КАК ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ ПОМОГАЕТ ВРАЧАМ ПРОВОДИТЬ ДИАГНОСТИКУ ЗАБОЛЕВАНИЙ

АННОТАЦИЯ

В данной статье проводится краткий анализ методов обучения искусственного интеллекта, для дальнейшего использования обученной нейросети в диагностических врачебных целях, а так же описываются возможности уже применяемых в медицинской практике нейронных сетей.

Ключевые слова: диагностика, диагноз, заболевание, исследование, искусственный интеллект.

В настоящее время правильно поставленный диагноз считается отправной точкой, которая определяет методы и объёмы дальнейшего лечения. Его правильная постановка — серьёзная задача для врача, так как ему необходимо собрать и проанализировать большой объём информации:

1.  данные первичного осмотра;
2. сведения, полученные из расспроса пациента при сборе анамнеза;
3. результаты лабораторных и инструментальных исследований;

Для решения данной проблемы врачу на помощь приходят современные компьютерные технологии, которые основаны на искусственном интеллекте.

Выявление заболеваний  человека на ранней стадии,  является достаточно непростой задачей. Поэтому, правильно обученная нейросеть, должна проводить диагностику и прогнозирование развития заболеваний на ранней стадии с особой точностью. В современном мире, решение данной задачи является одним из необходимых условий для повышения качества оказания медицинских услуг.

Основной целью является повышение точности и эффективности диагностики и прогнозирования заболеваний на ранней стадии развития с помощью нейросетевых рекомендательных систем.

Искусственный интеллект — это один из разделов компьютерных наук. Он использует современные технологии для выполнения интеллектуальных задач. Машины учатся решать задачи, требующие мышления человека, его способности к обучению и хранению знаний. [7]

К ветвям искусственного интеллекта относится машинное обучение (Machine Learning, ML). Алгоритмы ML используют в обучении для больших объёмов данных. Исследователь имеет возможность выбрать функцию и модель, которые будут представлены для обработки информации. Это помогает выявить закономерности в исследуемой предметной области.

Так же к ветвям искусственного интеллекта относят глубокое обучение (Deep Learning, DL). Это особая специализированная форма, которая направлена на автоматическое распознавание и классификацию объектов [5].

Ещё выделяют обработку естественного языка (Natural Language Processing, NLP). Данная ветвь распознаёт человеческий язык как в письменной, так и в устной форме. Благодаря ей искусственный интеллект может понимать поступающие текстовые и речевые данные, а так же появляется способность выполнять перевод и генерировать сообщения [6].

Чтобы искусственный интеллект смог самостоятельно определять признаки заболевания, ему нужно обучиться на достоверной выборке данных, полученной при клинических лабораторных исследованиях, результатов электрофизиологических исследований, данных из медицинской карты пациента, диагностических изображений, а так же генетической предрасположенности.

Перед обучением данные предварительно анализируются специалистами. Врачи изучают диагностические снимки, данные электрофизиологических и генетических исследований, а также, составляют своё заключение, которое становится базовым знанием для нейросети. Диагноз может быть представлен выделенной на снимке патологической области. После этого размеченная область обрабатывается алгоритмами машинного обучения [4].

Нейронная сеть объединяет возможности машинного обучения и биологическую схожесть архитектуры человеческого мозга, а также имеет многослойную структуру [1].

Так, на входной слой поступает информация из внешних источников, далее, в скрытых слоях, число которых постоянно изменяется, происходит обработка и классификация данных, а на выходном слое генерируется ответ на поступившие и обработанные данные.

Искусственный интеллект  учится анализировать электрофизиологические сигналы. В случае с данными электрокардиографии (ЭКГ), он способен выявлять признаки сердечно‑сосудистых заболеваний.

