Sistem dengan kecerdasan campuran dalam kedokteran. Lima kendala penerapan teknologi AI di bidang kedokteran. Masa lalu dan masa depan

06.07.2019 -

Pada tingkat desain: meramalkan penyakit, mengidentifikasi kelompok pasien yang berisiko tinggi terkena penyakit, mengatur tindakan pencegahan.
Di tingkat produksi: otomatisasi dan optimalisasi proses di rumah sakit, otomatisasi dan peningkatan akurasi diagnostik.
Di tingkat promosi: manajemen harga, pengurangan risiko bagi pasien.
Pada tingkat pemberian layanan: adaptasi terapi dan komposisi obat untuk setiap pasien, penggunaan asisten virtual untuk membangun rute pasien di klinik atau rumah sakit.

Kecerdasan Buatan dalam Radiologi

Kecerdasan buatan secara aktif digunakan dalam penelitian pengembangan teknik diagnostik kanker. Lebih detailnya di artikel:

2019

CB Insights: Pada tahun 2021, pasar teknologi AI medis akan mencapai $6,6 miliar

Pada awal tahun 2019, menurut perusahaan analitik CB Insights, sejak tahun 2013, startup teknologi internasional yang mengembangkan teknologi kecerdasan buatan telah berhasil menarik $4,3 miliar melalui 576 transaksi. Selain itu, para ahli mengatakan bahwa dalam tiga tahun ke depan, pasar teknologi AI medis akan mencapai $6,6 miliar, tumbuh sebesar 40% setiap tahun.

IBM dan AstraZeneca menciptakan jaringan saraf yang memprediksi serangan jantung

Pada awal Maret 2019, IBM dan AstraZeneca menghadirkan jaringan saraf yang dapat memprediksi serangan jantung. Hasil kerja teknologi baru dijelaskan dalam makalah yang diterbitkan “Pengelompokan pasien dengan sindrom koroner akut berbasis hasil menggunakan jaringan saraf multi-tugas.”

Tim peneliti mengumpulkan data tentang usia, jenis kelamin, riwayat hidup dan penyakit, kebiasaan buruk, serta hasilnya penelitian laboratorium, informasi pengobatan dan hampir 40 indikator lainnya di antara 26.986 pasien dewasa yang dirawat di rumah sakit di 38 rumah sakit perkotaan dan pedesaan di Tiongkok. Semua data dimasukkan ke dalam jaringan saraf yang akan mengetahui apakah pasien pernah mengalami kejadian buruk jantung (MACE) sebelumnya, dan apakah ia menerima obat antiplatelet, beta blocker, dan statin - obat yang mengurangi gejala penyakit arteri koroner dan mencegah penyakit jantung koroner. infark miokard dan stroke.

Selanjutnya, penulis artikel melakukan k-means clustering untuk mendistribusikan pasien menjadi tujuh kelompok berdasarkan data yang diperoleh dari jaringan saraf. Hasilnya, ternyata pada cluster pertama, yang berisi pasien yang sering mengalami kejadian kardiovaskular seperti serangan jantung dan stroke, namun insidennya rendah. penyakit koroner jantung, prediktor utama serangan jantung berikutnya adalah adanya diabetes, sedangkan pada kelompok lain, yang mencakup pasien dengan penyakit kardiovaskular berat tanpa serangan jantung sebelumnya, prediktor utamanya adalah usia lebih tua dan peningkatan tekanan darah sistolik.

Para peneliti mengingatkan bahwa meskipun pengelompokan mempunyai implikasi terhadap prognosis penyakit, masih belum jelas apakah data tersebut dapat digunakan secara efektif dalam praktik klinis. Namun, penelitian mereka menunjukkan bahwa analisis klaster berbasis kecerdasan buatan merupakan pendekatan yang menjanjikan untuk mengklasifikasikan pasien dengan infark miokard. Penelitian di masa depan akan fokus pada identifikasi intervensi “khusus klaster” yang mempertimbangkan efektivitas. pengobatan sebelumnya.

2018

Volume pasar teknologi AI dalam layanan kesehatan berjumlah $1,4 miliar - Zion Market Research

Pada tahun 2018, pasar global untuk teknologi AI untuk layanan kesehatan mencapai $1,4 miliar, menurut perkiraan dari perusahaan analitik Zion Market Research. Angka tersebut diperkirakan akan meningkat menjadi $17,8 miliar pada tahun 2025, dan pengeluaran untuk solusi tersebut akan meningkat sekitar 43,8% setiap tahunnya.

Terutama untuk medis kecerdasan buatan(pembelajaran mesin, komputasi sadar konteks, pemrosesan bahasa alami, visi komputer, pengenalan suara) dilakukan di Amerika Utara. Kepemimpinan ini disebabkan oleh fakta bahwa wilayah ini diwakili oleh raksasa teknologi seperti Microsoft, IBM, Google, Nvidia, Amazon, Intel, General Electric dan Xilinx. Selain itu, merger dan akuisisi, kemitraan besar, dan peluncuran produk penting sering terjadi di Amerika Utara.

Di Eropa, pada tahun 2019, pasar kecerdasan buatan yang digunakan untuk tujuan medis dianggap masih baru. Pada tahun 2016, volumenya mencapai $320 juta; pada tahun 2019 akan menjadi $1,61 miliar. Pada saat yang sama, 21% institusi medis di Eropa mereka berencana membeli alat AI, menurut data dari komunitas e-health Eropa yang diterbitkan pada bulan April 2019.

Salah satu katalis utama permintaan produk AI dalam bidang kedokteran adalah kekurangan dokter. Menurut Organisasi Kesehatan Dunia, pada tahun 2019, 57 negara akan kekurangan sekitar 2,3 juta perawat dan dokter. Para ahli mengatakan faktor yang menghambat perkembangan pasar ini adalah kurangnya spesialis berkualifikasi yang dapat mengikuti pedoman di bidang AI.

Analis mencakup perusahaan-perusahaan berikut di antara produsen solusi AI terbesar:

Visi Umum;
Nvidia;
AiCure;
iKarbon;
Kesehatan Sirkadia;
Secara atom;
Genomik Jalur;
Genetika Sophia;
apixio;

Kecerdasan buatan diperkenalkan yang meningkatkan keberhasilan IVF sebesar 20%

Pada akhir Desember 2018, para ahli dari Cornwall University dan Imperial College London mendemonstrasikan hasil penelitiannya, yang menyatakan bahwa efisiensi IVF dapat ditingkatkan 10-20% jika kecerdasan buatan digunakan untuk menilai kualitas embrio. Baca selengkapnya.

Dimulainya pemasangan 4 ribu stan di Tiongkok dengan dokter AI yang membuat diagnosis dalam hitungan menit

Pada akhir November 2018, penyedia online terbesar pelayanan medis Di Tiongkok, Ping An Healthcare and Technology mengatakan pihaknya berencana memasang beberapa ribu klinik AI seukuran bilik telepon dan mendistribusikannya ke seluruh negeri dalam tiga tahun. Stasiun bantuan medis pertama sudah beroperasi. Baca selengkapnya.

Bagaimana kecerdasan buatan akan berkembang dalam dunia kedokteran pada tahun 2019

Jepang sedang membangun rumah sakit AI untuk mengatasi kekurangan dokter

Pada bulan Agustus 2018, diketahui bahwa pemerintah Jepang, dengan dukungan dunia bisnis dan komunitas ilmiah, memulai pembangunan rumah sakit di negara tersebut di mana kecerdasan buatan akan membantu para dokter. Melalui teknologi AI, diharapkan dapat mengatasi kekurangan dokter di Jepang, meringankan staf dan mengurangi biaya pengobatan. Baca selengkapnya.

Rekomendasi pertama untuk penggunaan AI dalam layanan kesehatan telah diusulkan

18 Juni 2018 Amerika asosiasi medis(AMA) telah mengusulkan pedoman pertama di dunia untuk penggunaan kecerdasan buatan dalam layanan kesehatan. Pernyataan yang diumumkan oleh perwakilan AMA pada konferensi tahunan di Chicago, menunjukkan arah utama untuk pengembangan lebih lanjut AI di industri ini.

