Watson həkimi dişləmədi və çox yaxşıdır

Bir çox digər sahələrdə olduğu kimi, bir sıra diaqnostik uğursuzluqlardan sonra həkimləri süni intellektlə əvəz etmək həvəsi bir qədər azalsa da, süni intellektə əsaslanan təbabətin inkişafı üzərində iş hələ də davam edir. Çünki, buna baxmayaraq, onlar hələ də onun bir çox sahələrində əməliyyatların səmərəliliyini artırmaq üçün böyük imkanlar və şanslar təklif edirlər.

IBM 2015-ci ildə elan edildi və 2016-cı ildə dörd əsas xəstə məlumat şirkətinin məlumatlarına çıxış əldə etdi (1). Çoxsaylı media hesabatları sayəsində ən məşhuru və eyni zamanda IBM-dən qabaqcıl süni intellektdən istifadə edən ən iddialı layihə onkologiya ilə bağlı idi. Elm adamları onları yaxşı uyğunlaşdırılmış xərçəng əleyhinə müalicələrə çevirmək üçün onları emal etmək üçün geniş məlumat resurslarından istifadə etməyə çalışdılar. Uzunmüddətli məqsəd Uotsonu hakimliyə çevirmək idi klinik sınaqlar və həkim kimi nəticələr.

1. Watson Health tibbi sisteminin vizualizasiyalarından biri

Lakin məlum oldu ki Watson müstəqil olaraq tibbi ədəbiyyata müraciət edə bilməz, həmçinin xəstələrin elektron tibbi qeydlərindən məlumat çıxara bilməz. Halbuki ona qarşı ən ağır ittiham bu idi yeni bir xəstəni digər yaşlı xərçəng xəstələri ilə effektiv şəkildə müqayisə edə bilməmək və ilk baxışda görünməyən simptomları aşkar etmək..

Etiraf etmək lazımdır ki, bəzi onkoloqlar onun mühakiməsinə güvəndiklərini iddia edirdilər, baxmayaraq ki, əsasən Watsonun standart müalicələr üçün təklifləri və ya əlavə, əlavə tibbi rəy kimi. Çoxları bu sistemin həkimlər üçün əla avtomatlaşdırılmış kitabxanaçı olacağına diqqət çəkdi.

IBM-dən çox yaltaq olmayan rəylər nəticəsində ABŞ tibb müəssisələrində Watson sisteminin satışı ilə bağlı problemlər. IBM satış nümayəndələri onu Hindistan, Cənubi Koreya, Tayland və digər ölkələrdəki bəzi xəstəxanalara satmağı bacarıblar. Hindistanda həkimlər () 638 döş xərçəngi hadisəsi üçün Watson tövsiyələrini qiymətləndirdilər. Müalicə tövsiyələrinə uyğunluq nisbəti 73% təşkil edir. Daha pis Watson 656 kolorektal xərçəng xəstəsi üçün verdiyi ən yaxşı tövsiyələri zamanın yalnız 49 faizi ekspert tövsiyələrinə uyğun gəldiyi Cənubi Koreyadakı Gachon Tibb Mərkəzində təhsilini dayandırdı. Həkimlər bunu qiymətləndiriblər Watson yaşlı xəstələrlə yaxşı davranmırdıonlara müəyyən standart dərmanlar təklif etməməklə və metastatik xəstəliyi olan bəzi xəstələr üçün aqressiv müalicə nəzarəti həyata keçirməklə kritik səhvə yol verdi.

Nəhayət, onun diaqnostik və həkim kimi fəaliyyəti uğursuz hesab edilsə də, onun son dərəcə faydalı olduğu sahələr var. Məhsul Genomika üçün WatsonŞimali Karolina Universiteti, Yale Universiteti və digər qurumlarla əməkdaşlıqda hazırlanmışdır. onkoloqlar üçün hesabatların hazırlanması üçün genetik laboratoriyalar. Watson yükləmə siyahısı faylı genetik mutasiyalar bir xəstədə və bütün vacib dərmanlar və klinik sınaqlar üçün təklifləri ehtiva edən bir neçə dəqiqə ərzində hesabat yarada bilər. Watson genetik məlumatı nisbi rahatlıqla idarə edirçünki onlar strukturlaşdırılmış fayllarda təqdim olunur və qeyri-müəyyənlikləri ehtiva etmir - ya mutasiya var, ya da heç bir mutasiya yoxdur.

