Человеческий фактор часто становится причиной возникновения проблем. Это касается производства, бытовых ситуаций, вождения и, конечно же, медицины. Ошибка врача может означать потерю здоровья или даже жизни пациентом, а врачи ошибаются не так уж и редко. Даже профессионал высшей пробы может делать ошибки — ведь специалист может быть уставшим, раздраженным, концентрируясь на проблеме хуже, чем обычно.
В этом случае на помощь могут прийти машины. Та же когнитивная система IBM Watson, например, вполне неплохо управляется с работой в медицинской сфере (онкология, чтение рентгеновских снимков и т.п.). Но есть и другие решения, предложенные независимыми исследователями. Одно из таких решений было создано учеными из Стэнфорда во главе с Эндрю Энджи, достаточно известным в своей сфере специалистом по искусственному интеллекту.
Он с коллегами разработал систему, которая способна диагностировать аритмию сердца по кардиограмме, причем компьютер делает это лучше, чем эксперт. Речь идет о нейросети, которая после обучения способна диагностировать аритмию с высокой степенью точности. При этом компьютер работает не только надежнее, но и быстрее нейросеть, так что задачу анализа медицинских снимков и результатов ЭКГ можно переложить на компьютер после окончательной «доводки» системы. Врачу же остается лишь проверять работу программно-аппаратной платформы, о которой идет речь и действовать в соответствии с окончательным диагнозом.
Этот проект показывает, насколько сильно компьютер может изменить медицину, улучшив различные аспекты этой сферы. Нейросети уже помогают врачам диагностировать рак кожи, рак груди, заболевания глаз. Теперь настала очередь и кардиологии.
«Мне очень нравится то, насколько быстро люди принимают идею, что глубокое обучение может помочь улучшить точность постановки диагноза врачом», — говорит Энджи. Он также считает, что на этом возможности компьютерных систем не исчерпываются, их можно применять и во многих других сферах.
Команда Стэнфорда потратила немало времени для обучения нейросети, с тем, чтобы система могла идентифицировать отклонения от нормы на данных ЭКГ. При этом аритмия весьма опасное заболевание, она может привести к внезапной смерти от остановки сердца. Проблема в том, что обнаружить аритмию не так легко, поэтому пациентам с подозрением на нее приходится иногда носить на себе ЭКГ датчик в течение нескольких недель. И даже после этого данных для диагностики отклонений может оказаться недостаточно.
Как уже говорилось выше, нейросеть пришлось обучать, причем на примере реальных показателей пациентов больниц. Самостоятельно набрать несколько десятков тысяч результатов измерений ЭКГ специалисты Стэнфорда были не в состоянии, поэтому они пригласили к партнерству iRhythm, компанию, которая производит портативные ЭКГ-гаджеты. Компания предоставила 30000 30-секундных записей результатов измерений работы сердечной мышцы пациентов, страдающих от разных форм аритмии. Для того, чтобы увеличить точность работы алгоритма, а также сравнить результаты работы компьютера с результатами диагностики врачей, использовались еще 300 записей. Их одновременно анализировали и машина, и врачи. Затем результаты оценивались специальным жюри, в которое вошли 3 кардиолога экстра-класса.
Глубокое обучение нейросети началось со «скармливания» огромного количества данных. Затем использовалась уже тонкая настройка для повышения точности диагностики.
Кроме специалистов, о которых уже говорилось выше, машинное обучение для создания систем, способных диагностировать аритмию, используют и другие группы. Например, Эрик Горовиц, управляющий директор Microsoft Research (сам он — медик) с коллегами работают примерно в том же направлении, что и специалисты из Стэнфорда. По их мнению, нейросети действительно способны улучшить качество медицинского обслуживания пациентов, помогая врачам тратить меньше времени на рутину и больше — на поиск эффективных методов лечения своих подопечных.
Правда, о масштабном внедрении нейросетей в больницы всего мира речь пока не идет. Это направление находится в зачаточном состоянии, но развивается все быстрее. Больницы США, Европы и других стран берут на вооружение новые технологии, работают с новыми методами диагностики заболеваний. Главная проблема в плане распространения упомянутых технологий — то, что нейросети представляют своего рода «черный ящик». Специалисты вводят данные и получают определенный результат. Но то, как этот результат был получен, какие алгоритмы и в какой последовательности задействованы могут не до конца понимать сами создатели таких систем. Если бы нейросети удалось сделать более прозрачными, а принцип их работы можно было бы легко объяснить практикующим медикам, тогда и темпы распространения этой технологии были бы куда выше.
Комментарии (25)
lash05
08.07.2017 07:41+1Самое существенное как раз не приведено — сравнительный процент верных диагнозов, процент ложноположительных и ложноотрицательных диагнозов.
hungry_ewok
08.07.2017 12:40А это, в общем-то, даже и не самое существенное, при правильном подходе.
Если на автоматику сваливаем первичную сортировку пациентов, отфильтровывая случаи «однозначно здоров» и «однозначно есть проблемы», то это, для начала, позволит высвободить время живых специалистов на разбирательство с сомнительными случаями.
