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.
Американские ученые разработали алгоритм искусственного интеллекта для разработки новых лекарственных молекул
Американские исследователи разработали и реализовали новую стратегию проектирования молекул с целевыми свойствами, называемую ReLeaSE (Reinforcement Learning for Structural Evolution). На базе методов глубокого обучения с подкреплением, ReLeaSE объединяет генеративную и предсказательную нейронные сети, которые тренируются отдельно, а впоследствии объединяются в библиотеке. ReLeaSE использует упрощенное представление молекул в кодировке SMILES (simplified molecular-input line-entry system).
Алгоритм сопоставим по качеству с другими средствами химического моделирования и позволяет, к примеру, предсказывать коэффициент распределения молекулы в системе октанол/вода с точностью 91%. Подход позволяет снизить сроки разработки новых патентоспособных лекарств, обладающих специфической биологической активностью.
http://advances.sciencemag.org/content/4/7/eaap7885
Алгоритм ALICE определит способности иммунитета по одному анализу крови
Группа ученых из России и Франции разработала статистический метод ALICE (Antigen-specific Lymphocyte Identification by Clustering of Expanded sequences), который помогает устанавливать связь между набором Т-клеточных рецепторов (ТКР) и ответом иммунитета на инфекции, аутоиммунные заболевания и вакцинации.
Для применения данного метода достаточно одного образца крови, для определения клеток с ТКР, участвующими в ответе на тот или иной антиген. Также ALICE не требует сравнивать репертуары ТКР больных с наборами ТКР здоровых людей, тем самым снижая количество испытуемых и стоимость.
https://www.biorxiv.org/content/early/2018/07/23/375162
Умный бюстгальтер для диагностики рака молочной железы EVA
Higia Technologies разработал биосенсорную вставку в бюстгальтер EVA, которая производит термическое считывание данных, которые впоследствии передаются через Bluetooth в приложение, и AI анализирует результаты, чтобы предоставить пользователю оценку. Выявленные аномальные тепловые показатели в груди могут коррелировать с ростом опухоли, в то время как современные средства диагностики недостаточно чувствительны, когда речь идет об обнаружении опухоли, например в более плотной ткани груди.
Таким образом, с помощью неинвазивного подхода в использовании термических сенсоров EVA появляется возможность собирать тепловые показатели из различных плотностей грудной клетки, что позволяет женщинам всех возрастов облегчить процесс обследования груди.
В результате тестирования EVA Health App смог определить возникновение опухоли в 87,9% случаев, тогда как существующие методы диагностики рака молочной железы определяют заболевание в 75% случаев.
Facebook использует искусственный интеллект для ускорения сканирования МРТ
Facebook анонсировал новый исследовательский проект, который, посредством использования ИИ позволит ускорить процесс МРТ сканирования в 10 раз. Разработчики утверждают, что время может быть существенно снижено за счет уменьшения выборки целевых данных отсечением наименее важных. Потенциальная проблема может возникнуть в определении целевого набора, в случае упущения некой полезной и важной информации. Наряду с этим, прослеживается значительная выгода для пациентов за счет увеличения скорости и снижения цены сканирования, что сделает его более доступным.
Этот подход напоминает процесс сенсорной обработки информации человеком.
Создатель интернет-фильтров в школах запускает детектор риска самоубийства
GoGuardian запустила проект Beacon, систему, которая анализирует и оценивает поведение школьников в сети с целью преждевременного обнаружения признаков, ведущих к суициду. Beacon предупреждает школьных консультантов и психологов, информируя их о пользователях, которые были отмечены системой. Консультанты имеют доступ к информации о пользователе, а также связанных с ним событиях, которые вызвали предупреждение.Система классифицирует поведение в разрезе 5 категорий: общие исследования проблемы самоубийств, общий замысел самоубийств, помощь и поддержка, причинение вреда самому себе и активное планирование. В зависимости от настроек Beacon консультанты смогут просмотреть информацию и связаться с местными властями и родителями детей.
Beacon тестируется уже на протяжении года и за это время система распознала около 2000 случаем в неделю. Время от времени, школьный персонал, который был предупрежден Beacon, давал родителям возможность вмешаться как раз вовремя.
https://www.engadget.com/2018/08/26/goguardian-beacon-suicide-prevention-filter-schools/
Искусственный интеллект поможет российским пациентам понять результаты их анализов
Ученые из Томского политехнического университета разработали систему, которая на основе результатов анализов пациентов выдает им заключение с интерпретацией полученных данных и дальнейших рекомендаций.
В процессе тестирования алгоритма приняли участие два клинических эксперта и 120 пациентов — 28 старше 60 и 92 моложе этого возраста. Первым показали результаты 1000 анализов и попросили интерпретировать их. Рекомендации медицинских специалистов разошлись с рекомендациями программы в 0,7 процента случаев, пациенты оценили ее в среднем на 6 из 7. Большинство согласилось с тем, что заключения, выдаваемые программой, понятны, их можно показать лечащему врачу, а хранение результатов анализов в цифровом виде удобнее, чем в бумажном.
https://bmcmedinformdecismak.biomedcentral.com/articles/10.1186/s12911-018-0648-0
Автор: Олеся Сидорова
Перепечатка разрешается при сохранении ссылок на источник публикации.
