ПЕРСОНАЛЬНУЮ МЕДИЦИНУ
ДУШКИН РОМАН ВИКТОРОВИЧ
ЭКСПЕРТ В ОБЛАСТИ РАЗРАБОТКИ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ИХ ИСПОЛЬЗОВАНИЯ В РАЗЛИЧНЫХ ОБЛАСТЯХ
ПРИМЕНЕНИЕ СКВОЗНЫХ ТЕХНОЛОГИЙ ДЛЯ РЫНКА ХЕЛСНЕТ
КАК НАМ ОБУСТРОИТЬ
ПРИ ПОМОЩИ ИИ
Как технологии Искусственного Интеллекта могут изменить рынок здравоохранения, систему медицинского обслуживания и многие смежные области? Да, мы говорим о рынке Хелснет. Для начала вспомним, что такое Искусственный Интеллект вообще. Тем, кто учился на курсах, связанных с этим направлением, краткое введение позволит возбудить в мозгах все необходимые ассоциативные связи и нейронные контуры.
СИЛЬНЫЙ и СЛАБЫЙ ИИ
Далее будем рассматривать только системы слабого Искусственного Интеллекта, то есть такие технические системы, которые решают традиционно сложные для обычных алгоритмов задачи. Сильный Искусственный Интеллект, то есть искусственное существо с самоосознанием, оставим в данной теме за рамками рассмотрения. Система слабого Искусственного Интеллекта — это такая техническая система, которая обладает двумя важными свойствами.
Tilda Publishing
1. Первое свойство — это автономность. Оно означает, что ИИ-система может сама принимать решения в области своей экспертизы. В принципе, сегодня очень многие технические системы показывают ту или иную степень автономности. Но в критических областях человек опасается отдавать прерогативу принятия решений машинам и автоматам. Медицина является именно такой критической областью.
2. Второе свойство — это адаптивность. Оно означает, что ИИ-система постоянно адаптируется к изменяющимся условиям той среды, в которой она функционирует. Фактически, можно сказать, что такая система умеет обучаться — либо самостоятельно, либо с учителем. Это свойство начинает всё больше и больше проявляться у технических систем в последнее время. Вся отрасль машинного обучения направлена на повышение степени адаптивности технических систем.
ПАРАДИГМЫ СОЗДАНИЯ ИИ
Существуют две парадигмы построения искусственных интеллектуальных систем — восходящая и нисходящая.
  • Восходящая парадигма основана на моделировании низкоуровневых аспектов в намерении через это добраться до высших психологических функций человека, составляющих сущность естественного интеллекта. К этой парадигме относятся такие технологии, как искусственные нейронные сети и эволюционные алгоритмы. Но с ней есть серьёзная проблема, которая, как раз и влияет на возможность предоставления медицинским ИИ-системам автономности. Эта проблема — очень сложная интерпретация результатов работы системы и, как следствие, практическая невозможность объяснения, почему система приняла то или иное решение
  • Нисходящая парадигма основана на формальной логике и символьных вычислениях, и её основной метод — синтаксическая работа с формально представленными знаниями. Поэтому в саму силу своей природы её важнейшим свойством является возможность предоставления детальных объяснений того, как было подготовлено принятое решение. Яркими представителями этой парадигмы являются экспертные системы и системы поддержки принятия решений.
Теперь можно перейти к рассмотрению возможностей применения технологий Искусственного Интеллекта на рынке Хелснет. Как вы понимаете, здесь имеется самое широкое раздолье для такого применения. Именно здесь наиболее интересно применять технологии нисходящей парадигмы, но и для восходящей тоже есть возможности.
Диагностика
Уже достаточно много информации о системах Искусственного Интеллекта — они лучше диагностируют какие-нибудь специфические патологии, сигналы о которых видны на рентгеновских снимках, на МРТ, ЭКГ или ЭЭГ. Если у нас есть некоторые специфические данные — фотоснимок или какая-то временная последовательность значений — то ИИ-система с нейронными сетями сможет найти в них либо скрытые закономерности, либо определить наличие проблем, если нейросеть была обучена именно на это. На этом основаны решения, которые изучают снимки на предмет наличия на них маркеров опухолей.