Berdasarkan pernyataan tersebut, AMA bermaksud untuk menerapkan pengembangan di bidang kecerdasan buatan dan bidang prioritas lainnya untuk meningkatkan hasil pasien dan kepuasan profesional dokter. AMA bermaksud menggunakan posisinya yang signifikan dalam industri untuk melibatkan produsen, memprioritaskan pengembangan AI, dan mengatasi tantangan yang terkait dengan validasi dan penerapan metodologi baru. Selain itu, AMA bermaksud untuk mengembangkan rencana untuk mendidik para profesional dan mengkomunikasikan kepada pasien tentang keterbatasan dan kemampuan yang menjadi ciri kategori alat analisis ini.

AMA menganjurkan integrasi aplikasi AI yang ketat, berkualitas tinggi, dan terbukti secara klinis serta memerlukan pengawasan profesional dan pemerintah yang tepat agar penggunaannya aman, efektif, dan legal. Teknologi analitik berbasis AI, menurut AMA, harus tersedia untuk menguji dan mengidentifikasi bias di semua tahap pengembangan, memenuhi standar reproduktifitas terdepan, dan melindungi kepentingan individu dan kerahasiaan informasi pribadi.

AMA percaya bahwa fokusnya harus pada kebutuhan pengguna, dan penggunaan sistem AI harus diuji pada sampel yang representatif dalam uji klinis.

AI diajarkan untuk memprediksi penurunan tekanan darah selama operasi

Pada bulan Juni 2018, jurnal Anesthesiology menerbitkan hasil yang diperoleh sekelompok peneliti yang mengembangkan algoritma untuk memprediksi potensi hipotensi atau jatuh yang tidak normal. tekanan darah selama operasi.

Untuk membuat algoritme, para peneliti menggunakan teknologi pembelajaran mesin – kecerdasan buatan menganalisis data dari 1.334 pasien yang tekanan darahnya dicatat selama operasi – total 545.959 menit. Berdasarkan data tersebut, algoritma untuk memprediksi hipotensi selama operasi telah disiapkan.

Setelah memvalidasi algoritma tersebut, para peneliti mengujinya pada kumpulan data kedua yang mencakup pembacaan tekanan darah dari 204 pasien selama total 33.236 menit. Catatan ini termasuk episode hipotensi pada tahun 1923. Algoritme ini secara akurat memprediksi penurunan tekanan darah secara tiba-tiba 15 menit sebelum terjadi pada 84% kasus, 10 menit sebelum terjadi pada 84% kasus, dan lima menit sebelum terjadi pada 87% kasus.

Para peneliti menyarankan bahwa algoritma ini dapat digunakan secara aktif oleh ahli anestesi dan ahli bedah untuk mencegah komplikasi yang berhubungan dengan hipotensi, seperti infark miokard pasca operasi atau gagal ginjal akut.

Seperti yang dikatakan Maxime Cannesson, MD, PhD, ilmuwan peneliti senior, profesor anestesiologi dan mantan ketua Departemen Kedokteran Perioperatif di Pusat layanan kesehatan UCLA di Los Angeles, dokter sebelumnya tidak memiliki cara untuk memprediksi hipotensi selama operasi, dan tentu saja, dalam kondisi seperti itu, ahli anestesi harus bertindak sangat cepat sebagai respons terhadap penurunan tekanan darah yang tiba-tiba. Kemampuan untuk memprediksi episode hipotensi selama operasi akan memungkinkan dokter untuk secara aktif mencegah perkembangan episode ini dan komplikasinya.

AI mengenali kanker kulit lebih baik daripada dokter

Pada akhir Mei 2018, sebuah penelitian diterbitkan menunjukkan lebih banyak lagi efisiensi tinggi kecerdasan buatan dibandingkan dengan manusia dalam hal pengenalan kanker. Namun, di tempat yang sulit dijangkau, komputer tidak seakurat itu. Baca selengkapnya.

Tiga penerapan AI yang paling menjanjikan dalam bidang kedokteran

Kecerdasan buatan terlibat dalam diagnostik USG wanita hamil

Sebuah rumah sakit Inggris diluncurkan jenis baru menguji janin untuk mengetahui patologi yang tidak dapat diketahui oleh dokter. Sistem berbasis kecerdasan buatan ini berisi 350.000 gambar, diklasifikasikan menurut penyimpangan tertentu.

Menurut Engineer, diagnostik ultrasonografi dengan kecerdasan buatan disebut ScanNav dan dirancang untuk memberikan informasi tambahan kepada dokter secara real time. Hasilnya, AI memungkinkan spesialis untuk yakin bahwa semua sudut telah diperhitungkan. Yang terakhir ini sangat relevan sehubungan dengan pergerakan janin di dalam rahim.

Saat ini teknologinya sedang diuji dalam mode uji di bidang kebidanan, namun kedepannya pengembangannya direncanakan dapat digunakan di berbagai bidang kedokteran. Omong-omong, harapan besar telah diberikan kepada ahli diagnosa AI di Jepang, yang mengalami kekurangan dokter, dan di Tiongkok, kecerdasan buatan bahkan telah diberi izin medis.

Kecerdasan buatan akan mencari antibiotik baru

Resistensi antibiotik adalah salah satu masalah besar pengobatan modern. Berkat meluasnya penggunaan antibiotik dan ketidakpatuhan terhadap instruksi dokter, obat-obatan tidak lagi mempengaruhi bakteri, yang menyebabkan masalah dalam pengobatan penyakit sehari-hari yang paling umum dan penyakit parah.

Salah satu teknik yang dapat mengatasi resistensi antibiotik adalah dengan mencari varian antibiotik yang diketahui. Sayangnya, ini adalah proses yang sangat sulit dan memakan waktu. Setidaknya untuk orang-orang. Ketika algoritma mulai berperan, masalah waktu tidak lagi menjadi masalah yang signifikan.

Sebuah tim peneliti Amerika dan Rusia telah menciptakan algoritma antibiotik yang, dengan menguraikan database dengan cepat, dapat mengungkapkan pilihan antibiotik 10 kali lebih banyak daripada yang ditemukan selama penelitian serupa pada tahun-tahun sebelumnya.

Algoritma tersebut, yang dikenal sebagai VarQuest, dijelaskan dalam sebuah makalah yang diterbitkan dalam edisi terbaru jurnal Nature Microbiology. Hossein Mahimani, seorang profesor di Universitas Carnegie Mellon, mengatakan dalam siaran persnya bahwa VarQuest telah menyelesaikan pencarian yang membutuhkan waktu ratusan tahun untuk diselesaikan menggunakan metode komputasi tradisional.

Mohimani juga mengemukakan bahwa VarQuest mampu menyediakan lebih dari seribu varian kelompok peptida yang digunakan untuk produksi antibiotik dalam waktu singkat. waktu yang singkat, dan dengan cara ini hal ini dapat memberikan perspektif yang lebih luas kepada para ahli mikrobiologi, bahkan mungkin mengingatkan mereka akan tren atau pola dalam dunia mikrobiologi yang mungkin luput dari perhatian.

2017

Sebuah “tsunami” teknologi AI akan terjadi di bidang perawatan kesehatan

Perangkat AI telah dibuat untuk pemantauan tidur jarak jauh menggunakan gelombang radio

Pada tanggal 8 Agustus, diketahui bahwa para insinyur (MIT), dengan partisipasi spesialis dari Rumah Sakit Umum Massachusetts, telah mengembangkan sistem AI yang mampu memantau tidur seseorang menggunakan gelombang radio.

Seperti dilansir TNW, perangkat yang terlihat seperti router Wi-Fi biasa ini menganalisis sinyal radio di sekitar seseorang dari jarak jauh dan, dengan gerakan mata, menentukan tahapan tidur - ringan, nyenyak, atau cepat. Karena gelombang radio dipantulkan dari suatu benda, setiap gerakan kecil pada benda tersebut akan mengubah frekuensi gelombang yang dipantulkan. Analisis gelombang ini membantu mengidentifikasi parameter vital aktivitas manusia, seperti denyut nadi dan laju pernapasan, serta menentukan penyimpangan dari norma. Perangkat ini tidak memerlukan sensor untuk beroperasi dan cocok untuk digunakan di rumah.