ProstoUser
08.07.2017 15:14Ну если по ссылкам пройти, там все легко находится:
https://stanfordmlgroup.github.io/projects/ecg/
За эталон они приняли анализ кардиограммы, когда три супер-пупер сертифицированных кардиолога обсуждают кардиограмму и приходят к консенсусу по каждому участку. Сравнивали этот эталон с работой нейросети и с заключениями 6 отдельных (других) кардиологов.
У «отдельных» кардиологов заключение совпадало с эталоном на 72-75 процентов, у нейросети на 78-81%.
Судя по всему они сравнивали два каких-то параметра. Я, честно говоря, не до конца понял. Кажется там первый процент — это совпадение классификации участков кардиограмы, а второй — совпадение выводов. Но это мое предположение. Не хватает знания то ли английского, то ли кардиологии :-(
Ложноположительных и ложноотрицательных там нет. Анализ кардиограммы дает не двоичный результат: здоров/болен. Там классификация участков кардиограммы по десятку разных классов. Ну и показано, с какой точностью нейросеть угадывает классификацию консилиума экспертов.
Valerij56
08.07.2017 10:12Но то, как этот результат был получен, какие алгоритмы и в какой последовательности задействованы могут не до конца понимать сами создатели таких систем.
А какие алгоритмы и в какой последовательности использует кардиолог экстра класса специалисты хорошо знают? По моим наблюдениям (я сам сердечник) их работа сродни искусству.
kloppspb
09.07.2017 00:11IMHO, тут же речь о первичной диагностике. И тут важно именно своевременное обращение пациента. А когда хоть какие-то первые звоночки есть, вот тут уже средств точной диагностики навалом. Главное не скатиться в ипохондрию, и не обвешиваться датчиками превентивно :)
P.S. 3 года назад внезапно заимел: ИБС-4, 4 же стента за 3 захода, интраоперационный ИМ с дисфункцией 30% миокарда. Параноиком не стал, но, скажем, от монитора с регулярной отсылкой данных куда-нибудь не отказался бы :) Но тут всё упирается в размеры устройства, и в постоянно отваливающихся присосках...
P.P.S. Выяснилось на самом деле, что речь об аутоимунном поражении сосудистых стенок, которое наконец-то всплыло. Никакие ЭКГ в выяснении причин тут бы не помогли, если бы не копали по всем направлениям.
Valerij56
08.07.2017 10:19+1Если бы нейросети удалось сделать более прозрачными, а принцип их работы можно было бы легко объяснить практикующим медикам, тогда и темпы распространения этой технологии были бы куда выше.
Моё ИМХО состоит в том, что, если бы во время тестового режима большое количество врачей могло бы загружать кардиограммы своих пациентов бесплатно, или за небольшую плату, и получать быстро результаты компьютерного анализа, пусть и с рекомендательной целью, то пользы было больше, и темпы распространения были бы намного больше.kloppspb
09.07.2017 00:16Моё ИМХО состоит в том, что, если бы во время тестового режима большое количество врачей могло бы загружать кардиограммы своих пациентов
В продолжение P.S. предыдущего комментария. Я этого хотлера и раз в полгода еле терплю. Как с такой бандурой и обвесом можно спать? Естественно, что по ночам он показывает такое, что и днём во время активности не появится :)
mike_y_k
08.07.2017 14:41Развитие и внедрение таких технологий идёт по пути накопления критической массы.
Собственно это и есть основа их обучения.
Как только на выходе получится уже как минимум фильтрация здоровых пациентов — уже можно начать использование на этапе диспансеризации. Дальше уже наращивание качества при росте объёма данных.
Vinchi
08.07.2017 14:45На прошлой неделе встретил в аэропорту человека который рассказывал про российские разработки по предсказанию проблем с сердцем с помощью анализа ритмов. Так что и наши этим занимаются. Идея проста — если сделать такой анализ можно заранее знать о проблеме, а не тогда когда человека привезли уже на скорой и он вероятно не выживет. Выгода очевидна — процедура профилактическая, на ней можно заработать, а дальше человеку самому решать что-то предпринимать или нет.
Valerij56
08.07.2017 16:19Но для этого человек, тем не менее, должен хотя бы сделать кардиограмму.
zoonman
08.07.2017 17:44На мой взгляд та же Apple не просто так вводит в свои умные часы функцию измерения пульса.
Если собрать весь этот огромный массив данных и связать их с реальными диагнозами, то я уверен, что можно будет предсказывать вероятность возникновения проблем на годы вперед.Valerij56
08.07.2017 19:42Пульс — это не кардиограмма, которую берут из разных точек одновременно.
zoonman
09.07.2017 03:00Я про это и говорю. Кардиограмма — это сложно и долго.
Если есть способ минимально инвазивного выявления проблем, даже путем простого контроля пульса, то это уже значительный шаг вперед. Можно выявлять, что у человека есть какие-то проблемы на раннем этапе. Даже ложнопозитивное срабатывание не повредит, человек проверится и уйдет от врача спокойным.Valerij56
09.07.2017 14:00Возможно постоянное слежение за пульсом и позволит получить больше информации практически здорового человека, например, в качестве фитшесс трекера. Это массовый рынок, на нём уже активно работают.
