Жасанды интеллект
Аннотация: Жасанды интеллект (ЖИ) және машиналық оқыту медицинада
сәтті қолданылады және біртіндеп көмекші құралдан медициналық
персоналға көмекші құралға айналады. АИ жұмысы медициналық
деректерді талдауға және оларды өңдеуге негізделген, олардың
алгоритмдеріне сәйкес. Қазіргі уақытта объективті тексеру мен
пациенттің тарихы ғана емес, сонымен бірге медициналық жабдықтар
бойынша талдау және емтихан нәтижелері де талданады. Мұндай
құралдарды қолдану дәрігердің тиімділігін арттырады, оны жүргізу
сияқты бірқатар жұмыс істейтін операцияларды орындау медициналық
құжаттаманың бөліктері және емтихан кезінде норманың сипаттамасы.
ЖИ-дің медицинадағы маңызды мәселелерінің бірі - оқу алгоритмдері
үшін дұрыс медициналық мәліметтерді дайындау, өйткені бұл тар
профильдегі мамандардың көп мөлшерін қажет етеді. Мүмкін болатын
шешім - дәрігерлер өз мамандығына AI-ді қолдану үшін деректерді
дайындай алатын медициналық мәліметтерді құру. Бұл болашақта
әртүрлі дереккөздерден алуан түрлі деректерді талдауға байланысты
медицинада машинаны оқытудың тиімділігін арттыруға мүмкіндік
береді.
Негізгі сөздер: жасанды
интеллект, медициналық деректерді талдау, медицинада машинаны
оқыту
Қазіргі уақытта жасанды
интеллект (ЖИ) және машиналық оқыту медицинаның әртүрлі салаларында
қолданылады және көптеген міндеттерді шешуге мүмкіндік береді:
рентгенологиялық суреттердегі патологияны диагностикалау және
құрастыру.
Науқастың медициналық
тарихындағы мәліметтерге негізделген емдеу жоспары [1]. Бұл
мақалада әртүрлі медициналық деректерді және ұқсас шешімдердің
негізгі белгілерін талдау үшін ЖИ қосымшасының кейбір жолдары
қарастырылған.
Рентгенология
медицинадағы алғашқы бағыттардың бірі болды, онда ЖИ бейнелерді
талдау үшін қолданыла бастады. Тринологтар автоматты режимде
кескіндерді өңдеуге, норманы сүзгілеуге және «Патологиялық» ретінде
белгіленген суреттер үшін ғана қорытынды жасауға мүмкіндік алды
[2].
Кейінірек, жаңа мәліметтер жинақталуының арқасында ЖИ жүйелері
түрлі патологияларға сәйкес суреттерді сыныптауды, 0-ден 100% -ға
дейін анықтайды [3].
Бүгінгі таңда
ретроспективті талдаудан проностикалық модельге көшу бар
-
алгоритмдер, ал алгоритмдер, мысалы, инсульт немесе метастаздар
сияқты патшалардың пайда болу қаупін анықтау немесе олардың нақты
көріністеріне дейін метастаздардан тарату қаупі бар. Болашақта бұл
аурудың ерте сатысында және денсаулығына ықтимал қауіптің
төмендеуіне ықпал етуі мүмкін [4, 5].
ЖИ
қолданудың бір саласы-офтальмология, онда машиналық оқыту
алгоритмдері көз түбіндегі патологиялық өзгерістерді іздеу үшін
қолданылады: диабеттік ретинопатия, жасқа байланысты макулярлы
дегенерация, жаңадан пайда болған тамырлар. Көздің алдыңғы
бөлігінің суреттерінде туа біткен катаракта танылады, кератоконус, қабақтың
эктазиясы [6, 7]. Бұл офтальмологқа патологияны анықтауға аз уақыт
жұмсауға және скринингтік зерттеулерде ұқсас шешімдерді қолдануға
мүмкіндік береді.
Жасанды интеллект
зертханалық диагностикада, микроскопияда, микробиологияда,
патоморфологияда белсенді қолданылады. Фото және бейнетіркеу
көмегімен тіндерді автоматты түрде анықтау, жеке жасушаларды
сегменттеу, зерттеу процесінде патологиялық ошақтарды анықтау және
өлшеу үшін суретті
талдау және машиналық оқыту алгоритмдерін пайдалануға болады.
