vitkvv2017 (vitkvv2017) wrote,
vitkvv2017
vitkvv2017

СМОЖЕТ ЛИ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ ЗАМЕНИТЬ ВРАЧЕЙ

                              Математические алгоритмы могут поставить точный диагноз, но определить причины болезни почти не в состоянии
NewYorkerУже в настоящий момент нейронные сети могут в диагностике заболеваний спокойно конкурировать с опытными врачами. К примеру, по фотографии они способны отличить доброкачественную опухоль от злокачественной. Искусственный интеллект настолько быстро изменяет медицину, что многие врачи уже начинают бояться за свою работу. New Yorker пишет, как в ближайшие годы изменится диагностика и что будет, когда ставить диагноз будут не врачи, а математические модели.
Бразильские ⁠ученые в начале 2010-х ⁠поставили себе целью выяснить, что конкретно происходит в мозге рентгенолога, когда тот ставит диагноз. Он делает анализ снимков и вспоминает все, чему его обучали в вузе, или просто распознает изображения.
Двадцати пяти рентгенологам демонстрировали разные картинки и следили за реакцией мозга при помощи магнитно-резонансной томографии. Всего было три вида изображений: рисунки животных, контуры букв и рентгеновские снимки органов, в некоторых случаях имеющие патологию. Картинки демонстрировали в случайном порядке, а врачам нужно было как можно быстрее поставить диагноз, назвать букву или животное. МРТ продемонстрировала, что в каждом из трех случаев задействованы одни и те же участки мозга, и для определения изображенного среднем понадобилось 1,33 секунды. Это означает, что процесс постановки диагноза похож на распознавание вещей, простых для человека. К примеру, человек способен определить, что перед ним находится конкретный предмет или объект, скажет стул или собака, в один миг – человеку не надо эту информацию как-то вспоминать или анализировать. Так же рентгенологам ясно, что перед ними лежит снимок легких пациента, который болен пневмонией.
Но в таком случае возникает вопрос, как врачи учатся ставить диагнозы и способны ли машины этому научиться. Если да, то насколько качественно и быстро?
Себастьян Трун, бывший профессор Стэнфорда, где он руководил лабораторией искусственного интеллекта, в 2015 году принялся изучать медицину. Его мама умерла от рака молочной железы. Она, как и многие люди, не имела никаких симптомов заболевания, а когда она обратилась к врачу, оказалось слишком поздно – опухоль уже дала метастазы. Профессор пришел к решению научиться использовать алгоритмы машинного обучения для того, чтобы определять на ранних стадиях развития онкологические заболевания.
До этого ученые и врачи-онкологи уже делали попытки автоматизировать диагностику. Но ни одна из предложенных программ оказалась не способна к обучению. Они не становились лучше в распознавании патологий после обработки многих тысяч примеров. Все это удел нейронных сетей.
Трун уверен, что если врач способен по фотографии рак кожи отличить от прочих кожных заболеваний, то и машина должна уметь это делать. Совместно с двумя студентами Стэнфорда – Андре Эстевой и Бреттом Купрелом – профессор стал заниматься созданием обучающего набора изображений, при помощи которых нейросеть умела бы распознать патологии.
В июне 2015 года прошли первые испытания. Программа должна была распределить примерно четырнадцать тысяч изображений по трем диагнозам:доброкачественные опухоли,доброкачественные новообразования и злокачественные новообразования. В 72% случаев система правильно поставила диагноз. Параллельно два сертифицированных дерматолога делали анализ те же изображения и в 66% случаев они поставили правильный диагноз.
На втором этапе тестирования были использованы две тысячи изображений патологий, которые были подтверждены биопсией. У нейросети получилось справиться с диагностикой лучше, чем у опытных дерматологов, и в этом случае.
Себастьян ТрунС каждым разом искусственный интеллект все лучше справлялся с заданием. В самом начале нейронная сеть была наивной и почти ничего не знала. Но со временем механизм ее работы совершенствовался и ускорялся. Это похоже на то, как работает мозг школьника при знакомстве с таблицей Менделеева изначально человек воспринимает ее как набор неизвестных символов, но со временем разбирается в ней все лучше и быстрее.
Себастьян Трун верит в непрерывную диагностику. Он представляет мир, где мобильный телефон анализирует речь человека и определяет болезнь Альцгеймера, а руль от автомобиля распознает болезнь Паркинсона. Поэтому и от системы распознавания онкологии он хочет добиться того, чтобы она могла с точностью определять диагноз по снимкам, сделанным в совершенно разных условиях при любом освещении и качестве. То есть каждый человек для всех этих систем представляется как массив данных, которые постоянно находятся под наблюдением и анализом.
Джеффри Хинтона, специалиста по информационным технологиям из Университета Торонто, иногда называют отцом Deep Learning (набор алгоритмов машинного обучения). Он работает в этом направлении с середины 70-х. Хинтон считает, что уже через пять лет искусственный интеллект обгонит по профессионализму современных рентгенологов и они больше не будут нужны.
Трун настроен менее радикально. Во время промышленной революции многие считали, что машины заменят человека, но они лишь увеличили производительность труда. Также и развитие искусственного интеллекта не заменит человеческий мозг. К тому же не стоит сводить роль врача к постановке диагноза по принципу «да» или «нет», говорит руководитель кафедры нейрорадиологии в Колумбийском университете Анжела Лигнелли-Дипл. Врач также определяет причины произошедшего и может, например, предотвратить последствия неправильного применения лекарств. То есть его функции куда шире. Ни одна система машинного обучения не способна это делать. Алгоритм не может рассказать пациенту, что и почему с ним происходит. А нейросети могут только учиться на своих ошибках и улучшаться с течением времени, но узнать причину диагноза им не дано.
Это доказывает опыт Линдси Бордон, дежурного врача в дерматологической клинике Колумбийского университета. Недавно к ней пришел пациент с красной сыпью на лице. Она задала мужчине вопрос, страдает ли он от перхоти. Как только она получила положительный ответ, она сразу определила, что у мужчины лицевая перхоть. Потом она начала искать причину заболевания и спросила, был ли у него стресс, или, может быть, он использует новый шампунь. Оказалось, что он недавно потерял работу. Бордон выписала ему стероидный крем и попросила в течение месяца вести дневник, чтобы отследить, как именно на заболевании сказываются внешние события. Нейросетям индивидуальный подход пока не под силу.
В то же время за всю свою практику Бордон увидит и ознакомится приблизительно с 200 тысячами случаев, а алгоритм Труна изучил за три месяца 140 тысяч примеров. Каждый начинающий дерматолог с нуля изучает свою специальность, а искусственный интеллект не останавливается в своем развитии.
Возможно, в будущем диагностов будут готовить не в медицинских вузах, а в технических, чтобы они умели работать с алгоритмами машинного обучения. А основной задачей современных врачей станет применение искусственного интеллекта на практике и ответ на вопрос кто несет юридическую ответственность за неверный диагноз, поставленный с помощью нейронных сетей.
Tags: медицина, технологии
Subscribe
promo vitkvv2017 september 4, 2017 09:35 Leave a comment
Buy for 10 tokens
Борис Островский Дэвид Мей и Джозеф Монаган (университет Монах, Австралия) высказали предположение, что «пузыри метана, поднимающиеся с морского дна, могут топить корабли. Именно этим природным явлением и могут объясняться загадочные пропажи некоторых кораблей». Касательно…
  • Post a new comment

    Error

    default userpic

    Your reply will be screened

    Your IP address will be recorded 

    When you submit the form an invisible reCAPTCHA check will be performed.
    You must follow the Privacy Policy and Google Terms of use.
  • 0 comments