Но скорее надо подумать о другом. Это контроль актуального состояния здоровья хронически больных, но постоянно использующих лекарственную терапию людей. С ростом продолжительности жизни таких становится всё больше, и одновременно появляются технологии, позволяющие с большой степенью автоматизации контролировать их состояние здоровья. ИМХО, это новый, пока практически свободный рынок. При массовом производстве и автоматическом анализе кардиограмм и стоимость девайса, и абонементное обслуживания будут сравнимы с мобильным телефоном.
Я думаю, что кардиограмма в любом случае может дать больше информации, чем слежение за пульсом. Но её снятие, как и постоянное слежение за пульсом, должно быть максимально удобно. Например, вместо прищепок и присосок могут использоваться небольшие проводящие нашлёпки-пластыри, а гибкие и упругие провода могут быть вшиты в футболку или термобельё, и собираться в девайс размером с небольшой кнопочный телефон с аккумулятором на несколько дней в кармашке этой футболки. Термобельё с проводами должно, в свою очередь, без проблем выдерживать машинную стирку.
Цхе, если подумать, то это не сложно опробовать в «гаражном» проекте, затем развернуть в бизнеспроект, инвестором может выступить один из «большой тройки», для них это расширение клиентской базы и сферы услуг (потребуются, например, датацентры для анализа и хранения архива кардиограмм), а на этапе выхода на рынок и страховые компании…
Ryppka
08.07.2017 16:28Когда-то плотно занимался машинным анализом ЭКГ, статья вызывает вопросы. Например, в рекламе они пишут про arbitrary length signal, а в самой работе — про 30-ти секундные отрезки. Точность классификации, показанная сеткой уже лет 15 назад достигалась без нейросетей. Так что похоже на нормальную работу, без прорыва, в которой хайпят iRythm…
Valerij56
09.07.2017 13:24Решпект, однако. И присоединяюсь к просьбе — можно рассказать подробней?
Ryppka
10.07.2017 12:43Про что именно?
Valerij56
10.07.2017 13:03Если бы знал, то сформулировал бы вопрос более определённо.
Хотя одна просьба есть. Прокомментируйте, если можно, предложения, содержащиеся вот в этом комментарии _https://geektimes.ru/post/290883/#comment_10181189Ryppka
10.07.2017 17:05Кардиограмма и пульс не совсем совпадают по предоставляемой информации: по пульсу можно как-то оценить адекватность кровообращения, а по кардиограмме в общем случае нельзя.
И то, и другое может быть с успехом применено в телемедицинских приложениях для престарелых/хронически больных. Даже без МО, а уж с ИИ… Проблема, как и всегда, упирается в организационные вопросы.
AmberSP
08.07.2017 20:54>> во главе с Эндрю Энджи, достаточно известным в своей сфере специалистом по искусственному интеллекту
Он всё-таки Ын, а не Эээнджи.
Эндрю Ын (англ. Andrew Ng, род. 1976) — американский учёный в области информатики, доцент (англ. associate professor) Стэнфордского университета, исследователь робототехники и машинного обучения. Один из основателей стартапа в области онлайн-обучения Coursera.
Родился в 1976 году в Великобритании, ранние годы провёл в Гонконге и Сингапуре. Учился в Университете Карнеги — Меллона, степень магистра получил в Массачусетском технологическом институте в 1998 году, докторскую диссертацию защитил в Калифорнийском университете в Беркли в 2004 году. Опубликовал более 100 научных работ.
В 2008 году включён в список 35 наиболее влиятельных инноваторов в возрасте до 35 лет.
С мая 2014 года — ведущий специалист лаборатории искусственного интеллекта китайской корпорации Baidu в Силиконовой долине
kostus1974
10.07.2017 15:40не читал, но готов сказать сразу: нейросеть учится на данных от реальных, хороших врачей. без этого — никак. компьютерная диагностика — это просто ещё одни глаза, ещё одни руки для реального врача-человека. в этом смысле нейросеть не может диагностировать болезнь лучше — просто врач может устать, у врача может быть другой порог диагностики («ничего серьёзного. в целом здоров»).
нейросеть станет лучше врача, когда сама начнёт понимать, что такое болезнь. когда сама начнёт проектировать системы диагностики.
Reey
А пусть эти нейросети сначала отработают смену 36ч и потом еще на неотложке, вот тогда и посмотрим!
ProstoUser
А зачем это нейросетям?
Это ж всего лишь инструмент для того, чтобы снять с врачей часть работы. Если та же бригада скорой помощи приезжает на вызов на автомобиле, а не идет пешком, это ведь не повод предлагать автомобилю сделать укол.
И, кстати, нейросеть железная. Она и после 36 часов непрерывной работы анализирует кардиограмму так же внимательно, как и в начале смены. Она, в отличие от человека, не устает.
Moon_Lobster
в принципе минимизировать человеческий фактор в таких вещах это верный подход. тем более когда речь идет о здоровье и жизни человека.