• Дизайн түвшинд: өвчнийг урьдчилан таамаглах, өвчтэй өвчтөнүүдийн бүлгийг тодорхойлох өндөр эрсдэлөвчин, урьдчилан сэргийлэх арга хэмжээг зохион байгуулах.
• Үйлдвэрлэлийн түвшинд: эмнэлгийн үйл явцыг автоматжуулах, оновчтой болгох, оношлогооны нарийвчлалыг автоматжуулах, сайжруулах.
• Сурталчилгааны түвшинд: үнийн менежмент, өвчтөнүүдийн эрсдлийг бууруулах.
• Үйлчилгээний түвшинд: өвчтөн бүрийн хувьд эмчилгээ, эмийн найрлагыг тохируулах, клиник эсвэл эмнэлэгт өвчтөний маршрутыг бий болгох виртуал туслахуудыг ашиглах.

Радиологийн хиймэл оюун ухаан

Хиймэл оюун ухааныг хорт хавдрыг оношлох арга техникийг хөгжүүлэх судалгаанд идэвхтэй ашигладаг. Нийтлэлд дэлгэрэнгүй мэдээлэл:

2019

CB Insights: 2021 онд эмнэлгийн хиймэл оюун ухааны технологийн зах зээл 6.6 тэрбум долларт хүрнэ

2019 оны эхэнд CB Insights аналитик компанийн мэдээлснээр 2013 оноос хойш хиймэл оюун ухааны технологи хөгжүүлж буй олон улсын технологийн гарааны компаниуд 576 гүйлгээ хийснээр 4.3 тэрбум долларын хөрөнгө оруулалт татаж чадсан байна. Нэмж дурдахад, ойрын гурван жилийн хугацаанд эмнэлгийн хиймэл оюун ухааны технологийн зах зээл жил бүр 40 хувиар өсөж, 6.6 тэрбум долларт хүрнэ гэж шинжээчид үзэж байна.

IBM болон AstraZeneca нар зүрхний шигдээсийг урьдчилан таамаглах мэдрэлийн сүлжээг бүтээжээ

2019 оны 3-р сарын эхээр IBM болон AstraZeneca нар зүрхний шигдээсийг урьдчилан таамаглах мэдрэлийн сүлжээг танилцуулсан. Ажлын үр дүн шинэ технологи"Олон үүрэгт мэдрэлийн сүлжээг ашиглан цочмог титэм судасны синдромтой өвчтөнүүдийн үр дүнд суурилсан кластер" гэсэн хэвлэгдсэн нийтлэлд тайлбарласан болно.

Судалгааны баг нас, хүйс, амьдралын түүх, өвчний талаар мэдээлэл цуглуулсан. Муу зуршил, түүнчлэн Хятадын хот, хөдөөгийн 38 эмнэлэгт хэвтэн эмчлүүлж буй 26,986 насанд хүрэгчдийн дунд лабораторийн үр дүн, эмчилгээний мэдээлэл болон бусад 40 шахам үзүүлэлтүүд байна. Бүх өгөгдлийг мэдрэлийн сүлжээнд суулгасан бөгөөд энэ нь өвчтөнд өмнө нь зүрхний гол сөрөг үр дагавар (MACE) байсан эсэх, антиплателет эм, бета хориглогч, статин - титэм судасны өвчний шинж тэмдгийг бууруулж, өвчнөөс урьдчилан сэргийлэх эм ууж байсан эсэхийг мэдэх боломжтой байв. миокардийн шигдээс, цус харвалт.

Дараа нь нийтлэлийн зохиогчид мэдрэлийн сүлжээнээс олж авсан өгөгдөл дээр үндэслэн өвчтөнүүдийг долоон бүлэгт хуваахын тулд k-means кластер хийжээ. Үүний үр дүнд зүрхний шигдээс, цус харвалт гэх мэт зүрх судасны өвчнөөр байнга өвддөг өвчтөнүүдийг багтаасан эхний кластерт өвчлөл бага байсан нь тогтоогджээ. титэм судасны өвчинзүрх нь дараагийн зүрхний шигдээсийн гол таамаглагч нь чихрийн шижин байсан бол өмнөх зүрхний шигдээсгүй зүрх судасны хүнд хэлбэрийн эмгэг бүхий өвчтөнүүдийг багтаасан өөр нэг кластерт гол таамаглагчид байв. өндөр насболон систолын цусны даралт ихсэх.

Судлаачид бөөгнөрөл нь өвчний урьдчилсан таамаглалд нөлөөлдөг ч энэ өгөгдлийг эмнэлзүйн практикт үр дүнтэй ашиглаж чадах эсэх нь тодорхойгүй байгааг анхааруулж байна. Гэсэн хэдий ч хиймэл оюун ухаанд суурилсан кластерийн шинжилгээ нь миокардийн шигдээстэй өвчтөнүүдийг ангилах ирээдүйтэй арга гэдгийг тэдний ажил харуулж байна. Ирээдүйн судалгаа нь үр дүнтэй байдлыг харгалзан үзсэн "кластерт хамаарах" арга хэмжээг тодорхойлоход чиглэнэ. өмнөх эмчилгээ.

2018

Эрүүл мэндийн салбарт хиймэл оюун ухааны технологийн зах зээлийн хэмжээ 1.4 тэрбум доллар болжээ - Zion Market Research

Zion Market Research аналитик компанийн тооцоогоор 2018 онд эрүүл мэндийн тусламж үйлчилгээний хиймэл оюун ухааны технологийн дэлхийн зах зээл 1.4 тэрбум долларт хүрсэн байна. Энэ тоо 2025 он гэхэд 17.8 тэрбум доллар болж өсөх төлөвтэй байгаа бөгөөд ийм шийдэлд зарцуулах зардал жил бүр ойролцоогоор 43.8%-иар нэмэгдэнэ.

Эмнэлгийн хиймэл оюун ухаанд (машины сургалт, контекстэд суурилсан тооцоолол, байгалийн хэл боловсруулах, компьютерийн хараа, яриа таних) хамгийн их мөнгө Хойд Америкт зарцуулагддаг. Манлайлал нь энэ бүс нутгийг Microsoft, IBM, Google, Nvidia, Amazon, Intel, General Electric, Xilinx зэрэг технологийн аварга компаниуд төлөөлдөгтэй холбоотой юм. Нэмж дурдахад Хойд Америкт нэгдэх болон худалдан авалт, томоохон түншлэл, чухал бүтээгдэхүүний нээлт байнга гардаг.

Европт 2019 он гэхэд эмнэлгийн зориулалтаар ашигладаг хиймэл оюун ухааны зах зээл шинээр бий болсон гэж үзэж болно. 2016 онд түүний хэмжээ 320 сая доллараар хэмжигдэж байсан бол 2019 он гэхэд 1.61 тэрбум доллар болно. Үүний зэрэгцээ Европын эрүүл мэндийн байгууллагуудын 21 хувь нь хиймэл оюун ухааны багаж хэрэгсэл худалдаж авахаар төлөвлөж байна гэж Европын цахим эрүүл мэндийн нийгэмлэгээс мэдээлэв. 2019 оны дөрөвдүгээр сар.

Анагаах ухаанд хиймэл оюун ухааны бүтээгдэхүүний эрэлтийг бий болгож буй гол хүчин зүйлүүдийн нэг нь эмч нарын хомсдол юм. ДЭМБ-ын мэдээлснээр 2019 он гэхэд дэлхийн 57 оронд ойролцоогоор 2.3 сая сувилагч, эмч дутагдана. Мэргэжилтнүүдийн үзэж байгаагаар энэ зах зээлийн хөгжлийг саатуулж буй хүчин зүйл бол хиймэл оюун ухааны чиглэлээр удирдамжийг дагаж мөрддөг мэргэшсэн мэргэжилтнүүд дутагдалтай байгаа явдал юм.

Шинжээчдийн дунд AI шийдлийн хамгийн том үйлдвэрлэгчдийн тоонд дараахь компаниуд багтжээ.

• Ерөнхий алсын хараа;
• Nvidia;
• AiCure;
• iCarbon;
• Circadia Health;
• Atomwise;
• Замын геномик;
• София генетик;
• Apixio;

IVF-ийн амжилтыг 20%-иар нэмэгдүүлдэг хиймэл оюун ухаан нэвтрүүллээ

2018 оны 12-р сарын сүүлчээр Корнуоллын их сургууль болон Лондонгийн Империал коллежийн мэргэжилтнүүд үр хөврөлийн чанарыг үнэлэхэд хиймэл оюун ухааныг ашиглавал IVF-ийн үр ашгийг 10-20% нэмэгдүүлэх боломжтой гэсэн судалгааны үр дүнг үзүүлэв. Цааш унших.

