利用計算機視覺看懂病歷(計算機視覺可提供臨床治療哪個階段的病理篩查能力)
世界各國現代醫(yī)療保健面臨的嚴峻挑戰(zhàn)是人員配備，尤其是在流行病期間：醫(yī)院和診所不堪重負，醫(yī)務人員本身也需要幫助。在這里，人工智能算法可以為醫(yī)生提供幫助。如今，他們能夠診斷許多疾病、分配患者流量、護理患者并幫助醫(yī)生做出正確、及時的決策。
神經網絡響應“制作MRI的人工智能”請求而生成的圖像
偉大的均衡器
JeffreyHinton，反向傳播方法的創(chuàng)建者之一（更多關于他和他的想法——“AI春天的夢想”）最近表示“醫(yī)學院是時候停止培訓放射科醫(yī)生了”。在技術引入之前，工程師的特點往往是過度熱情和對社會問題不敏感。當然，消滅醫(yī)生是不可能的，因為一個好的人類臨床醫(yī)生的外表和經驗是必不可少的。然而，Hinton是對的，現代算法可以非常有效地幫助醫(yī)生解決一些醫(yī)療診斷任務。
醫(yī)院日常流程的自動化和人工智能模型可以同時解決許多問題。一方面減輕了醫(yī)生的日常工作，有助于提高診斷的準確性。另一方面，規(guī)范醫(yī)療服務，讓醫(yī)療服務更好更快，糾正地區(qū)和財產不平等。
熒光圖或心電圖記錄甚至可以在亞極地城鎮(zhèn)進行，然后通過電子郵件發(fā)送到基于人工智能的系統(tǒng)，該系統(tǒng)將提供與三位杰出醫(yī)生組成的委員會相同質量的診斷。不過，無論如何，最終的診斷都必須由專家來確認，但現在他將從人工智能那里得到可靠的第二意見。
外科醫(yī)生使用5G連接進行遠程手術/照片
護士和執(zhí)業(yè)護士可以更輕松地使用視頻分析和遠程監(jiān)控傳感器——一名護士能夠監(jiān)控許多患者，并在第一時間快速為有需要的人提供幫助。世界上最優(yōu)秀的人類外科醫(yī)生可以在手術過程中使用5G控制超精準的機器人外科醫(yī)生，在距離實際位置數千公里的地方進行復雜的手術。技術有史以來第一次能夠在保持健康和長壽等重大問題上平衡人們的情緒。
發(fā)出聲音
這里的起點可以認為是2017年2月2日權威科學期刊《自然》的一期。封面上，編輯展示了一項利用深度學習診斷皮膚癌的研究。在對130,000張圖像的數據集進行訓練后，該模型做出的診斷并不比對照組醫(yī)生差，在某些情況下甚至更加準確。距離那時僅過去了五年，但醫(yī)學診斷的進步卻令人驚嘆。
自然2017年2月2日
人工智能設定并最有效解決的首要任務之一是圖像分類，包括醫(yī)學圖像。后者包括在射線照相、計算機斷層掃描(CT)、超聲波(超聲波)、磁共振成像(MRI)過程中獲得的圖像。
此外，乍一看似乎令人驚訝的是，甚至非視覺信息也可以轉換為圖像。此外，它不僅記錄個體器官及其系統(tǒng)的心電圖、腦電圖和其他功能活動，還記錄聲音等。
香港一家大型家禽養(yǎng)殖場的例子提供了一個很好的例證，盡管它涉及的是鳥類的健康而不是人類的健康?？茖W家記錄了雞舍里雞的叫聲。然后將其轉換為頻譜圖——，該圖像顯示信號強度在不同頻率下如何變化。生成的圖像使用具有970萬個參數的超精確神經網絡進行處理。該模型能夠以97%的準確率檢測雞的壓力和缺乏食物的跡象，使獸醫(yī)能夠及時為雞提供支持，并為公司所有者節(jié)省數百萬元。
