ИИ предсказывает сердечные приступы

Вечное состизание человека с роботом

Здесь, в человеческой ОС, мы слегка одержимы совпадениями между искусственным интеллектом и врачами.

Во многих экспериментах (хотя и не во многих клиниках) системы искусственного интеллекта демонстрируют большие перспективы в диагностике заболеваний, анализе медицинских изображений и прогнозировании результатов для здоровья. Они даже выступили лучше, чем человеческие врачи в определенных задачах, таких как хирургическое сшивание и диагностика аутизма у младенцев.

Теперь, в последней победе для медицины искусственного интеллекта, исследователи из Университета Ноттингема в Великобритании создали систему, которая сканировала обычные медицинские данные пациентов и предсказывала, у кого из них будут сердечные приступы или инсульты в течение 10 лет. По сравнению со стандартным методом прогнозирования, система искусственного интеллекта правильно предсказала судьбы еще 355 пациентов.

Предсказать эти сердечнососудистые случаи заведомо трудная задача. В недавней статье, опубликованной в журнале PLOS One, исследователи отмечают, что около половины всех сердечных приступов и инсультов происходят у людей, которые не были отмечены как “подверженные риску.”

В настоящее время стандартный способ оценки риска пациента опирается на рекомендации, разработанные американской Ассоциацией сердца и американского колледжа кардиологии. Доктора используют эти директивы, которые фокусируют на солидных факторах риска such as высокое кровяное давление, холестерол, время, курить, и мочеизнурение, для того чтобы сформировать их консультацию и обработку для их пациентов.

Чтобы сделать систему, которая могла бы сделать лучше, исследователь Стивен Вонг и его коллеги протестировали несколько различных инструментов машинного обучения на медицинских записях из 378,256 пациентов по всей Великобритании. Эти записи отслеживали пациентов и результаты их здоровья с 2005 по 2015 год и содержали информацию о демографии, медицинских условиях, отпускаемых по рецепту лекарствах, посещениях больниц, результатах лабораторных исследований и многое другое.

Исследователи взяли 75 процентов медицинских записей и подали их в свои модели машинного обучения, которые установили, чтобы найти отличительные характеристики тех пациентов, которые испытали сердечные приступы или инсульты в течение 10-летнего периода. Затем группа Венга протестировала модели на остальных 25 процентах записей, чтобы увидеть, насколько точно они предсказывают сердечные приступы и инсульты. Они также проверили стандартные руководящие принципы в отношении этого подмножества записей.

Используя статистику, в которой оценка 1.0 означает 100-процентную точность, стандартные рекомендации получили оценку 0.728. Модели машинного обучения варьировались от 0,745 до 0,764, при этом лучший результат был получен от модели машинного обучения, называемой нейронной сетью.

В то время как машинные оценки могут не звучать как громкий Триумф, при переводе на человеческие термины значимость становится ясной: модель нейронной сети предсказала 4,998 пациентов, у которых был сердечный приступ или инсульт из 7,404 фактических случаев—355 больше, чем стандартный метод. С этими предсказаниями в руке, врачи могли бы принять профилактические меры, такие как назначение препаратов для снижения уровня холестерина.

Weng говорит, что медицинские инструменты AI, тестируемые в лабораториях сегодня, скоро повысят точность врачей как в диагностике, так и в прогнозе. "Переход от исследований к применению в клинической помощи произойдет в течение следующих пяти лет", - говорит он.

Практика

Как это может выглядеть на практике? Weng фотографии заняты врачи первичной медицинской помощи, используя инструменты AI, которые были обучены распознавать шаблоны. "Тогда алгоритм может просмотреть весь список пациентов, отметить это и довести это до сведения врача", - говорит он. "Это может быть сделано с пациентом, сидящим перед ними во время обычной встречи, или в систематическом экране всего списка."Хотя Weng отмечает, что аналогичное программное обеспечение для поддержки клинических решений уже существует, он говорит, что эти системы не используют распознавание образов AI, которое может обеспечить гораздо более точные результаты. Прежде чем AI приходит к офису вашего доктора, однако, технология получить за главными регламентационными барьерами. "Ключевым барьером для реализации будет управление вопросами конфиденциальности и конфиденциальности пациентов, с компьютерными алгоритмами траления через огромные объемы данных о пациентах, которые содержат конфиденциальную и конфиденциальную медицинскую информацию", - говорит Венг. В дополнение к решению этих проблем конфиденциальности, любая технология ИИ должна будет иметь дело с осторожностью регуляторов медицинских машин, которые принимают свои собственные решения. С учетом всей этой бюрократической волокиты возникает вопрос: что бы инструмент машинного обучения предсказал о своих собственных шансах получить одобрение?