Хятадад хиймэл оюун ухааны эмч нар хэдхэн минутын дотор оношилгоо хийдэг 4 мянган лангуу суурилуулж эхэллээ

2018 оны 11-р сарын сүүлээр хамгийн том онлайн үйлчилгээ үзүүлэгч эмнэлгийн үйлчилгээХятадад Пин Ан эрүүл мэнд, технологийн компани гурван жилийн дотор утасны бүхээгийн хэмжээтэй хэдэн мянган хиймэл оюун ухааны эмнэлгийг суурилуулж, орон даяар түгээхээр төлөвлөж байгаагаа мэдэгдэв. Эхний ийм заалтууд Эрүүл мэндийн тусламж үйлчилгээаль хэдийн олсон. Цааш унших.

2019 онд анагаах ухаанд хиймэл оюун ухаан хэрхэн хөгжих вэ

Япон эмчийн хомсдолыг арилгахын тулд хиймэл оюун ухааны эмнэлгүүдийг барьж байна

2018 оны 8-р сард Японы засгийн газар бизнес, шинжлэх ухааны нийгэмлэгийн дэмжлэгтэйгээр тус улсад хиймэл оюун ухааны тусламжтайгаар эмч нарт туслах эмнэлэг барих ажлыг эхлүүлж байгаа нь тодорхой болсон. AI технологиор дамжуулан Японд эмч нарын хомсдолыг даван туулж, ажилтнуудыг хөнгөвчлөх, эмнэлгийн зардлыг бууруулах боломжтой гэж үзэж байна. Цааш унших.

Эрүүл мэндийн салбарт хиймэл оюун ухааныг ашиглах анхны зөвлөмжийг санал болгов

2018 оны 6 сарын 18 Америк эмнэлгийн холбоо(AMA) эрүүл мэндийн салбарт хиймэл оюун ухааныг ашиглах дэлхийн анхны удирдамжийг санал болгов. Чикагод жил бүр болдог бага хурлын үеэр AMA-ийн төлөөлөгчийн зарласан мэдэгдэл нь энэ салбарт хиймэл оюун ухааныг цаашид хөгжүүлэх үндсэн чиглэлийг заажээ.

Энэхүү мэдэгдлийн дагуу AMA нь өвчтөний үр дүн, эмч нарын мэргэжлийн сэтгэл ханамжийг сайжруулахын тулд хиймэл оюун ухаан болон бусад тэргүүлэх чиглэлүүдийн хөгжлийг хэрэгжүүлэхээр төлөвлөж байна. AMA нь үйлдвэрлэгчдийг татан оролцуулах, хиймэл оюун ухааны хөгжлийг нэн тэргүүнд тавих, шинэ аргачлалыг баталгаажуулах, хэрэгжүүлэхтэй холбоотой бэрхшээлүүдийг шийдвэрлэхийн тулд салбартаа чухал байр сууриа ашиглахыг зорьж байна. Нэмж дурдахад, AMA нь мэргэжилтнүүдийг сургах төлөвлөгөө боловсруулж, энэ ангиллын аналитик хэрэгслийн хязгаарлалт, чадамжийн талаар өвчтөнүүдэд мэдээлэх зорилготой юм.

AMA нь нарийн, өндөр чанартай, эмнэлзүйн хувьд батлагдсан хиймэл оюун ухааны програмуудыг нэгтгэхийг дэмждэг бөгөөд тэдгээрийг аюулгүй, үр дүнтэй, хууль ёсны дагуу ашиглахад мэргэжлийн болон засгийн газрын зохих хяналтыг шаарддаг. AI-д суурилсан аналитик технологи нь хөгжлийн бүх үе шатанд гажуудлыг туршиж, тодорхойлох, давтагдах чадварын тэргүүлэх стандартыг хангах, хувь хүмүүсийн ашиг сонирхол, хувийн мэдээллийн нууцлалыг хамгаалах боломжтой байх ёстой гэж AMA үзэж байна.

AMA нь хэрэглэгчийн хэрэгцээнд анхаарлаа хандуулах ёстой гэж үзэж байгаа бөгөөд AI системийг эмнэлзүйн туршилтаар төлөөлөх дээж дээр туршиж үзэх хэрэгтэй.

Мэс заслын үед цусны даралт буурахыг урьдчилан таамаглахыг хиймэл оюун ухаанд заажээ

2018 оны 6-р сард Anesthesiology сэтгүүлд гипотензи буюу хэвийн бус уналтыг урьдчилан таамаглах алгоритмыг боловсруулсан хэсэг судлаачдын олж авсан үр дүнг нийтлэв. цусны даралтүйл ажиллагааны явцад.

Алгоритмыг бүтээхийн тулд судлаачид машин сургалтын технологийг ашигласан - хиймэл оюун ухаан нь мэс заслын үеэр цусны даралтыг бүртгэсэн 1,334 өвчтөний мэдээлэлд дүн шинжилгээ хийж, нийт 545,959 минут зарцуулсан байна. Эдгээр өгөгдөл дээр үндэслэн хагалгааны үед гипотензи үүсэхийг урьдчилан таамаглах алгоритмыг бэлтгэсэн.

Алгоритмыг баталгаажуулсны дараа судлаачид нийт 33,236 минутын турш 204 өвчтөний цусны даралтын үзүүлэлтүүдийг багтаасан хоёр дахь мэдээллийн багц дээр туршиж үзсэн. Эдгээр бүртгэлд 1923 удаагийн гипотензи өвчний тохиолдол багтсан байна. Алгоритм нь цусны даралт огцом буурахыг тохиолдлын 84% -д нь тохиолдохоос 15 минутын өмнө, 84% -д нь 10 минутын өмнө, 87% -д нь тохиолдохоос 5 минутын өмнө цусны даралт огцом буурахыг үнэн зөв таамаглаж байсан.

Судлаачид энэхүү алгоритмыг мэс заслын дараах миокардийн шигдээс, бөөрний цочмог дутагдал зэрэг гипотензитэй холбоотой хүндрэлээс урьдчилан сэргийлэхийн тулд мэдээ алдуулагч, мэс засалч нар идэвхтэй ашиглаж болно гэж үзэж байна.

Максим Каннессоны хувьд Др. анагаах ухааны шинжлэх ухаан, тэргүүлэх судлаач, анестезиологийн профессор, мэс заслын өмнөх эмчилгээний тэнхимийн эрхлэгч асан Эрүүл мэндийн төвЛос-Анжелес дахь UCLA-д эмч нар өмнө нь мэс заслын үеэр гипотензи үүсэхийг урьдчилан таамаглах боломжгүй байсан бөгөөд мэдээжийн хэрэг ийм нөхцөлд анестезиологчид цусны даралт огцом буурсаны хариуд маш хурдан ажиллах шаардлагатай болсон. Мэс заслын үед гипотензи үүсэхийг урьдчилан таамаглах чадвар нь эмч нарт эдгээр тохиолдлуудын хөгжил, хүндрэлээс идэвхтэй урьдчилан сэргийлэх боломжийг олгоно.

AI нь арьсны хорт хавдрыг эмч нараас илүү сайн таньдаг

2018 оны 5-р сарын сүүлээр илүү ихийг харуулсан судалгаа нийтлэгдсэн өндөр үр ашигтайхорт хавдрыг таних чадвараараа хүмүүстэй харьцуулахад хиймэл оюун ухаан. Гэсэн хэдий ч хүрэхэд хэцүү газруудад компьютер тийм ч нарийвчлалтай байдаггүй. Цааш унших.

Анагаах ухаанд хиймэл оюун ухааны хамгийн ирээдүйтэй гурван хэрэглээ

Хиймэл оюун ухаан нь жирэмсэн эмэгтэйчүүдийн хэт авиан оношлогоонд оролцдог

Британийн эмнэлэг нээгдэв шинэ төрөлурагт эмч анзаардаггүй эмгэгийн шинжилгээ хийх. Хиймэл оюун ухаанд суурилсан энэхүү систем нь тодорхой хазайлтаар ангилсан 350,000 дүрсийг агуулдаг.

Инженерийн хэлснээр хиймэл оюун ухаантай хэт авиан оношлогоог ScanNav гэж нэрлэдэг бөгөөд эмчид бодит цаг хугацаанд нэмэлт мэдээлэл өгөх зорилготой юм. Үүний үр дүнд хиймэл оюун ухаан нь мэргэжилтэнд бүх өнцгийг харгалзан үзсэн гэдэгт эргэлзэхгүй байх боломжийг олгодог. Сүүлийнх нь умайд ургийн хөдөлгөөнөөс шалтгаалан ялангуяа хамааралтай байдаг.