Şimali Karolina Universitetindəki IBM tərəfdaşları 2017-ci ildə səmərəlilik haqqında məqalə dərc etdilər. Watson, onların 32% -ində insan tədqiqatları ilə müəyyən edilməmiş potensial əhəmiyyətli mutasiyalar tapdı. xəstələrin öyrənilməsi onları yeni dərman üçün yaxşı namizəd edir. Bununla belə, istifadənin daha yaxşı müalicə nəticələrinə gətirib çıxardığına dair hələ də heç bir sübut yoxdur.

Zülalların evləşdirilməsi

Bu və bir çox digər misallar səhiyyədəki bütün çatışmazlıqların aradan qaldırıldığına inamın artmasına kömək edir, lakin biz bunun həqiqətən kömək edə biləcəyi sahələr axtarmalıyıq, çünki orada insanlar o qədər də yaxşı iş görmürlər. Belə bir sahə, məsələn, protein tədqiqatı. Keçən il, zülalların ardıcıllığına əsaslanaraq onların formasını dəqiq proqnozlaşdıra biləcəyinə dair məlumatlar ortaya çıxdı (2). Bu, təkcə insanların deyil, hətta güclü kompüterlərin də gücündən kənarda olan ənənəvi bir işdir. Əgər zülal molekullarının bükülməsinin dəqiq modelləşdirilməsini mənimsəsək, gen terapiyası üçün böyük imkanlar yaranacaq. Alimlər ümid edirlər ki, AlphaFold-un köməyi ilə biz minlərlə insanın funksiyalarını öyrənəcəyik və bu da öz növbəsində bir çox xəstəliklərin səbəblərini anlamağa imkan verəcək.

Şəkil 2. DeepMind-in AlphaFold ilə modelləşdirilmiş zülal bükülməsi.

Indi iki yüz milyon zülal bilirik, lakin biz onların kiçik bir hissəsinin quruluşunu və funksiyasını tam başa düşürük. Zülallar canlı orqanizmlərin əsas tikinti materialıdır. Hüceyrələrdə baş verən proseslərin əksəriyyətindən məsuldurlar. Onların necə işlədiyini və nə etdiklərini 50D strukturları müəyyən edir. Fizika qanunlarını rəhbər tutaraq, heç bir göstəriş vermədən uyğun formanı alırlar. Onilliklər ərzində eksperimental üsullar zülalların formasını təyin etmək üçün əsas üsul olmuşdur. XNUMX-ci illərdə istifadə X-ray kristalloqrafik üsullar. Son onillikdə o, seçim vasitəsinə çevrilmişdir. kristal mikroskopiya. 80-90-cı illərdə zülalların formasını təyin etmək üçün kompüterlərdən istifadə edilməsi üzərində iş başladı. Lakin nəticələr hələ də alimləri qane etməyib. Bəzi zülallar üçün işləyən üsullar digərləri üçün işləmədi.

Artıq 2018-ci ildə AlphaFold ekspertlər tərəfindən təqdir edilmişdir protein modelləşdirilməsi. Halbuki o zaman digər proqramlara çox oxşar üsullardan istifadə edirdi. Alimlər zülal molekullarının qatlanmasında fiziki və həndəsi məhdudiyyətlər haqqında məlumatlardan da istifadə edən taktikaları dəyişdilər və digərini yaratdılar. AlphaFold qeyri-bərabər nəticələr verdi. Bəzən daha yaxşı, bəzən daha pis idi. Lakin onun proqnozlarının demək olar ki, üçdə ikisi eksperimental üsullarla əldə edilən nəticələrlə üst-üstə düşürdü. 2-ci ilin əvvəlində alqoritm SARS-CoV-3 virusunun bir neçə zülalının strukturunu təsvir etdi. Daha sonra məlum oldu ki, Orf2020a zülalına dair proqnozlar eksperimental olaraq alınan nəticələrə uyğundur.