Pemantauan tidur secara real-time dalam kondisi alami diharapkan dapat menjawab banyak pertanyaan terkait gangguan tidur. Seperti yang direncanakan oleh para ilmuwan MIT, pengembangannya pada akhirnya akan berubah menjadi alat lengkap yang memungkinkan dokter yang merawat memantau parameter tidur dari jarak jauh, menyesuaikannya jika perlu.

Eksperimen kloning babi di Tiongkok dilakukan oleh robot dengan AI

Untuk pertama kalinya dalam sejarah umat manusia, ilmuwan Tiongkok dari Institut Robotika dan Otomatis sistem Informasi di Universitas Nankai di Tianjin berhasil mengkloning babi menggunakan robot, lapor China People's Daily. Pada awal Januari 2017, 510 embrio hasil kloning ditempatkan pada enam induk babi pengganti. Sebagai hasil percobaan, dua induk babi pada akhir April, untuk 110 pada hari kehamilan, 13 anak babi sehat yang dibiakkan secara artifisial lahir.

Saat melakukan percobaan kloning babi, para ilmuwan untuk pertama kalinya menggunakan penganalisis mikromanipulator robotik khusus, yang melakukan semua operasi untuk mengumpulkan dan mentransfer DNA dari hewan donor ke pembawa pengganti. Mikromanipulator universal yang dikendalikan oleh kecerdasan buatan untuk operasi dengan DNA menggabungkan fungsi pengambilan sampel, pengujian, dan pembedahan.

Proses kloning babi, yang dilakukan bekerja sama dengan Balai Penelitian Peternakan dan Kedokteran Hewan, melibatkan apa yang disebut teknik Somatic Cell Nuclear Transfer (SCNT), yang biasanya digunakan untuk pembiakan - ketika inti sel somatik dipindahkan ke telur tanpa sel telur. inti. Kelebihan teknik ini adalah jaminan inseminasi sel telur berkualitas tinggi, namun kekurangannya adalah level rendah keberhasilan penyelesaian percobaan karena tingginya persentase cacat dalam proses kloning.

Masalah utama dalam proses kloning transfer nuklir adalah menghindari kehancuran sel sensitif. Para peneliti membuat analisis awal mengenai daya yang dibutuhkan alat tersebut untuk menangani sel dengan aman saat mengeluarkan inti, dan kemudian menyesuaikannya ke pengaturan serendah mungkin. tingkat yang mungkin. Berkat ini, tingkat deformasi sel menurun dari 30-40 mm menjadi 10-15 mm, yang meningkatkan perkembangan sel selanjutnya dan meningkatkan peluang keberhasilan.

Diasumsikan bahwa data diperoleh sebagai hasil penelitian tentang hubungan antara operasi mikro pada sel dan pengembangan lebih lanjut sel akan dapat membantu ilmuwan lain membuat penemuan lebih lanjut di bidang ini.

Kecerdasan buatan telah diajarkan untuk memprediksi serangan jantung lebih baik daripada dokter

Pada bulan April 2017, para ilmuwan dari Universitas Nottingham mempresentasikan teknologi kecerdasan buatan yang dapat memprediksi timbulnya serangan jantung. Pengembang mengklaim bahwa akurasi peramalan lebih tinggi dibandingkan dokter.

Studi tersebut membandingkan efektivitas rekomendasi medis dengan kerja empat program yang ditulis menggunakan algoritma pembelajaran mesin. Para ilmuwan bertujuan untuk menemukan pola dalam catatan lebih dari 378 ribu pasien. Komputer tersebut mencakup 22 kriteria, termasuk usia, kebangsaan, adanya arthritis dan penyakit ginjal, serta kadar kolesterol darah.

Kesimpulan yang dibuat oleh kecerdasan buatan tentang risiko terkena serangan jantung dibandingkan dengan data tahun 2015, dan ternyata lebih akurat dibandingkan prediksi dokter berdasarkan rekomendasi American College of Cardiology (ACC) dan American College of Cardiology (ACC) dan American College of Cardiology. Heart Association (AHA) : akurasi dari 74,5% menjadi 76,4% berbanding 72,8%.

Menurut perkiraan kasar penulis proyek, komputer dapat menyelamatkan 355 nyawa lebih banyak dibandingkan metode ACC dan AHA. Para ilmuwan bermaksud untuk meningkatkan efisiensi sistem cerdas dengan menambahkan pertimbangan faktor risiko seperti gaya hidup dan data genetik.

Menariknya, algoritma tersebut tidak memperhitungkan dampak diabetes, yang selalu dianggap sebagai faktor risiko ACC dan AHA.

Menurut ahli epidemiologi Universitas Nottingham Stephen Van, sistem biologis memiliki banyak hubungan, beberapa di antaranya tidak diketahui dokter: misalnya, peningkatan lemak tubuh dalam kondisi tertentu dapat melindungi terhadap kelainan akut pada jantung. Interaksi serupa tidak jelas, sulit untuk diperhatikan dan dijelaskan, namun program komputer mampu melacak hubungan tersebut dengan menganalisis data dalam jumlah besar, ia yakin.

Pengembang sistem kecerdasan buatan (AI), yang hingga saat ini dianggap sebagai pemain paling tidak beruntung di pasar solusi TI layanan kesehatan, tiba-tiba menerima kekuasaan penuh. Penjaga dan mitra dari asosiasi “Basis Pengetahuan Medis Nasional”, di mana produsen dan calon pengguna sistem AI medis memutuskan untuk bersatu, adalah pemangku kepentingan seperti Administrasi Presiden Federasi Rusia, Perusahaan Ventura Rusia, Kementerian Kesehatan. Kesehatan dan Roszdravnadzor. Menurut Vademecum, kurator berpengaruh mengarahkan para peserta NPO baru pada terobosan teknologi: asosiasi tersebut harus mengumpulkan “rangkaian bersih” data medis dari klinik, memenuhi AI dengan informasi yang dapat mendukung pengambilan keputusan medis, dan mengubah sistem TI ini menjadi produk yang dapat direplikasi di industri kesehatan dalam negeri, dan di masa depan – untuk diekspor.

UNTUK NICHE YANG DITATANDAI

Gagasan untuk mendirikan sebuah LSM “Asosiasi Pengembang dan Pengguna Kecerdasan Buatan “Basis Pengetahuan Medis Nasional”, yang akan menyatukan perwakilan perusahaan IT, klinik, dan operator industri lain yang tertarik untuk menerapkan sistem AI, diumumkan di All-Rusia Konsilium “Kedokteran Kepercayaan Rakyat” diadakan pada bulan Juni.

“Salah satu sesi didedikasikan untuk sistem kecerdasan buatan dalam kedokteran,” Sergei Sorokin, pendiri Botkin.AI, yang hadir pada konsultasi tersebut, mengatakan kepada Vademecum. “Pengembang dan klinik utama yang beroperasi di bidang ini berkumpul di sana dan, sebagai hasilnya, sepakat untuk membentuk sebuah asosiasi yang akan terlibat dalam mempopulerkan dan pengembangan sistematis AI dalam layanan kesehatan.”

Topik tersebut segera diangkat oleh penyelenggara konsultasi - komunitas dokter terhormat Rusia dan Badan Komunikasi Sosial Nasional, yang memasukkannya ke dalam program Medicine of People's Trust, didukung oleh Administrasi Presiden Federasi Rusia (AP).

Pada bulan Juli, para penggagas pembentukan NPO mempresentasikan “peta jalan” untuk pengembangan sistem kecerdasan buatan di bidang perawatan kesehatan pada pertemuan tematik di AP. Juri, yang terdiri dari senator, deputi, pejabat Kementerian Kesehatan, Dana Asuransi Kesehatan Wajib Federal dan lembaga pemerintah lainnya, menyetujui permohonan tersebut. Pemerintahan Presiden Federasi Rusia tidak menanggapi permintaan Vademecum.