Одоогоор уг технологийг эх барихын салбарт туршилтын горимд туршиж байгаа ч цаашид уг бүтээн байгуулалтыг анагаах ухааны янз бүрийн салбарт ашиглахаар төлөвлөж байна. Дашрамд дурдахад, эмчийн хомсдолд орсон Японд хиймэл оюун ухаант оношилгооны мэргэжилтнүүдэд хэдийнэ их найдвар төрүүлээд байгаа бол Хятадад хиймэл оюун ухаанд эмнэлгийн лиценз хүртэл олгосон байна.

Хиймэл оюун ухаан шинэ антибиотик хайх болно

Антибиотикийн эсэргүүцэл нь томоохон асуудлын нэг юм орчин үеийн анагаах ухаан. Антибиотикийг өргөнөөр хэрэглэж, эмчийн зааврыг дагаж мөрдөөгүйн ачаар эм нь бактериудад нөлөөлөхөө больсон нь өдөр тутмын хамгийн түгээмэл өвчин, хүнд хэлбэрийн аль алиныг нь эмчлэхэд хүндрэл учруулдаг.

Антибиотик эсэргүүцлийг арилгах нэг арга бол мэдэгдэж буй антибиотикийн хувилбаруудыг хайх явдал юм. Харамсалтай нь энэ бол маш хэцүү, цаг хугацаа шаардсан үйл явц юм. Наад зах нь хүмүүсийн хувьд. Алгоритмууд гарч ирэхэд цаг хугацааны асуудал тийм ч чухал байхаа болино.

Америк, Оросын судлаачдын баг өгөгдлийн санг хурдан задлан шинжилснээр өмнөх жилүүдийн ижил төстэй судалгаагаар нээсэн антибиотикийн хувилбараас 10 дахин их антибиотикийн алгоритмыг бүтээжээ.

VarQuest гэгддэг алгоритмыг Nature Microbiology сэтгүүлийн сүүлийн дугаарт нийтлэгдсэн нийтлэлд тайлбарласан болно. Карнеги Меллон их сургуулийн профессор Хоссейн Махимани хэвлэлд өгсөн мэдэгдэлдээ VarQuest уламжлалт тооцооллын аргуудыг ашиглан хэдэн зуун жил шаардагдах хайлтыг гүйцэтгэсэн гэж мэдэгджээ.

Мохимани мөн VarQuest нь антибиотик үйлдвэрлэхэд ашигладаг пептидийн бүлгүүдийн мянга гаруй хувилбарыг рекорд хугацаанд гаргаж чадсан гэдгийг онцлон тэмдэглэв. богино хугацааЭнэ нь микробиологичдод илүү өргөн хүрээний хэтийн төлөвийг өгч, микробиологийн ертөнцийн чиг хандлага, хэв маягийн талаар сэрэмжлүүлж, өөрөөр хэлбэл огт анзаарагдахгүй байх болно.

2017

AI технологийн “цунами” эрүүл мэндийн салбарт ирж байна

Радио долгион ашиглан нойрыг алсаас хянах зориулалттай хиймэл оюун ухааны төхөөрөмжийг бүтээжээ

8-р сарын 8-нд мэргэжилтнүүдийн оролцоотойгоор инженерүүд (MIT) болсон нь мэдэгдэв Төв эмнэлэгМассачусетс муж радио долгион ашиглан хүний ​​нойрыг хянах боломжтой хиймэл оюун ухааны системийг бүтээжээ.

TNW-ийн мэдээлснээр, энгийн Wi-Fi чиглүүлэгч шиг харагддаг төхөөрөмж нь хүний ​​эргэн тойронд байгаа радио дохиог алсаас шинжилж, нүдний хөдөлгөөнөөр нойрны үе шатуудыг хөнгөн, гүн эсвэл хурдан тодорхойлдог. Радио долгион нь биеэс тусдаг тул биеийн аливаа бага зэргийн хөдөлгөөн туссан долгионы давтамжийг өөрчилдөг. Эдгээр долгионы шинжилгээ нь импульс, амьсгалын хэмнэл зэрэг хүний ​​үйл ажиллагааны амин чухал үзүүлэлтүүдийг тодорхойлж, нормоос хазайлтыг тодорхойлоход тусалдаг. Төхөөрөмжийг ажиллуулахын тулд мэдрэгч шаардлагагүй бөгөөд гэртээ ашиглахад тохиромжтой.

Байгалийн нөхцөлд унтах бодит цагийн хяналт нь нойрны эмгэгтэй холбоотой олон асуултанд хариулах болно гэж найдаж байна. MIT-ийн эрдэмтдийн төлөвлөж байгаагаар тэдний хөгжил нь эцэстээ эмч нарт нойрны параметрүүдийг алсаас хянах, шаардлагатай бол тохируулах боломжтой бүрэн хэрэгсэл болж хувирна.

Хятадад гахайн хувилах туршилтыг хиймэл оюун ухаантай роботууд хийжээ

Хүн төрөлхтний түүхэнд анх удаа Роботик ба автоматжуулсан хүрээлэнгийн Хятадын эрдэмтэд мэдээллийн системТяньжин хотын Нанкай их сургуульд робот ашиглан гахайг амжилттай хувилсан тухай Хятадын Ардын өдрийн сонинд мэдээлэв.2017 оны 1-р сарын эхээр 510 клонжуулсан үр хөврөлийг зургаан орлуулагч үрийн суулгацад суулгасан байна.Туршилтын үр дүнд 4-р сарын сүүлчээр 110 гахайд 2 үр хөврөл суулгасан байна. Жирэмсний өдөр 13 эрүүл хиймэл гахай төрсөн.

Гахайг хувилах туршилт хийхдээ эрдэмтэд анх удаа донор амьтдаас ДНХ-г цуглуулах, тээгч тээгч рүү шилжүүлэх бүх үйл ажиллагааг гүйцэтгэдэг тусгай робот микроманипулятор-анализаторуудыг ашигласан. ДНХ-тэй ажиллах хиймэл оюун ухаанаар удирддаг бүх нийтийн микроманипуляторууд нь дээж авах, турших, мэс заслын үйл ажиллагааг хослуулдаг.

Мал аж ахуй, мал эмнэлгийн эрдэм шинжилгээний хүрээлэнтэй хамтран хийсэн гахайн клончлолын процесс нь гол төлөв үржүүлгийн ажилд ашигладаг Соматик эсийн цөмийн дамжуулалт (SCNT) гэж нэрлэгддэг техникийг хамарсан. соматик эсбөөмгүй өндөг рүү шилждэг. Энэ аргын давуу тал нь өндөгийг өндөр чанартай хээлтүүлэх баталгаа боловч сул тал нь доод түвшинклончлох явцад гарсан согогийн хувь өндөр байгаа тул туршилтыг амжилттай дуусгасан.

Цөмийн дамжуулалтыг клонжуулах үйл явцын гол асуудал бол устгахаас зайлсхийх явдал юм мэдрэмтгий эсүүд. Судлаачид бөөмийг арилгахын зэрэгцээ эсийг аюулгүйгээр зохицуулах хэрэгсэлд шаардагдах хүчийг урьдчилсан байдлаар шинжилж, улмаар үүнийг хамгийн бага хэмжээнд тохируулсан байна. боломжит түвшин. Үүний ачаар эсийн хэв гажилтын зэрэг 30-40 мм-ээс 10-15 мм болж буурч, эсийн дараагийн хөгжлийг сайжруулж, амжилтанд хүрэх боломжийг нэмэгдүүлсэн.

Судалгааны үр дүнд олж авсан өгөгдөл нь эсүүд дээрх бичил үйл ажиллагааны хоорондын хамаарлын талаар таамаглаж байна Цаашдын хөгжилэсүүд бусад эрдэмтдэд энэ чиглэлээр нэмэлт нээлт хийхэд туслах боломжтой болно.

Зүрхний шигдээсийг эмч нараас илүү урьдчилан таамаглахыг хиймэл оюун ухаанд заадаг

2017 оны дөрөвдүгээр сард Ноттингемийн их сургуулийн эрдэмтэд зүрхний шигдээс эхлэхийг урьдчилан таамаглах хиймэл оюун ухааны технологийг танилцуулсан. Хөгжүүлэгчид урьдчилан таамаглах нарийвчлал нь эмч нарынхаас өндөр байна гэж мэдэгджээ.