Söhbət təkcə zülalların qatlanmasının daxili yollarının öyrənilməsindən deyil, həm də dizayndan gedir. NIH BRAIN təşəbbüsündən olan tədqiqatçılar istifadə etdilər maşın öyrənmə real vaxtda beyin serotonin səviyyəsini izləyə bilən bir zülal inkişaf etdirin. Serotonin, beynin düşüncələrimizi və hisslərimizi necə idarə etməsində əsas rol oynayan bir neyrokimyəvi maddədir. Məsələn, bir çox antidepresanlar neyronlar arasında ötürülən serotonin siqnallarını dəyişdirmək üçün nəzərdə tutulub. Cell jurnalındakı bir məqalədə elm adamları qabaqcıl texnologiyadan necə istifadə etdiklərini izah etdilər gen mühəndisliyi üsulları bakteriya zülalını hazırkı metodlardan daha dəqiqliklə serotoninin ötürülməsini izləməyə kömək edə biləcək yeni tədqiqat alətinə çevirmək. Əsasən siçanlar üzərində aparılan klinika öncəsi təcrübələr göstərib ki, sensor yuxu, qorxu və sosial qarşılıqlı əlaqə zamanı beyin serotonin səviyyələrindəki incə dəyişiklikləri dərhal aşkarlaya bilir və yeni psixoaktiv dərmanların effektivliyini yoxlaya bilir.

Pandemiya ilə mübarizə həmişə uğurlu olmayıb

Axı bu, MT-də yazdığımız ilk epidemiya idi. Bununla belə, məsələn, pandemiyanın inkişaf prosesindən danışsaq, ilkin mərhələdə süni intellekt uğursuzluq kimi görünürdü. Alimlər bundan şikayət ediblər süni intellekt əvvəlki epidemiyaların məlumatlarına əsaslanaraq koronavirusun yayılma dərəcəsini düzgün proqnozlaşdıra bilmir. “Bu həllər bəzi sahələrdə, məsələn, müəyyən sayda göz və qulaqları olan üzləri tanımaqda yaxşı işləyir. SARS-CoV-2 epidemiyası Bunlar əvvəllər naməlum hadisələr və bir çox yeni dəyişənlərdir, ona görə də onu öyrətmək üçün istifadə edilmiş tarixi məlumatlara əsaslanan süni intellekt yaxşı işləmir. Pandemiya göstərdi ki, biz başqa texnologiyalar və yanaşmalar axtarmalıyıq”, - Skoltech-dən Maksim Fedorov 2020-ci ilin aprelində Rusiya mətbuatına verdiyi açıqlamada bildirib.

Zamanla var idi Bununla belə, COVID-19 ilə mübarizədə süni intellektin böyük faydasını sübut edən alqoritmlər. ABŞ alimləri 2020-ci ilin payızında COVID-19 olan insanlarda başqa simptomlar olmasa belə, xarakterik öskürək nümunələrini tanımaq üçün sistem hazırlayıblar.

Peyvəndlər meydana çıxanda əhalini peyvənd etməyə kömək etmək ideyası yarandı. O, məsələn vaksinlərin daşınması və logistikasını modelləşdirməyə kömək edin. Həmçinin pandemiya ilə daha sürətli mübarizə aparmaq üçün ilk növbədə hansı populyasiyaların peyvənd edilməli olduğunun müəyyən edilməsində. O, həmçinin logistikadakı problemləri və darboğazları tez müəyyən etməklə tələbi proqnozlaşdırmağa və peyvəndin vaxtını və sürətini optimallaşdırmağa kömək edərdi. Alqoritmlərin daimi monitorinqlə birləşməsi mümkün yan təsirlər və sağlamlıq hadisələri haqqında tez məlumat verə bilər.

