Искусственный интеллект в медицине и биологии. Обзор за июнь 2018

Это ежемесячный обзор наиболее важных и интересных новостей от экспертной группы проекта Технологии Долголетия. Сайт группы rlegroup.net.

В текущем обзоре рассматриваются последние наиболее значительные и интересные публикации о использовании технологий машинного интеллекта для диагностики заболеваний, моделировании свойств лекарственных препаратов, создании моделей живых организмов, анализа биомаркеров старения, прямого научного поиска средств продления жизни, других применениях ИИ в медицине и биологии.

Отдельный интерес представляет использование технологий машинного интеллекта для увеличения эффективности исследований, прямого научного поиска средств продления жизни, начиная с простейших алгоритмических механизмов для аналитики научных публикаций в областях, связанных с продлением жизни.

 


Победить рак поможет искусственный интеллект Baidu

Китайская технологическая корпорация Baidu представила систему искусственного интеллекта для проведения диагностики онкологических заболеваний, а также оценки возможного развития заболевания в будущем у пациента.

В качестве входных данных используется снимок образца ткани, полученного в результате биопсии. На данный момент анализ таких снимков достаточно эффективный, но в силу человеческого фактора, высок риск ошибок.

Разработчики уточняют, что система Baidu позволяет искать достаточно быстро крошечные опухолевые клетки и с большей точностью, таким образом предполагая, что заболевание можно будет обнаружить на более ранних стадиях.

Уникальность нового алгоритма состоит в том, что он может одновременно анализировать несколько изображений, включая возможную раковую область и ее окружение. Такой подход значительно уменьшает количество ложных оценок.

Код нейросети был выложен в открытый доступ, таким образом разработкой сможет воспользоваться медицинское научное сообщество. Алгоритм планируется совершенствовать дальше, в силу того, что он был опробован на ограниченном объеме публичных данных, алгоритм нуждается в дальнейшей проверке с использованием более широкого объема данных.

Источник:http://research.baidu.com/Blog/index-view?id=104


Google создал алгоритм для прогнозирования даты смерти пациента

Google создал алгоритм, который способен проанализировать данные о состоянии пациента и предсказать, когда он умрет, пишет Bloomberg.

В статье приведен случай с женщиной, обратившейся в больницу на поздней стадии рака груди. Больничные приборы после анализа ее жизненных показателей определили вероятность ее смерти во время пребывания в медучреждении в 9,3%, после его  алгоритм Google проанализировал 175 639 показателей пациентки и представил свою оценку риска ее смерти в 19,9%. Женщина скончалась в считанные дни.

В статье также отмечается, что помимо оценки риска смерти, данная технология помогает построить разные варианты лечения пациентов, определить период пребывания в больнице, вероятность повторного обращения к врачам, обрабатывать данные пациента, такие как заметки врачей в медицинских карточках.

Нейронная сеть анализирует доступную информацию и выдает свою оценку, делая выводы быстрее и точнее всех существующих технологий. Система также может показать список данных, на основе которых она пришла к соответствующим выводам, уточняет издание.

Источник: https://www.bloomberg.com/news/articles/2018-06-18/google-is-training-machines-to-predict-when-a-patient-will-die


В России разработали нейросеть для диагностики онкологических заболеваний

Российская компания UNIM, портфельная компания ФРИИ, разработала нейросеть, которая автоматизирует один из этапов диагностики онкологических заболеваний — подсчет индекса Ki-67, который определяет скорость роста опухоли.

Анализ данного показателя у врача в среднем составлял около 15 минут, система позволила сократить это время до 30 секунд, а также повысить точность анализа, т.к. при ошибке в одном лишь из показателей Ki-67 пациент может не получить своевременной медицинской помощи, либо получить неверное лечение, что может привести к тяжелым последствиям.

Нейросеть построена на базе анализа более 40 терабайт диагностических данных и уже применяется в лаборатории стартапа в тестовом режиме. С помощью технологии проанализированы материалы более 200 диагностированных пациентов. По данным Минздрава РФ число больных раком в России в 2017 году достигло 3,5 млн, такой диагноз впервые ежегодно получает около 600 тысяч россиян.

Источник: http://evercare.ru/v-rossii-razrabotali-neiroset-dlya-diagnostiki-onk


Компьютер может классифицировать опухоли мозга на основании профилей метилирования ДНК

На данный момент основным методом диагностики доброкачественных и злокачественных опухолей является гистологический анализ, т.е. анализ по морфологическим признакам, образцам ткани опухоли, полученных при биопсии. Известно, что результаты анализа, полученные различными специалистами могут различаться, что может повлиять на выбор правильного лечения.