Selain AP, Perusahaan Ventura Rusia, Badan Inisiatif Strategis, Kementerian Kesehatan, Roszdravnadzor, dan departemen lain serta perusahaan milik negara siap mendukung asosiasi tersebut. “Dukungan tersebut menunjukkan bahwa negara akan secara sistematis mengembangkan proyek dan startup yang terkait dengan AI di bidang perawatan kesehatan. Di masa depan, terdapat tugas ambisius untuk meningkatkan ekspor teknologi ini dan menjadikan Rusia pemimpin dalam inovasi di bidang ini,” kata Andrey Almazov, direktur manajemen proyek di Inisiatif Teknologi Nasional RVC JSC.

Permohonan pendaftaran LSM “Asosiasi “Basis Pengetahuan Medis Nasional” telah diajukan ke Kementerian Kehakiman. Diketahui juga bahwa asosiasi tersebut akan dipimpin oleh Boris Zingerman, kepala kedokteran digital di Invitro LLC, dan Dewan Pengawas NPO akan mencakup Presiden Asosiasi Nasional Dokter Kehormatan Rusia, Viktor Egorov; Direktur MONIKA dinamai. MF. Vladimirsky Dmitry Semenov; Direktur Pusat Kompetensi Substitusi Impor Bidang ICT Ilya Massukh dan tokoh industri terkemuka lainnya. Menurut Boris Zingerman, perwakilan dari sekitar 50 perusahaan IT dan pusat kesehatan negara telah menyatakan kesiapannya untuk bergabung dengan asosiasi tersebut.

Kecerdasan buatan dalam kedokteran, atau sistem pendukung keputusan medis, adalah serangkaian program yang berdasarkan pemrosesan data dalam jumlah besar, memungkinkan diagnosis, prediksi, dan asumsi mengenai perawatan pasien. Menurut RVC, saat ini terdapat sekitar 20 startup tematik di Rusia yang sedang dalam berbagai tahap implementasi. Pemain yang jarang dan terfragmentasi dalam bidang ini biasanya tertinggal dibandingkan kelompok operator TI layanan kesehatan terkemuka, terutama karena konservatisme komunitas medis dan kurangnya dialog produktif antara dokter dan pengembang. Contoh paling mencolok adalah pemecatan pada bulan Juli 2017 dari Pusat Penelitian Medis Nasional untuk Bedah Kardiovaskular. SEBUAH. Bakulev, kepala laboratorium pemodelan dan pemantauan matematika, Vladimir Lishchuk. Ahli sibernetika terkenal, setelah pensiun, menulis monografi yang sangat banyak di mana ia menjelaskan secara rinci kesalahan fatal, menurut pendapatnya, dari staf Pusat Bakulev dalam pengobatan gagal jantung kritis dan penyakit jantung lainnya.

Apa yang membuat AP begitu tertarik pada ceruk industri yang tampaknya tidak ada harapan dan sempit ini?

MOBILISASI SBER

Menurut lawan bicara Vademecum, salah satu insentif untuk percepatan pembentukan LSM “Asosiasi “Basis Pengetahuan Medis Nasional”” adalah kesimpulan pada bulan Mei tahun ini antara perusahaan asuransi Bank Tabungan. Asuransi Jiwa" dan IBM atas perjanjian untuk penggunaan sistem Watson for Oncology oleh perusahaan asuransi Rusia yang dikembangkan oleh perusahaan Amerika, yang merupakan AI untuk mengembangkan rekomendasi untuk pengobatan kanker. Sebagaimana dinyatakan dalam pernyataan bersama perusahaan, dalam praktiknya kemitraan mereka akan terlihat seperti ini: jika klien “Sberbank. Asuransi Jiwa" akan menerima diagnosis kanker primer, kemudian IBM Watson, yang memproses informasi dalam bentuk depersonalisasi dan menggunakan data dari lebih dari 300 jurnal medis, 200 buku teks, dan banyak materi lainnya, dalam beberapa detik akan mengeluarkan rekomendasi mengenai protokol pengobatan untuk pasien ini . Seperti yang dikatakan IBM Watson kepada Vademecum, proyek serupa kini sedang dipersiapkan untuk diluncurkan di Kazakhstan.

“Proyek ini merupakan pukulan telak bagi semua startup AI di Rusia: dengan menandatangani perjanjian dengan Bank Tabungan, IBM memperoleh akses ke sejumlah besar data, yang memberikan keunggulan kompetitif yang serius. Pengembang individu tidak mampu bersaing dengan perusahaan Amerika; hanya negara yang dapat bersaing dengannya,” jelas Viktor Egorov.

Untuk mencegah IBM memperkuat posisinya pasar Rusia, di tahun mendatang, para anggota asosiasi bermaksud untuk memfokuskan upaya kolektif mereka pada tiga proyek utama yang secara signifikan dapat memajukan pembangunan dalam negeri di bidang kecerdasan buatan di bidang kedokteran. Tugas utamanya adalah membuat database terpadu yang mengumpulkan informasi medis organisasi medis.

Basis dari rangkaian informasi ini dapat berupa “Basis Data Medis Terpadu” yang dibuat oleh staf Pusat Penelitian Medis Nasional untuk Bedah Kardiovaskular. SEBUAH. Bakulev - untuk mengembangkan pusat data mereka sendiri, setahun yang lalu mereka mendirikan perusahaan Sotsmedica, yang menjadi penduduk Skolkovo. “Pangkalan kami sebenarnya mewakili inti semantik untuk basis nasional. Ini berisi pengklasifikasi, register model pasien dan informasi aplikasi lainnya. Data pasien sudah “dirangkai” ke dalam kerangka ini,” jelas Gevorg Bledzhyants, direktur Sotsmedica JSC.

Perwakilan institusi medis pemerintah yang diwawancarai oleh Vademecum, meskipun mendukung inisiatif untuk membangun sistem AI medis secara keseluruhan, mengakui bahwa mereka belum siap untuk berbagi data. “Kami tertarik dengan ide itu, dan jika semua orang bersedia kondisi yang diperlukan MONIKI dapat menjadi platform ideal untuk pengembangan teknologi tersebut, karena kami memiliki beragam sinar-X dan gambar lain yang dapat digunakan untuk mengembangkan sistem kecerdasan buatan. Namun, hal tersebut tidak diperlukan saat ini kerangka kerja legislatif, khususnya, undang-undang tentang data pribadi tidak mengizinkan kami memberikan informasi tersebut,” kata Dmitry Semenov, direktur institut tersebut.

Mitra pengelola Onegin Law Group, Olga Zinovieva, percaya bahwa undang-undang saat ini tidak menciptakan hambatan yang tidak dapat diatasi terhadap transfer data medis. “Misalnya, ayat 4 Seni. 13 Undang-Undang Federal No. 323 “Tentang Perlindungan Kesehatan Warga Negara” memberi organisasi medis pertukaran informasi data. Masalah yang lebih sulit dalam hal ini kemungkinan adalah kurangnya pemahaman hukum dari pihak berwenang, yang dapat menjadikan penggunaan sistem AI dalam praktiknya menjadi preseden hukum, ujar Zinovieva. – Tetapi jika para pendiri perkumpulan dapat mendaftarkan kegiatannya secara tersendiri tindakan normatif, masalahnya akan terpecahkan."

Menurut penggagas asosiasi, mereka tidak menutup kemungkinan untuk mempersiapkan dan menerbitkan dokumen semacam itu. Penyelesaian cepat atas kontradiksi yang muncul dalam perjalanan penciptaan suatu produk dijanjikan oleh fakta bahwa sumber daya administratif yang kuat terhubung dengan implementasi rencana tersebut. Dan format proyek itu sendiri menyiratkan pembagian upaya dan tanggung jawab yang jelas: “Basis Pengetahuan Medis Nasional” akan diselenggarakan berdasarkan prinsip-prinsip kemitraan publik-swasta, di mana negara akan menjamin aliran dan perlindungan data, dan investor akan menjamin aliran dan perlindungan data. memberikan pembiayaan dan pengembangan.

KETAT DAN RISIKO

Mengenai hambatan peraturan yang tidak bersifat hipotetis, namun nyata yang menghalangi pengembang sistem AI medis, para pendiri asosiasi telah menarik perhatian regulator terhadap peraturan tertentu yang ketinggalan jaman dan oleh karena itu berbahaya. Pemrakarsa proyek telah memulai konsultasi dengan pejabat tentang perubahan status produk TI di sektor kesehatan - sesuai dengan perintah Kementerian Kesehatan saat ini No. 4n tanggal 6 Juni 2012 “Atas persetujuan klasifikasi nomenklatur produk medis produk,” perangkat lunak apa pun yang digunakan dalam industri harus didaftarkan sebagai produk medis.

