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.
Нейросеть диагностирует болезнь Альцгеймера с точностью 94%
Группа ученых Стэнфордского университета разработала трехмерную свёрточную нейронную сеть (3D-CNN) для диагностики болезни Альцгеймера, его продромального этапа, слабых когнитивных нарушений (MCI) с использованием МРТ изображений.
По словам исследователей, модель не только привела к повышению эффективности классификации по сравнению с другими методами, но также способствовала выявлению соответствующих биомаркеров болезней. В ходе исследования была обнаружена область гиппокампа в мозге, которая имеет решающее значение для диагностики болезни Альцгеймера.
Интересный вывод этой работы состоял в том, что простая архитектура привела к улучшению результатов тестирования, по сравнению с другой более сложной архитектурой, поскольку она меньше склонна к переобучению данных.
Источник: https://arxiv.org/pdf/1810.00523.pdf
Amazon запатентовала распознавание самочувствия и настроения пользователя по голосу
Компания Amazon запатентовала технологию, которая позволит голосовому помощнику Alexa определить по вашему голосу больны ли вы или находитесь в депрессии и предложит заказать лекарства в зависимости от вашего физического или эмоционального состояния.
Система анализа эмоций будет адаптирована для каждого пользователя, определяя «состояние по умолчанию или нормальное / базовое состояние» для выявления изменений, указывающих на эмоциональное состояние. В патенте говорится о том, что «эмоциональное состояние пользователя является ненормальным». Также отмечается, что технология также может определять эмоциональное состояние «любого пользователя» независимо от того, обычно ли оно использует это устройство.
Алгоритм отличает смертельный рак простаты от управляемого
Ученые из Университета Йорка (Великобритания) и Университета Британской Колумбии (Канада) разработали тест, который может выявить опасные для жизни раковые заболевания предстательной железы с точностью до 92%, тем самым исключив бесполезные операции и лучевую терапию, как сообщается на сайте Университета Йорка.
В результате анализа генетических моделей с помощью компьютерного алгоритма был устранен “шум” и выявлены 17 возможных генетических маркеров, указывающих на рак предстательной железы.
В настоящее время команда проводит дополнительные исследования, чтобы привлечь коммерческих партнеров и сделать тест доступным для клинического использования.
Источник: https://www.york.ac.uk/news-and-events/news/2018/research/fatal-prostate-cancer-from-manageable/
Нейронная сеть от Google AI выявляет раковые метастазы с точностью 99%
В одной из последних статей компания Google рассказала о результатах тестирования алгоритма LYNA (Lymph Node Assistant), первый раз представленный командой в 2017 году, который достиг 99% точности в обнаружении метастаз рака молочной железы.
В основе LYNA лежит алгоритм Inception-v3, библиотека (open source) для распознавания изображений, которая использовалась ранее для диагностики рака легких, меланомы и ретинопатии. Работу модели протестировали на двух наборах данных с образцами патологий рака молочной железы.
В обоих наборах данных LYNA удалось правильно отличить слайд с метастатическим раком от слайда без рака в 99% случаев. Кроме того, LYNA смогла точно определить местоположение как рака, так и других подозрительных областей в каждом слайде, некоторые из которых были слишком малы, чтобы их последовательность смогли выявить патологоанатомы. Команда разработчиков предположила, что одним из потенциальных преимуществ LYNA может быть выделение этих проблемных проблем для патологоанатомов для анализа и определения окончательного диагноза.
По словам авторов статьи, потенциал вспомогательных инструментов, таких как LYNA, упрощает задачи идентификации микрометастаз и позволяет больше времени и внимания сосредоточить на других, более сложных клинических и диагностических задачах.
Разработчики планируют начать тестирование алгоритма в клинических условиях, чтобы оценить воздействие на реальные клинические процессы и результаты лечения пациентов.
Источник: https://ai.googleblog.com/2018/10/applying-deep-learning-to-metastatic.html
ИИ научили лечить сепсис
Группа исследователей из США и Имперского колледжа в Великобритании рассказала об эксперименте, во время которого искусственный интеллект научили назначать наиболее эффективное лечение от сепсиса, а также с высокой точностью определять даже небольшие переломы.
Предварительно ИИ проанализировал данные около 100 тыс. пациентов с сепсисом, которые лечились за последние пять лет. Он учитывал 48 подкатегорий данных, которые были важны для назначения лечения: возраст, медицинские показатели, состояние здоровья до начала терапии. В 98% случаев решения ИИ приводил к улучшению здоровья пациентов и были точнее, чем у врачей.
Также исследователи провели эксперимент, который был посвящен переломам. Крупные травмы обнаружить легко, но небольшие переломы могут быть сложными даже для специалиста. Команда набрала 18 хирургов-ортопедов для диагностики около 1,5 млн изображений потенциальных переломов запястья, а затем использовала эти данные для обучения своего алгоритма. Он выделял области, которые потенциально были травмированы. В этом случае точность определения перелома выросла с 81% до 92%, а специфичность — возможность поставить правильный диагноз — с 88% до 94%.
Новый инструмент ДНК предсказывает рост и возможные заболевания
Ученые изучили генетический состав около 500 000 взрослых в Соединенном Королевстве, используя машинное обучение и анализ данных. Традиционное генетическое тестирование обычно ищет специфические изменения в генах человека или хромосомах, которые могут указывать на более высокий риск таких заболеваний, как рак молочной железы. Модель рассматривает многочисленные геномные различия и строит предсказание, основанное на десятках тысяч вариаций.
Команда продолжит улучшать алгоритмы, одновременно используя более крупные и разнообразные наборы данных. Это еще раз подтвердит эффективность метод и поможет наметить генетическую архитектуру важных человеческих черт и рисков заболеваний.
Источник: https://www.sciencedaily.com/releases/2018/10/181004143856.htm
Автор: Олеся Сидорова
Перепечатка разрешается при сохранении ссылок на источник публикации.