В статье автор пишет о более объективном подходе к дифференциальной диагностике, предлагаемом немецкими учеными, а именно подходе, основанном на распределении метильных остатков в ДНК, которое оценивается с помощью компьютера. Тестовые испытания показали более высокую точность такого подхода, а в ряде случаев он дал основания для пересмотра результатов гистологического анализа. Наиболее целесообразной представляется диагностика с помощью комбинации нового подхода с классической гистологией.

Ученые предполагают, что результаты полученные при использовании такого подхода открывают перспективу для компьютерной классификации других видов рака. Автор статьи отмечает, что детальный молекулярный профиль опухолей представляется очень ценным для определения диагноза и стратегии лечения, а также подход, разработанный авторами, дополняет, совершенствует, а иногда и заставляет пересмотреть диагноз, поставленный по результатам микроскопии клеток опухоли. Но в то же время не отменяется использование гистологического анализа в силу сложности, дороговизны анализа метилирования и других молекулярных подходов в настоящее время. К тому же комбинация этих подходов скорее всего будет эффективнее, поскольку болезнь может проявляться как на молекулярном, так и на клеточном уровне.

Источник: https://elementy.ru/novosti_nauki/433268/Kompyuter_mozhet_klassifitsirovat_opukholi_mozga_na_osnovanii_profiley_metilirovaniya_DNK


Искусственный интеллект научился видеть сквозь стены

Ученые создали нейронную сеть, которая различает движения и позу человека даже в том случае, если он находится за препятствием. О новой технологии авторы рассказали на конференции по компьютерному зрению и распознаванию образов в Солт-Лейк-Сити. Кратко о докладе можно почитать на сайте EurekAlert.

Мысль о создании данной технологии возникла у исследователей из Массачусетского технологического института, когда они поняли, что по движениям человека можно распознать возможные заболевания, например болезнь Паркинсона или рассеянный склероз. Но при этом невооруженным взглядом сложно оценить признаки. Для решения задачи, ученые разработали нейросеть, различающую радиосигналы, отраженные от человека для определения движений и поз человека.

В результате экспериментов выяснилось, что нейросеть может «видеть» движения человека даже сквозь стену, хотя таких экспериментов во время обучения не проводилось.

В статье говорится, что искусственный интеллект сможет более детально распознавать особенности движений пациентов и поможет докторам подобрать лечение. Также новая технология сможет стать основой для создания охранной системы для пожилых людей — нейронная сеть, размещенная в доме, могла бы фиксировать падения и другие травмы и сообщать об этом родственникам или врачам.

Источник: https://www.eurekalert.org/pub_releases/2018-06/miot-asp061118.php


Нейронная сеть может проводить диагностику лучше дерматолога

В статье рассказывается об исследовании, проведенном группой ученых из разных стран, которое показало, что нейронная сеть глубокого обучения может более эффективно классифицировать кожные новообразования, чем профессиональные дерматологи. Результаты экспериментов могут позволить людям в отдаленных районах получить доступ к диагностике уровня профессионального врача просто с помощью своего смартфона. Результаты исследования были опубликованы в журнале Annals of Oncology.

В процессе разработки была создана сверточная нейронная сеть глубокого обучения, на вход которой подавались “подготовленные и проверенные” изображения различных повреждений кожи. В статье говорится, что алгоритм обрабатывал 100 изображений, которые параллельно были предоставлены для диагностики 58 дерматологам, 30 из которых имели более 5 лет опыта. Изображения анализировались вместе с сопутствующей клинической информацией и без нее.

В результате экспериментов дерматологи смогли классифицировать потенциально опасные (раковые) изменения кожи с чувствительностью в 86.6% и специфичностью в 71.3%, когда проводился анализ только изображений. Используя показатель чувствительности 86.6% дерматологов как ориентир, нейронная сеть достигла уровня специфичности в 82.5%. Это существенно лучше, чем результат врачей в 71.3%. Аналогичная разница в результатах была и при использовании клинической информации.

В публикации, впрочем, отмечаются и ограничения данного исследования, которые могли повлиять на конечный результат. В частности, количество принявших участие в эксперименте дерматологов слишком малое. Кроме этого, остается открытым вопрос, насколько отличаются действия врачей в исследовании и в реальном мире, где последствия неправильной постановки диагноза могут быть исключительно серьезными.

Источник: https://academic.oup.com/annonc/advance-article-abstract/doi/10.1093/annonc/mdy166/5004443?redirectedFrom=fulltext


Автор: Олеся Сидорова

Перепечатка разрешается при сохранении ссылок на источник публикации.

 

 

Добавить комментарий