Ватсон эмчийг хазсангүй, маш сайн

Хэдийгээр бусад олон салбарын нэгэн адил эмч нарыг хиймэл оюун ухаанаар солих хүсэл эрмэлзэл хэд хэдэн оношлогоонд алдаа гарсны дараа бага зэрэг буурсан ч хиймэл оюун ухаанд суурилсан анагаах ухааныг хөгжүүлэх ажил үргэлжилсээр байна. Учир нь тэд олон салбарт үйл ажиллагааны үр ашгийг дээшлүүлэх асар их боломж, боломжийг санал болгосоор байна.

IBM-ийг 2015 онд зарласан бөгөөд 2016 онд өвчтөний мэдээллийн дөрвөн томоохон компанийн мэдээлэлд хандах эрхтэй болсон (1). Олон тооны хэвлэл мэдээллийн хэрэгслийн ачаар хамгийн алдартай нь IBM-ийн дэвшилтэт хиймэл оюун ухааныг ашигласан хамгийн амбицтай төсөл бол онкологитой холбоотой байв. Эрдэмтэд өгөгдлийн асар их нөөцийг ашиглан хорт хавдрын эсрэг сайн зохицсон эмчилгээ болгон хувиргахын тулд тэдгээрийг боловсруулахыг оролдсон. Урт хугацааны зорилго нь Ватсоныг шүүгчээр ажиллуулах явдал байв Эмнэл зүйн туршилт эмчийн адил үр дүн.

1. Watson Health эмнэлгийн системийн дүрслэлүүдийн нэг

Гэсэн хэдий ч энэ нь тодорхой болсон Ватсон эмнэлгийн ном зохиолд бие даан хандах боломжгүй, мөн өвчтөнүүдийн цахим эмнэлгийн бүртгэлээс мэдээлэл авах боломжгүй. Гэсэн хэдий ч түүнийг буруутгасан хамгийн ноцтой зүйл бол энэ юм шинэ өвчтөнийг бусад хуучин хорт хавдартай өвчтөнүүдтэй үр дүнтэй харьцуулж, анхны харцаар үл үзэгдэх шинж тэмдгүүдийг илрүүлж чадаагүй.

Уатсоны стандарт эмчилгээний талаар санал болгосон эсвэл нэмэлт, нэмэлт эмнэлгийн дүгнэлтийн хувьд түүний дүгнэлтэд итгэдэг гэж мэдэгдсэн зарим хавдар судлаачид байсан нь үнэн. Энэ систем нь эмч нарын хувьд маш сайн автоматжуулсан номын санч болно гэдгийг олон хүн онцолсон.

IBM-ээс тийм ч таатай бус үнэлгээний үр дүнд АНУ-ын эмнэлгийн байгууллагуудад Ватсон системийг борлуулахтай холбоотой асуудлууд. IBM-ийн борлуулалтын төлөөлөгчид үүнийг Энэтхэг, Өмнөд Солонгос, Тайланд болон бусад орны зарим эмнэлгүүдэд зарж чадсан. Энэтхэгт эмч нар () хөхний хорт хавдрын 638 тохиолдлын талаар Ватсоны зөвлөмжийг үнэлэв. Эмчилгээний зөвлөмжийг дагаж мөрдөх түвшин 73% байна. Илүү муу Ватсон Тэрээр Өмнөд Солонгосын Гачон эрүүл мэндийн төвд сургуулиа орхисон бөгөөд түүний бүдүүн гэдэсний хорт хавдартай 656 өвчтөнд өгсөн хамгийн сайн зөвлөмж нь мэргэжилтнүүдийн зөвлөмжийн дөнгөж 49 хувьтай тэнцэж байжээ. Үүнийг эмч нар үнэлэв Ватсон ахимаг насны өвчтөнүүдтэй сайн харьцдаггүй байвТэдэнд зарим стандарт эмийг санал болгохгүйн улмаас үсэрхийлсэн өвчтэй зарим өвчтөнд түрэмгий эмчилгээний тандалт хийх ноцтой алдаа гаргасан.