“Aturan ini justru mematikan pasar. Namun kami berhasil menjalin dialog dengan Roszdravnadzor dan mengembangkan saling pengertian mengenai masalah ini. Masalahnya, saat ini belum ada yang transparan dan bisa dimengerti rekomendasi metodologis untuk pengujian perangkat lunak. Oleh karena itu, kami telah mengusulkan prosedur uji klinis retrospektif non-manusia khusus untuk produk tersebut berdasarkan data referensi yang telah disiapkan sebelumnya. Roszdravnadzor mendukung gagasan ini,” kata Alexander Gusev, salah satu penggagas asosiasi, pakar dari perusahaan K-MIS.

Perwakilan dari layanan tersebut tidak menanggapi permintaan Vademecum.

Topik prioritas lainnya untuk asosiasi ini adalah pembentukan kantor risiko nasional, yaitu sistem pencegahan penyakit. Peserta NPO akan memimpin arah ini bersama dengan para ahli dari Persatuan Penanggung Seluruh Rusia (VSU). “Dalam praktiknya, gagasan kantor risiko bekerja seperti ini: seorang manajer menelepon Anda dan memberi tahu Anda bahwa jika Anda fokus pada cara Anda bekerja dan hidup, Anda mungkin terserang penyakit ini dan itu, dan oleh karena itu merekomendasikan agar Anda menjalani diagnosa. atau prosedur penyembuhan. Faktanya, ini adalah analisis prediktif, pengobatan pencegahan berdasarkan data dalam jumlah besar. Pendekatan ini dapat merevolusi sistem asuransi - kami tidak akan melanjutkan dari kejadian yang diasuransikan ketika seseorang sudah sakit, namun kami akan berupaya mencegah penyakit tersebut,” jelas Wakil Presiden VSS Maxim Danilov.

Terakhir, asosiasi ini akan mendukung startup di bidang sistem AI medis - menyediakan data yang bersih, mempromosikan perkembangan mereka, dan membantu mencari investor.

MARI ALIRAN OTAK ANDA

Startup Rusia di bidang AI di bidang kedokteran

“Ide untuk membuat database medis terpadu tampaknya menarik; data tersebut dapat menjadi bahan yang sangat berharga bagi semua pengembang yang bekerja di bidang ini. Pertanyaan dalam nuansa. Pilihan yang ideal adalah jika data dari riwayat medis, termasuk data diagnostik dari perangkat, dapat diintegrasikan ke dalam database ini, namun masalahnya di sini adalah saat ini tidak ada standar teknis tunggal untuk pembentukan riwayat medis yang memungkinkan penggabungan semua ini. data. Poin kedua adalah risiko kebocoran data; saat ini, seperti kita ketahui, kebocoran informasi dari lembaga pemerintah cukup sering terjadi, sehingga perlu diciptakan sistem perlindungan yang andal,” Bogdan Sevryukov, direktur Ocutri, sebuah perusahaan yang menciptakan solusi AI untuk pengobatan, menyampaikan keraguannya yang masuk akal.

Perwakilan dari perusahaan IT khusus yang diwawancarai oleh Vademecum setuju bahwa inisiatif untuk menciptakan “Basis Pengetahuan Medis Nasional” LSM adalah upaya yang agak terlambat untuk mengisi program negara untuk informasi kesehatan dengan konten inovatif yang relevan.

Sejarah singkat digitalisasi industri ini, harus kita akui, penuh dengan kegagalan dan perubahan tajam yang tidak dapat dibenarkan. Lihat saja ke belakang satu setengah tahun yang lalu.

Berdasarkan Keputusan Pemerintah Federasi Rusia No. 1632r tanggal 28 Juli 2017, langkah-langkah untuk informatisasi layanan kesehatan telah disetujui sebagai bagian integral dari program Ekonomi Digital. Pada saat yang sama, Dmitry Medvedev menyebutkan di antara tujuan informatisasi adalah pengembangan sistem kecerdasan buatan dalam perawatan kesehatan, serta pengembangan solusi inovatif untuk pengobatan preventif dan personal.

Namun setahun kemudian, Perdana Menteri menginstruksikan pemerintah untuk mengintegrasikan “sirkuit digital” industri ke dalam proyek nasional baru “Layanan Kesehatan”, dan rencana tersebut kembali mengalami penyesuaian. Sebagai berikut dari versi terbaru, kegiatan program, yang pelaksanaannya akan mengalokasikan sekitar 130 miliar rubel hingga tahun 2024, tidak menyiratkan penciptaan sistem AI dalam pengobatan, tetapi ditujukan secara eksklusif untuk menyelesaikan dan menyelesaikan pembangunan jangka panjang yang bernasib buruk. Sistem Informasi Kesehatan Negara Seragam.

kecerdasan buatan, Putin, Gusev, EGIZ, Diamondov, Skvortsova, Kementerian Kesehatan, data besar

Pengobatan yang sebelumnya berorientasi pada pengobatan penyakit akut, saat ini semakin banyak perhatian diberikan pada penyakit kronis - obesitas,.

Mengidentifikasi gagal jantung, gangguan autoimun, dan penyakit sejak dini dapat menyelamatkan nyawa banyak pasien, namun mempersulit dokter.

Kami akan memilih dan menuliskannya
temui dokter secara gratis

Unduh aplikasi gratis

Unggah ke Google Play

Tersedia di App Store

Bahkan bagi para ahli medis yang memiliki intuisi dan pengalaman profesional, tidak mudah untuk membuat keputusan yang tepat, karena volume data medis berkembang pesat setiap jamnya.

Untuk menyelesaikan masalah dengan cepat, dokter perlu menggunakan, selain kecerdasannya sendiri, kecerdasan lain - buatan.

Apa itu kecerdasan buatan?

Yang dimaksud dengan kecerdasan buatan (AI), yang dimaksud para ahli adalah kemampuan mesin untuk meniru perilaku rasional manusia. Mesin harus memahami perubahan informasi dan membuat keputusan yang optimal.

Pada awal abad ke-21, dua konsep AI telah diterapkan dalam kedokteran - sistem pakar dan jaringan saraf.

Bagaimana cara kerja sistem pakar?

Sistem pakar mulai dikembangkan pada tahun 70-an abad ke-20. Bagian penting dari sistem pakar adalah basis pengetahuan - kumpulan informasi tentang suatu subjek dan serangkaian instruksi yang dapat diterapkan pada fakta.

Fakta dalam basis pengetahuan sistem pakar menggambarkan fenomena konstan dalam bidang studi tertentu. Misalnya: “Orang yang sehat mempunyai dua kaki.”

Selama pengoperasian, sistem menerima informasi tentang tugas tertentu: "Pasien A memiliki satu kaki", yang disimpan dalam memori kerja. Memori kerja mengakses basis untuk mencapai keputusan: “Pasien A sakit.”

Pembuatan sistem pakar memerlukan sumber daya yang sangat besar. Untuk mendapatkan sistem pakar yang baik, diperlukan pakar domain, insinyur pengetahuan, dan pemrogram. Basis pengetahuan tidak hanya harus diciptakan, tetapi juga terus diperbarui.

Bagaimana cara kerja jaringan saraf?

Saat ini konsep sistem pakar sedang mengalami krisis yang serius. Berkat kemampuannya belajar, jaringan saraf (NN) telah menaklukkan pasar AI.

Mekanisme kerja jaringan saraf didasarkan pada prinsip jaringan saraf biologis. Dalam bentuk komputer, jaringan saraf mewakili grafik dengan tiga atau lebih lapisan neuron yang terhubung dalam lapisan tersebut dengan satu atau lain cara. Koneksi memiliki permainan beban peran penting dalam pelatihan NS.

Selama pelatihan, data dipasok ke neuron masukan. Selanjutnya data tersebut diproses oleh neuron-neuron di lapisan dalam, dan diperoleh nilai-nilai baru tertentu dari neuron-neuron keluaran.

