В какой отрасли искусственный интеллект пригодится больше всего?
Фармакология – это своего рода светоч благонравия и источник нашего здоровья. Мы уже писали про ИИ, помогающее молекулярному моделированию среди ученых – авторы делали акцент на управляемости и экономии времени.
Многие ресерчеры по всему миру проводят часы напролет, занимаясь бумажной волокитой или пересборкой данных. Наука – это то место, где чувствуется острая необходимость в автоматизации.
Для фармакологии она играет критическую роль. Чем меньше затрачивается усилий и времени на производство и исследование лекарств, тем меньше их себестоимость, и тем больше маленьких жителей Бангладеша смогут позволить себе противоядия и антибиотики…
C другой стороны, в медицине предостаточно заболеваний, которые завязаны на глубокой аналитике органов: анамнезы заболеваний, интерпретация гистограмм, анализов, детекция фотографий, классификация признаков болезней…
Сегодня самое полезное применение нейросетей – сфера здравоохранения, которая могла бы сократить человеческие часы медицинских работников в разы. Никаких больше очередей в поликлиниках, верно поставленные диагнозы и пресечение медицинских ошибок, нивеляция человеческого фактора.
Хотя постановка диагнозов и полноценная аналитика медицинских данных без проверки человеком – это далекая перспектива из-за высоких шансов ошибок, и современные ИИ-стартапы пытаются по-разному помочь врачам выполнять свою работу. Но мы уже писали об этом многократно.
Сегодня мы поговорим о комплексном стартапе, на которой должны равняться другие проекты со своей комплексности – RetinAI.
Нам недостаточно просто пройти УЗИ. Приходится изобретать футуристические аппараты, корректирующие, например, зрение, или создающие гистограммы по сетчатки глаза. Такая сложная оптическая система как глаз, требует к себе особого внимания, а не простого вглядывания в алфавитную доску на комиссии военкомата.
Значимая проблема – необходимость применения сложного диагностического оборудования: офтальмоскопы, оптические когерентные томографы и фундус-камеры, для детального изучения состояния сетчатки.
Подобные аппараты требуют не только высокой технической точности, но и определенного уровня подготовки медицинского персонала для правильного их использования и интерпретации результатов.
Если быть точнее, то общая аналитика всех собранных данных может занимать целый месяц, что для некоторых пациентов расклад критичный.
“Наша миссия — быстрее принимать правильные решения в сфере здравоохранения”.
Чтобы нагляднее показать необходимость подобных стартапов, просто приведем два занимательных тезиса Всемирной организации здравоохранения:
- Не менее 2,2 миллиарда человек во всем мире страдают нарушениями ближнего или дальнего зрения. По меньшей мере у 1 миллиарда таких людей нарушения зрения можно было предотвратить или все еще можно скорректировать.
- Согласно оценкам, лишь 36% людей, страдающих нарушениями дальнего зрения из-за аномалии рефракции, и лишь 17% людей, у которых нарушения зрения вызваны катарактой, имели возможность получить надлежащую лечебную помощь.
Поэтому весь мир «страдает» от недоступности медицины и нехватки профессионального персонала, который мог бы адекватно интерпретировать данные и собирать их.
Согласно мнению специалистов из Гарвардской медицинской школы, внедрение технологий искусственного интеллекта позволит снизить уровень диагностических ошибок на 85%.
Наш стартап предлагает целый ряд комплексных решений, самых необходимых для быстрой исследовательской работы и диагностики. Неудивительно, ведь Retin – общее маркетинговое наименование для OLED экранов, которые, к слову, менее всего вредят глазам…
Независимая и мультимодальная платформа собирает, объединяет и хранит большие объемы данных в одном облачном хранилище.
Затем эти данные автоматически анализируются с помощью алгоритмов искусственного интеллекта RetinAI. Они, к слову, сертифицированы по стандарту CE и некоторые исследователи могут использовать их бесплатно и свободно. У них комплексное ПО. В итоге мы получаем SaaS для аккумуляции, а не только узконаправленное решение для глаз.
Ускоряется принятие планов о лечении, основываясь на биомаркерах. Модели ИИ могут работать с данными в формате DICOM и другими форматами, используемыми для ОКТ и визуализации глазного дна.
DCMI (Digital Imaging and Communications in Medicine) – это международный стандарт для хранения изображений. Факт важный, ведь некоторые стартапы не могут работать по Европейским ГОСТ’ам, и клиникам приходится докупать дополнительное ПО, чтобы адекватно работать с результатами работы нейронок.
Как стартап хочет решить глобальную проблему макулярной дегенерации?
Подобный стартап заточен не столько под простое упрощение клинических обследований, сколько на решение глобальной проблемы здравоохранения – потери зрения от макулярной дегенерации (географической атрофии).
Интересное решение стартапа – помощь людям с географической атрофией. Заболевание нередкое, но предсказать его зачастую так же сложно, как и рак.
Проще говоря, это состояние, при котором клетки сетчатки постепенно умирают, приводя к ухудшению центрального зрения.
Макула — это небольшая область в центре сетчатки, которая отвечает за центральное зрение и позволяет человеку видеть мелкие детали и распознавать лица. При географической атрофии эта область постепенно разрушается, и у пациента начинает ухудшаться центральное зрение, хотя периферическое зрение, как правило, остается нетронутым.
Основной причиной географической атрофии является возраст, поэтому это состояние часто называют возрастной макулярной дегенерацией (ВМД).