Эцсийн эцэст түүний оношлогооч, эмчийн ажил амжилтгүй болсон гэж тооцогддог ч түүний маш их ашиг тустай салбарууд байдаг. Бүтээгдэхүүн Уотсон геномикийн хувьдХойд Каролинагийн их сургууль, Йелийн их сургууль болон бусад байгууллагуудтай хамтран боловсруулсан . онкологичдод зориулсан тайлан бэлтгэх генетикийн лаборатори. Ватсон татаж авах жагсаалтын файл генетикийн мутаци өвчтөнд байгаа бөгөөд бүх чухал эм, эмнэлзүйн туршилтуудын талаархи зөвлөмжийг багтаасан тайланг хэдэн минутын дотор гаргах боломжтой. Ватсон генетикийн мэдээллийг харьцангуй хялбар зохицуулдагУчир нь тэдгээр нь бүтэцлэгдсэн файлд тавигдсан бөгөөд тодорхой бус зүйл агуулаагүй - мутаци байгаа эсвэл мутаци байхгүй.

Хойд Каролинагийн их сургуулийн IBM-ийн түншүүд 2017 онд үр ашгийн талаар илтгэл нийтлүүлсэн. Ватсон тэдний 32%-д нь хүний ​​судалгаагаар тогтоогдоогүй байж болзошгүй чухал мутацуудыг илрүүлжээ. өвчтөнүүдийг судалсан нь тэднийг шинэ эмэнд сайн нэр дэвшигч болгожээ. Гэсэн хэдий ч хэрэглээ нь илүү сайн эмчилгээний үр дүнд хүргэдэг гэсэн нотолгоо байхгүй хэвээр байна.

Уургийг тэжээх

Энэ болон бусад олон жишээ нь эрүүл мэндийн тусламж үйлчилгээний бүх дутагдлыг засч залруулж байна гэсэн итгэл үнэмшил нэмэгдэхэд хувь нэмрээ оруулж байгаа ч хүмүүс тэнд тийм ч сайн ажиллаж чадахгүй байгаа тул энэ нь үнэхээр тусалж болох салбаруудыг хайх хэрэгтэй байна. Ийм талбар нь жишээлбэл, уургийн судалгаа. Өнгөрсөн жил уургийн хэлбэрийг дарааллаар нь нарийн таамаглах боломжтой гэсэн мэдээлэл гарч ирсэн (2). Энэ бол зөвхөн хүмүүсийн төдийгүй хүчирхэг компьютерийн хүч чадлаас давсан уламжлалт ажил юм. Хэрэв бид уургийн молекулуудын мушгиралтын нарийн загварчлалыг эзэмшвэл генийн эмчилгээ хийх асар их боломж нээгдэнэ. Эрдэмтэд AlphaFold-ийн тусламжтайгаар мянга мянган хүний ​​үйл ажиллагааг судлах бөгөөд энэ нь эргээд олон өвчний шалтгааныг ойлгох боломжийг олгоно гэж найдаж байна.

Зураг 2. DeepMind-ийн AlphaFold-ээр загварчилсан уургийн мушгиа.

Одоо Бид хоёр зуун сая уураг мэддэг, гэхдээ бид тэдгээрийн багахан хэсгийн бүтэц, үйл ажиллагааг бүрэн ойлгодог. Уураг энэ нь амьд организмын үндсэн барилгын материал юм. Тэд эсэд тохиолддог ихэнх үйл явцыг хариуцдаг. Тэд хэрхэн ажилладаг, юу хийдэг нь 50D бүтцээр тодорхойлогддог. Тэд физикийн хуулиудыг удирдан чиглүүлж, ямар ч зааваргүйгээр зохих хэлбэрийг авдаг. Хэдэн арван жилийн турш туршилтын аргууд нь уургийн хэлбэрийг тодорхойлох гол арга байсаар ирсэн. XNUMX-аад оны үед хэрэглээ Рентген кристаллографийн аргууд. Сүүлийн арван жилд энэ нь судалгааны сонголтын хэрэгсэл болсон. болор микроскоп. 80-90-ээд онд уургийн хэлбэрийг тодорхойлохын тулд компьютер ашиглах ажил эхэлсэн. Гэсэн хэдий ч үр дүн нь эрдэмтдийн сэтгэлд хүрсэнгүй. Зарим уургийн хувьд үр дүнтэй байсан аргууд нь бусад уурагт тохирохгүй байв.

Аль хэдийн 2018 онд AlphaFold дахь мэргэжилтнүүдээс хүлээн зөвшөөрөгдсөн уургийн загварчлал. Гэсэн хэдий ч тэр үед бусад програмуудтай тун төстэй аргуудыг ашигладаг байсан. Эрдэмтэд тактикаа өөрчилж, өөр нэг тактик бүтээсэн бөгөөд энэ нь уургийн молекулуудын нугалахад физик, геометрийн хязгаарлалтын талаархи мэдээллийг ашигласан. AlphaFold жигд бус үр дүн өгсөн. Заримдаа тэр илүү сайн, заримдаа бүр муу байсан. Гэвч түүний таамаглалын бараг гуравны хоёр нь туршилтын аргаар олж авсан үр дүнтэй давхцаж байв. 2-р оны эхээр алгоритм нь SARS-CoV-3 вирусын хэд хэдэн уургийн бүтцийг тодорхойлсон. Хожим нь Orf2020a уургийн таамаглал нь туршилтаар олж авсан үр дүнтэй нийцэж байгааг олж мэдсэн.

