Deep Learning. На пути к искусственному интеллекту

Искусственный интеллект может спрогнозировать сердечную недостаточность еще до диагностирования

Последнее место, где людям хотелось бы узнать о наличии сердечной недостаточности, - это отделение экстренной медицинской помощи. Однако чаще всего именно там это и происходит.

Исследователи, изучающие электронные истории болезни, используют искусственный интеллект и GPU (англ. - graphics processing unit, графический процессор; прим. ред.), чтобы предупредить подобное развитие событий. Они объявили, что могут спрогнозировать сердечную недостаточность за девять месяцев до того, как она будет диагностирована врачом.

Группа исследователей из некоммерческой организации системы здравоохранения Северной Калифорнии Sutter Health и Технологического института Джорджии уверены, что их метод может сократить уровень заболеваемости сердечной недостаточностью и, возможно, спасти чьи-то жизни.

«Чем раньше диагностирована болезнь, тем больше шансов уменьшить последствия для здоровья человека и улучшить качество его жизни, - объяснил Энди Шутц (Andy Schuetz), старший специалист по обработке и анализу данных в Sutter Health и автор статьи, описывающей один из аспектов исследования. - «Вот что важно для меня - возможность изменить будущее».

Статья с полным описанием всего процесса исследования рассматривается к печати крупнейшими медицинскими журналами.

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ ДАЕТ ВРАЧАМ ПРЕИМУЩЕСТВО

Трудно представить еще более высокие ставки. По данным Американской ассоциации кардиологов, каждый год около 23 миллионов человек по всему миру, включая почти 6 миллионов американцев, страдают от сердечной недостаточности. Эта болезнь поражает человека в тот момент, когда его сердечная мышца ослаблена и не может эффективно перекачивать достаточно крови и кислорода в органы человека. Половина диагностируемых умирает в течение пяти лет.

По словам Шутца, если бы врачи знали, кто из пациентов имеет большую склонность к развитию сердечной недостаточности, они могли бы прописать лекарства или порекомендовать образ жизни и диету, способные отсрочить или полностью предотвратить заболевание.

Искусственный интеллект и компания NVIDIA играют важную роль в развитии здравоохранения по всему миру. В апреле NVIDIA объявила, что сотрудничает с Общеклинической больницей штата Массачусетс по вопросам использования современных технологий ИИ для повышения качества диагностики и лечения заболеваний.

Группа исследователей проанализировала электронные истории болезней более 265 000 пациентов Sutter Health. Из них они изучили 3 884 пациента с сердечной недостаточностью, и 28 900 человек выступили в качестве контрольной группы.

Ученые анализировали истории болезни, применяя глубокое обучение (видео о том, что же такое "глубокое" обучение" прикреплено к статье или можно посмотреть по ссылке: https://youtu.be/ABxokjWCZG4; прим. ред.), вид искусственного интеллекта, который помогает решить такие сложные технические задачи, как распознавание лиц или речи, иногда даже превосходя человеческие возможности.

Эта задача потребовала от компьютеров понимания разных аспектов истории болезни, например, предписаний или результатов осмотра врачей, в разных форматах. Другой задачей явилось отслеживание изменений в истории болезни с течением времени для создания полной картины состояния здоровья пациента.

ГЛУБОКОЕ ОБУЧЕНИЕ ПРОТИВ ТРАДИЦИОННОГО МАШИННОГО ОБУЧЕНИЯ

Проблема прогнозирования момента наступления сердечной недостаточности не нова, по словам Джиманга Суна (Jimeng Sun), доцента из Технологического института Джорджии и автора статьи. Новинкой в подходе к решению этой проблемы являются технологии глубокого обучения и GPU.

В отличие от традиционного машинного обучения, глубокое обучение не требует наличия эксперта, определяющего каждый фактор, который должен оценить компьютер. Этот процесс отнимает очень много времени. В более раннем исследовании Сун сообщил, что он и другие ученые потратили несколько лет, работая с экспертами над созданием моделей алгоритмов машинного обучения.

Затем аспирант из Технологического института Джорджии Эдвард Чой (Edward Choi), еще один автор статьи, провел лето в Sutter Health, используя для решения этой задачи технологию глубокого обучения.

«За три месяца он смог превзойти наши результаты», - сказал Сун.

Чой рассказал, что GPU обеспечили производительность, необходимую для тренировки нейронных сетей на сотнях тысяч историй болезни из Sutter Health.

«Без GPU эта работа была бы невозможной», - добавил Шутц. Во время исследования команда использовала библиотеку Theano, CUDA 7 и графический ускоритель Tesla K80. (на фото; прим. ред.)

МЕТОД ПРИМЕНИМ КО ВСЕМ БОЛЕЗНЯМ

Несмотря на то, что вся работа была сосредоточена на выявлении рисков возникновения сердечной недостаточности, исследователи заявляют, что этот подход может быть использован для прогнозирования любых заболеваний.

Следующей их целью, возможно, станет диагностика заражения крови у пациентов отделения экстренной медицинской помощи. Заражение крови - это угрожающий жизни ответ организма на инфекцию и девятая по значимости причина смерти в США. Однако диагностировать его очень сложно. К тому времени, когда врачи понимают, что у пациента сепсис, и начинают лечение, может быть уже слишком поздно.

Шутц сообщил, что ученые также работают над разработкой платформы, которая позволит передать подобные инструменты для прогнозирования в руки докторов.

Источник: www.nvidia.ru

Комментарии: