Искусственный интеллект в медицине и биологии. Обзор за февраль 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.


Машинное обучение позволит быстро анализировать нанопрепараты для иммунотерапии рака

Группа ученых из Северо-Западного университета (Northwestern University, США) под руководством пионера нанотехнологии Чада Миркина (Chad A. Mirkin) оптимизировала метод разработки для сферических нуклеиновых кислот (SNA), действующих в качестве кандидатов на вакцины от рака.
Ученые использовали машинное обучение для количественного моделирования иммунной активации SNA и определения минимального количества SNA, способного запустить оптимальную активность. Таким образом, удалось определить около тысячи потенциально полезных SNA и одиннадцать проектных параметров, изменение которых можно использовать для оптимизации производительности сферических нуклеиновых кислот.

«Эта работа показывает, что мы можем разобраться со сложностью пространственного дизайна СНК, что позволит нам сфокусироваться на их наиболее перспективных структурных особенностях, и, в конце концов, разработать мощное средство для борьбы с раком», — добавляет Чад Миркин.

Источник: https://www.nature.com/articles/s41551-019-0351-1


Машинное обучение помогло классифицировать детский артрит

Воспаление суставов является общей чертой ювенильного идиопатического артрита (ЮИА). Ученые из Университета Торонто под руководством Саймона Энга собрали данные о характере болезни 640 подростков и детей с артритом и проанализировали с помощью алгоритма неотрицательного матричного разложения, в результате чего удалось классифицировать ЮИА на семь типов, каждый из которых характеризуется наибольшим воспалением в определенной зоне: таз, пальцы, запястья, пальцы на ногах, лодыжки, колени и последний, рассеянный тип, который наблюдался у семи пациентов. По словам исследователей, разработанная ими классификация может помочь определить более эффективную терапию ЮИА.

Источник: https://journals.plos.org/plosmedicine/article?id=10.1371/journal.pmed.1002750


Машинное обучение помогает прогнозировать риск развития рака

Исследовательская группа из Дартмута, возглавляемая доктором наук Саидом Хассанпуром разработала метод машинного обучения для прогнозирования перехода атипичной протоковой гиперплазии (АПГ) в рак молочной железы. Атипичная протоковая гиперплазия – поражение молочной железы, связанное с повышением риска рака молочной железы в четыре-пять раз. В настоящее время хирургическое вмешательство рекомендуется для всех случаев АДГ, обнаруженных биопсией, для определения, является ли поражение злокачественным. Причем по статистике только около 20-30% случаев АДГ превращаются в рак после хирургического вмешательства. Таким образом, 70-80% женщин подвергаются дорогостоящей и инвазивной хирургической процедуре с доброкачественным поражением (имея при этом высокий риск).
Оценка тестируемой модели показала, что новый метод машинного обучения может идентифицировать 98% всех злокачественных случаев до операции, в то же время избавляясь от операции 16% женщин, которые в противном случае перенесли бы ненужную операцию по поводу доброкачественного поражения.
В ближайшем будущем команда планирует расширить область применения своей модели, включив в нее другие поражения молочной железы высокого риска, такие как лобулярная неоплазия, папилломы и радиальные рубцы.

Источник: https://www.eurekalert.org/pub_releases/2019-02/dmc-nml021219.php


В компании «Доктор рядом» внедрили искусственный интеллект для анализа карт пациентов

В московской сети медицинских клиник «Доктор рядом» внедрили систему искусственного интеллекта для анализа медицинских карт пациентов. Система производит анализ всех карт, протоколов приема после завершения рабочего дня, тем самым сопоставляя жалобы пациентов и заключение врача, в результате чего производит выборку карт, по которым системой выявлены несоответствия.
Эксперты утверждают, что внедрение системы радикально улучшило качество работы врачей

Источник: https://medvestnik.ru/content/news/V-kompanii-Doktor-ryadom-vnedrili-iskusstvennyi-intellekt-dlya-analiza-kart-pacientov


Искусственный интеллект в российской медицине

В России стартует первый медицинский проект с применением технологий искусственного интеллекта. Сервис «Второе мнение AI», разработанный для онлайн-клиники Doctor Smart, с помощью нейросетей будет расшифровывать рентгеновские снимки.

Сервис разработан компанией Care Mentor AI, специализирующейся на создании медицинских нейронных сетей для анализа радиологических исследований. На данный момент система позволяет выявлять до 20 патологий на фронтальной проекции снимка легких, а впоследствии разработчики планируют добавить новые виды рентгеновских исследований.

Источник: https://mhealthcongress.ru/ru/article/iskusstvenniy-intellekt-v-rossiyskoy-meditsine-chem-neyroseti-pomogut-vracham-i-patsientam-95258


Doctor AIzimov из Петербурга распознает рак лёгких за 20 секунд

Ученые Политехнического университета совместно с врачами Санкт-Петербургского клинического научно-практического центра специализированных видов медицинской помощи (онкологического) разработали интеллектуальную систему диагностики опухолей в легких. В настоящее время система прошла обучение на порядке 1000 снимков КТ из баз данных LUNA 16 и LIDC. Вскоре планируется передавать снимок пациента по сети в суперкомпьютерный центр «Политехнический», который позволит обработать данные намного быстрее и вернуть уже размеченное изображение, тем самым избавив специалиста от анализа объемной компьютерной томографией.

В ближайших планах провести открытое испытание системы, после чего система будет внедряться в Петербургском клиническом научно-практическом центре специализированных видов медпомощи (онкологический) в Песочном.

Источник: http://doctorpiter.ru/articles/21170/


UNIM разработала нейросеть для диагностики онкологических заболеваний

Российская компания UNIM (портфельная компания Фонда развития интернет-инициатив) разработала систему с применением технологии машинного обучения.Об этом сообщили ТАСС в пресс-службе ФРИИ. Созданная нейросеть автоматизирует один из этапов диагностики онкологических заболеваний, а именно подсчет индекса Ki-67, определяющего скорость роста опухоли.

По данным пресс-службы, разработанная нейросеть обеспечивает точность 95%. Помимо точности результата, система  сокращает объем рабочего времени врача, затраченного на процесс определения этой характеристики.

Источник: https://tass.ru/obschestvo/5286345


Автор: Олеся Сидорова

Перепечатка разрешается при сохранении ссылок на источник публикации.

Добавить комментарий