Jika nilai yang diperoleh tidak sesuai dengan peneliti, mereka mengubah bobot koneksi di jaringan saraf dan melatihnya kembali. Semakin banyak data yang diterima jaringan saraf, semakin andal jawaban atas pertanyaan yang dihasilkannya.

Misalnya, sebagai tanggapan atas permintaan kami ke sistem: “, menggigil dan panas“NS, setelah menganalisis rekam medis ribuan pasien, dapat memberikan jawabannya: “Dengan tingkat kemungkinan yang tinggi Anda memilikinya.”

Penting untuk dicatat bahwa jaringan tersebut tidak memiliki pengetahuan tentang apa itu demam, menggigil, dan flu. Ia hanya menemukan hubungan antara gejala dan kesimpulan dokter dalam sampel data dan mengurutkan hubungan tersebut berdasarkan bobotnya.

Perbedaan utama antara AI dan program komputer konvensional

Berbeda dengan program komputer konvensional, saat membuat AI, pemrogram tidak perlu mengetahui semua ketergantungan antara data masukan dan hasilnya. Dimana model matematika sudah diciptakan oleh manusia - misalnya untuk pemrosesan statistik rekam medis - Tidak diperlukan AI.

Tugas AI adalah belajar dari serangkaian data yang andal dan mencari rumus dan ketergantungan yang tidak ditentukan oleh manusia.

Apa yang dapat dilakukan oleh kecerdasan buatan medis

Praktek dan pengalaman dokter mungkin tidak cukup untuk mendiagnosis penyakit ini dengan benar. Dengan akses ke literatur ilmiah dan jutaan laporan kasus jaringan syaraf dapat dengan cepat mengklasifikasikan suatu kasus, menghubungkannya dengan kasus serupa dan merumuskan saran untuk rencana pengobatan.

Pada tahap perkembangan teknologi saat ini, AI tidak dapat menyelesaikan masalah kompleks yang berada di luar kemampuan dokter: misalnya, menciptakan perangkat fantastis yang memindai seseorang secara mandiri dan meresepkan pengobatan yang efektif.

Solusi cerdas untuk dokter

Sekarang AI memecahkan masalah yang relatif sederhana: misalnya, mereka memberikan kesimpulan apakah ada lembaga asing atau patologi pada x-ray, dan apakah ada sel kanker dalam bahan sitologi. Pada saat yang sama, keakuratan penilaian data medis - MRI, gambar USG, mammogram - sudah melebihi 90%.

Proyek IBM: Watson

Contoh paling terkenal dari penerapan AI di diagnosa medis menjadi sistem IBM Watson. Ini adalah superkomputer yang dapat menjawab pertanyaan yang dirumuskan dalam bahasa rata-rata orang, dan bukan dalam bahasa pemrograman.

Pada tahun 2015, IBM bahkan membuat divisi terpisah, IBM Watson Health, yang didedikasikan untuk penerapan teknologi AI di bidang kesehatan.

Komputer Watson memiliki akses ke berbagai sumber data: ensiklopedia, database artikel ilmiah, antologi pengetahuan. Berkat kekuatan komputasinya yang sangat besar, IBM Watson mampu menganalisis 30 miliar gambar medis dan 50 juta catatan kesehatan elektronik anonim.

Awalnya, IBM melatih dan menerapkan AI di bidang onkologi. Namun, pengembang IBM Watson baru-baru ini mulai berkolaborasi dengan American Heart Association.

Kini, berdasarkan data gambar USG, platform kognitif akan mencari tanda-tanda stenosis katup jantung aorta (jenis kelainan jantung yang sangat umum).

Teknologi Watson Health tersedia melalui platform Watson Health Cloud. Ini ditujukan untuk dokter, peneliti, agen asuransi dan perusahaan kesehatan.

Proyek Google: DM Kesehatan dan Sesungguhnya

Tentu saja, IBM bukan satu-satunya monster teknologi yang mempromosikan solusi cerdasnya di bidang kedokteran. Divisi Google, DeepMind Health, menggunakan teknologi raksasa IT tersebut dalam bidang kedokteran.

Saat ini, DM Health bekerja sama dengan klinik oftalmologi London, Rumah Sakit Mata Moorfields. Dengan menggunakan AI, dokter ingin menganalisis ribuan gambar mata anonim untuk ditemukan gejala primer kebutaan.

Selain itu, DM Health bekerja sama dengan University College London untuk mengembangkan produk yang secara otomatis dapat membedakan jaringan sehat dan kanker di area kepala dan leher.

Divisi Google lainnya, Verily, sedang mengerjakan proyek serupa. Pakar perusahaan menggunakan AI dan algoritma mesin pencari Google untuk menganalisis apa yang membuat seseorang sehat.

Startup Israel: Teknologi MedyMatch

Menurut statistik, jumlah kesalahan dalam membuat diagnosis menggunakan data tomografi komputer melebihi 30%. Pikirkan tentang itu! Di hampir setiap kasus ketiga, dokter meresepkan pengobatan yang salah kepada pasien.

Berdasarkan AI dan data besar, Israel telah mengembangkan solusi yang memungkinkan dokter melakukan diagnosis dengan lebih akurat. Secara real time, sistem MedyMatch membandingkan gambar otak pasien dengan ratusan ribu gambar lain yang ada di “awannya”.

AI dari MedyMatch mengenali penyimpangan terkecil dari norma, yang tidak selalu dapat diperhatikan oleh spesialis, sehingga meminimalkan kemungkinan kesalahan dalam membuat diagnosis.

Teknologi MedyMatch Israel hanya mempekerjakan 20 orang. Seperti yang sering terjadi, pemain kecil dapat dengan mudah bersaing dengan raksasa di pasar baru.

Solusi cerdas untuk pasien

Orang yang sakit kronis perlu memantau kesehatannya setiap hari. Untuk melakukan ini, pasien memakai perangkat untuk memantau denyut nadi, tekanan darah, dan pernapasan. Namun, data tidak hanya harus dikumpulkan, tetapi juga diproses dan diinterpretasikan dengan benar.

Aplikasi seluler yang membantu:

cepat bekerja dengan informasi tentang keadaan tubuh, melaporkan pola-pola yang mengkhawatirkan kepada dokter yang merawat;
memberikan tips paling sederhana untuk meningkatkan kesejahteraan dan pengobatan yang telah ditentukan dalam program;
mengumpulkan kumpulan data yang diperlukan untuk pelatihan AI lebih lanjut.

Ahli Jantung Saku AliveCor

Aplikasi seluler dari AliveCor dapat memproses data sensor untuk mengambil kardiogram di rumah. AI menguraikan data pasien setiap hari dan memantau tren berbahaya. Jika aplikasi mendeteksi risiko serangan jantung yang akan terjadi, aplikasi akan meminta pengguna untuk berkonsultasi dengan dokter terlebih dahulu.

Hampir menjadi perawat sungguhan Sense.ly

Perawat elektronik Sense.ly

Perawat animasi di aplikasi Sense.ly menanyakan kesejahteraan Anda, apakah tekanan darah Anda normal, atau apakah Anda memiliki keluhan. AI aplikasi mengenali dan mengirimkan informasi ke dokter yang merawat. Perawat virtual tersebut dapat memberikan penjelasan gejala, mengingatkan Anda untuk minum obat, dan dapat langsung menghubungkan Anda dengan dokter melalui video call.

Konsultan bot medis

Layanan telemedis Healthtap mengambil skrip dari ribuan konsultasi dan melatih chatbot Dokter A.I untuk menggunakannya. Anda juga bisa mendapatkan saran dari bot ini melalui speaker pintar Amazon Alexa Anda.

Perkembangan serupa, bot obrolan Heath Bot, dibuat di Microsoft. Namun selama ini bot hanya mengerti bahasa Inggris.

AI untuk pasien kanker Mendel.ai

Terkadang harapan terakhir bagi pasien kanker adalah menguji obat kanker baru. Pasien, yang secara sukarela menyadari risiko tinggi, memiliki peluang untuk menerima pengobatan yang efektif, yang akan tersedia secara umum dalam beberapa tahun.