Судалгаагаар эмнэлгийн зөвлөмжийн үр нөлөөг машин сургалтын алгоритм ашиглан бичсэн дөрвөн програмын ажилтай харьцуулсан. Эрдэмтэд 378 мянга гаруй өвчтөний бүртгэлээс хэв маягийг олох зорилготой байв. Уг компьютерт нас, иргэншил, үе мөчний үрэвсэл, бөөрний өвчтэй эсэх, цусан дахь холестерины хэмжээ зэрэг 22 шалгуурыг оруулсан байна.

Зүрхний шигдээс үүсэх эрсдэлийн талаархи хиймэл оюун ухааны дүгнэлтийг 2015 оны мэдээлэлтэй харьцуулж үзсэн бөгөөд энэ нь Америкийн Зүрх судасны коллеж (ACC) болон Америкийн эмч нарын зөвлөмжид үндэслэн эмч нарын таамаглалаас илүү үнэн зөв байсан. Зүрхний холбоо (AHA). : 74.5% -аас 76.4% -ийн нарийвчлал 72.8%.

Төслийн зохиогчдын тооцоолсноор компьютер нь ACC болон AHA аргуудаас 355 хүний ​​амийг аварч чадна. Эрдэмтэд амьдралын хэв маяг, генетикийн өгөгдөл зэрэг эрсдэлт хүчин зүйлсийг харгалзан ухаалаг системийн үр ашгийг нэмэгдүүлэхийг зорьж байна.

Сонирхолтой нь, алгоритмууд нь ACC болон AHA-д эрсдэлт хүчин зүйл гэж үргэлж үздэг байсан чихрийн шижин өвчний нөлөөг харгалзаагүй байна.

Ноттингемийн их сургуулийн тархвар судлаач Стивен Ваны хэлснээр биологийн системүүд олон харилцаатай байдаг бөгөөд тэдгээрийн зарим нь эмч нарт мэдэгддэггүй: жишээлбэл. нэмэгдсэн агуулгаТодорхой нөхцөлд биеийн өөх нь зүрхний цочмог эмгэгээс хамгаалж чаддаг. Үүнтэй төстэй харилцан үйлчлэлЭнэ нь тодорхой биш, тэдгээрийг анзаарч, тайлбарлахад хэцүү байдаг ч компьютерийн програм нь асар их хэмжээний өгөгдөлд дүн шинжилгээ хийх замаар холболтыг хянах боломжтой гэж тэр үзэж байна.

Хиймэл оюун ухаан (AI, англи: Artificial intelligence, AI) нь ухаалаг машин, ялангуяа ухаалаг компьютерийн программ бүтээх шинжлэх ухаан, технологи юм. AI нь хүний ​​оюун ухааныг ойлгохын тулд компьютер ашиглахтай ижил төстэй ажилтай холбоотой боловч биологийн үндэслэлтэй аргуудаар хязгаарлагдах албагүй.

Хиймэл оюун ухаан юу хийдэг вэ гэсэн асуултад ганц хариулт байдаггүй. Хиймэл оюун ухааны тухай ном бичсэн бараг бүх зохиолч энэ шинжлэх ухааны ололт амжилтыг харгалзан ямар нэг тодорхойлолтоос эхэлдэг.

AI хөгжүүлэх хоёр чиглэлийг ялгаж салгаж болно.

төрөлжсөн хиймэл оюун ухааны системийг хүний ​​чадавхид ойртуулах, хүний ​​мөн чанараар хэрэгждэг тэдгээрийг нэгтгэхтэй холбоотой асуудлыг шийдвэрлэх;

Хиймэл оюун ухааныг бий болгох нь аль хэдийн бий болсон хиймэл оюун ухааны системийг хүн төрөлхтний асуудлыг шийдвэрлэх чадвартай нэг системд нэгтгэх явдал юм.

Гэвч одоогийн байдлаар хиймэл оюун ухааны салбарт суурь гэхээсээ илүү хиймэл оюун ухаантай практик харилцаатай олон сэдвийн салбарууд оролцож байгааг харж байна. Олон арга барилыг туршиж үзсэн боловч хиймэл оюун ухаан бий болох талаар ямар ч судалгааны бүлэг хараахан хандаагүй байна.

Робот техник, хиймэл оюун ухааны салбарууд хоорондоо нягт холбоотой. Эдгээр хоёр шинжлэх ухааныг нэгтгэж, ухаалаг робот бүтээх нь AI-ийн өөр нэг салбар юм.

Робот техник нь электроник, механик, програмчлал зэрэг салбаруудад тулгуурладаг. Барилга, аж үйлдвэр, ахуйн, нисэхийн болон экстрим (цэргийн, сансрын, усан доорх) роботууд байдаг.

Роботууд объектыг удирдах, нутагшуулах асуудлыг шийдвэрлэх (байршлыг тодорхойлох, ойролцоох газруудыг судлах), хөдөлгөөнийг төлөвлөх (зорилгодоо хэрхэн хүрэх) зэрэгт оюун ухаан шаардлагатай.

21-р зуунд эмнэлгийн роботын бүтээн байгуулалт, үйлдвэрлэл нь техник, эдийн засгийн хувьд маш их амжилтанд хүрсэн тул тэдний тухай мэдээлэл жил ирэх тусам шинжлэх ухааны уран зөгнөлт шиг багассаар байна.

Робот техник, хиймэл оюун ухааны системийн дэвшил өдөр бүр хүмүүсийн амьдралд жинхэнэ утгаараа нөлөөлж байна. Робот техник дэх техник, эдийн засгийн амжилт нь анагаах ухаанд роботын тусламжийг улам бүр ашиглах болсон. Өнөөдөр эмнэлгийн роботууд нь нарийн төвөгтэй мэс заслын үйл ажиллагаа явуулах, үнэн зөв оношлох, өвчтөнд анхаарал халамж тавих чадвартай бөгөөд тэдний чадавхийн жагсаалт үүгээр хязгаарлагдахгүй.

Эрүүл мэндийн асуудлаа, ялангуяа ноцтой бол бид хэрхэн шийдвэрлэх вэ? Энэ бүхэн нь зохих эмнэлэг, салбартаа тэргүүлэх мэргэжилтэн олохоос эхэлдэг. Одоо энэ зургийг төсөөлөөд үз дээ.

Эмнэлэг олдлоо, энэ чиглэлээр мэргэшсэн мэргэжилтэн хамгийн амжилттай, тэр хүлээн зөвшөөрдөг.... цаг орчим !!!

Түүнд овог, овог нэр ч байхгүй. Гэхдээ зөвхөн загварын нэр. Энэ бол робот!

Энд ерөнхийдөө ойрын ирээдүйн хэтийн төлөв байна. Энэ хооронд роботууд туршлагатай эмчийн хатуу удирдлаган дор ажиллаж байна.

Хэсэгүүд:

Рободокторууд

Робо-цогцолборууд

Робозистууд

Робопростетик

Бидний доторх роботууд

Нөхөн сэргээх роботууд

Робо тусламж

Эмнэлгийн робот гэж юу вэ, яагаад хэрэгтэй вэ?

Эмнэлгийн робот гэдэг нь ерөнхийдөө анагаах ухаан, ялангуяа хүний ​​эрүүл мэндтэй холбоотой аливаа үйлдлийг гүйцэтгэх зорилгоор бүтээгдсэн робот юм. Олон арван шинжлэх ухааны зөгнөлт зохиолчид олон зуун бүтээлдээ бүх зүйлийг нарийвчлан дүрсэлсэн байдаг боломжит функцууд, эмнэлгийн роботуудын даалгавар, тэр ч байтугай тэдгээрийн зориулалтын төхөөрөмжийн онцлог. Эдгээр тайлбарын дагуу ирээдүйн робот зөгийн балнууд янз бүрийн зураг дээр гарч ирдэг. Эдгээрт сансрын хувцасанд суурилуулсан нарийн төвөгтэй бяцхан боловч маш ухаалаг "анхны тусламжийн иж бүрдэл" болон "үхсэн хүмүүсийг амилуулж чаддаг" суурин эмнэлгийн цогцолборууд орно. Шинжлэх ухааны зөгнөлт зохиолчид мөн робот туслах, асрагч болон бусад ариун цэврийн ажилчдын олон арван загварыг бүтээжээ. Хүний цусанд байнга оршдог, хорт бодисыг гадагшлуулж, шархыг эдгээх чадвартай, шинжлэх ухааны уран зөгнөлт киноны баатруудыг үнэхээр нэвтэршгүй болгох чадвартай нанороботуудын сонголт хүртэл бий.