Или вот изучение непрерывно передаваемых с носимых устройств данных на предмет наличия в них предикторов каких-либо кризисных ситуаций. Это очень важно для лиц с повышенным риском развития инфаркта или для пациентов с эпилепсией, в особенности с ночными приступами. Носимое устройство постоянно замеряет некоторый набор жизненных показателей, отправляет их в ИИ-систему мониторинга, в которой осуществляется прогнозирование трендов и подается сигнал, что через некоторое время может произойти кризис. В описанных случаях, в принципе, объяснение не особо и нужно. В первом случае результат по-любому проверяется и перепроверяется врачом, поэтому ему достаточно только просигнализировать о том, что на снимке, возможно, имеются какие-то проблемы. А во втором случае ложный положительный сигнал не будет иметь плохих последствий, так как в таких случаях лучше перебдеть. Поэтому для устройств такого типа сегодня идёт борьба за снижение количества и частоты ошибок второго рода, то есть ложных отрицательных сигналов, когда ИИ-система не чувствует и не прогнозирует, что надвигается кризис.


Медицинские экспертные системы
Это очень широкий класс информационных систем, основанных на знаниях, и они, в общем-то, уже сегодня используются если не повсеместно, то много где. Одна из первых экспертных систем MYCIN была медицинской и предназначалась для диагностики бактериальных инфекций и назначения антибиотиков для лечения. И это, собственно, важнейшая задача таких систем — диагностика.
Решается задача диагностики для каждой проблемной области в отдельности. Чаще всего создаются отдельные экспертные системы для отдельных заболеваний или классов заболеваний.

Например, экспертная система для диагностики заболеваний лёгких, или медицинская система поддержки принятия решений в области эпилептологии, которая также может работать и для ишемической болезни сердца, сахарного диабета и рака груди. Для работы таких систем создаётся и постоянно актуализируется база знаний, которая содержит формализованные знания о том, как ставить диагноз. Эти знания извлекаются инженером из экспертов или различного рода справочников, энциклопедий, протоколов и рекомендаций по лечению. Важно то, что у каждой экспертной системы должен быть верифицирующий её базу знаний эксперт, который подтверждает непротиворечивость и полноту знаний в экспертной системе. Само собой разумеется, что такое подтверждение осуществляется на уровне нашего современного состояния знаний в соответствующей области — экспертная система не может знать больше, чем знает человечество. Впрочем, до появления систем, которые выводят новые знания, уже недалеко.
Итак, экспертная система может поставить диагноз. Однако пока никто никогда не даст возможности осуществить лечение на основе заключения экспертной системы, даже если она полностью объяснит свой вывод. Поэтому сегодня говорится о том, что экспертная система предназначена для выдачи второго мнения, которое используется для контроля диагноза, поставленного врачом. Если заключение, данное экспертной системой, объяснено и совпадает с диагнозом врача, то это дополнительное подтверждение этого диагноза. Но если она вдруг даёт другое заключение, то это повод для детального разбирательства на консилиуме. Если неправым оказывается врач, то делаются соответствующие поправки. Если же неправа система, то она заново тренируется на этом конкретном случае, и так происходит её адаптация.
ВНИМАНИЕ: Текущие системы не заменяют врача, а дополняют его
Подбор лекарственных препаратов
Следующая хорошая задача для медицинских систем, основанных на знаниях, — это подбор лекарственных препаратов и ведение пациента в течение курса лечения. Не секрет, что врач часто не может вникать в детали данных о пациенте, а потому назначает типовое рекомендованное лекарство. Но система, обладая полным анамнезом, может быстро сопоставить все данные пациента с противопоказаниями и побочными эффектами, после чего выдать для врача рекомендации о том, какой из возможных препаратов лучше в данном конкретном случае. И врач уже принимает решение более осознанно. А система продолжает вести пациента и контролировать проявление побочных эффектов, о которых сообщает лечащему врачу точно в срок, либо вообще заранее, так как по изменению трендов жизненных показателей или значений анализов вполне можно прогнозировать такие проявления.