Энэ нь зөвхөн уураг нугалах дотоод аргуудыг судлахаас гадна дизайны тухай юм. NIH BRAIN санаачлагын судлаачид ашигласан машин сурах Тархины серотонины түвшинг бодит цаг хугацаанд хянах чадвартай уураг бүтээх. Серотонин бол тархи бидний бодол санаа, мэдрэмжийг хэрхэн хянадаг гол үүрэг гүйцэтгэдэг нейрохимийн бодис юм. Жишээлбэл, олон антидепрессантууд нь мэдрэлийн эсүүдийн хооронд дамждаг серотонины дохиог өөрчлөхөд зориулагдсан байдаг. Cell сэтгүүлд гарсан нийтлэлдээ эрдэмтэд дэвшилтэт технологийг хэрхэн ашигладаг талаар тайлбарласан байна генийн инженерчлэлийн аргууд бактерийн уургийг одоогийн аргуудаас илүү нарийвчлалтайгаар серотонины дамжуулалтыг хянах шинэ судалгааны хэрэгсэл болгон хувиргах. Эмнэлзүйн өмнөх туршилтууд, ихэвчлэн хулгана дээр хийсэн туршилтууд нь мэдрэгч нь нойр, айдас, нийгмийн харилцааны үед тархины серотонины түвшний нарийн өөрчлөлтийг шууд илрүүлж, сэтгэцэд нөлөөт шинэ эмийн үр нөлөөг шалгаж чаддаг болохыг харуулсан.

Царт тахлын эсрэг тэмцэл үргэлж амжилттай байдаггүй

Эцсийн эцэст энэ бол бидний МТ-д бичсэн анхны тахал байсан юм. Гэсэн хэдий ч, жишээлбэл, хэрэв бид тахал өвчний хөгжлийн явцын талаар ярих юм бол эхний шатанд хиймэл оюун ухаан нь ямар нэгэн бүтэлгүйтсэн юм шиг санагдаж байв. Эрдэмтэд үүнд гомдолтой байна хиймэл оюун ухаан Өмнөх тахал өвчний мэдээлэлд үндэслэн коронавирусын тархалтын хэмжээг зөв таамаглах боломжгүй. “Эдгээр шийдэл нь тодорхой тооны нүд, чихтэй царайг таних гэх мэт зарим хэсэгт сайн ажилладаг. SARS-CoV-2 тахал Эдгээр нь урьд өмнө мэдэгдээгүй үйл явдлууд бөгөөд олон шинэ хувьсагчууд тул үүнийг сургахад ашигласан түүхэн өгөгдөлд суурилсан хиймэл оюун ухаан сайн ажилладаггүй. Царт тахал нь бид өөр технологи, арга замыг хайх хэрэгтэйг харууллаа" гэж Сколтех компанийн Максим Федоров 2020 оны XNUMX-р сард Оросын хэвлэлд өгсөн мэдэгдэлдээ дурджээ.

Цаг хугацаа өнгөрөхөд тэнд байсан Гэсэн хэдий ч алгоритмууд нь COVID-19-тэй тэмцэхэд хиймэл оюун ухаан асар их ашиг тустайг нотлох мэт. АНУ-ын эрдэмтэд 2020 оны намар COVID-19-тэй хүмүүст өөр шинж тэмдэг илрээгүй байсан ч ханиалгын онцлог шинж чанарыг таних системийг боловсруулжээ.

Вакцин гарч ирэхэд хүн амыг вакцинжуулахад туслах санаа төрсөн. Жишээлбэл, тэр чадна вакцины тээвэр, логистикийг загварчлахад тусална. Мөн тахал өвчнийг хурдан даван туулахын тулд аль хүн амыг хамгийн түрүүнд вакцинд хамруулах ёстойг тодорхойлоход. Энэ нь ложистикийн асуудал, хүндрэлийг хурдан тодорхойлох замаар эрэлтийг урьдчилан таамаглах, вакцинжуулалтын цаг хугацаа, хурдыг оновчтой болгоход тусална. Тасралтгүй хяналттай алгоритмуудыг хослуулсан нь болзошгүй гаж нөлөө, эрүүл мэндийн үйл явдлын талаар хурдан мэдээлэл өгөх боломжтой.