Осындай нәтижелер онкология, гематология, кардиология сияқты
медицина салаларында кеңінен қолданылады, диагностика мен емдеу
сапасын арттыруға өз үлесін қосады[8].
Суретті талдаудың
заманауи жүйелері өз жұмысының нәтижелеріне мәтіндік сипаттама
жасай алады, бұл маманның қорытындыны қолмен жазу қажеттілігін
жояды. Кескінді талдау саласындағы зерттеулер мен әзірлемелер үшін
перспективалы бағыт-сапасы төмен және қағаз тасымалдаушылардан
сканерленген суреттерді талдау.
Цифрлау кезінде қағаз тасығыштарда сақталатын ақпарат
(амбулаториялық карталар, ауру тарихы, зерттеулердің басып
шығарулары) пациенттің денсаулық жағдайының неғұрлым толық
көрінісін құрайды. Технологиялық тұрғыдан алғанда, мұндай
әзірлемелер қолданыстағы жүйелерін дәлірек үйретуге мүмкіндік
береді.
Құрылғылардан медициналық деректерді талдаудың ең танымал
бағыттарының бірі-электрокардиограмманы қашықтықтан алып тастау
және декодтау. Процесс келесідей құрылады: пациент мобильді
кардиографты қолданады құрылғы деректерді смартфонға жібереді, ол
жерден шифрлау үшін бұлтты қоймаға жіберіледі, содан кейін
қорытынды мен ұсыныстар пайдаланушының ұялы телефонына немесе
электрондық поштасына келеді [9]. Сипатталған схемаға сәйкес басқа
құрылғылар жұмыс істейді, мысалы, термометрлер, тонометрлер және
басқалар алып жүретін құрылғылар [10, 11], олардан ақпарат сақталуы
және кейінгі талдау үшін пайдаланылуы мүмкін [12]. Әрі қарай
зерттеу үшін бұл бұзылатын спорттық құрылғыларды (пульсометрлер)
медициналық мақсатта қолдану қызығушылық тудырады. Қазіргі уақытта
портативті пульсометрлер мен фитнес білезіктер стационарлық
медициналық жабдықтардан төмен. Бірақ жыл сайын құрылғылардың
жаңа
модельдері шығарылады,
бұл құрылғылардың осы класының дәлдігін біртіндеп арттыруға
үміттенуге негіз береді.
Адамның импульсі,
ұйқысы және белсенділігі туралы мәліметтерді алу және өңдеу
мүмкіндігі маңызды технологиялық және медициналық міндет болып
көрінеді. Осылайша, адам денсаулығының жай-күйін бақылау туралы
мәселе тұрақты режимде (фитнес білезіктер) және мезгіл, мысалы,
аптасына бірнеше рет жаттығу кезінде (жүрек соғу жиілігін бақылау),
ақпараттылыққа қарағанда, бірақ дәрігерге тұрақты емес.
Табиғи тілді өңдеу
(ағылш. Natural language processing, NLP) - информатика, ЖИ және
лингвистика салаларының тоғысындағы ғылыми сала, табиғи тілдердегі
мәтіндер мен сөйлеуді компьютерлік талдау және синтездеу
мәселелерін зерттейді.
Медицинада NLP бірнеше бағытта қолданылады. Олардың бірі-
медициналық мәтіндерді семантикалық талдау және жүйе дәрігердің
жазбаларын талдап, оларды берілген параметрлер бойынша жіктеген
кезде ақпараттық іздеу. Бұл машинаға әр түрлі мамандарда бірдей
диагноздың әртүрлі тұжырымдарын дұрыс сүзуге мүмкіндік береді [13].
Тағы бір бағыт ақпарат алумен, яғни мәтіндік деректердің үлкен
көлемін өңдеумен байланысты.
Атап айтқанда,
клиникалық зерттеулердің нәтижелерін талдау кезінде алгоритм
мәтіндегі терминдер мен тақырыптарды анықтайды, сонымен қатар қысқа
есеп береді [14].
