Будущее ИИ в здравоохранении

Как искусственный интеллект воздействует на здоровье и медицину.

Источник: C.Rosso

Нейл Якобстейн, председатель ИИ и робототехнического факультета Университета Сингулярности, и бывший президент Университета Сингулярности, пальцем на пульсе всех вещей, связанных с искусственным интеллектом (ИИ). Он является научным сотрудником Генри Корона в Институте Аспена и заслуженным приглашенным ученым в программе Media X в Стэнфордском университете. Он был председателем 17-й Ассоциации содействия инновационным приложениям искусственного интеллекта (IAAI) по искусственному интеллекту (AAAI). Якобштейн был признан или процитирован в Wall Street Journal , The Financial Times , Forbes , PC Magazine , VentureBeat , CIO , Foreign Policy и BBC News, в дополнение к другим публикациям в средствах массовой информации.

«ИИ здесь сегодня. Не с широким, глубоким и тонким интеллектом, который мы связываем с человеческим интеллектом, но с возможностью доставить миллиарды долларов ценности и реальной помощи клиницистам в области медицины », – сказал Якобштайн на конференции Exponential Medicine в Сан-Диего, штат Калифорния.

• Есть только «одна терапия»
• 39 идей для успеха в вашей карьере
• Клетки Пуркинье могут иметь неожиданные связи с расстройствами настроения
• Страсть к голубым птицам

Глобальная консультация по вопросам управления McKinsey & Company оценивает, что потенциальная ежегодная экономия ИИ в здравоохранении составляет 0,7 процента от валового внутреннего продукта, или 300 миллиардов долларов США в Соединенных Штатах и ​​3,3 миллиарда фунтов стерлингов британских фунтов в Соединенном Королевстве [1]. По данным ABI Research, ИИ спасет сектор здравоохранения в размере 52 млрд. Долларов США в 2021 году, причем сбережения в Северной Америке составляют 21 млрд. Долларов США. [2]

«Это не просто лучше, быстрее, дешевле – все по-другому, – сказал Якобштейн. «AI позволяет нам делать то, что люди просто не могли сделать раньше … например, рассмотреть весь ваш геномный профиль, прежде чем давать рекомендации», – добавил он.

В 2017 году компания Verily Life Sciences из Google выпустила DeepVariant, глубокую сверточную нейронную сеть с открытым исходным кодом. Однонуклеотидные полиморфизмы (SNP) являются наиболее распространенным типом генетических вариаций и используются для прогнозирования риска заболевания человека и чувствительности к влиянию окружающей среды на экспрессию генов, таких как продукты питания, наркотики или токсины. DeepVariant смог определить SNP с точностью 99,9587%, получив награду «Высочайшая производительность SNP» в 2016 PrecisionFDA Truth Challenge. [3]

Ряд новаторских стартапов ИИ вошли в медицинское обслуживание. Например, в 2017 году Cloud DX выиграл премию «Превосходный эпический новатор» фонда XPRIZE Foundation [4]. Cloud DX применяет машинное обучение с большим набором данных для определения респираторных инфекций и заболеваний, основанных на звуке кашля пациента.

AI внедряется в интеллектуальную аналитику в устройствах мониторинга пациентов, визуализации и диагностики, открытии лекарств и онкологии. Недавние одобрения FDA для медицинских решений, основанных на ИИ, включают Imste’s OsteoDetect для анализа рентгеновского изображения (май 2018 года); IDx-DR для обнаружения диабетической ретинопатии (апрель 2018 года); и Viz.AI Контакт для обнаружения раннего инсульта (февраль 2018 года) [5].

Инновации в области здравоохранения включают:

Прогностическая аналитика в устройствах мониторинга пациентов

ABI Research подсчитала, что количество устройств мониторинга пациента для обучения прогнозирующей аналитике AI будет расти до 3,1 миллиона в 2021 году с CAGR на 176% [6]. В этом пространстве, финансируемые венчурным капиталом, входят Sense.ly, Sentrian, Babylon Health и AiCure [7].

AI в области визуализации и диагностики

Распознавание образов, область недавних достижений в искусственном интеллекте, является естественным подходом к визуализации и диагностике здравоохранения. Радиология – это область с большими структурированными наборами данных, которые могут использоваться для обучения алгоритмов глубокого обучения. Например, в 2017 году Национальные институты здравоохранения (NIH) выпустили более 100 000 рентгенограмм грудной клетки из более чем 30 000 анонимных пациентов для научных и научно-исследовательских учреждений [8].

На конференции Exponential Medicine Якобштейн привел пример недавнего прорыва в области здравоохранения в области здравоохранения в 2017 году, когда команда компьютерных ученых в Стэнфорде обучила глубокую сверточную нейронную сеть для классификации поражений кожи. Используя базу данных из 129 450 клинических изображений, алгоритм глубокого обучения имел точность наравне с человеческими дерматологами при выявлении злокачественных карцином и меланом [9].

ИИ и открытие лекарств

Ряд компаний, таких как Calico, BenevolentAI и Deep Genomics, стремятся применить машинное обучение к большим наборам данных для открытия и развития лекарственных средств [10]. Дополнительные стартапы в открытии лекарств от ИИ включают в себя финансируемые венчурным капиталом дваXAR (Andreessen Horowitz), Numerate (Foundation Capital), Atomwise (Khosla Ventures and Data Collective) и Numedii (Lightspeed Venture Partners) [11].