Bunlar AI istifadə edən sistemlər səhiyyənin optimallaşdırılması və təkmilləşdirilməsi artıq məlumdur. Onların praktiki üstünlükləri yüksək qiymətləndirilmişdir; məsələn, ABŞ-ın Stanford Universitetində Macro-Eyes tərəfindən hazırlanmış səhiyyə sistemi. Bir çox digər tibb müəssisələrində olduğu kimi, problem də qəbula gəlməyən xəstələrin olmaması idi. Makro Gözlər hansı xəstələrin orada olma ehtimalını etibarlı şəkildə təxmin edə bilən bir sistem qurdu. Bəzi hallarda, o, həmçinin klinikalar üçün alternativ vaxtlar və yerlər təklif edə bilər ki, bu da xəstənin görünmə şansını artırır. Daha sonra oxşar texnologiya Arkanzasdan Nigeriyaya qədər müxtəlif yerlərdə, xüsusən də ABŞ Beynəlxalq İnkişaf Agentliyinin dəstəyi ilə tətbiq edildi.

Tanzaniyada, Makro-Gözləri hədəfləyən bir layihə üzərində çalışdı uşaqların peyvənd nisbətlərinin artırılması. Proqram müəyyən bir peyvənd mərkəzinə neçə doza peyvəndin göndərilməsinin lazım olduğunu təhlil etdi. O, həmçinin hansı ailələrin uşaqlarını peyvənd etməkdən çəkinə biləcəyini qiymətləndirə bildi, lakin onları müvafiq arqumentlər və peyvənd mərkəzinin əlverişli yerdə yerləşdirilməsi ilə inandırmaq olardı. Bu proqram təminatından istifadə etməklə Tanzaniya hökuməti immunizasiya proqramının effektivliyini 96% artıra bilib. və peyvənd tullantılarını 2,42 nəfərə 100-yə endirmək.

Sakinlərin sağlamlıq məlumatlarının əskik olduğu Sierra Leonedə şirkət bunu təhsillə bağlı məlumatlarla uyğunlaşdırmağa çalışdı. Məlum olub ki, təkcə müəllimlərin və onların tələbələrinin sayı 70 faiz proqnozlaşdırmağa kifayət edir. yerli səhiyyə mərkəzinin təmiz suya çıxışı olub-olmamasının dəqiqliyi, artıq orada yaşayan insanların sağlamlığına dair məlumatların izi (3).

3. Afrikada süni intellektlə idarə olunan səhiyyə proqramlarının makro-gözlərlə təsviri.

Maşın həkimi mifi ortadan qalxmır

Uğursuzluqlara baxmayaraq Watson yeni diaqnostik yanaşmalar hələ də işlənib hazırlanır və getdikcə daha təkmil hesab olunur. 2020-ci ilin sentyabrında İsveçdə müqayisə edildi. döş xərçənginin görüntü diaqnostikasında istifadə olunur göstərdi ki, onların ən yaxşısı rentgenoloq kimi işləyir. Alqoritmlər rutin skrininq zamanı əldə edilən təxminən doqquz min mamoqrafiya təsvirindən istifadə etməklə sınaqdan keçirilib. AI-1, AI-2 və AI-3 kimi təyin olunan üç sistem 81,9%, 67% dəqiqliyə nail olub. və 67,4%. Müqayisə üçün qeyd edək ki, bu görüntüləri birinci kimi şərh edən radioloqlar üçün bu rəqəm 77,4%, radioloqlaronu ikinci təsvir edən 80,1 faiz təşkil etmişdir. Alqoritmlərin ən yaxşısı həm də müayinə zamanı radioloqların qaçırdığı halları aşkar edə bildi və qadınlara bir ildən az müddətdə xəstə diaqnozu qoyuldu.

