Искусственный интеллект в медицине и биологии. Обзор за январь 2019

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 научилась определять болезнь Альцгеймера на шесть лет раньше врачей

Используя общий тип сканирования мозга, исследователи Калифорнийского университета разработали алгоритм машинного обучения для диагностики ранней стадии болезни Альцгеймера, примерно за шесть лет до постановки клинического диагноза, что потенциально дает врачам шанс вовремя остановить прогрессирование заболевания. Диагностика заключается в измерении уровня глюкозы в разных областях мозга, которые нейросеть может уловить.
Для обучения искусственного интеллекта ученые использовали более 2000 результатов сканирования мозга людей, которым уже поставили диагноз. В результате нейросеть смогла с точностью 92 % определить заболевание.

Источник: https://www.ucsf.edu/news/2018/12/412946/artificial-intelligence-can-detect-alzheimers-disease-brain-scans-six-years


Нейросеть научили распознавать 216 редких наследственных заболеваний по фотографии
Исследователи представили фреймворк для анализа изображений лица DeepGestalt, который с помощью алгоритмов компьютерного зрения и глубокого обучения с высокой точностью определяет редкие наследственные заболевания. DeepGestalt превзошел клиницистов в трех начальных экспериментах, два с целью отличить субъектов с целевым синдромом от других синдромов, и один из разделения различных генетических подтипов при синдроме Нунана. В последнем эксперименте, отражающем реальную проблему клинических условий, DeepGestalt достиг 91% точности определения правильного синдрома на 502 различных изображениях. Модель была обучена на наборе данных из более чем 17 000 изображений, представляющих более 200 синдромов, управление которой осуществлялось через платформу фенотипирования, управляемую сообществом.
Ученые также создали мобильное приложение для медиков, которое позволяет определить генетическое расстройство по фотографии пациента.

Источник: https://www.nature.com/articles/s41591-018-0279-0


Ученые нашли новый способ диагностики опухолей
Учёные из Санкт-Петербургского политехнического университета совместно с врачами Санкт-Петербургского клинического научно-практического центра специализированных видов медицинской помощи создали интеллектуальную систему диагностики опухолей в лёгких.
Разработанное программное обеспечение, которое можно установить на любом компьютере, всего за 20 секунд анализирует компьютерную томографию легких пациентов и выдает заключение в виде наглядно выделенной патологии.
По оценкам врачей, испытания прошли успешно, так как система обнаружила очаговые образования в легких даже малых размеров — около 2 миллиметров.

Источник: https://www.nature.com/articles/s41591-018-0296-z


Новая ЭКГ с искусственным интеллектом обеспечивает раннее выявление сердечных заболеваний

Новое исследование, проведенное учеными в клинике Майо, демонстрирует недавно разработанную систему искусственного интеллекта, которая способна обнаруживать наличие дисфункции левого желудочка, состояние, которое в настоящее время можно обнаружить только с помощью других более дорогих и трудоемких тестов визуализации.
Система была обучена на данных более чем 600 000 пациентов, ЭКГ и результатов эхокардиограммы. Полученный алгоритм был впоследствии протестирован на независимом наборе данных, состоящем из более чем 50 000 пациентов. Результаты были исключительно положительными, с чувствительностью, специфичностью и точностью – около 85%.

Источник: https://www.nature.com/articles/s41591-018-0240-2#ref-CR1


Нейробиологи обучили нейросеть переводить сигналы мозга в членораздельную речь

Ученые из Колумбийского университета (США ) создали устройство, способное переводить сигналы мозга человека в членораздельную речь, использовав искусственны интеллект и синтезатор речи.

Полученные результаты показывают, что модель глубокой нейронной сети, которая непосредственно оценивает параметры синтезатора речи по всем нейронным частотам, достигает наивысших субъективных и объективных оценок в задаче распознавания цифр, улучшая разборчивость на 65% по сравнению с базовым методом, который использует линейную регрессию для реконструкции слуховой спектрограммы. Эти результаты демонстрируют эффективность алгоритмов глубокого обучения и синтеза речи для проектирования систем речи следующего поколения, которые не только могут восстановить связь для парализованных пациентов, но также могут трансформировать технологии взаимодействия человека с компьютером.

Источник: https://www.nature.com/articles/s41598-018-37359-z


Автор: Олеся Сидорова

Перепечатка разрешается при сохранении ссылок на источник публикации.

Добавить комментарий