и прогнозировать, кому из них потребуется госпитализация. Если поставщики медицинских услуг смогут предсказать, кому потребуется помощь, до того, как она понадобится, они смогут предотвратить многие из этих госпитализаций. Модель глубокого обучения, которую используют исследователи, может предсказать с точностью 82%, кому потребуется госпитализация примерно за год.

• Исследователи из Sutter Health и Технологического института Джорджии теперь могут прогнозировать сердечную недостаточность, используя глубокое обучение для анализа электронных медицинских карт на срок до девяти месяцев раньше, чем врачи, использующие традиционные средства.
• Франс фон Хаутен, председатель и главный исполнительный директор Royal Philips, сообщил CNBC в мае, что его компания теперь использует ИИ, чтобы точно предсказать, будет ли у пациента сердечный приступ за несколько часов до того, как он произойдет.

Но ИИ не только помогает предотвращать внезапные события в области здравоохранения. Это также помогает предотвратить продолжающееся вырождение.

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

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

Такие осложнения, связанные с диабетом, 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, которые выполняют глубокое обучение, могут учиться у одной группы детей-диабетиков, как точно предсказывать уровень глюкозы в крови (чтобы предотвратить эти падения и всплески) в большей группе детей.

Понимание того, как гены приводят к болезни, будет углубляться

Еще один способ предотвратить заболевание с помощью ИИ — предсказать, у кого разовьются определенные расстройства, на основе их генетического состава.

По словам аналитика Gartner в области здравоохранения Ричарда Гибсона, гены — это «самый большой удар по здравоохранению, возможно, когда-либо, определенно с момента появления антибиотиков в 1950 году».

В частности, поскольку исследователи собирают геномные данные на беспрецедентном уровне, а модели глубокого обучения упрощают анализ этих данных и построение связей, мы получаем невероятное количество информации о том, как генетические факторы, такие как мутации, приводят к болезням.

Эти достижения ведут к персонализированной или «точной» медицине, где цель состоит в том, чтобы адаптировать лечение к геномному составу каждого пациента.

Ваш геном — это полный набор химических инструкций для создания «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 под названием Deep Genomics применяет модель глубокого обучения к огромным наборам данных генетической информации и медицинских записей, чтобы сопоставить генетические вариации с соответствующим заболеванием.

Обе организации используют вычислительную платформу ИИ, графический процессор Nvidia для своих моделей.

Подготовьтесь к глубокому обучению с правильным программным обеспечением

Хотя графические процессоры, подобные производимым Nvidia, необходимы для работы алгоритмов глубокого обучения, вам также необходимо специальное программное обеспечение, чтобы сделать искусственный интеллект в здравоохранении реальностью.

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

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

Одна потенциальная проблема заключается в том, что электронные медицинские карты обычно хранят этот тип данных в больших блоках текста. Например, в ЭМК может быть запись истории депрессии пациента в разделе «Заметки», где врач пишет «Мать пациента страдала депрессивным настроением» вместе с текущими жалобами, проблемами и т. д.

Но для работы моделям ИИ нужны хорошо структурированные данные. Машине будет легче проанализировать, что у пациента есть семейная история депрессии, если есть столбец под названием «семейная история» и флажок рядом с «депрессией».

Скоро 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, пять лет назад даже не знали, что такое глубокое обучение. Сегодня инвесторы «настороженно относятся к стартапам, у которых его нет», — говорит Чен.

Точно так же вам следует опасаться электронных медицинских карт, 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 функции клинической документации, например, Epic в партнерстве с Nuance.

Тем не менее, по словам Анила Джейна, доктора медицинских наук, FACP, вице-президента и главного специалиста по информатике в области здравоохранения IBM Watson Health, в большинстве систем EHR не будет встроенного ИИ в течение некоторого времени. В этих случаях можно интегрировать функции ИИ в существующую электронную медицинскую карту. Отныне большинству систем здравоохранения придется разрабатывать и развертывать ИИ в качестве дополнительных функций.

Именно это Intermountain Healthcare сделала со своим EHR, встроив в Cerner более 150 протоколов. С каждым протоколом Cerner выдает предупреждение, когда получает информацию о пациенте, указывающую 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 аналитиков, и на это уходило больше года. Но в партнерстве с Intermountain их можно построить за 10 дней без человеческого труда.

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

Берите пример с венчурного партнера Чена и задавайте такие вопросы, как:

• «Где твоя версия для обработки естественного языка?»
• «Как мне связаться с вашим приложением, чтобы мне не приходилось щелкать меню?»

Следующие шаги

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

Сравнивая программное обеспечение EHR, спросите поставщиков из вашего списка о любых функциях или интеграциях искусственного интеллекта, которые они предлагают. Например, хранятся ли данные в текстовом блоке или они более структурированы?

В идеале вы должны выбрать EHR со встроенными функциями искусственного интеллекта или тот, который может интегрироваться с моделью глубокого обучения.