Табиғи тілді талдау
саласындағы зерттеулердің аз зерттелген бағыттары медициналық
деректер мен әлеуметтік желілердегі ақпаратты салыстыру мен
талдауды қамтиды. Сонымен, егер тізе протездеу операциясынан кейін
пациент марафонды өткізуді шешсе, жүйе әлеуметтік желідегі
пайдаланушының профилін талдайды, жүктеменің жоғарылауы мен тозуын
тіркейді және пациентке белгіленген мерзімнен бұрын бақылау
тексеруінен өту қажеттілігі туралы хабарлама жібереді.
Сөйлеуді талдау сөйлеу
бұзылыстарын анықтау және диагностикалау үшін сөйлеу терапиясында
қолданылады [15, 16]. Ал болашақта емдеу процесінде және одан кейін
пациенттің сөйлеу функцияларының жақсаруына сандық бағалау
жүргізуге болады (динамиканы субъективті бағалауға қарағанда).
Сөйлеуді талдаудың тағы бір саласы – психиатрия, онда осы
технология ересектердегі стресс [17] және апатия деңгейін анықтайды
[18].
Клиникалық тәжірибеде
дауыстық көмекшілер қолданылады. Олар дәрігердің сөзін мәтінге
аударуға мүмкіндік береді, мысалы, медициналық құжаттаманы жүргізу
кезінде немесе компьютерде қарапайым әрекеттерді орындау кезінде
[18, 19].
Қазіргі уақытта дауысты тану технологияларының саны аз, әр түрлі
тілдермен жұмыс істеу үшін дауыстық көмекшілерді жетілдіру осы
бағытты дамытудың ең қызықты бағыты болып табылады, сыртқы шу мен
басқа да кедергі келтіретін факторлардың болуы жағдайында
медициналық мамандықтарға назар аударыңыз.
Алгоритмдерді оқыту үшін олар талдайтын мәліметтер дұрыс белгіленуі
керек (мысалы, рентгенде маман қараңғылану аймағын сипаттайды және
оны бағдарлама үшін патологиялық фокус ретінде белгілейді). Қазір
медициналық мәліметтердің көпшілігін дәрігерлер қолмен
орналастырады.
Бұл тәсілдің бірқатар
кемшіліктері бар:
орталықсыздандыру - дәрігерлер медициналық деректерді белгілей
алатын бірыңғай платформаның болмауы;
қымбаттығы-білікті
маманның жұмыс уақытының жоғары құны;
жұмыстан
бөліну-деректерді белгілеу кезінде маман медициналық қызметпен
айналыса алмайды;
жеткілікті
біліктіліктің қажеттілігі – деректерді сапалы белгілеуді тек тар
профильдегі маман ғана жүргізе алады.
Мәселенің мүмкін шешімі
- бұл әртүрлі көздерден медициналық мәліметтерді жинайтын және
медицина қызметкерлеріне оларды краудсорсинг форматында белгілеуге
мүмкіндік беретін платформаны құру (белгілі бір мәселелерді шешу
үшін көптеген адамдардың ресурстарын жұмылдыру [20].
ЖИ-ді медицинаға
толыққанды енгізудің неғұрлым маңызды проблемаларының бірі
қалыптасқан заңнамалық база мен реттеуші органдардың болмауы болып
қалып отыр. Бұл мәселені шешудің алғашқы қадамы 2018 жылдың 1
қаңтарында күшіне енген телемедицина туралы заң болды. Алайда, осы
мақаланы жазу кезінде медицинада ЖИ қолдануды түсіндіретін заң
қабылданған жоқ.
Келесі проблемалық
мәселе - тексерілген медициналық мәліметтердің жеткіліксіздігі және
тексеруге деген көзқарас, өйткені екі маманның пікірлері әр нақты
клиникалық жағдайда әр түрлі болуы мүмкін және олардың біреуінің
шешімін басымдыққа бөлу мүмкін емес (біліктілігі мен жұмыс
тәжірибесі ұқсас болған жағдайда).
Ақпаратты қорғауға байланысты қиындықтарды атап өтуге болмайды.