Бодит байдал дээр эмнэлгийн роботууд ижил төстэй чиглэлд хөгжиж байна. Нэгдүгээрт, эдгээр нь мэс заслын цогцолборууд юм. Хэдийгээр шийдвэр гаргахдаа тэдний бие даасан байдал нь зөвхөн нөхцөлт байдаг ч эдгээр эмнэлгийн роботууд аль хэдийн хэдэн зуун амжилттай хагалгаа хийжээ.

Өнөөдөр хоёр дахь үндсэн чиглэлийг робот туслахуудын анги гэж нэрлэж болно. Эдгээр автомат сувилагч нар гадаад төрхөөрөө хүн төрхтэй боловч ажилтнууд болон өвчтөнд туслах тал дээр маш их амжилт гаргаж байна.

Гурав дахь чиглэл нь юуны түрүүнд протез хийх, хүний ​​мөчрийг орлуулах, гадаад араг ясыг бий болгохтой холбоотой юм. Хиймэл "ухаалаг" мөчрүүд нь тодорхой өвчтөнүүдэд тусалдаг төдийгүй шинэ робот технологийг хөгжүүлэхэд тусалдаг.

Робот эмнэлгийн хэрэгслийн дийлэнх хэсгийг эс тооцвол бие даан хөдлөх чадвараа алдсан хүмүүст зориулсан тээврийн хэрэгсэл юм. Ухаалаг удирдлагатай тэргэнцэр ч бай, шархадсан хүмүүсийг байлдааны талбараас нүүлгэн шилжүүлэх хэрэгсэл ч бай.

Ирээдүйн эмч нарт зориулсан робот сургалтын хэрэглэгдэхүүнгүйгээр бид яаж чадах вэ? Эдгээр эмнэлгийн роботууд шүдний өвчнөөс болж бужигнаж, хүүхэд төрүүлж, тэдэнд тохиолдох бусад бэрхшээлийг тууштай тэсвэрлэдэг.

Эмнэлгийн роботыг хөгжүүлэх чиглэлүүдийн дээрх жагсаалт нь эмнэлгийн робот яагаад хэрэгтэй вэ гэсэн асуултын хариулт болж чадна.

ОХУ-ын Байер дахь G4A (Grants4Apps) хурдасгах хөтөлбөрийн тэргүүн Григорий Колесников анагаах ухааныг хэрэгжүүлэхэд юу саад болж байгаа талаар ярьж, энэ чиглэлийн гарааны бизнес эрхлэгчид ийм саад бэрхшээлийг даван туулах боломжтой эсэхийг ярилцав.

AI нь эмнэлгийн мэргэжилтнүүдэд хэрхэн тусалдаг

Google саяхан утасны яриаг арын чимээ шуугианаас (нохой хуцах гэх мэт) ангижруулах хиймэл оюун ухааны системийн зах зээлд гарахаар төлөвлөж байгаа талаараа саяхан ярьсан. Бидэнд амласанчлан ухаалаг утасны доторх хиймэл оюун ухаанд суурилсан алгоритмууд нь ердийн үйлдлүүдийг аль болох гүйцэтгэхэд тусална. хэтийн төлөв нь гайхалтай юм, учир нь орчин үеийн хүмүүстөхөөрөмжийнхөө дэлгэцийн өмнө өдөрт хэдэн цагийг өнгөрөөдөг. Ийм технологи нь бидний амьдралд аль хэдийн баттай нэвтэрсэн.

Өнөөдөр хиймэл оюун ухааныг гэр ахуйн цахилгаан хэрэгсэл, хувийн дуут туслах, хамгаалалтын системийг хөгжүүлэхэд идэвхтэй ашиглаж байна. Их хэмжээний мэдээлэл боловсруулах шаардлагатай тохиолдолд.

Анагаах ухаанд хиймэл оюун ухаан нь том хэмжээтэй ажиллах чадвартай тул оношлогооны үр ашгийг нэмэгдүүлэх боломжийг олгодог. IBM Watson "ухаалаг" оношлогооны үйлчилгээ буруу оноштой 60 настай өвчтөнийг илрүүлсэн тохиолдол байдаг. ховор хэлбэрлейкеми. Үүний тулд уг систем хорт хавдрын тухай 20 сая эрдэм шинжилгээний өгүүллийг 10 минутын дотор “судлаа”.

Үүний үр дүнд хиймэл оюун ухаан нь эмнэлгийн мэргэжилтнүүдийн шийдэхээс өөр аргагүй болсон өдөр тутмын ажлын хэмжээг багасгах боломжийг олгодог. Мөн багасгах чадвартай болзошгүй алдаанууд. Энэ нь анагаах ухаанд дижитал системд үйлчлэх шинэ мэргэжлүүд гарч ирэх боломжийг нээж өгдөг.

Яагаад бүх зүйл тийм жигд биш байна вэ?

Хиймэл оюун ухаантай программууд болон төхөөрөмжүүдийг өнөөдөр рентген, CT, MRI дүрсний шинжилгээнд ашиглаж байна (зургийг системд оруулахад хангалттай бөгөөд үүний дараа хиймэл оюун ухаан дүн шинжилгээ хийж, дүгнэлт гаргах болно). "Ухаалаг" эмийг теле хяналтад ашигладаг архаг өвчинроботын тусламжтайгаар мэс засал хийлгэж буй хүмүүсийг эмнэлэгт хэвтүүлэх хэрэгцээг үнэлэхэд. Эм зүйчид мөн шинэ технологийг эзэмшсэн - хиймэл оюун ухааныг шинэ эм боловсруулахад ашиглаж байна.

Тиймээс Semantic Hub саяхан боломжит үнэлгээг автоматжуулах зорилгоор хиймэл оюун ухаанд суурилсан үйлчилгээг бий болгосон эрүүл мэндийн хангамжтэднийг зах зээлд гаргахаас өмнө . Уг систем нь өвчинтэй холбоотой шинжлэх ухааны нийтлэл, боловсруулж буй эмийн зорилго, үр нөлөө зэрэг олон сая баримт бичгийг цуглуулж, дүн шинжилгээ хийдэг. Дараа нь мэдээлэлд дүн шинжилгээ хийж, бүх эрсдэлт хүчин зүйл, өрсөлдөх давуу талыг харгалзан эмийн боломжийн талаар дүгнэлт гаргадаг. Өмнө нь эм үйлдвэрлэгчид ийм баримт бичгийн зөвхөн 1% -ийг гараар судлах боломжтой байв.

"Ухаалаг" эмнэлгийн бүтээгдэхүүн, үйлчилгээ, процессыг одоо бараг бүх тэргүүлэх "дижитал" корпорациуд боловсруулж байна. Нийтдээ Venture Scanner судалгааны компанийн мэдээлснээр ийм бүтээн байгуулалтыг дэлхийн 800 гаруй компани гүйцэтгэдэг.

Олон шинжээчид хиймэл оюун ухааны зах зээл хурдацтай өснө - жилд гуравны нэгээр өснө гэж таамаглаж байна. BIS Research-ийн тооцоолсноор 2025 он гэхэд эрүүл мэндийн хиймэл оюун ухааны нийт зах зээл 28 тэрбум долларт хүрнэ.

Гэхдээ бүх зүйл тийм ч ягаан биш. Анагаах ухаанд хиймэл оюун ухааны технологийг нэвтрүүлэхэд саад бэрхшээл тулгардаг. Ихэнх тохиолдолд шинэлэг зүйл нь үндэслэлгүй үл итгэх байдлыг үүсгэж болох эмнэлгийн мэргэжилтнүүдээс асуулт гарч ирдэг.

Үүссэн асуудлуудын шалтгаан юу вэ? Үүнийг ойлгохыг хичээцгээе.

Анагаах ухаанд хиймэл оюун ухаанд саад болж байна

1. “Хоёр дахь шинэлэг байдлын” мэдээлэл

Мэдээжийн хэрэг, бид эмнэлгийн мэдээллийн чанар, эзлэхүүний талаар ярьж байна. Өвчтөний эмнэлгийн бүртгэлд хуримтлагдсан өгөгдөл нь бүрэн бус байж болох бөгөөд алдаа, алдаа, стандарт бус нэр томъёо агуулсан байж болно. Тэд өвчтөний амьдрал, зуршил, зан үйлийн талаархи хангалттай бүртгэлийг агуулдаггүй. Энэ мэдээллийг цуглуулах үр дүнтэй механизм одоохондоо байхгүй байна.