對雞有益的可能對人類也更好。2021年，SberMedII的開發(fā)者發(fā)布了AIResp應用程序，該應用程序可以分析呼吸和咳嗽的聲音，然后在一分鐘內確定這些簽名是感染冠狀病毒的患者的簽名。底層神經網絡模型基于3,000多份COVID-19患者的匿名記錄進行了訓練，截至發(fā)布時準確度為82%。早在2022年，該應用程序就獲得了數字通信獎，專家指出，此類工具的開發(fā)有助于普通人群的自我診斷，及早發(fā)現疾病，從而更有效地治療和預防疾病的傳播。病毒。
細節(jié)決定成敗
回到實際的醫(yī)學圖像，值得注意的是，通過微小細節(jié)識別病理過程和形態(tài)的技能是診斷醫(yī)生通過長期培訓和臨床實踐而發(fā)展起來的。醫(yī)生的經驗越多，他“看到的”就越多。然而，診斷結論通常也基于患者有關受傷或疾病的上下文信息——，這些信息有時會缺失，并且在某些情況下可能會產生誤導。
埃里克·托波爾(EricTopol)是一位執(zhí)業(yè)心臟病專家、基因組學教授、加利福尼亞州拉霍亞斯克里普斯轉化研究所所長，他報告說，2%的研究存在誤報。人工智能系統(tǒng)將再次出手救援。——他們不會疲倦，而且總是很專心。他們能夠快速處理大量信息并找到人眼無法始終看到的模式。同時，對于他們的訓練，可以同時使用幾位頂尖人物的經驗——診斷。這就是診斷模型的巨大機遇和最大問題所在。
如您所知，為了訓練模型，您需要一個大型訓練樣本——個標記數據集。如果您在摩托車照片中標記數據以識別摩托車-在數百甚至數千張圖像上標記摩托車-任何無聊的家庭主婦都可以完成這項任務（順便說一句，其中許多人通過Yandex.Toloka從Sberbank的TagMe等服務中賺取額外收入），那么使用X射線一切就已經困難得多。
現在不僅醫(yī)生可以“讀取”并理解這些數據，神經網絡也可以
首先，只有具有適當專業(yè)的合格醫(yī)生才能標記圖像，這顯著增加了準備訓練數據集的成本。其次，診斷在很大程度上仍然是一門藝術，而不僅僅是一門科學，因此醫(yī)生的評估具有很強的主觀性。三位醫(yī)生可以用不同的方式標記同一條數據，因為每個醫(yī)生都有自己的經驗、觀點和教育。第三，背景既可能導致誤判，也可能反過來幫助診斷。在標記時，由于對匿名數據的嚴格要求，醫(yī)生不僅無法獲取病史信息，甚至無法獲取患者的性別和年齡（例如，此處描述了此類標記的規(guī)則）。
然而，以適當的成本，可以形成大量且高質量的訓練數據集。然而，這是最昂貴的數據，只有大公司或大學的科學家才有能力在國家或私人贊助商的資助下收集這些數據。由于收集成本高且難度大，醫(yī)療數據集受到高度重視，任何向公眾提供這些數據的舉措都受到歡迎。
俄羅斯算法
在俄羅斯，幾家公司在收集此類數據和開發(fā)有效的人工智能診斷算法方面取得了巨大成功。這包括上面提到的SberMedII，以及第三意見平臺、Celsus和FtizisBioMed。因此，SberMedia提出了三種模型。第一個是肺部CT，于2021年接受了進一步培訓，以檢測并突出顯示肺部CT掃描中的結節(jié)結構。如果算法“看到”4毫米的腫瘤，它會選擇圖像中的所有結節(jié)，無論其大小如何。醫(yī)學數字診斷中心(MDDC)的醫(yī)生接收之前通過算法分析的圖像并形成最終結論。
肺部CT服務可在早期階段識別腫瘤跡象/照片：莫斯科市政廳新聞服務
2021年，肺部CT模型回顧性分析了COVID-19大流行期間卡拉恰伊-切爾克斯共和國臨床醫(yī)院積累的1500份肺部CT掃描數據。結果，該算法檢測到12名患者的病理跡象。經醫(yī)生核實后，8名患者被送往Karachay-Cherkess腫瘤藥房接受進一步檢查。S.P.布托夫。2022年4月至5月，在下諾夫哥羅德地區(qū)，該系統(tǒng)又分析了3,155個CT掃描。在231例中，發(fā)現了可能的腫瘤。結果，125名患者被送往下諾夫哥羅德腫瘤中心接受進一步檢查。