После правильного обучения и тестирования, нейронная сеть может стать некой математической моделью, а её изучаемой предметной областью - человек. Она может учитывать его физиологические особенности, и в том числе имеющиеся у него различные заболевания. Это значит, что перед врачом откроется уникальная возможность проводить виртуальные эксперименты над математической моделью человека. В пределах математической погрешности эта модель ведет себя точно так же, как моделируемый объект – человек. Поэтому, есть причины предполагать, что нейросетевые модели станет возможно использовать для прогнозирования возникновения заболеваний у человека в будущем.

Примеры отечественного и зарубежного опыта применения ИИ для анализа ЭКГ:

• Сервис «ЭКГ» от СберМедИИ позволяет ускорить обработку электрокардиограмм для пациентов. Врачи-специалисты могут проводить онлайн-консультации, чтобы верно определить дальнейшие реанимационные мероприятия.
• В исследовании, опубликованном в International Scholarly Research Notices, описывается нейронная сеть, которая позволяет классифицировать нормальные участки и ишемические (с недостаточным кровоснабжением).

Учёные отмечают, что диагнозы искусственного интеллекта приближаются к уровню компетентности опытных специалистов [3].

В открытых источниках сообщается о разработке нейронной сети, которая способна точно прогнозировать острый инфаркт миокарда в течение двух недель у пациентов с жалобами на боль в груди, у которых на ЭКГ признаки инфаркта совершенно отсутствуют.

Во многом лечение пациентов бывает затруднено по причине того, что большинство заболеваний  человека начинают проявлять себя только лишь на поздних стадиях своего развития. Врачи и учёные возлагают большие надежды на развитие и применение более новых и точных диагностических методов, которые основаны на алгоритмах и стратегиях искусственного интеллекта. В частности – на нейросетевые технологии [2].

Сотрудничество искусственного интеллекта и врача поможет улучшить результаты диагностики, а так же сохранить время, которое очень важно для начала быстрого и правильного лечения.

Однако, несмотря уже на их применение в современной медицине, нейросети должны рассматриваться только лишь как вспомогательный инструмент при принятии окончательного решения, за которое в итоге несёт ответственность сам врач. На практике, несомненно, нейросетевая диагностика будет иметь преимущества, если провести её сравнение со стандартной врачебной диагностикой.

Нейросетевые диагностические системы хорошо подойдут для поддержки клинических решений врача, в качестве дополнительного инструмента доклинической диагностики. Развитие таких систем  сможет дать уникальную возможность сократить время, которое остро необходимо для диагностики заболеваний на ранней стадии развития.  Активное применение нейросетей позволит оптимизировать вообще весь процесс диагностики и избежать ошибочных диагнозов. Однако, несмотря уже на их применение в современной медицине, нейросети должны рассматриваться только лишь как вспомогательный инструмент при принятии окончательного решения, за которое в итоге несёт ответственность сам врач.

Список литературы:

1. Богданов К.В. Нейросетевая система диагностики и прогнозирования развития заболеваний сердечно-сосудистой системы / К.В. Богданов [и др.] //– М.: МГППУ, 2012. – С. 57–59.
2. Галушкин, А.И. Нейронные сети: основы теории. / А.И. Галушкин. - М.: РиС, 2015. - 496 c.

3. Редько, В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики / В.Г. Редько. - М.: Ленанд, 2019. -224 c.
4. Искусственный интеллект. Что такое искусственный интеллект? Как работает ИИ? [Электронный ресурс] // Built In. URL: https://builtin.com/artificial-intelligence (дата обращения 23.11.2023)
5. Машинное обучение. Что это и почему это важно? [Электронный ресурс]// SAS.  URL: https://www.sas.com/ru_ru/insights/analytics/machine-learning.html (дата обращения 21.11.2023)
6. Обработка естественного языка (NLP). Что это такое и почему это важно? [Электронный ресурс] URL: https://www.sas.com/en_us/insights/analytics/what-is-natural-language-processing-nlp.html (дата обращения 23.11.2023)
7. Что такое глубокое обучение? 3 вещи, которые вам нужно знать [Электронный ресурс] URL: https://www.mathworks.com/discovery/deep-learning.html (дата обращения 20.11.2023)