Врачи с искусственным разумом

Машины уже преобразили сферу здравоохранения. Сканеры МРТ могут заглянуть внутрь тела, а образцы крови теперь исследуются автоматически. Но человеческие навыки всегда являлись неотъемлемой частью процесса: сканирование обнаруживает затемнение, а онколог трактует его важность. Тем не менее довольно скоро программы сами смогут ставить диагноз на основе одних лишь медицинских данных.

Врачи часто заняты и перегружены работой. Они могут ошибаться или не замечать явных симптомов. Если компьютеры смогут по-своему понять, что такое здоровье, то, возможно, им будет под силу ускорить процесс диагностики и даже повысить ее точность. Возьмем, к примеру, обнаружение рака молочной железы. Для постановки диагноза часто требуется информация из трех источников: рентген, МРТ и УЗИ. Изучение таких «перекрестных ссылок» весьма трудоемко и занимает много времени. Конечно, если вы не используете глубокое обучение.

Исследователи из Тель-Авивского университета в Израиле используют глубокое обучение для анализа рентгенограммы грудной клетки. Их система может отличить увеличенное сердце от скопления жидкости в легких. А другая группа исследователей из Клинического центра Национального института здоровья в Бетесде, штат Мэриленд, пользуется аналогичными методами для выявления раковых образований на позвоночнике. Watson от IBM тоже обратился к диагностике. В одном случае у него ушло всего несколько минут на обнаружение у пациента признаков редкой формы вторичной лейкемии. При других способах диагностики на выявление такого заболевания потребовались бы недели. У DeepMind от Google также есть несколько медицинских проектов, в том числе обнаружение ранних признаков заболеваний глаз.

DeepMind сотрудничает с Национальной службой здравоохранения Великобритании на предмет получения доступа к большим объемам данных о пациентах. Например, благодаря партнерству с глазной больницей Moorfields в Лондоне DeepMind сможет загрузить в свой ИИ порядка миллиона анонимных снимков сетчатки. Этот проект нацелен на выявление двух наиболее распространенных глазных заболеваний: возрастной макулодистрофии и диабетической ретинопатии. Более 100 миллионов человек во всем мире страдают от данных заболеваний.

Информация, которую предоставляет Moorfields, включает в себя сканирование задней части глаз, а также более детальные снимки, известные как оптическая когерентная томография (ОКТ). По задумке исследователей такие изображения позволят нейронным сетям DeepMind научиться распознаванию едва различимых признаков дегенеративных состояний глаз, которые трудно определить даже опытным врачам. Таким образом, системы машинного обучения смогут обнаружить признаки заболевания до того, как это сможет сделать врач-человек.

В 2005 году команда Гади Воллштейна, врача-офтальмолога из Питтсбургского университета, изучала использование нейронных сетей для диагностики заболеваний глаз. Но у исследователей был гораздо меньший набор данных, чем у DeepMind. Воллштейн считает, что важнейшее значение имеет именно большой набор данных, поскольку он развивает способности нейронной сети к распознаванию болезней глаз более точно и полно.

Перегрузка данных

Офтальмологи все чаще используют высокодетализированное ОКТ-сканирование. Но это может привести к перегрузке данных. По словам Воллштейна, довольно часто врачу бывает трудно увидеть четкие закономерности и поставить верный диагноз. Он считает, что машина проявила бы себя лучше. Офтальмолог Moorfields Пирс Кин, обратившийся к DeepMind в 2015 году, считает, что любая программа для автоматической диагностики, предлагаемая DeepMind, может найти свою сферу применения у оптиков, использующих ОКТ.

Партнерство DeepMind с Moorfields позволяет нам заранее оценить, как сможет работать рынок машинного обучения. Работа DeepMind, выполняемая для Royal Free или глазной больницы Moorfields Eye, оплачиваться не будет. В то же время у компании есть возможность протестировать свои алгоритмы на реальных наборах данных с серьезными патологиями, и с этими данными DeepMind сможет поддерживать свои нейронные сети для дальнейшего обучения.

Ценные знания о глазных болезнях, содержащиеся в анонимном наборе данных Moorfields, станут собственностью DeepMind и будут встроены в его системы искусственного интеллекта. По сути, машинное обучение систем на реальных медицинских данных и является платой для DeepMind за развитие в области диагностического ИИ.

Но смогут ли врачи – или пациенты – когда-нибудь довериться машинам? Сложные сети глубокого обучения крайне трудно понять. Они склонны выдавать заключения без объяснения причин. Например, если Facebook предлагает вам какого-то пользователя в списке возможных друзей, то даже инженер Facebook не сможет объяснить, почему был выбран именно этот человек.

Примените такую же загадочную логику в медицине, и люди начнут беспокоиться. Один из способов убедить практикующих врачей перейти на системы искусственного интеллекта – использование результатов программ глубокого обучения для тренировки других алгоритмов – прозрачных моделей, дающих ответы, которые люди смогут изучить и понять. Нам важно понять и принять тот факт, что работа в данной области будет зависеть не только от людей, но и от самого ИИ.