Tədqiqatçıların fikrincə, bu nəticələr bunu sübut edir süni intellekt alqoritmləri radioloqlar tərəfindən qoyulmuş yalan-mənfi diaqnozları düzəltməyə kömək edir. AI-1-in imkanlarını orta radioloqla birləşdirmək aşkar edilmiş döş xərçənginin sayını 8% artırdı. Bu araşdırmanı aparan Kral İnstitutunun komandası süni intellekt alqoritmlərinin keyfiyyətinin artmağa davam edəcəyini gözləyir. Təcrübənin tam təsviri JAMA Oncology jurnalında dərc olunub.

beş ballıq şkala üzrə W. Hal-hazırda, sistem qəbul edilən məlumatları müstəqil şəkildə avtomatik olaraq emal etdikdə və mütəxəssisi əvvəlcədən təhlil edilmiş məlumatlarla təmin etdikdə, əhəmiyyətli bir texnoloji sürətlənmənin və IV səviyyəyə (yüksək avtomatlaşdırma) çatmasının şahidi oluruq. Bu, vaxta qənaət edir, insan səhvinin qarşısını alır və xəstəyə daha səmərəli qulluq göstərir. Bir neçə ay əvvəl mühakimə etdiyi budur Stan A.I. ona yaxın tibb sahəsində prof. Yanuş Brazieviç Polşanın Nüvə Təbabəti Cəmiyyətinin Polşa Mətbuat Agentliyinə verdiyi açıqlamada.

4. Tibbi təsvirlərə maşın baxışı

Alqoritmlər, prof kimi mütəxəssislərə görə. Brazieviçhətta bu sənayedə əvəzolunmazdır. Səbəb diaqnostik görüntüləmə testlərinin sayının sürətlə artmasıdır. Yalnız 2000-2010-cu illər üçün. MRT müayinə və müayinələrinin sayı on dəfə artıb. Təəssüf ki, onları tez və etibarlı şəkildə həyata keçirə biləcək mövcud mütəxəssis həkimlərin sayı artmayıb. İxtisaslı texniki kadrların da çatışmazlığı var. Süni intellektə əsaslanan alqoritmlərin tətbiqi vaxta qənaət edir və prosedurların tam standartlaşdırılmasına imkan verir, həmçinin insan səhvindən və xəstələr üçün daha səmərəli, fərdiləşdirilmiş müalicələrdən qaçınır.

Məlum olduğu kimi, həm də məhkəmə tibb faydalana bilər süni intellektin inkişafı. Bu sahənin mütəxəssisləri qurdların və ölü toxumalarla qidalanan digər canlıların ifrazatlarını kimyəvi analiz edərək mərhumun dəqiq ölüm vaxtını müəyyən edə bilirlər. Müxtəlif növ nekrofaqların sekresiyalarının qarışıqları analizə daxil edildikdə problem yaranır. Maşın öyrənməsi burada işə düşür. Albany Universitetinin alimləri inkişaf etdiriblər qurd növlərini daha sürətli müəyyən etməyə imkan verən süni intellekt üsulu onların "kimyəvi barmaq izlərinə" əsaslanır. Komanda altı milçək növünün kimyəvi ifrazatlarının müxtəlif kombinasiyalarının qarışıqlarından istifadə edərək kompüter proqramlarını öyrədib. O, kütlənin ionun elektrik yükünə nisbətini dəqiq ölçməklə kimyəvi maddələri müəyyən edən kütlə spektrometriyasından istifadə edərək həşərat sürfələrinin kimyəvi imzalarını deşifrə etdi.

Beləliklə, gördüyünüz kimi İstintaq Detektivi kimi AI çox yaxşı deyil, məhkəmə laboratoriyasında çox faydalı ola bilər. Ola bilsin ki, bu mərhələdə həkimləri işdən çıxaracaq alqoritmləri gözləməklə ondan çox şey gözləyirdik (5). Biz baxanda süni intellekt daha real olaraq, ümumi deyil, xüsusi praktik faydalara diqqət yetirməklə, onun tibbdəki karyerası yenidən çox perspektivli görünür.

5. Həkimin avtomobilinin görünüşü