Использование ИИ для борьбы с заболеваниями

Медицина стоит на пороге радикальных перемен. Сегодня благодаря искусственному интеллекту (ИИ) можно быстрее и полнее, чем когда-либо прежде, анализировать гигантские объемы данных. Это позволяет как можно раньше диагностировать заболевания, применять более эффективные методы лечения и разрабатывать более эффективные лекарства. Поэтому фармацевтические компании, научно-исследовательские институты и клиники в Германии целенаправленно инвестируют в решения на основе технологий ИИ. Следующие примеры позволяют увидеть, как ИИ производит революцию в сфере здравоохранения.

Более глубокое понимание рака

Одна из первоочередных задач многих приложений на базе ИИ заключается в выявлении скрытых закономерностей в сложных данных, например, при распространении рака. Проект DECIPHER-M, реализуемый при финансовой поддержке министерства исследований ФРГ, объединяет данные анализа тканей, результаты визуализирующих методов и генетическую информацию, чтобы лучше предсказать индивидуальный риск метастазирования.

«Несмотря на прогресс, метастазы остаются одной из самых больших проблем», — говорит руководитель проекта Якоб Катер из дрезденского Центра цифрового здравоохранения Фрезениус имени Эльзы Крёнер (EKFZ). Цель заключается в том, чтобы разработать индивидуальную терапию для каждого пациента — до того, как рак распространится по всему организму.

Скрининг рака молочной железы и защита данных

Зачастую медицинские данные запрещено хранить централизованно, но искусственному интеллекту нужны большие объемы данных. Поэтому проект ODELIA, реализуемый EKFZ, делает ставку на «роевое обучение» (англ. Swarm Learning): процесс, при котором данные остаются в месте сбора первичных данных, но ИИ-модели всё равно могут обучаться вместе. Это должно обеспечить более надежный анализ МРТ молочных желез без ущерба для защиты данных. По результатам одного из международных исследований модель совместного обучения оказалась даже более точной, чем системы, разработанные на местном уровне.

Ускоренная диагностика в облаке

Промышленность также стимулирует развитие. Так, например, компания Bayer разработала платформу для радиологии, которая интегрирует приложения на базе ИИ непосредственно в повседневную работу. Она помогает автоматически распознавать аномалии на рентгеновских снимках или МРТ, например, в случае инсульта или пневмонии.

«Мы хотим снять нагрузку с врачей, чтобы они могли сконцентрироваться на своих пациентах», — говорят в компании Bayer. Данная платформа уже используется в нескольких европейских странах.

Более быстрая разработка медикаментов

Зачастую разработка и вывод на рынок нового фармацевтического продукта занимает более десяти лет. Фармацевтическая компания Merck из Дармштадта намерена использовать ИИ-платформу, чтобы сократить этот процесс до четырех лет. Технология предназначена для более быстрой идентификации потенциальных активных веществ и более эффективного планирования химических процессов. «Искусственный интеллект невероятно повышает производительность. Он может помочь нам ускорить доступ к новым и более эффективным лекарствам для наших пациентов», — говорит Валид Механна, главный специалист по данным и ИИ компании Merck. Возможности в этом смысле огромны — как с медицинской, так и с экономической точки зрения.

Технология будущего — квантовый ИИ

Еще более дальновидным является подход Института когнитивных систем общества Фраунгофера (IKS) в Мюнхене. Совместно с клиникой Мюнхенского университета имени Людвига и Максимилиана IKS исследует гибридные системы, которые сочетают в себе квантовые вычисления и искусственный интеллект. Они должны создать условия для постановки достоверных диагнозов на основании относительно небольшого количества данных, например, в случае с редкими заболеваниями. Так называемые квантовые байесовские нейронные сети (англ. Quantum Bayesian Neural Networks) должны не только выдавать результаты, но и учитывать неопределенность диагноза, что является важным аспектом для применения в клинической практике. В частности, исследователи видят большой потенциал в том, что касается ранней диагностики опухолей мозга и их последующего мониторинга.