Ийм мэдээлэлд үндэслэсэн шинжилгээний үр дүн нь үргэлж үндэслэлтэй эргэлзээ төрүүлдэг бөгөөд энэхүү шинжилгээний чанарыг сайжруулах оролдлого нь нэлээд хөдөлмөр их шаарддаг үйл явц болж хувирдаг.

Энэ асуудлыг арилгахын тулд одоо бага хэмжээний мэдээлэл дээр хиймэл оюун ухаан сургах хувилбаруудыг санал болгож байна. Ийм сургалтын амжилттай жишээнд систем нь өмнө нь оруулсан үгсийг санаж, дүн шинжилгээ хийж, дараагийн текстийн агуулгыг урьдчилан таамаглах боломжтой ухаалаг гар утасны гарны ажиллах зарчим орно. Нүүр царай таних болон хөгжимд зориулсан программууд нь ижил төстэй технологид суурилдаг.

Хэрэв анагаах ухаанд амжилттай хэрэгжсэн бол машин сургалтын систем нь эмийн нийцтэй байдлыг шалгах, оношийг тогтоох зэрэг олон асуудлыг шийдвэрлэх чадвартай. генетикийн шинжилгээ. Үүний жишээ болгон дээр дурдсан зүйлсийн ихэнхийг Орос улсад практикт хэрэгжүүлдэг Droice Labs компанийн шийдлийг дурдаж болно.

2. Чимээгүй роботууд

Анагаах ухаанд санал болгож буй инновацийн хоёр дахь хязгаарлалт нь системийн оюуны цөм нь шийдвэр гаргах үйл явцын ил тод бус байдал юм. Хиймэл оюун ухаан нь "хар хайрцаг" зарчмаар ажилладаг. Хэрэв алгоритмд алдаа гарч, систем буруу шийдвэр гаргавал "яагаад" гэсэн асуултад хариулахад маш хэцүү байх болно.

Одоо тэд шийдвэрийнхээ шалтгааныг илчилж чадах машинуудыг бүтээж байна. Америкийн эрдэмтэд ийм бүтээгдэхүүнийг зах зээлд гаргахаар ойртож байна. Ялангуяа Батлан ​​хамгаалахын дэвшилтэт судалгааны төслүүдийн агентлаг (DARPA) энэ асуудлыг шийдвэрлэхэд санаа зовж буй 13 судалгааны бүлгийг дэмждэг.

Дотоодын Intellogic компани нь математик загвар бэлтгэх, мэдрэлийн сүлжээний загварыг турших үр дүнг танилцуулах зорилгоор анагаах ухааны онтологийг ашиглахыг патентдаа баталж байна. Патент зохиогчдын үзэж байгаагаар энэ арга нь эмч нарт машинаар шийдвэр гаргах замыг ойлгох боломжийг олгож, загвар зохион бүтээхэд шаардагдах өгөгдлийн хэмжээг эрс багасгах болно.

Хиймэл оюун ухаанд суурилсан өгөгдөл боловсруулах арга барилын нарийн төвөгтэй байдал нь өөр нэг асуудлыг бий болгож байна: энгийн бус алгоритм бүхий системийг үр дүнтэй ашиглах, засвар үйлчилгээ хийх чадвартай боловсон хүчнийг сонгох, хөгжүүлэх.

3. Ухаалаг машинууд - ухаалаг арга!

Шинжилгээг өндөр нарийвчлалтай хийх алгоритмаас гадна инновацийг практикт амжилттай хэрэгжүүлэхийн тулд төслийн хүчирхэг баг шаардлагатай. Анагаах ухаанд ийм төслийн амжилт нь оролцогчид хэр үр бүтээлтэй харьцахаас хамаарна.

Багийн бүрэлдэхүүнд мэргэжилтнүүд багтсан байх ёстой өргөн хамрах хүрээсэдвийн хүрээнд чадамж, математикийн алгоритм ба мэдээллийн аюулгүй байдлын арга барил, програмчлалын ур чадвар, өгөгдлийг визуал байдлаар харуулах. Оролцогчид бие биенээ сайн ойлгож, нөхөхийн тулд нэг биш, хэд хэдэн өөр чадамжтай байх нь зүйтэй юм.

4. Үнэ ба үнэ цэнэ

Шинээр гарч ирж буй нарийн төвөгтэй байдал нь хиймэл оюун ухааны шийдлийг боловсруулах, хэрэгжүүлэх, ашиглах зардлыг нэмэгдүүлдэг. Төслийн өндөр өртөг нь тухайн эмнэлгийн байгууллагад хуримтлагдсан мэдээллийн шинэ системийг тохируулах, чадварлаг, урам зоригтой багийг бүрдүүлэх хэрэгцээтэй холбоотой юм.

Энэ нь эргээд стартапуудын санал болгож буй технологийг хурдан өргөжүүлэх чадварт эргэлзээ төрүүлж байна. Жишээлбэл, нэг төрлийн эмнэлгийн зургийг боловсруулах тохиолдолд масштабыг нэмэгдүүлэх боломжтой боловч хэрэгцээ нь үүнээс хамаагүй илүү юм.

Богино хугацаанд хиймэл оюун ухааныг нэвтрүүлэх нь зардлыг мэдэгдэхүйц бууруулахад хүргэхгүй гэдгийг салбарын мэргэжилтнүүд хүлээн зөвшөөрч байна. Бид хиймэл оюун ухааны технологийг ашиглах нь илүү өндөр үнэ цэнийг авчрах салбаруудыг үргэлжлүүлэн хайх ёстой.

5. Таныг хакеруудаас хэн хамгаалах вэ?

Хиймэл оюун ухааны үйл ажиллагааг хангахын тулд өндөр хүчин чадалтай тооцоолох хүчин чадлыг хангах шаардлагатай гэдгийг мартаж болохгүй. эмнэлгийн байгууллагуудҮгүй Үүний дагуу мэдээллийн массивыг байгууллагын периметрийн гадна талд шилжүүлэх шаардлагатай бөгөөд энэ нь хадгалах аюулгүй байдалд заналхийлж байгаа бөгөөд энэ нь нэн тэргүүний асуудал байх ёстой. Ялангуяа мэдээллийн аюулгүй байдалтай холбоотой эрсдэлээс болж хиймэл оюун ухааныг хэрэгжүүлэх олон төсөл зогссон нь тохиолдлын хэрэг биш юм.

Хамгийн тод жишээ бол АНУ-ын Ахмадын хэрэг эрхлэх газар амжилттай хамтын ажиллагаагаа эхлүүлсний дараа өвчний оношилгооны ухаалаг системийг зохион бүтээгч Flow Health стартаптай байгуулсан гэрээгээ цуцалсан явдал юм. АНУ-ын Эрүүл мэндийн яамнаас тайлбарласнаар уг систем нууц мэдээллийг боловсруулж байгаа нь тодорхой болсон үед гэрээг цуцалсан байна. Тус хэлтэс үүнийг ахмад өвчтөнүүдийн хувийн мэдээллийн аюулгүй байдлыг зөрчсөн гэж үзсэн. Дашрамд хэлэхэд, ямар ч гоожсон зүйл хэзээ ч олдоогүй.

Оюун ухаанд зам тавь!

Мэргэжилтнүүдийн нийгэмлэг одоо байгаа асуудлуудыг сайн мэддэг бөгөөд тэдэнд хариу өгөхийг хичээдэг: робот системийг зохион бүтээх зарчмуудыг бодож, хиймэл оюун ухааныг практикт ашиглах ёс зүйн талаар хэлэлцэхийг санал болгож, технологи нэвтрүүлэх шинэ хувилбаруудыг боловсруулж байна. Гэхдээ үүнийг хүлээн зөвшөөрье: арга барил, стандартыг зохих ёсоор боловсруулахад цаг хугацаа хэрэгтэй.

Анагаах ухаанд хиймэл оюун ухааны шийдлийн хэрэгжилтийг удаашруулж буй ихэнх асуудал нь технологийн талтай огт холбоогүй юм. Ихэнхдээ эдгээр нь ёс суртахууны болон захиргааны-процедурын асуудлууд, мэдээлэл цуглуулах, боловсруулахад бэрхшээлтэй (мэдээллийн санд мэдээлэл оруулахад шаардлагатай цагийг эмчээр хангах), хариуцлагын бүсийг хуваах, хиймэл системийн үйл ажиллагааны механизмыг ойлгоход бэрхшээлтэй байдаг. .

Хэтийн хэтийн төлөв юу вэ?