ВМД может быть двух типов: сухая и влажная. Географическая атрофия относится к сухой форме ВМД, которая характеризуется наличием отложений, называемых друзы, под сетчаткой. Смотрите на выделенные зеленым зоны выше на рисунке.
Со временем эти друзы повреждают клетки сетчатки, что и приводит к атрофии. Клинические симптомы географической атрофии включают появление темных пятен в центральном зрении, искажение изображений, а также затруднения при чтении или вождении.
Пациенты могут заметить, что при взгляде на прямые линии они кажутся волнистыми или искривленными. Диагноз ставится на основании осмотра глазного дна с использованием офтальмоскопа, оптической когерентной томографии (ОКТ), а также флуоресцентной ангиографии. Эти методы позволяют визуализировать изменения в структуре сетчатки и выявить области атрофии.
Лечение географической атрофии на данный момент ограничено, так как нет препаратов, способных остановить или обратить процесс дегенерации.
Поэтому единственный способ остановиться неприятное заболевание – использование антиоксидантов и постоянный мониторинг поверхности сетчатки.
ИИ здесь помогает распознать минимальные отклонения. Если вы обследуетесь – возможно, вы узнаете о заболевании раньше и сохраните зрение, предотвратив течение болезни на самых ранних этапах.
В отличие от программ, подобным Lenovo, которые также работают над офтальмологическим ПО, наш стартап предлагает полный сетап измерений сетчатки: интраретинальную жидкость (IRF), субретинальную жидкость (SRF) и отслойку пигментного эпителия (PED).
С другой стороны, для обучения такой модели нужны большие наборы аннотированных данных, от 5000 реальных фотоснимков — изображений сетчатки, полученных с помощью оптической когерентной томографии (ОКТ), и соответствующие метки, указывающие на наличие и объемы патологической жидкости.
Часто изображения сетчатки не в самом большом разрешении, поэтому компания развернула еще модель по увеличению качества снятых томографий – мы получаем комплексный анализ сетчатки. Ведь обычное разрешение фото с ОКТ подходит только для чисто человеческого глаза.
В этом проблема стартапа: для его организации нужно много фотоснимков сетчатки в высоком разрешении.
С другой стороны, у них есть и наработка по AI сегментации изображения сетчатки:
Слой нервных волокон сетчатки (RNFL; слой ганглиозных клеток (GCL) + внутренний плексиформный слой (IPL); внутренний ядерный слой (INL) + наружный плексиформный слой (OPL); наружный ядерный слой. Слой (ONL); фоторецептор (PR) + пигментный эпителий сетчатки (RPE); хориокапилляр (CC) + хориоидальная строма (CS).
Сегментация – это про исследование областей сетчатки, тут они тоже смогли проанализировать полный сетап.
Важно: анализа всех вышеприведённых слоев хватит, чтобы поставить адекватный диагноз.
Скорость, обучении студентов и персональный подход – ИИ поднимет все
Использование систем ИИ в области офтальмологии для лечения заболеваний сетчатки глаза обладает множеством значительных преимуществ, выходящих далеко за пределы простого улучшения диагностических возможностей…
Диабетическая ретинопатия и возрастная макулярная дегенерация – эти болезни могут перестать быть приговором для многих пациентов.
Благодаря алгоритмам машинного обучения, которые анализируют огромные объемы данных и изображений сетчатки, врачи могут получать высокоточные предсказания и ранние предупреждения о возможных патологиях, начать лечение на самых ранних стадиях и предотвратить необратимые изменения.
ИИ могут обрабатывать и интерпретировать данные гораздо быстрее, чем это может сделать человек, что позволяет офтальмологам уделять больше времени непосредственно лечению пациентов и разработке индивидуальных терапевтических стратегий.
Это не только повышает общую продуктивность медицинского персонала, но и улучшает качество обслуживания пациентов за счет сокращения времени ожидания результатов диагностики.
Следующим аспектом, заслуживающим внимания, является способность ИИ систем к постоянному обучению и самоулучшению.
Алгоритмы искусственного интеллекта обучаются на постоянно обновляемых данных, что позволяет им адаптироваться к новым методам лечения и выявлять ранее не обнаруживаемые паттерны заболеваний. Это означает, что с течением времени точность и надежность таких систем только возрастают, что способствует непрерывному улучшению качества медицинской помощи.
Нельзя не отметить, что использование ИИ способствует персонализации лечения. Современные алгоритмы могут анализировать индивидуальные особенности каждого пациента, включая генетические предрасположенности, образ жизни и сопутствующие заболевания.
У врачей получается быстро разработать персонализированные планы лечения, максимально адаптированные под конкретного пациента, что снижает риск побочных эффектов и осложнений, а ведь осложнения – ключевая проблема офтальмологии.
Но помимо упрощения процесса анализа данных, быстрых и точных диагнозов с планами, мы получаем и рост новых специалистов… Ведь предоставляя врачам и студентам медицинских вузов доступ к передовым инструментам и симуляторам, которые позволяют совершенствовать навыки диагностики и лечения без необходимости непосредственного взаимодействия с пациентами, удастся воспитать лучшее поколение офтальмологов. Решения ИИ могут подсказывать студентам, как правильно интерпретировать снимки.
В условиях глобального дефицита специалистов, особенно в отдаленных и слаборазвитых регионах, ИИ могут выполнять роль первичной диагностики, предоставляя базовую медицинскую помощь и направляя пациентов к необходимым специалистам.
Все это значительно снижает нагрузку на здравоохранительные системы и помогает распределить медицинские ресурсы грамотно, что особенно актуально в современных условиях глобализации и урбанизации.