Seseorang yang menderita kanker tidak memiliki kualifikasi yang memadai untuk memahami apakah tes tersebut cocok untuk mereka. AI dari proyek Mendel.ai hadir untuk membantu mereka yang putus asa: sistem mengenali bahasa alami di mana rekam medis ditulis dan menawarkan tes yang sesuai untuk pasien.

Solusi cerdas untuk manajemen rumah sakit

Operasional rumah sakit memerlukan koordinasi cepat antara personel dan sumber daya—kesehatan dan nyawa pasien menjadi taruhannya. Bagaimana cara memprediksi berapa banyak dokter, ruangan, material yang dibutuhkan suatu institusi medis dalam jangka waktu tertentu?

Asisten elektronik Bright.md

Bright.md dikembangkan sebagai perantara antara dokter dan pasien. Asisten AI membantu menyelesaikan tugas-tugas rutin - mengatur pertemuan antara pasien dan dokter, menjadwalkan tes, menerima jawaban pasien menggunakan kuesioner.

Asisten membebaskan dokter dari prosedur birokrasi dan menyederhanakan interaksi pasien dengan klinik.

Sistem pemantauan pasien Qventus

Sistem Qventus memantau status kesehatan pasien yang dirawat di rumah sakit, memperkirakan kerusakan, dan menyediakan dokter serta peralatan untuk mencegah situasi kritis.

Manajemen Qventus AI digunakan di beberapa rumah sakit Amerika, dan telah terbukti efektivitasnya. Di salah satu rumah sakit, sistem ini mampu mengurangi jumlah pasien di rumah sakit sebesar 39%, karena staf menerima peringatan tepat waktu mengenai kondisi pasien dan segera memberikan bantuan.

“Pendapat ketiga” Klimenko tentang pengobatan Rusia

Pada bulan Maret 2016, IBM memberikan akses pengujian Watson kepada spesialis dari sejumlah institusi medis di Rusia. IBM tidak merinci dokter dan klinik mana yang dapat bekerja sama dengan Watson.

Pada saat yang sama, Andrei Filatov, CEO IBM di Rusia dan CIS, mengeluh bahwa layanan kesehatan di Rusia diatur dengan sangat ketat. Dalam pengobatan dalam negeri ada prinsip: “apa yang tidak boleh dilarang”.

Alasan kegagalan IBM di Rusia terletak di permukaan - inovasi dalam bidang kedokteran dinyatakan sebagai salah satu tujuan strategi Ekonomi Digital, di mana arah substitusi impor ditetapkan. Menurut Pemerintah Federasi Rusia, pada tahun 2020 Rusia akan memiliki “Watson” sendiri. Siapa yang akan menciptakannya?

Pada tahun 2016, Penasihat Presiden Federasi Rusia German Klimenko mengumumkan pengembangan proyek pertama dana Institut Pengembangan Internet dalam Kedokteran. Sistem yang diberi nama “Third Opinion” ini akan mengenali patologi tubuh berdasarkan data digital yang diperoleh dari sinar-X, USG, CT, dan MRI.

Perangkat lunak ini dikembangkan oleh perusahaan Video Analysis Technologies. Data untuk pelatihan AI diberikan kepada pengembang secara gratis oleh Lembaga Penelitian Urologi dan Radiologi Intervensi. DI ATAS. Lopatkin, Pusat Penelitian Medis Nasional untuk Onkologi dan Imunologi Anak dinamai menurut namanya. Dmitry Rogachev, dan sejumlah pusat kesehatan regional.

Proyek berskala besar seperti ini memerlukan investasi serius. Menurut Mr Klimenko, biayanya mencapai puluhan juta dolar. Para pengembang berencana untuk mengumpulkan dana melalui ICO (suatu bentuk penggalangan dana dengan menjual cryptocurrency kepada investor).

Pavel Shklyudov, mantan pemimpin arah teknologi canggih untuk wilayah Eropa IBM, percaya bahwa “proyek (catatan - “Pendapat ketiga”) memiliki potensi, tetapi untuk menciptakan sistem kelas seperti itu diperlukan waktu 5 tahun, 20 kali lebih lama. keuangan dan orang-orang fokus pada produk, dan bukan pada karya ilmiah."

Masalah penerapan AI: mitos dan tantangan nyata

Orang sering kali menilai teknologi baru secara negatif. Ada juga banyak ketakutan, kekhawatiran, dan mitos seputar AI.

Kecerdasan buatan akan mengalahkan kecerdasan manusia!

Mitos yang paling umum adalah kepercayaan akan datangnya “pemberontakan mesin”. Ketakutan seperti ini jelas terlalu dini.

Contoh teknologi yang saya berikan berkaitan dengan apa yang disebut AI sempit (narrow AI). Sistem seperti itu, pada prinsipnya, hanya mampu memecahkan masalah-masalah tertentu; mereka tidak mampu melampaui pikiran manusia.

Munculnya Superintelligence super-cerdas diharapkan terjadi paling cepat pada tahun 2045, prediksi futuris Amerika Raymond Kurzweil.

Namun menurut salah satu pendiri Microsoft, Paul Allen, hal tersebut belum akan dipelajari secara menyeluruh otak manusia, masih terlalu dini untuk membicarakan tentang kecerdasan super buatan yang berpotensi berbahaya.

Secara umum, pemberontakan mesin ditunda.

Pasien tidak berhak atas anonimitas!

Namun masalah ini benar-benar ada. Potensi pelanggaran kerahasiaan medis demi efektivitas pengobatan nampaknya cukup mungkin terjadi.

Agar sistem AI dapat menghasilkan pengetahuan yang relevan dan berguna, mereka memerlukan akses ke data dalam jumlah besar. Data medis - kartu elektronik, gambar, laporan dokter - adalah informasi pribadi dan tunduk pada undang-undang tentang perlindungan data pribadi.

Katakanlah kartu elektronik dan riwayat kesehatan tersedia untuk umum. Perusahaan asuransi mungkin tertarik pada mereka dan akan mulai menaikkan biaya polis untuk pasien yang, menurut pendapat mereka, “tidak sepenuhnya sehat.”

Pengusaha dapat menolak pelamar jika mereka mengetahui tentang penyakit atau kecenderungan genetiknya - sebuah realisasi dari distopia dari film "Gattaca".

Perkembangan teknologi memerlukan perubahan kerangka hukum. Sementara itu, para inovator terpaksa bekerja di zona hukum “abu-abu”.

Kecerdasan buatan akan memicu kekacauan hukum!

Sayangnya, ini sangat mungkin. Nota kerjasama antara DeepMind Health dan Royal Free Hospital of London berubah menjadi skandal besar.

Pada tahun 2016, divisi Google memperoleh akses ke rekam medis, panggilan ambulans, data radiologi - semua informasi digital rumah sakit selama 5 tahun. Informasi tentang memo tersebut sampai ke media, dan pengaduan diajukan terhadap Google ke Kantor Komisaris Informasi Inggris.

Menurut hukum Inggris, data pribadi pasien hanya dapat ditransfer ke organisasi dalam bentuk anonim. DeepMind Health menerima data yang tidak terenkripsi.

Untuk saat ini, persidangan hanya sebatas debat publik. Namun, skandal ini atau skandal serupa lainnya mungkin menjadi preseden hukum pertama dalam melindungi data medis dari sistem AI.

Untuk menghindari perlambatan kemajuan, industri inovasi memerlukan regulasi hukum. Namun pembuat undang-undang adalah orang-orang seperti kita, yang memiliki bias dan prasangkanya masing-masing.

Diharapkan bahwa ketika mengembangkan kerangka hukum, anggota parlemen dari berbagai negara akan mengandalkan pendapat para ahli, dan bukan pada fobia.

Masalah utama penggunaan AI medis

Apa yang tersisa jika kita membuang kekhawatiran teknologi dan aspek hukum? Hambatan utama terhadap meluasnya penggunaan AI dalam layanan kesehatan mungkin ada pada dua hal:

jumlah data pelatihan yang berlebihan;
masalah kepegawaian.

Penerapan AI yang sukses membutuhkan kualifikasi staf medis

Tanpa data berkualitas, AI tidak akan produktif. Dan tanpa spesialis terlatih, hanya menerapkan algoritma yang sudah jadi pada data yang telah disiapkan juga tidak akan memberikan hasil yang diinginkan.

