Искусственный интеллект в медицине и биологии. Обзор за декабрь 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.

Нейросеть научили предсказывать структуру белка по нуклеотидной последовательности

Разработчики из компании DeepMind создали систему на основе нейросети, способную с высокой точностью предсказывать структуру белков на основе соответствующих им нуклеотидных последовательностей.

Способность прогнозировать форму белка полезна для ученых, поскольку она имеет фундаментальное значение для понимания его роли в организме, а также для диагностики и лечения заболеваний, которые, как считается, вызваны неправильно свернутыми белками, таких как фиброз Альцгеймера, Паркинсона, Хантингтона и муковисцидоз.

Трехмерные модели белков, которые генерирует AlphaFold, гораздо более точны, чем те, что были раньше, и достигли значительного прогресса в решении одной из основных задач в биологии.

Источник: https://deepmind.com/blog/alphafold/


Нейросети против депрессии

Исследователи из Массачусетского технологического института создали нейронную сеть, которая может прогнозировать депрессию по речи человека и протоколу беседы с ним. В качестве материала использовались 142 интервью с пациентами.

По результатам работы научная группа сделала вывод о том, что программной модели при использовании аудио необходимо в четыре раза больше информации, нежели при работе с текстом.  Ученые добавляют, что модель анализа текста и звука показала хорошие результаты. Именно за счет этого метод подойдет для прогнозирования депрессии.

Это исследование становится важным шагом на пути к созданию универсального инструмента, который в будущем поможет врачам проводить раннюю диагностику психического расстройства.

Источник: https://www.isca-speech.org/archive/Interspeech_2018/abstracts/2522.html


Сверточная нейронная сеть определяет типы раковых клеток

Ученые из Университета Осаки создали систему, способную определять различные типы раковых клеток путем сканирования полученных с помощью микросъемки изображений с точностью, превышающей возможности человека.

Основой системы является сверточная нейронная сеть, модель которой строится на принципах, на которых построено зрение животных.

Ожидается, что развитие и внедрение подобных систем в клиническую практику увеличит шансы пациентов на выздоровление, позволит сэкономить время и ресурсы организма больного.

Источник: http://cancerres.aacrjournals.org/content/78/23/6703


Московский стоматолог создал сервис на основе нейросетей для диагностики проблем с зубами

Основатели MSQRD Евгений Невгень и Сергей Гончар спонсировали российский проект Diagnocat, задача которого заключается в диагностике  состояния зубов с помощью AI по снимкам. Проект разработал Владимир Александровский, владелец сети стоматологических клиник в России и основатель группы медицинских компаний «Фэнтези».

Сервис предоставляет врачу набор из пяти снимков для каждого зуба в трех плоскостях и двух срезах, а также отчет о его состоянии: аномалии, воспалительные процессы, лечение в прошлом и т.д.

В отличие от программ для работы с КТ-снимками, у Diagnocat простой, интуитивно понятный интерфейс, что позволяет стоматологам снизить время на обучение и сконцентрироваться больше на результатах исследования.

Цель Александровского заключается в адаптации сервиса для законодательств России, Европы и США. Предприниматель планирует запустить коммерческую версию продукта для этих рынков к концу 2019 года.

Источник: https://dev.by/news/diagnocat


Fimmic открывает доступ к фреймворку для обучения нейросетей микроскопическому анализу

Fimmic — компания-разработчик медицинского ПО, запускает aiForward — открытую глобальную программу для ученых и патологов, желающих использовать нейронные сети в своих исследованиях.

Программа aiForward предлагает участникам бесплатный доступ к современному фреймворку и поддержку со стороны команды экспертов. Основное внимание уделяется внедрению нейронных сетей в микроскопический анализ изображений. Платформа позволяет исследователям разработать алгоритм для анализа изображений, обучив сверточные нейронные сети (CNN) распознаванию конкретных особенностей и частей тканей, которые важны для диагностики заболеваний.

По словам Кайсы Хелминен — генерального директора Fimmic: «Программа aiForward — это передача ИИ в руки медицинских исследователей и патологов. Речь идет о продвижении от теории к практике и содействии новым открытиям в медицине».

Источник: http://www.digitaljournal.com/life/health/ai-program-aims-to-power-up-medical-research/article/539313


Российская компания запустила бесплатную онлайн-диагностику рака кожи

Российский проект Skychain Global, который внедряет искусственный интеллект в медицину, представил нейросеть, анализирующий кожу по фотографии. На данный момент система находится в публичном тестировании. По словам разработчиков, основным достижением для них стало то, что нейронная сеть теперь может обрабатывать фотографии с камеры обычного телефона , что значительно упрощает процесс проверки.

Всего ИИ распознает шесть видов заболеваний: актинический и доброкачественный кератоз, базальная карцинома, дерматофиброма и меланома. Средняя точность прогнозов составляет 85 %.

Источник: https://knife.media/skin-cancer/


Автор: Олеся Сидорова

Перепечатка разрешается при сохранении ссылок на источник публикации.

 

Добавить комментарий