Эдгээр нь AI ашигладаг системүүд эрүүл мэндийн үйлчилгээг оновчтой болгох, сайжруулах талаар аль хэдийн мэддэг болсон. Тэдний практик давуу талыг үнэлэв; жишээлбэл, АНУ-ын Стэнфордын их сургуулийн Макро-Эйс компанийн боловсруулсан эрүүл мэндийн систем. Бусад олон эмнэлгийн байгууллагуудын нэгэн адил асуудал нь эмчийн үзлэгт хамрагдаагүй өвчтөнүүдийн дутагдал байв. Макро нүд ямар өвчтөн тэнд байх магадлал багатайг найдвартай урьдчилан таамаглах системийг бий болгосон. Зарим тохиолдолд тэрээр эмнэлгүүдийн өөр цаг, байршлыг санал болгож болох бөгөөд энэ нь өвчтөн ирэх боломжийг нэмэгдүүлэх болно. Хожим нь ижил төстэй технологийг Арканзасаас Нигери хүртэлх янз бүрийн газар, тухайлбал АНУ-ын Олон улсын хөгжлийн агентлагийн дэмжлэгтэйгээр ашигласан.

Танзани улсад Макро-Нүд чиглэсэн төсөл дээр ажилласан хүүхдийн дархлаажуулалтын түвшинг нэмэгдүүлэх. Уг программ хангамж нь тухайн вакцинжуулалтын төв рүү хэчнээн тун вакцин явуулах шаардлагатайг шинжилжээ. Тэрээр мөн аль гэр бүл хүүхдүүдээ вакцинжуулахаас татгалзаж болохыг үнэлж чадсан ч зохих аргументууд болон вакцинжуулалтын төвийг тохиромжтой байршилд байрлуулах замаар тэднийг ятгаж болох юм. Энэхүү программ хангамжийг ашигласнаар Танзанийн засгийн газар дархлаажуулалтын хөтөлбөрийн үр нөлөөг 96%-иар нэмэгдүүлж чаджээ. 2,42 хүнд ногдох вакцины хаягдлыг 100 болгон бууруулна.

Сьерра-Леон улсын оршин суугчдын эрүүл мэндийн мэдээлэл дутмаг байсан тул компани үүнийг боловсролын талаарх мэдээлэлтэй уялдуулахыг оролдсон. Зөвхөн багш, шавь нарынх нь тоо л 70 хувийг таамаглахад хангалттай байсан нь тогтоогдсон. Орон нутгийн эмнэлэг нь цэвэр устай эсэх нь үнэн зөв бөгөөд энэ нь тэнд амьдарч буй хүмүүсийн эрүүл мэндийн талаархи мэдээллийн ул мөр юм (3).

3. Африк дахь хиймэл оюун ухаанд суурилсан эрүүл мэндийн хөтөлбөрүүдийн макро нүднүүдийн зураглал.

Машины эмчийн тухай домог арилдаггүй

Хэдийгээр бүтэлгүйтэл Ватсон Оношилгооны шинэ аргуудыг боловсруулсаар байгаа бөгөөд улам боловсронгуй болсон гэж үздэг. 2020 оны есдүгээр сард Шведэд хийсэн харьцуулалт. хөхний хорт хавдрын дүрс оношлогоонд ашигладаг Тэдний хамгийн шилдэг нь радиологичтой адилхан ажилладаг болохыг харуулсан. Алгоритмуудыг ердийн скрининг хийх явцад олж авсан есөн мянга орчим маммографийн зургийг ашиглан туршиж үзсэн. AI-1, AI-2, AI-3 гэж тодорхойлсон гурван систем нь 81,9%, 67% -ийн нарийвчлалтай болсон. болон 67,4%. Харьцуулбал, эдгээр зургийг анхных гэж тайлбарладаг радиологичдын хувьд энэ үзүүлэлт 77,4% байсан ба радиологичидХоёр дахь нь хэн тайлбарлав, энэ нь 80,1 хувь байв. Шилдэг алгоритмууд нь скрининг хийх явцад рентген судлаачид орхигдсон тохиолдлыг илрүүлж чадсан бөгөөд эмэгтэйчүүд нэг жил хүрэхгүй хугацаанд өвчтэй гэж оношлогджээ.