Бүх хүндрэл бэрхшээлийг үл харгалзан төслүүдэд хэтийн төлөв бий. Ойрын хэдэн жилд хиймэл оюун ухааны технологи нь эмийн компаниудын дунд, шинэ молекул, биологийн зорилтот эрэл хайгуул, эмнэлзүйн өмнөх туршилтыг виртуалчлах, дараа нь өгөгдөлд дүн шинжилгээ хийх зэргээр хэрэглэгчээ олох боломжтой болно гэдэгт би итгэж байна. Эмнэл зүйн туршилт. Ихэнхдээ томоохон компаниудтай ажиллахад бүх зүйлийг хангах боломжтой байдаг шаардлагатай нөхцөлтөслийг амжилттай эхлүүлэхийн төлөө.

Бүх асуудлыг шийдэж болно. Хамгийн гол нь шинэ арга барилыг ашигласнаар бид "хөл рүүгээ бууддаггүй" урагшлах болно.

Оношлогоо

Frost & Sullivan1-ийн үзэж байгаагаар анагаах ухаанд хиймэл оюун ухааны зах зээл жил бүр 40%-иар өсч байгаа бөгөөд 2021 он гэхэд түүний эргэлт 6.6 тэрбум орчим доллар болно.Юуны өмнө машин сургалт нь анагаах ухааны гурван салбарыг өөрчилнө: оношилгооны чадавхийг сайжруулна. , рентген судлаачдын ажлыг хөнгөвчлөх, эмгэг судлаачид өвчний прогнозыг илүү үр дүнтэй болгоно.

Энэ тухай Харвардын Анагаах Ухааны Сургуулийн Зиад Обермайер, Пенсильванийн Их Сургуулийн Эзекиел Эмануэл нар The New England Journal of Medicine (NEJM)2 сэтгүүлд бичсэн нийтлэлдээ бичжээ. Тэдний бодлоор ойрын ирээдүйд машин суралцах нь өвчтөнөө ойлгохыг үнэхээр хүсдэг эмч нарт зайлшгүй шаардлагатай хэрэгсэл болох болно. Хиймэл мэдрэлийн сүлжээ нь туршлагатай эмчээс дордохгүй хөхний хорт хавдрын үсэрхийллийг аль хэдийн оношлох боломжтой. Хөхний хорт хавдар нь хамгийн түгээмэл хэлбэрүүдийн нэг юм хорт хавдар. Зөвхөн 2012 онд дэлхий даяар энэ өвчний 1.6 сая гаруй шинэ тохиолдол бүртгэгдсэн байна. Тохиолдлын 6-10% -д нь хавдар анх оношлох үед аль хэдийн үсэрхийлсэн байсан. Энэ үйл явцыг оношлохын тулд бүс нутгийн лимфийн зангилааны биопсиг ашигладаг.

Хураан авсан материалын дээж бүрийг эмгэг судлаач микроскопоор шалгадаг. Тохиромжтой нөхцөлд, хязгааргүй хугацаанд эмч маш бага алдаа гаргадаг. IN жинхэнэ амьдралЭмгэг судлаачид өдөр бүр олон арван сорьцыг хянаж, тайлбарлаж болно.

Нидерландын Радбоудын их сургуулийн хэсэг судлаачид хөхний хорт хавдрын үсэрхийллийг илрүүлэхэд орчин үеийн алгоритмууд өрсөлддөг Camelyon3 хэмээх тусгай сорилтын тэмцээн зохион байгуулах санаачилга гаргажээ. Багууд загвар өмсөгчдөд хөхний хорт хавдрын 400 зураг дээрх эрүүл эд эсийн хорт хавдрыг таних зорилгоор сургаж, дараа нь сургалтын үеэр загвар өмсөгчдийн үзэж чадаагүй хяналтын зургийн үр дүнг харьцуулж байна.

Өнгөрсөн жил Philips-ийн анагаах ухаанд хиймэл оюун ухааны хэрэглээний программуудыг хөгжүүлдэг түнш PathAI4 стартапын мэдрэлийн сүлжээ Camelyon challenge-д нэгдүгээр байр эзэлжээ. PathAI-ийн эрдэмтэд бусад багуудаас олон тооны зөрүүтэй байсан. Тэдний алгоритм нь 1000 тохиолдлын 35-д л алдаа гаргасан: энэ хувь нь жинхэнэ эмчийнхээс арай бага юм. Түүнчлэн, хэрэв эмч мэдрэлийн сүлжээний дохиололд хандвал алдааны тоо 3% -иас 1% хүртэл буурсан байна.

Сүүлийн жилүүдэд мэдрэлийн сүлжээг ашиглан эмнэлгийн зургийг амжилттай хүлээн зөвшөөрсөн олон жишээ гарч ирэв. Мэдрэлийн сүлжээнүүд нь түрүү булчирхайн хорт хавдар, уушигны хорт хавдрыг биопсиоор нарийн тодорхойлж, арьсны хорт хавдрыг ердийн гэрэл зургаас тодорхойлохдоо дерматологичтой адил сайн байдаг.

Зургийн ангиллаас гадна хиймэл оюун ухаан нь бусад асуудлыг шийдэж чадна: эмчилгээг сонгох эсвэл прогнозыг тодруулах. Эхний жишээ бол 1970-аад онд Стэнфордод боловсруулсан Mycin5 шинжээчийн систем юм. Түүний даалгавар бол эмчилгээнд хамгийн тохиромжтой антибиотикийг сонгох явдал байв Халдварт өвчин. Тэр үед ч тэр эмчээс илүү амжилттай хослолуудыг санал болгосон. Гэсэн хэдий ч энэ системийг бодит клиник практикт хэзээ ч ашиглаж байгаагүй.

Mycin систем нь зөв хариултыг олохын тулд өгөгдсөн дүрмийн хүрээнд тийм, үгүй ​​гэж хариулсан. Орчин үеийн шинжээчдийн системүүд ижил төстэй байдлаар ажилладаг боловч ихэнхдээ өвчтөний мэдээллийг автоматаар нэгтгэж, дараа нь эмчид үзүүлэх үүрэгтэй байдаг. тохиромжтой хэлбэрөөрийн зөвлөгөөгөөр.

Жишээлбэл, Philips-ийн боловсруулсан эрчимт эмчилгээний хяналтын систем ингэж ажилладаг. Уг систем нь өвчтөний талаарх бүх мэдээллийг цуглуулж, нэгтгэж, эмчийг зөв шийдвэр гаргахад нь тусалдаг. Philips-ийн эмнэлгийн мэдээллийн албаны дарга Сергей Лавановын хэлснээр систем нь өвчтөний амьдралд чухал ач холбогдолтой үзүүлэлтүүдийн динамикийг тасралтгүй хянаж, аюул заналхийлж буй нөхцөл байдлын талаар эмчид мэдэгдэх боломжтой юм.

Олон тооны хувь хүний ​​өгөгдөлтэй ажиллах боломжийг олгодог хиймэл оюун ухаан нь илүү үнэн зөв оношлох, хямд үнээр эмчлэх түлхүүр болох ёстой.

Уламжлалт шинжээчийн системээс ялгаатай нь орчин үеийн хиймэл оюун ухаан нь маш их өгөгдөл ашигладаг бөгөөд үүнээс суралцах чадвартай бодит жишээнүүд. Энэ нь өгөгдлөөс нарийн төвөгтэй, тодорхой бус холбоог олох боломжийг олгож, мэргэжилтнүүдэд эмнэлзүйн шийдвэр гаргахад тусалдаг. Жишээлбэл, PLOS ONE6 сэтгүүлд хэвлэгдсэн саяхан хийсэн судалгаагаар мэдрэлийн сүлжээг зүрх судасны өвчин эсвэл түүний хүндрэлийг урьдчилан таамаглахад сургасан. Мэдрэлийн сүлжээг өвчний хөгжил, үр дагаврыг тусгасан гурван зуун мянган өвчтөний цахим бүртгэлд сургасан. Туршилтын хувьд сүлжээ нь зөвхөн нэг анхны бичлэгт нэвтэрч, урьдчилсан таамаглалыг бий болгосон бөгөөд үүнийг судлаачид эмнэлгийн бүртгэлд хожим бүртгэгдсэн өвчний үр дагавартай харьцуулсан байна.

Үнэн хэрэгтээ мэдрэлийн сүлжээ өөрөө зүрх судасны өвчний эрсдлийг үнэлэх дүрмийн жагсаалтыг олох ёстой байв. Үүний үр дүнд зүрх судасны хүндрэлийн тохиолдлыг одоогийн удирдамжаас 7.6% илүү гэж таамаглаж байна. Энэ нь ойролцоогоор 355 хүний ​​амь насыг аврах боломжтой гэсэн үг юм.