ИИ для онкологии

Источники финансирования, основанные на акциях в онкологии ИИ, включают такие компании, как Freenome, Globavir Biosciences, CureMetrix, Notable Labs, Cyrcadia, Enlitic, Entopsis, Insilico Medicine, OncoraMedical, Pathum Genomics, Proscia и SkinVision [12]. Компания Flatiron Health, штаб-квартира компании в Нью-Йорке, специализирующаяся на технологии онкологии, поддерживаемая компаниями Google Ventures и другими инвесторами, недавно была приобретена швейцарской фармацевтической компанией Roche за 1,9 млрд. Долл. США в 2018 году за ее массивные кураторские данные для поддержки принятия решений и электронной платформы регистрации медицинских данных [13].

В мае 2018 года Annals of Oncology опубликовала знаковое немецкое исследование, в котором глубокая научная сверточная нейронная сеть (CNN), обучающаяся на 100 000 изображений, превзошла международную группу из 58 дерматологов из 17 стран, которые диагностировали злокачественные меланомы.

Препятствия, которые необходимо преодолеть в ИИ в области здравоохранения, включают доступ к большим наборам данных для обучения глубоким алгоритмам обучения и изучение электронных медицинских записей (EHR), которые не имеют маркировки данных и в основном неструктурированный текст.

«Самая большая проблема состоит в том, чтобы превратить всю медицинскую помощь в управление данными», – сказал Якобштейн, «ИИ является частью этой трансформации».

Недавнее расцвет AI в значительной степени связано с успехами в распознавании образов с использованием алгоритмов глубокого обучения. В будущем Jacobstein ожидает большего сближения различных типов AI, таких как моделирование, интеллектуальная аналитика и моделирование, чтобы выйти за рамки базового распознавания образов.

«Впервые в истории человечества мы сможем вмешаться в наше здравоохранение так, как это было просто немыслимо», – сказал Якобштейн. «Я думаю, что мы сможем использовать ИИ и синтетическую биологию для лечения нашего здоровья как информационной проблемы», – добавил он [14] ».

Якобштейн рассматривает этот информационно-ориентированный подход ИИ как ключ к не только прогнозированию и профилактической медицине, но также улучшению общего качества жизни и, в конечном счете, расширению самой жизни человека.

Рекомендации

1. Bughin, Jacques; Хазан, Эрик; Рамасвами, Сри; Чуй, Майкл; Аллас, Тера; Дальстром, Питер; Хенке, Николаус; Траншея, Моника. «Искусственный интеллект – следующая цифровая граница?» Дискуссионный документ McKinsey Global Institute . Июнь 2017 года.

2. Исследование ABI (2018, 4 июня). AI, чтобы сохранить сектор здравоохранения 52 млрд. Долл. США в 2021 году [Пресс-релиз].

3. Мотени, Меган. «Google отдает AI, который может построить вашу последовательность геномов». Проводной . 12.08.17.

4. Кимбрелл, Гидеон. «Является ли регулирование убийством инноваций в сфере здравоохранения?» Forbes . 19 марта 2018 года.

5. МакКейни, Кевин. «ИИ в медицине приближается к созданию регулярных раундов». GovernmentCIO Media . 31 мая 2018 года.

6. Исследование ABI (2018, 4 июня). AI, чтобы сохранить сектор здравоохранения 52 млрд. Долл. США в 2021 году [Пресс-релиз].

7. Знания CB. «От виртуальных медсестер до открытия лекарств: 106 стартапов искусственного интеллекта в здравоохранении». CB Insights Research Briefs . 3 февраля 2017 года.

8. Национальные институты здравоохранения (2017, 27 сентября). Клинический центр NIH предоставляет научное сообщество один из крупнейших общедоступных рентгенологических наборов для грудных детей [Пресс-релиз].

9. Эстева, Андре; Купрель, Бретт; Новоа, Роберто А .; Ко, Джастин; Swetter, Susan M., Blau, Helen M., Thrun, Sebastian. «Классификация рака на дерматологическом уровне с глубокими нейронными сетями». Природа . 2 февраля 2017. 542, 115-118.

10. Рыцарь, Уилл. «Ai-Driven Genomics Company превращается в наркотики». Обзор технологий MIT. 3 мая 2017 года.

11. Достопримечательности CB. «От виртуальных медсестер до открытия лекарств: 106 стартапов искусственного интеллекта в здравоохранении». CB Insights Research Briefs . 3 февраля 2017 года.

12. Оценка CB. «12 стартапов, борющихся с раком с искусственным интеллектом». CB Insights Research Brief. 15 сентября 2016 года.

13. Мукерджи, Си. «Почему сделка с лекарственным гигантом Roche стоимостью 1,9 миллиарда долларов, чтобы покупать данные, связанные с работой в квартирах в области здравоохранения.» « Fortune . 16 февраля 2018 года.

14. Guidewell. «XMed 2016 Insights Lounge – Нил Якобштейн». YouTube. 8 октября 2016 года.