Искусственный интеллект в медицине и биологии. Обзор за ноябрь 2018

Это ежемесячный обзор наиболее важных и интересных новостей от экспертной группы проекта Технологии Долголетия по направлению “Искусственный интеллект в медицине и биологии”

Общее быстрое развитие технологий, исследований и разработок в области применения искусственного интеллекта (ИИ) приводит к появлению соответствующих разработок в медицинских технологиях, росту инвестиции в проекты, связанные с ИИ, в медицине и биологии.

IT-компании активно создают биомедицинские подразделения, так как видят большой потенциал в применении ИИ для развития здравоохранения. Наиболее практическое применение находят технологии машинного обучения и нейросетей для создания систем автоматизированной диагностики заболеваний. Также развиваются технологии создания лекарственных препаратов на основе моделирования. Созданы и развиваются системы анализа биомаркеров различного типа. Огромную перспективу имеет создание моделей живых организмов, включая полную модель организма человека.

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.


Суперкомпьютер способен имитировать мозг мыши

После 12 лет работы исследователи из Манчестерского университета в Англии завершили строительство суперкомпьютера «SpiNNaker» (Spiking Neural Network Architecture), который позволяет имитировать внутреннюю работу миллиарда нейронов посредством колоссальных вычислительных ресурсов.
По словам авторов проблема цифрового моделирования мозга заключается в коммуникации нейронных сигналов, а не в вычислительных способностях системы. Решением задачи послужила разработанная массивная параллельная архитектура, в которой каждое из миллионов ядер способно отправлять небольшие «пакеты» информации (всего до 72 бит), маршрутизируемые внутренней сетью.
С этой архитектурой суперкомпьютер может легко имитировать 100 миллионов нейронов внутри мозга мыши.

Источник:
https://www.manchester.ac.uk/discover/news/human-brain-supercomputer-with-1million-processors-switched-on-for-first-time/


Алгоритм глубокого обучения обнаруживает болезнь Альцгеймера на шесть лет раньше, чем современные диагностические методы

Одним из самых современных, диагностических инструментов, с помощью которого можно определить наступление болезни Альцгеймера, является сканирование FET-фторооксиглюкозой (FDG-PET). Это сканирование традиционно используется для выявления нескольких видов рака, но в последние годы оказалось полезным для выявления болезни Альцгеймера, а также нескольких других видов деменции.
По словам исследователей новая технология глубокого обучения имеет возможность идентифицировать более тонкие шаблоны в плотных данных.
Алгоритм был протестирован на небольшом, независимом наборе сканирований мозга, предсказав каждый отдельный случай, который приводил к болезни Альцгеймера в среднем на шесть лет раньше, чем болезнь была в конечном итоге диагностирована. По этой метрике алгоритм значительно превзошел человеческий фактор.

Источник:
https://www.rsna.org/en/news/2018/November-December/Artificial%20Intelligence%20Predicts%20Alzheimers%20Years%20Before%20Diagnosis


Искусственный интеллект обошел врачей в чтении рентгеновских снимков

Алгоритм под названием CheXNeXt — это первый алгоритм в мире, который может оценивать рентгеновские снимки на наличие признаков множества заболеваний одновременно и выдавать результаты, которые вполне соответствуют выводам профессиональных рентгенологов.
Задача исследователей — довести алгоритм до совершенства, чтобы он мог надежно и быстро сканировать широкий диапазон медицинских изображений и снимков на признаки заболеваний, причем без помощи профессиональных рентгенологов. Для самих рентгенологов это не очень хорошая новость, но такая технология, по словам ее создателей, поможет обеспечить регионы с низким уровнем врачебной помощи высококачественными цифровыми «консультациями» там, где соответствующих специалистов просто нет. Алгоритмы, вроде CheXNeXt, однажды могут помочь врачам-диагностам быстрее ставить диагноз и не тратить лишнее время на консультации с другими врачами.

Источник:
https://medicalxpress.com/news/2018-11-ai-outperformed-radiologists-screening-x-rays.html


FDA одобрило систему искусственного интеллекта для диагностики кровотечений в мозге

Система Accipio Ix от компании MaxQ AI способна детектировать внутричерепное и внутримозговое кровотечение по компьютерной томографии без контраста. Совсем недавно это решение получило одобрение к применению в клинической практике от FDA. Об этом сообщает пресс-релиз израильско-американской компании.
Эта программа может быть без труда интегрирована в томограф и систему PACS*, используя отраслевой стандарт DICOM. Она обрабатывает все КТ головы автоматически в фоновом режиме, без участия врача, и может выявить мельчайшие геморрагии за 3-5 минут по окончанию сканирования. Если кровоизлияние обнаружено, пациенту выдается высший приоритет, и уже дальше с ним работают профильные специалисты.

Источник:
https://www.maxq.ai/downloads/MaxQ-AI-FDA-Approval-Accipio-Ix-Press%20Release_FINAL%20v2.pdf


Создан прототип для проверки качества детского питания и алкоголя на основе ИИ

Специалисты MIT Media Lab разработали беспроводную систему, позволяющую без особых дополнительных затрат проверять качество пищевых продуктов. В ее состав входит считывающее устройство, отмечающее незначительные изменения в беспроводном сигнале, который излучает RFID-метка при взаимодействии с пищевыми продуктами. Прототип разработан для детского питания и алкоголя, но может использоваться и для определения свежести практически любых продуктов питания, в супермаркетах или умных холодильниках.

Источник: http://news.mit.edu/2018/food-safety-rfid-detection-consumers-1114


Машинное обучение позволяет CRISPR редактировать геном

Группа ученых из Массачусетского Технологического Института (MIT) разработала программу на основе искусственного интеллекта, которая просчитывает результат изменения генома. Это позволило ученым исправить ряд вредных мутаций в клетках человека при помощи CRISPR без дополнительного использования матрицы для редактирования.

Источник: https://www.nature.com/articles/s41586-018-0686-x


Автор: Олеся Сидорова

Перепечатка разрешается при сохранении ссылок на источник публикации.

Добавить комментарий