Мұндағы ең үлкен қауіп-медициналық құрылғылардан деректерді беру,
өйткені олардың көпшілігі қорғаныс деңгейі төмен, бұл үшінші
тұлғаларға қорғалмаған медициналық деректерді алуға ғана емес,
сонымен қатар медициналық қызметкерлердің жұмысын диверсиялау
арқылы жалған мәліметтер алуға мүмкіндік береді [21].
Жасанды интеллект медицинаға көбірек енуде. Денсаулық сақтау
қажеттіліктері үшін технологиялық шешімдерді әзірлейтін
коммерциялық компаниялардың саны жыл сайын артып келеді. Қазірдің
өзінде ЖИ бір немесе бірнеше патологияны анықтау үшін жақсы
дәрігердің көмекшісі бола алады. Өкінішке орай, қолдану саласы
негізінен нүктелік проблемаларды шешумен шектеледі. Бұл тексерілген
мәліметтердің аздығына, төмен медициналық құрылғыларды қорғау
дәрежесі және заңнамалық базаның болмауы. Болашақта әртүрлі
көздерден алынған әртүрлі деректерді жан-жақты талдауға қабілетті
жүйелер үлкен тиімділікке ие болады.
Әдебиет:
-
Минц Ю., Броди Р.
Медицинадағы жасанды интеллектке. Минималды Инвазивті
Технологиялар. 2019;28(2):73-81.
doi: 10.1080/13645706.2019.1575882.
-
Амиша, Малик П.,
Патания М., Ратхаур В.
К. Медицинада жасанды интеллектті қолдануға шолу. J
отбасылық медициналық күтім. 2019;8(7):2328-31. doi:
10.4103/jfmpc.jfmpc_440_19.
-
Чой
Г., Халилзаде О.,
Михальски М.
С., Самир А.
Е., Мас
О. С.,
Гейсс кіші, Пандхарипанде П.
В., Бринк Дж.А., Дрейер К. Дж. Радиологиядағы машинаны
оқытудың қазіргі қолданылуы және
болашақ әсері. Радиология. 2018;288(2):318-28. doi:
10.1148/radiol.2018171820
-
Панзараса С.,
Кваглини С., Мичели Г., Маркеселли С., Пессина М., Пернице
С., Каваллини А.,
Стефанелли М.
жұмыс процесінің технологиясын қолдана отырып, нұсқаулықтардың
сәйкестігін арттыру: инсульт бөлімшесінде енгізу және нәтижелер.
Stud Health Technol Inform.
2007;129(Pt 2):834-9.
-
Форгани Р,
Чаттерджи А, Рейнхольд С, ПерезЛара А, Ромеро-Санчес Г, Уено У,
Баят М, Александр Ю.М., Кади Л, Чанковски Дж.,
Сонтиенс Дж.. Форгани Б. бас және мойынның
Сквамозды жасушалық карциномасы: жатыр мойны лимфа түйіндеріне метастазды екі
энергиялы КТ
құрылымын талдау арқылы болжау Машиналық оқыту. Eur
Радиол. 2019;29(11):6172-81. doi:
10.1007/s00330- 019-06159-y.
-
Aeffner F, Zarella MD, Buchbinder N, Bui MM,
Goodman MR., Hartman DJ, Lujan GM, Molani MA,
Parwani AV,
Lillard K,
Тернер OC,
Vemuri VNP,
Yuil-Valdes AG,
Bowman D.
бүкіл слайдтарды
визуализациялау кезінде сандық кескінді талдауға кіріспе:
техникалық құжат сандық патология қауымдастығы. J
Pathol Inform. 2019;10:9. doi:
10.4103/jpi.jpi_82_18.
-
Роач Л.Жасанды интеллект. Eyenet Журналы. 2017;11:77–83.
-
Падхи К.
К., Таккар Б.,
Чавла Р.,
Кумар А.
Диабеттік ретинопатиядағы жасанды интеллект: болашаққа табиғи қадам. Үнді
Офтальмология журналы.
2019;67(7):1004–
-
Джей Си, Хсу МВТ. 12 қорғасынмен бұлтты
есептеулерге негізделген
телемедициналық ЭКГ қызметі. BMC
Med Inform Decis Mak. 2012;12:77.
doi:
-
Гумопулос С.Жоғары дәлдіктегі сымсыз температураны өлшеу жүйесі. Сенсорлар (Базель). 2018;18(10):3445.
doi: 10.3390/s18103445.
