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.
Искусственный интеллект определит ваш возраст по микрофлоре кишечника
Исследователи, изучающие кишечные бактерии тысяч людей по всему миру, пришли к одному выводу: микробиом — это удивительно точные биологические часы, способные предсказать возраст большинства людей в течение нескольких лет.
Чтобы выяснить, как микробиом меняется со временем, исследователь долголетия Алекс Жаворонков и его коллеги из InSilico Medicine, стартапа в области искусственного интеллекта в Роквилле, штат Мэриленд, исследовали более 3600 образцов кишечных бактерий от 1165 здоровых людей, живущих по всему миру. Ученые обучили свою систему, применив алгоритм глубокого обучения на 95 различных видах бактерий из 90% образцов. Из 95 видов бактерий 39 оказались наиболее важными в прогнозировании возраста. Одни виды бактерий с возрастом накапливались в кишечнике, а доля других снижалась.
Источник: https://www.sciencemag.org/news/2019/01/bacteria-your-gut-may-reveal-your-true-age
Исследователи IBM разработали систему ИИ, способную по анализу крови определить болезнь Альцгеймера на ранней стадии
Группа исследователей IBM использовала возможности машинного обучения для обнаружения биологического маркера, связанного с болезнью Альцгеймера — пептид, называемый бета-амилоид, — с помощью простого анализа крови. Ученые IBM использовали машинное обучение для определения белков в крови, которые могут предсказать концентрацию биомаркера в спинномозговой жидкости.
Решение позволит обнаружить риск развития болезни Альцгеймера у человека раньше, чем сканирование мозга и до того, как симптомы начнут появляться.
Источник: https://www.engadget.com/2019/03/10/ibm-ai-blood-test-early-alzheimers-detection/
У каждого россиянина появится нейродвойник
Ученые из Университета Лобачевского создают «нейродвойника человека». Система будет собирать медицинские данные о пациенте, а также использовать искусственный интеллект для интерпретации и прогнозирования состояния здоровья. Концепция проекта уже подготовлена, сейчас ученые работают над реализацией, сообщается на сайте университета. Виртуальный аналог организма будет агрегировать медицинские данные человека с помощью персональных мобильных сенсоров и автоматически формировать профиль пациента, после чего на основе обработанных данных будет выполнен анализ рисков развития заболеваний. Таким образом, машинная обработка данных позволит автоматизировать предварительную оценку состояния.
Источник: https://www.eurekalert.org/pub_releases/2019-02/dmc-nml021219.php
Искусственный разум предсказывает смерть
Специалисты по медицинской статистике из Университета Ноттингема и их коллеги-врачи разработали и начали тестировать самообучающийся алгоритм, который оценивает риск преждевременной смерти от хронических болезней в больших популяциях людей среднего возраста.
Исследователи использовали самообучающийся искусственный интеллект и новую модель предсказания риска, которая способна учитывать множество таких факторов, как демография, биометрия, клинические проявления, условия жизни человека.
Источник: https://www.ncbi.nlm.nih.gov/pubmed/30917171
Умный стетоскоп — проект стартапа из акселератора Университета ИТМО
Команда Laeneco разработала умный стетоскоп, который использует алгоритмы машинного обучения для выявления заболеваний легких по аудиозаписи.
Электронный стетоскоп имеет чувствительный микрофон, который улавливает более широкий диапазон частот, чем человеческое ухо. Выявлять звуки, свидетельствующие о наличии заболевания, помогают глубокие нейронные сети. Сейчас точность их работы составляет 83%, но в теории этот показатель можно увеличить до 98%. Команда стартапа уже собирает новые данные для расширения обучающей выборки.
Источник: https://www.sciencedirect.com/science/article/pii/S0735109716001170?via%253Dihub
Нейронную сеть научили строить «карту» химических соединений
Группа исследователей из Центра Сколтеха CDISE (Центр научных и инженерных вычислительных технологий для задач с большими массивами данных) и Мюнхенского центра им. Гельмгольца создали нейронную сеть для визуализации пространства химических соединений. Новый метод поможет создавать новые химические соединения и анализировать уже существующие.
Ученые использовали метод снижения размерности t-SNE наряду с глубокой нейронной сетью. Таким образом, созданная нейронная сеть, представленная в виде многомерной структуры интересующего соединения, генерирует координаты этого соединения в двумерном виде на некой плоскости. При этом молекулы со схожими свойствами оказываются расположены рядом, что позволяет группировать соединения по классам, соответствующим тому или иному свойству.
В будущем ученые планируют создать ряд программ, которые позволят исследователям просмотреть распределение новых соединений относительно уже изученных и описанных в литературе. Это поможет быстрее выполнять R&D фазу исследований при поиске новых лекарств.
Источник: https://pubs.rsc.org/en/Content/ArticleLanding/2019/RA/C8RA10182E#!divAbstract
Искусственный интеллект научили предсказывать выживаемость пациенток с раком яичника
Исследователи Имперского колледжа Лондона и Мельбурнского университета создали систему, способную прогнозировать срок жизни пациенток с раком яичников точнее современных методов. Она также может предсказать, какое лечение будет наиболее эффективным для пациенток после постановки диагноза.
В ходе работы для выявления агрессивности опухолей была разработана программа TEXLab, которую использовали для анализа образцов тканей 364 женщин с раком яичников в период между 2004 и 2015 годами. Программное обеспечение проверило четыре биологических характеристики опухолей, которые значительно влияют на общую выживаемость — структуру, форму, размер и генетический состав, чтобы составить прогноз пациенток.
Ученые предполагают, что технология поможет врачам своевременно назначать пациенткам оптимальные методы лечения. Они надеются, что эта технология может быть использована для разделения больных раком яичников на группы, основанные на тонких различиях в структуре их опухолей при КТ-сканировании.
Источник: https://www.nature.com/articles/s41467-019-08718-9
Автор: Олеся Сидорова
Перепечатка разрешается при сохранении ссылок на источник публикации.