另一種SberMedII模型CTStroke能夠識別腦部CT掃描中的出血情況。診斷的速度和準確性在這里極其重要，因為在這種情況下越早開始治療措施，維持患者運動和認知功能的機會就越高。
那么，用于分析乳房圖像的“乳房X光檢查”模式正是全球女性乳腺癌篩查和早期發(fā)現的趨勢。英國初創(chuàng)公司DeepMindAI在英國癌癥研究慈善機構或美國麻省理工學院科學家的支持下，與GoogleHealth創(chuàng)建了類似的算法。他們的Mirai機器學習模型不僅可以確定患乳腺癌的風險，還可以預測乳房X光檢查中缺失的女性數據（例如年齡、體重、血液激素水平），甚至可以在醫(yī)院使用。它沒有有關患者（包括第三世界國家患者）的完整信息。
順便說一句，為了訓練Mirai，研究人員使用了在馬薩諸塞州總醫(yī)院拍攝的211,000張圖像。對來自麻省總醫(yī)院、瑞典卡羅林斯卡研究所和臺灣長庚醫(yī)院的三個患者數據集進行了測試。所有這些都再次證明了在醫(yī)學領域創(chuàng)建診斷和預測人工智能系統(tǒng)的復雜性。
斯科爾科沃基金會的第三意見平臺同時提供九種模式的解決方案：從實驗室測試（血細胞和骨髓的數字涂片）和眼底圖像到放射研究（X射線、熒光圖、胸部器官CT、MRI）頭部和牙科系統(tǒng)）。ThirdOpinionAI算法能夠檢測從血癌到心血管疾病等70多種疾病的跡象。
該公司的創(chuàng)始人包括俄羅斯最大的私人醫(yī)療中心網絡MEDSI集團，該網絡允許在臨床實踐中測試和快速實施解決方案。該公司的人工智能算法已經在數十家醫(yī)院運行，過去幾年幫助俄羅斯聯邦九個科室的醫(yī)生處理了1,110,000種檢查。
“第三意見”可以作為智能醫(yī)生的助手，節(jié)省研究分析時間并提高診斷準確性，以及當疑似病理跡象的圖像位于隊列頂部時，在醫(yī)生的工作列表中優(yōu)先考慮患者，即處于危險之中。對于生命來說尤其有價值。此外，人工智能算法可以對研究進行回顧性分析，以識別以前醫(yī)生未發(fā)現的病理，并用于在大規(guī)模人群篩查期間區(qū)分研究流程。所有這些都增加了疾病檢測并優(yōu)化了醫(yī)生的工作量。
PhthisisBioMed專門開發(fā)自動分析數字熒光圖像的系統(tǒng)，以確定是否存在可通過熒光照相術檢測到的所有可能的病理。他們的云服務連接到ERISEMIAS綜合體，并包含在莫斯科診所的工作標準中。自2019年以來，它已在俄羅斯另外53個地區(qū)推出。據該公司本身稱，自那時以來，他們的服務已處理了超過一百萬張圖像（數字透視照片和胸部X光照片）。
使用IMI繪制區(qū)域地圖
Celsus也在上述所有傳統(tǒng)醫(yī)學圖像分析領域中使用了計算機視覺，然而，其與眾不同之處在于該服務與醫(yī)療決策支持系統(tǒng)的深度集成。Celsus產品不僅可以識別圖像中是否存在良性或惡性變化，表明其定位，還可以根據國際標準解釋結果。
在患者涌入的情況下
COVID-19大流行已持續(xù)三年。其特點是患者數量呈周期性波狀激增。疫情高峰期，醫(yī)療設施面臨巨大超負荷：病床、呼吸機和ECMO、氧氣供應不足，醫(yī)生和護士被迫兩班甚至三班倒。除了引入備用床位和部署更多工作人員、優(yōu)化分診外，根據患者病情的嚴重程度、并發(fā)癥的可能性和所需治療對患者進行醫(yī)療分類也將有所幫助。然而，面對大量涌入的患者，不僅全科醫(yī)生和肺科醫(yī)生，而且非專科醫(yī)生也不得不接受——名COVID-19患者。對他們來說，正確預測疾病的發(fā)展和可能的并發(fā)癥并不總是那么容易。因此，患者的分布并不總是最優(yōu)的。這給醫(yī)療保健系統(tǒng)帶來了額外的壓力。人工智能可以顯著改善風險評估。