Ноттингемийн их сургуулийн тархвар судлаач Стивен Венг “Science News7” сэтгүүлд өгсөн ярилцлагадаа хэрэв генетикийн хүчин зүйл эсвэл хүний ​​амьдралын хэв маягийн талаархи мэдээллийг загварт нэмбэл урьдчилсан таамаг илүү үнэн зөв гарах боломжтой гэж тэмдэглэжээ.

Шинжилгээний өгөгдөл, зүүж болох электрон хэрэгсэл, эмнэлгийн бүртгэл IBM, Alphabet (Google), Philips зэрэг салбарын аварга компаниуд ч хичээж байна. Жишээлбэл, Philips нь зүүдэг төхөөрөмж болон өвчтөний эмнэлгийн бүртгэлээс авсан өгөгдөлтэй ажиллах боломжтой дэд бүтцийг хөгжүүлж байна. Түүний тусламжтайгаар эмч нар тодорхой өвчтөнд зориулсан хувийн зөвлөмж, урьдчилсан таамаглалыг үнэн зөв гаргах боломжтой болно. Өнөөдөр аль хэдийн бий болсон шийдэл нь эмнэлгийн дүрслэлийн өгөгдөл болон шинэ, түүний дотор туршилтын, статистик загваруудтай нэгэн зэрэг ажиллах боломжтой. Ирээдүйд энэ нь эмч нарт хиймэл оюун ухааны шинэ системийг ажилдаа ашиглах боломжийг олгоно.

CNBC8 Франс ван Хоутенд өгсөн ярилцлагадаа, Гүйцэтгэх захиралХүн ам нь хөгширч, тоо нь өсөж байгаа өнөө үед Philips эрүүл мэндийн үйлчилгээнд бооцоо тавьж, оношилгоо, урьдчилан сэргийлэх технологийг хамгийн ирээдүйтэй гэж онцолж байгааг Philips онцоллоо.

1 2016 оны 10-р сарын 4-нд Лондонд болсон бага хуралд тавьсан Frost & Sullivan-ийн илтгэлийн материалд үндэслэсэн. 2 New England Journal of Medicine. 3 “Camelion.” 4 "PatAI". 5 "Мицин". 6 "Plos One". 7 Шинжлэх ухааны мэдээ. 8 CNN.

Хиймэл оюун ухаан, мэдрэлийн сүлжээ, машин сургалт нь ойрын жилүүдэд эрүүл мэндийн мэдээлэлжүүлэлтийн салбарт хурдацтай, баттай нэвтэрч, хөгжлийн гол хөдөлгөгч хүч, чиглэлүүдийн нэг болжээ. Телемедициний зэрэгцээ энэ нь хэвлэл мэдээлэл, блог ертөнцийн хамгийн алдартай сэдвүүдийн нэг юм. Хиймэл оюун ухааны аргууд дээр суурилсан анагаах ухааны шинэ хувьсгалт шийдлийг төлөвлөж байгаа эсвэл аль хэдийн бүтээчихсэн гэсэн мессеж, хэлэлцүүлгийн тоо байнга нэмэгдэж байна.

Бид танд зориулж энэ сэдвээр анхаарал татахуйц хамгийн сонирхолтой 10 бүтээлийг бэлтгэсэн.

1. Хиймэл оюун ухааны агуу сэргэлт.Нью Йорк Таймс сэтгүүлд Google Translate хэрхэн бараг хүн шиг орчуулж сурсан, хиймэл оюун ухаан гэж юу болох, муур, хятад өрөө үүнтэй ямар холбоотой болохыг тодорхойлсон нийтлэл нийтэлжээ. Vc.ru сайтын редакторууд энэ нийтлэлийн орчуулгыг https://vc.ru/21767-the-great-ai-awakening хаягаар нийтлэв.
2. Хиймэл оюун ухаан 5 жилийн дараа эрүүл мэндийн салбарыг хэрхэн өөрчлөх вэ? Siri-г хамтран бүтээгч, SRI Ventures венчур капиталын сангийн зөвлөх Норман Винарски хиймэл оюун ухааны нөлөөг харгалзан таван жилийн дараа эрүүл мэндийн салбарын ирээдүйн талаар ярьжээ. Хаяг: https://rb.ru/story/future-of-ai-healthcare/
3. Хиймэл оюун ухаан, эмнэлгийн шийдвэр. Intellogik-ийн гүйцэтгэх захирал, Botkin.AI-ийн үүсгэн байгуулагч Сергей Сорокин, эмнэлгийн шийдвэр гаргах, оношлогооны хөгжлийг дэмжих хиймэл оюун ухааны чадавхийн талаар: https://www.if24.ru/iskin-i-vrachebnoe-reshenie/
4. Эндрю Нгийн алгоритм нь уушгины хатгалгааг оношлоход эмч нараас илүү сайн байдаг. Эндрю Нг тэргүүтэй Стэнфордын их сургуулийн баг рентген туяанаас уушгины хатгалгааг оношлохдоо туршлагатай радиологичдоос давсан гүнзгий суралцах алгоритмыг боловсруулжээ https://hightech.fm/2017/11/16/pneumonia-algorithm
5. Хиймэл оюун ухаан аль хэдийн эмч нар шиг эмчилж чадна: анагаах ухаанд хиймэл оюун ухааны хөгжлийн чиг хандлага. ОХУ-ын Сангийн яам, ОХУ-ын Худалдаа, аж үйлдвэрийн танхим, ОХУ-ын Бизнесийн салбарын ажлын хэсгийн гишүүн Илья Попов эм, анагаах ухаанд хиймэл оюун ухааны хөгжлийн чиг хандлагын талаар ярьж, 2018 оны урьдчилсан таамаглалыг өглөө. : https://rb.ru/opinion/trendy-razvitiya -ai-v-farme/
6. Хиймэл оюун ухаан нь Хятадын бүх эмнэлгүүдэд онош тавихад тусална. Эмнэлгийн хиймэл оюун ухааны платформууд нь хамгийн нарийн төвөгтэй оношийг 85% -ийн нарийвчлалтайгаар хийж, эмчилгээний горимыг зааж өгдөг. онкологийн өвчин, энэ нь 96% нь санал бодолтой давхцаж байна шилдэг эмч нарХятад, China Daily мэдээлэв. Хаяг: https://higtech.fm/2017/10/11/ai-china-diagnostic
7. Хиймэл оюун ухаан - хувьсгал эсвэл маркетингийн шинэ арга уу?Төрөл бүрийн мэргэжилтнүүдийн хиймэл оюун ухааны талаархи санал бодлыг тойм: https://www.crn.ru/numbers/spec-numbers/detail.php?ID=123946
8. Хиймэл оюун ухааны буруу ойлголт. Автомат жолоодлоготой машинаас эхлээд хорт хавдрыг эмчлэх хүртэл хиймэл оюун ухаан бидний бүх асуудлыг шийднэ гэж бид өдөр бүр сонсдог. Үүний зэрэгцээ Тесла компанийг үндэслэгч Илон Маск зэрэг зарим эрдэмтэн, аж үйлдвэрийн ахмадууд хиймэл оюун ухаан нь хүн төрөлхтөнд оршин тогтнох аюул заналхийлж байна гэж үздэг. Энэ нэр томъёоны дор үнэн хаана байна, юу нуугдаж байна вэ? Компьютерийн шинжлэх ухааны мэргэжилтэн Анатолий Гершман хиймэл оюун ухааныг тойрсон гол домгийн талаар ярьж байна https://postnauka.ru/faq/80051
9. 2017 оны хамгийн сонирхолтой AI шийдэл, төслүүд. Өнгөрсөн жилийн мэдээллийн технологийн хамгийн тод чиг хандлагын нэг бол машин сургалтын технологи, хиймэл оюун ухаан (AI) системийг ашиглан үйлчилгээний хурдацтай хөгжил байв. мэдрэлийн сүлжээнүүд. Бид энэ чиглэлээр хамгийн анхны бөгөөд ирээдүйтэй програм хангамжийн шийдлүүдийг санаж байна https://3dnews.ru/963472/
10. Google нарийн анагаах ухаанд зориулсан нээлттэй эхийн хиймэл оюун ухааны хэрэгслийг танилцууллаа. Тус компани геномын дарааллын нарийвчлалыг сайжруулахад ашиглаж болох DeepVariant хэрэгслийг Google Cloud-ээр дамжуулан ашиглах боломжтой болгосон.