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 научился распознавать посттравматический синдром по голосу
Диагноз посттравматического стрессового расстройства обычно основывается на клинических интервью или самоотчете. Оба подхода подвержены недооценке и завышению симптомов.
Группа исследователей из Медицинской школы Нью-йоркского университета под руководством Чарльза Мармара (Charles R. Marmar) с помощью технологий машинного обучения разработала классификатор для постановки диагноза посттравматического стрессового расстройства (ПТСР), основанный на объективных речевых маркерах, способных по голосу пациента определить, страдает ли он от ПТСР.
Данная система позволит дать более объективную оценку состояния пациента, так как на данный момент объективного теста не существует, а диагноз ПТСР обычно основывается на клинических интервью или самоотчете, которые подвержены недооценке и завышению симптомов.
Точность разработанного алгоритма составляет 89 процентов. Работа исследователей опубликована в журнале Depression and Anxiety, а краткое ее изложение опубликовано на Eurekalert.
Источник: https://onlinelibrary.wiley.com/doi/full/10.1002/da.22890
Роботизированный катетер, способный передвигаться внутри организма и выполнять хирургические операции в живом сердце.
Исследователи из США, Франции и Тайваня создали роботизированный катетер, который может перемещаться по наполненному кровью сердцу, используя алгоритмы машинного обучения для слежения перемещения. Катетер использует осязательное зрение, гибридное чувство, использующее визуализацию как для идентификации поверхности на основе прикосновения, так и для определения силы, для достижения следования стенок внутри наполненного кровью сердца. Таким образом, алгоритм по мере продвижения катетера преобразовывает тактильную информацию, которую получает при помощи датчика давления, в визуальную.
В будущем такие возможности могут позволить врачу сосредоточиться на наиболее важных аспектах процедуры, обеспечивая при этом точные и повторяемые движения инструмента, независимые от опыта специалиста и усталости.
Источник: https://robotics.sciencemag.org/content/4/29/eaaw1977
Запущена в серийное производство навигационная система 3D моделирования органов и тканей тела
Самарский государственный медицинский университет разработал аппаратно-программный комплекс AUTOPLAN, который находит свое применение в травматологии, ортопедии, онкологии, нейрохирургии. Система позволяет по результатам компьютерной томографии создавать 3D-модели оперируемых органов, выделяя в них расположение сосудов, новообразований. Таким образом, разработанная система способно значительно увеличить точность хирургического вмешательства и сократить время диагностики и проведения операции. Также благодаря AUTOPLAN удается уменьшить кровопотерю, повреждение тканей, тем самым снизив риски и возможные осложнения.
Используя модель, хирург составляет сценарий операции: определяет зону доступа, границы резекции. AUTOPLAN определяет границы области хирургического интереса с субмиллиметровой точностью и отображает контуры анатомических структур в режиме реального времени, даже учитывая незначительное смещение тела человека в пространстве во время дыхания.
Одним из ключевых учреждений-партнеров, где комплекс применялся в режиме опытной эксплуатации, стал Национальный медицинский исследовательский центр нейрохирургии им. ак. Н.Н. Бурденко (Москва). При помощи разработанного самарскими учеными и инженерами комплекса спланированы и проведены 16 операций на головном мозге.
Источник: https://sdelanounas.ru/blogs/119520/
Компания «Третье мнение» создает платформу, основанную на обработке медицинских изображений с помощью алгоритмов машинного обучения
Компания «Третье мнение» создает платформу, основанную на обработке медицинских изображений с помощью алгоритмов машинного обучения, которая помогает врачам своевременно и более точно ставить диагноз. Сервис позволяет в онлайн режиме распознавать оцифрованные мазки крови, снимки глазного дна и рентгенограммы грудной клетки.
Сервис «Третье мнение» представляет веб-интерфейс, ядром которого является несколько нейросетей. Для каждого типа изображений – клеток крови, глазного дна, рентгенограмм грудной клетки и др. – создается и обучается своя нейросеть. Разметчик – программа, которая позволяет врачам, участвующим в разметке, загружать необработанные снимки без персональной информации пациентов и с помощью «тегирования» и ссылок обозначать информацию о патологии – название патологии в соответствии с разработанным классификатором, а также информацию о координатах снимка, в которых находится патология.
Сегодня применение технологии уже нашли более 20 медучреждений России. Компания выходит со своим продуктом в Дубай (ОАЭ), Бахрейн, Саудовскую Аравию и поднимает раунд в совместном акселераторе Сбербанка и 500 Startups (США).
Источник: https://www.if24.ru/trete-mnenie-vyskazhet-ai/
С помощью технологий машинного обучения. проанализированы данные о 20,5 миллиона детей и 19 тысячах случаев синдрома внезапной детской смерти
Американские медики совместно со специалистами из компании Microsoft проанализировали набор данных Центров по контролю и профилактике заболеваний, связанных с рождением и смертью ребенка (2007–2011 годы: 20 685 463 рождения и 19 127 синдромом внезапной детской смерти (СДВС)). СДВС был определен как смерть в возрасте до 1 года по Международной классификации болезней, кодам 10-й редакции R95 (синдром внезапной детской смерти), R99 (плохо определенная или неизвестная причина) или W75 (случайное удушье или удушение в постели).
Исследование показало, что риск СДВС более чем удваивался при любом курении матери во время беременности и увеличивался в два раза между отказом от курения и курением 1 сигареты в день в течение всей беременности. Для 1-20 сигарет в день вероятность СДВС линейно возрастала, при этом каждая дополнительная сигарета в день, увеличивала шансы на 0,07 с 1 до 20 сигарет.
Эти данные подтверждают необходимость отказа от курения до беременности. Если бы ни одна женщина не курила во время беременности, показатели СДВС могли бы быть значительно снижены.
Источник: https://pediatrics.aappublications.org/content/143/4/e20183325..info
Автор: Олеся Сидорова
Перепечатка разрешается при сохранении ссылок на источник публикации.