-
Йетисен А.
К., Мартинес-Уртадо Дж.Л., Үнал
Б., Хадемхоссейни А.,
Батт Х.
медицинадағы киілетін құрылғылар. Adv
Mater. 2018;30(33):e1706910. doi:
10.1002/adma.201706910.
-
Бенке К., Бенке Г.
жасанды интеллект және денсаулық сақтаудағы үлкен
деректер. Қоршаған орта
және қоғамдық денсаулық сақтау. 2018;15(12):2796. doi:
10.3390/ ijerph15122796.
-
Чен, философия
докторы. Табиғи тілді өңдеудің негізгі элементтері: рентгенолог
не білуі керек.
Acad Radiol. 2019;S1076–6332(19):
30417-9. doi: 10.1016/j.acra.2019.08.010.
-
Гарг Р.,
О. Э.,
Найдеч А.,
Кординг К.,
Прабхакаран С.
Машиналық оқыту мен
табиғи тілді өңдеуді қолдана отырып, ишемиялық инсульттің кіші
түрлерін жіктеуді автоматтандыру. J
инсульт цереброваскулярлық ауру. 2019;28(7):2045-51. doi:
10.1016/j. jstrokecerebrovasdis.2019.02.004.
-
Пауэлл М.,
Родригес Кансио М.,
Янг Д., Нок
В.,
Абдельмессих Б., Зеллер А.,
Перес Моралес И., Чжан П., Гаррет К. Г., Шмидт Д.,
Уайт Дж..
Гелбард А.
Жасанды интеллект (DeP
AI) көмегімен фонацияны декодтау: тұжырымдаманың дәлелі. Отоларингологияны зерттеуге арналған Ларингоскоп. 2019;4(3):328– 34.
doi: 10.1002/lio2.259.
-
Ву Х., Сораган
Дж., Лоуит А, Ди Катерина Г. Патологиялық дауысты
анықтауға арналған конвульсиялық нейрондық желілер. Conf
Proc IEEE Eng Med Biol Soc. 2018;2018:1- 4.
doi:
10.1109/ EMBC.2018.8513222.
-
Славич Г.
М., Тейлор С.,
Пикард Р.
В. Сөйлеу арқылы
стрессті өлшеу: соңғы жетістіктер,
тексеру мәселелері, сонымен қатар этика мен құпиялылық мәселелері.
Стресс. 2019;22(4):408-13. doi:
10.1080/10253890.2019.1584180.
-
Кениг А., Линц Н.,
Зегари Р., Клинг Х., Трегер Дж., Александерссон Дж.. Роберт
П. Сөйлеуді автоматты талдау арқылы танымдық
бұзылыстары бар егде жастағы адамдарда апатияны анықтау. J
Альцгеймер Ауруы. 2019;69(4):1183-93. doi:
10.3233/JAD-181033.
-
Ән О, Чен Дж.. Маграби Ф. Пациенттердің
қауіпсіздігіне қатысты оқиғалар туралы хабарлау үшін
Дауыстық диалогтық интерфейстерді қолдану: техникалық орындылық
және пайдалану тәжірибесін зерттеу.
Stud Health Technol Inform.
2018;252:139-44.
-
Хау
Дж. Краудсорсинг. Ұялық ақыл-ой бизнесін дамыту құралында. М.:
Альп Паблишер ;
2012. 288
б. [Хоу
Дж. Краудсорсинг: неліктен көпшіліктің күші
Бизнестің болашағын
анықтайды. Crown Business; 2009. 336 б.]
-
BGU зерттеушілері
бірінші болып хакерлер рентгенологтар мен жасанды
интеллект бағдарламалық жасақтамасын өкпе қатерлі ісігін
сканерлеуді қалай басқара алатындығын көрсетті. Негевтегі Бен-Гурион университеті. 04.09.2019 [Интернет]. Келесі мекенжай бойынша қолжетімді:
https://in.bgu.ac.il/en/pages/news /
scans_hacking.aspx.