Судлаачдын үзэж байгаагаар эдгээр үр дүн үүнийг баталж байна хиймэл оюун ухааны алгоритмууд радиологичдын хийсэн хуурамч сөрөг оношийг засахад тусална. АИ-1-ийн чадавхийг дундаж радиологичтой хослуулснаар илэрсэн хөхний хорт хавдрын тоог 8%-иар нэмэгдүүлсэн. Энэхүү судалгааны ажлын ард байгаа Royal институтын баг хиймэл оюун ухааны алгоритмуудын чанар улам сайжирна гэж найдаж байна. Туршилтын бүрэн тайлбарыг JAMA Oncology сэтгүүлд нийтлэв.

Таван онооны системээр W. Одоогийн байдлаар систем нь хүлээн авсан өгөгдлийг бие даан автоматаар боловсруулж, мэргэжилтэнд урьдчилан дүн шинжилгээ хийсэн мэдээллээр хангадаг технологийн хурдатгал, IV түвшинд (өндөр автоматжуулалт) хүрч байгааг бид харж байна. Энэ нь цаг хугацаа хэмнэж, хүний ​​алдаанаас зайлсхийж, өвчтөнд илүү үр дүнтэй тусламж үйлчилгээ үзүүлдэг. Хэдэн сарын өмнө тэр ингэж шүүсэн Стэн А.И. түүнтэй ойр анагаах ухааны чиглэлээр проф. Януш Бразевич Польшийн Цөмийн Анагаах Ухааны Нийгэмлэгээс Польшийн Хэвлэлийн Агентлагт хийсэн мэдэгдэлдээ.

4. Эмнэлгийн зургийг машинаар үзэх

Проф зэрэг мэргэжилтнүүдийн үзэж байгаагаар алгоритмууд. Бразиевичбүр энэ салбарт зайлшгүй шаардлагатай. Шалтгаан нь оношилгооны дүрс бичлэгийн шинжилгээний тоо хурдацтай нэмэгдэж байгаатай холбоотой. Зөвхөн 2000-2010 онуудад. MRI шинжилгээ, үзлэгийн тоо арав дахин нэмэгджээ. Харамсалтай нь тэдгээрийг түргэн шуурхай, найдвартай хийж чадах мэргэжлийн эмч нарын тоо нэмэгдээгүй байна. Мөн мэргэшсэн техникч дутагдалтай байна. AI-д суурилсан алгоритмуудыг хэрэгжүүлснээр цаг хугацаа хэмнэж, процедурыг бүрэн стандартчилахаас гадна хүний ​​алдаанаас зайлсхийх, өвчтөнд илүү үр дүнтэй, хувь хүнд тохирсон эмчилгээ хийх боломжийг олгодог.

Энэ нь мөн адил болсон шүүх эмнэлгийн ашиг хүртэх боломжтой хиймэл оюун ухааныг хөгжүүлэх. Энэ салбарын мэргэжилтнүүд үхсэн эдээр хооллодог өт болон бусад амьтдын шүүрлийн химийн шинжилгээгээр талийгаачийн үхсэн цагийг яг таг тодорхойлох боломжтой. Шинжилгээнд янз бүрийн төрлийн үхжилүүдийн шүүрлийн хольцыг оруулахад асуудал үүсдэг. Эндээс л машин сурах хичээл орж ирдэг. Олбанигийн их сургуулийн эрдэмтэд боловсруулсан Хорхойн төрлийг илүү хурдан тодорхойлох боломжийг олгодог хиймэл оюун ухааны арга Тэдний "химийн хурууны хээ" дээр үндэслэсэн. Тус багийнхан зургаан төрлийн ялааны химийн шүүрлийн янз бүрийн хослолыг ашиглан компьютерийн программдаа сургасан. Тэрээр ионы масс ба цахилгаан цэнэгийн харьцааг нарийн хэмжиж химийн бодисыг тодорхойлдог масс спектрометрийн тусламжтайгаар шавжны авгалдайн химийн шинж тэмдгийг тайлсан.

Тиймээс, таны харж байгаагаар, гэхдээ AI нь мөрдөн байцаагчийн хувьд тийм ч сайн биш, энэ нь шүүх эмнэлгийн лабораторид маш хэрэгтэй байж болно. Магадгүй бид энэ үе шатанд эмч нарыг ажилгүй болгох алгоритмуудыг таамаглаж, түүнээс хэт их зүйл хүлээж байсан байх (5). Биднийг харахад хиймэл оюун ухаан Илүү бодитойгоор, ерөнхий бус харин тодорхой практик ашиг тусыг анхаарч үзвэл түүний анагаах ухааны карьер дахин их ирээдүйтэй харагдаж байна.

5. Эмчийн машины алсын хараа