為此，SberAILabs決定在2020年創(chuàng)建一個模型，可以預測每位COVID-19或肺炎患者的并發(fā)癥風險。除了預測準確性之外，該程序還必須能夠輕松集成到醫(yī)院現有的電子醫(yī)療登記系統(tǒng)中，并“理解”各種格式的醫(yī)療報告。
事實上，患者住院期間會收集大量文本數據。其中包括病史、初步檢查和測試結果、病史和既往治療策略。然后將診斷放射學和實驗室測試的結果添加到其中。通常，患者入院后24小時內收到的所有這些信息足以讓主治醫(yī)生評估疾病進展的風險——患者是否需要機械通氣或轉移到重癥監(jiān)護病房。
人工智能模型取得了類似的結果。為此，Sberbank使用了“Transformers”——，這是一種使用“內部注意力”或“自注意力”機制來提高學習率的算法。換句話說，該層允許模型編碼器同時查看輸入序列（例如句子）中的所有單詞，從而更準確地對特定單詞進行編碼。
我們在包含Sberbank的25,000份醫(yī)療記錄和患者登記卡信息的數據集上訓練了我們的開發(fā)。我們像往常一樣檢查模型：通過回顧性分析。該算法從1,000多名患者的總樣本中識別出了100名具有高并發(fā)癥風險的人。檢查顯示，最終，其中55人實際上住進了重癥監(jiān)護室。這幾乎比整個樣本高出三倍——55%比20%，證實了模型預測分析的預測價值。
你們有很多人，但我們是一個
護士和護理人員是世界上許多國家高薪且緊缺的專家。俄羅斯正在做大量工作，以盡可能接近該聲明第一部分的對應關系（特別是國家項目“醫(yī)療保健”也是為了解決這個問題而設計的），但無論如何，第二部分是肯定的：醫(yī)院肯定應該有更多的初級員工。很難及時照顧和幫助所有患者。
人工智能可以用來解決這個問題。計算機視覺并不止于對單個圖像的分析。視頻分析已成為一個發(fā)達的領域。上面提到的俄羅斯公司“第三意見平臺”在這里也取得了巨大的成功。它將視頻監(jiān)控系統(tǒng)與自主設計的人工智能算法集成在一起。這樣，一名值班護士就可以有效控制多個病區(qū)。她現在始終是人工智能。
同時，護士也不需要持續(xù)監(jiān)控病房內十多個攝像頭的轉播。相機圖像上的智能算法將確定是否發(fā)生了異常情況，例如，患者從床上摔下來或失去知覺。推送通知會立即發(fā)送到護士的手表上，她將能夠立即幫助患者。
此外，視頻分析允許主治醫(yī)生跟蹤護士和主治醫(yī)生如何利用他們的工作時間：他們是否履行職責，他們是否關注所有患者，以及他們探望患者和提供幫助的頻率。因此，可以識別效率低下的員工，并優(yōu)化現有醫(yī)務人員的勞動力成本和職責。
有效的進口替代
在當前條件下，重要的是，幾乎所有醫(yī)療保健人工智能的發(fā)展都有國內同行，而俄羅斯在這方面處于進展的前沿。是的，良好的醫(yī)療數據集存在困難，但這也是一個可以解決的問題，特別是在國家支持和國家計劃實施的背景下。
最重要的是，在數學和算法方面，俄羅斯繼續(xù)保持高水平。這意味著，在醫(yī)療保健數字化轉型的背景下，我們不僅有機會跟上，而且就像銀行服務或交付服務已經發(fā)生的那樣，簡單地獲得先進和可靠的藥物基于其他原則-旨在預測疾病、早期診斷和預防性治療，而不是治療已經運行的形式。