Selain itu, kemungkinan PHK di bidang kedokteran juga menimbulkan kekhawatiran. Ahli bedah, ahli traumatologi, dan dokter gigi dapat tidur dengan nyenyak, namun terapis dan ahli diagnosa menghadapi PHK jika AI diperkenalkan secara besar-besaran.

Pada tahun 2017, setelah dimulainya penggunaan IBM Watson, perusahaan Jepang Fukoku Mutual Life Insurance memberhentikan 43 karyawannya. Manajemen perusahaan menilai kinerja superkomputer dan spesialis asuransi kesehatan yang “dioptimalkan”.

Penilaian pasar dan prospek AI medis

Menurut konsultan Frost & Sullivan, pendapatan perusahaan di pasar AI medis akan mencapai $6,1 miliar pada tahun 2021, dengan pangsa IBM sekitar 45%.

Perusahaan riset Research and Markets memperkirakan prospeknya dengan lebih sederhana: pada tahun 2020, pasar akan tumbuh menjadi $5,05 miliar (pada tahun 2014 hanya $419,7 juta).

Berdasarkan perhitungan R&M, segmen penerapan AI yang paling cepat berkembang adalah layanan kesehatan. Penyebabnya adalah meningkatnya permintaan uji klinis, pemodelan pengobatan dan penelitian baru.

Frost & Sullivan telah menyusun peta jalan pengembangan industri untuk beberapa tahun ke depan.

Pada awal tahun 2020-an, sistem AI akan mulai ditawarkan kepada pasien di mana pun perawatan medis berdasarkan data yang dapat diakses oleh pasien dan dokter.
Penyakit kronis seperti kanker dan diabetes akan didiagnosis dalam hitungan menit menggunakan sistem kognitif yang akan divisualisasikan karakteristik fisiologis saat memindai tubuh manusia.

Para ahli F&S memperkirakan bahwa pada tahun 2025, sistem AI akan digunakan di 90% klinik di Amerika Serikat dan sekitar 60% rumah sakit terbesar di dunia. Para ahli berharap sistem AI medis akan mencakup hampir 70% populasi dunia.

Tinjauan Direktur Jenderal Layanan Doc+ oleh Ruslan Zaidullin.

Ke bookmark

Kecerdasan buatan (AI) bukanlah kecerdasan cybernetic, melainkan suatu sistem algoritma yang didasarkan pada pembelajaran mesin. Para ilmuwan percaya bahwa di masa depan, AI akan membebaskan kita dari tugas-tugas rutin di banyak bidang. Misalnya, kecerdasan buatan dapat berdampak besar pada dunia kedokteran.

Produk, layanan, dan proses medis “pintar” telah dikembangkan oleh perusahaan-perusahaan seperti IBM, Google, Apple, Microsoft, General Electric dan banyak lainnya: menurut perusahaan riset Venture Scanner, terdapat lebih dari 800 perusahaan di antaranya. Amerika Serikat, Inggris Raya dan Israel adalah yang paling aktif.

Analis dari IDC memperkirakan bahwa pada tahun 2018, 30% organisasi medis akan menawarkan layanan kepada klien berdasarkan kecerdasan buatan. Dalam materi ini kami akan memberi tahu Anda apa yang dapat dilakukan sistem cerdas saat ini dan siapa yang mengembangkannya.

Memproses data pasien

Setiap foto medis, laporan pemeriksaan dan anamnesis berisi informasi yang memungkinkan Anda mendiagnosis dan meresepkan pengobatan secara akurat. Sayangnya, bahkan dokter berpengalaman pun tidak selalu melihat gambaran lengkap penyakitnya, karena data dalam rekam medis tidak terstruktur, dan riwayat kesehatan bisa jadi terlalu banyak. Efektivitas kerja mereka juga dipengaruhi oleh kelelahan dan, dalam beberapa kasus, oleh kurangnya pengetahuan di bidang yang sempit.

Beberapa penyakit, seperti kanker, dapat diatasi jika gejala yang tidak jelas diketahui tepat waktu dan pengobatan dimulai. Menurut Google, satu dari sepuluh pasien menderita karena salah tafsir informasi medis.

Kecerdasan buatan dapat mengatasi masalah ini. Perkembangan “Cerdas” untuk menilai kondisi pasien dan diagnosis awal ditawarkan oleh Google (Deepmind Health) dan IBM (Watson Health).

Salah satu contoh solusi mHealth yang cerdas adalah layanan Ada. Aplikasi seluler mengajukan pertanyaan, dan orang tersebut menjelaskan gejalanya. Setelah itu, sistem mencari database untuk informasi tentang masalah tersebut, membuat rekomendasi dan, dalam beberapa kasus, menyarankan Anda untuk berkonsultasi dengan dokter. Di pasar Rusia, pengembangan solusi semacam itu dilakukan oleh DOC+, serta Qapsula.

Ada layanan serupa lainnya. Selain itu, mereka mampu mendiagnosis penyakit kompleks: misalnya retinopati diabetik. Atau bahkan memprediksi kemungkinan masalah jantung pada orang yang tampak sehat.

Perawatan khusus diperlukan bagi orang yang baru saja keluar dari rumah sakit. Aplikasi Sense.ly dikembangkan untuk mereka, yang didasarkan pada kecerdasan buatan yang sama.

Sistem mengumpulkan dan menganalisis data status kesehatan seseorang dan mengirimkannya ke dokter. Jika dokter spesialis mengetahui adanya masalah, ia segera mengirim pasien ke rumah sakit. Sayangnya, ini belum tersedia di Rusia: layanan ini hanya berfungsi di AS.

Mendapatkan popularitas dan analisis genetik. Semakin banyak informasi yang dimiliki dokter mengenai akar penyebab penyakit, semakin efektif pengobatannya. Sistem analisis genom yang “cerdas” membantu mereka dalam hal ini. Salah satu layanan tersebut adalah Sophia Genetics. Analisis DNA memungkinkan kita mengidentifikasi kecenderungan seseorang terhadap sejumlah penyakit: sakit maag, diabetes, dan sebagainya.

Yang juga perlu diperhatikan adalah proyek-proyeknya Umur Panjang Manusia dan Genomik Mendalam. Tugas mereka adalah pengumpulan informasi utama dan pembuatan database “genetik”. Hari ini Anda dapat mengambil sampel materi genetik dan menerima laporan terperinci berisi analisis genom Anda. Misalnya, layanan semacam itu disediakan oleh layanan Amerika 23andMe dan Atlas domestik.

Proyek semacam itu tidak hanya memuaskan keingintahuan klien, tapi juga membantu, misalnya, memilih obat berdasarkan karakteristik individu.

Kecerdasan buatan akan memungkinkan pemodelan obat yang lebih akurat. Di masa depan, para ilmuwan akan dapat menentukan sifat-sifat yang diinginkan senyawa kimia, dan komputer akan membentuk struktur molekul yang diperlukan.

Sudah ada perusahaan yang menawarkan solusi seperti itu. Salah satunya, Atomwise, menggunakan superkomputer untuk mencari formula obat yang optimal. Contoh lain dari proyek serupa adalah perusahaan Berg Health.

Jika kecerdasan buatan tersebar luas di bidang farmasi, kita dapat memperkirakan munculnya obat-obatan baru yang berkualitas dan berkurangnya waktu pemasarannya.

Perkembangan Rusia

Di atas kami telah berkali-kali mengutip proyek-proyek dari Eropa, Asia dan Amerika sebagai contoh. Namun, di Rusia, pekerjaan juga sedang dilakukan di beberapa bidang di bidang AI medis. Yang paling populer berkaitan dengan pengenalan suara dan diagnosis penyakit secara online menggunakan gambar medis.

Tahun lalu, Center for Speech Technologies menerima 250 juta rubel untuk mengembangkan layanan cloud untuk pengenalan suara medis, Voice2Med.

Tujuan dari proyek ini adalah untuk mengurangi waktu yang dihabiskan petugas kesehatan untuk mengisi dokumen. Menurut Kementerian Tenaga Kerja dan Perlindungan Sosial, hal ini sekarang menghabiskan separuh waktu kerja.