Подобная система может использоваться и для прогнозирования состояния самого пациента. Она может готовить для лечащего врача всю необходимую информацию о том, что происходит и какой прогноз, чтобы врач принимал решения об изменении стратегии и тактики лечения. Иногда это очень важно вовремя понять, куда движется пациент и его заболевание, чтобы заранее изменить траекторию этого движения.
Проблемы когнитологии
Математические модели для решения всех описанных задач уже готовы и могут использоваться. Вопрос лишь в переводе накопленных медицинских знаний в формализованный вид, пригодный для вывода. Вот это самая сложная на текущий момент задача, которая в полной мере не решена. В том числе и потому, что очень трудно формализовать знания в условиях, когда сами знания динамично изменяются. ИИ-система подобного рода должна самостоятельно и гибко изучать всю выпускаемую научную и нормативную медицинскую литературу, после чего обновлять свою базу знаний на основе изученного. Вот это сложнейшая задача современной когнитологии, науки о знаниях.
Персональная медицина
И когда эта задача будет решена и такая медицинская система поддержки принятия решений будет построена, в мире появится настоящая персональная медицина. Искусственный Интеллект позволит вывести систему здравоохранения на новый качественный уровень, и решения относительно каждого конкретного человека будут приниматься не на основе усреднённых протоколов, а на основе его персональных данных здесь и сейчас. В состав этих персональных данных входит геномная информация, информация об экспрессии генов в белки и метаболизме, анамнез, динамика жизненных показателей, все данных с носимых устройств и вообще всё, что только может пригодиться для медицинских целей.
На более высоком уровне возможно использование технологий Искусственного Интеллекта для поддержки принятия решений в рамках всей системы здравоохранения. Здесь также возможны широкие возможности для применения ИИ-технологий, но сами управляемые процессы являются, скорее, административными и регулирующими. Подобные общемедицинские СППР могли бы собирать и обрабатывать статистическую информацию о лечении в рамках персональной медицины всех пациентов, и на основе этого могут появляться как новые знания о лечении, так и новые стратегии развития здравоохранения на национальном уровне. Таких систем ещё нет, но их появление должно вывести здравоохранение на новый качественный уровень.
Таково возможное применение технологий Искусственного Интеллекта на рынке Хелснет, как восходящей, так и нисходящей парадигмы.
  • Первая позволяет находить скрытые закономерности, осуществлять диагностику по снимкам и мониторинг по жизненным показателям.
  • Символьные же системы, основанные на знаниях, позволят перейти к по-настоящему персональной медицине, причём с возможностью чётко объяснить результаты своей работы
резюме
Технологии ИИ в Хелснете:
  • Базовые технологии:
    • Обнаружение заболеваний
    • Прогнозирование кризисных ситуаций
    • Система постановки диагнозов
    • Подбор лекарств и ведение пациента
  • Глобальные задачи:
    • Построение единой персонализированной медицинской экспертной системы в масштабах страны
дополнительные материалы
Книги:
  1. Рассел С., Норвиг П. Искусственный интеллект: современный подход = Artificial Intelligence: a Modern Approach / Пер. с англ. и ред. К. А. Птицына. — 2-е изд. — М.: Вильямс, 2006. — 1408 с. — 3000 экз. — ISBN 5-8459-0887-6.
  2. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. — СПб.: Питер, 2018. — 480 с. — ISBN 978-5-496-02536-2
  3. Джексон П. Введение в экспертные системы = Introduction to Expert Systems. — 3-е изд. — М.: Вильямс, 2001. — С. 624. — ISBN 0-201-87686-8.
Курсы:
Курс ФРОО «Введение в Искусственный Интеллект».