Модель, оснащенная искусственным интеллектом, заменит процесс создания баз данных пациентов, заполняемых вручную.
Специалисты факультета информационных технологий Массачусетского технологического института планируют использовать искусственный интеллект для принятия медицинских решений. Огромный объем данных о пациентах, который обычно записывается вручную, теперь будет поручен искусственному интеллекту.
Область ранней диагностики заболеваний в медицине играет важную роль в постановке диагнозов и проведении лечебных мероприятий. Например, модель искусственного интеллекта собирает данные о состоянии пациентов в отделениях интенсивной терапии для безопасного проведения химиотерапии и раннего выявления рака молочной железы при лечении сепсиса.
Хотя база данных охватывает множество тем заболеваний, по отдельным темам данных может быть очень мало. Задача специалиста — найти «признаки заболевания» в базе данных и использовать их для принятия медицинских решений. А «автоматизация этих признаков» может быть очень масштабным и дорогостоящим процессом. Этот процесс становится еще сложнее с широким распространением сенсорных датчиков. Это связано с тем, что врач долго наблюдает за состоянием пациента, записывая режим сна, походку и даже тембр голоса. Всего за неделю наблюдения врач может собрать миллиарды данных по каждой теме о пациенте.
На конференции «Роботизация здравоохранения» ученые Массачусетского технологического института представили модель искусственного интеллекта для диагностики заболеваний горла. Признаки заболевания объединяются в базу данных примерно по 100 темам. После недельного наблюдения за пациентом собираются миллиарды образцов по конкретным темам. Эти данные поступают от сигналов, посылаемых небольшим сенсорным датчиком, установленным на шее пациента.
В эксперименте модель искусственного интеллекта с высокой точностью классифицировала признаки заболевания, зарегистрированные у пациентов с заболеваниями горла и без них. Патологические изменения в глотке регистрировались по нарушению тембра голоса пациента во время пения или крика. Самое главное, искусственный интеллект выполнил эту задачу, не используя ни одного данных, записанных вручную.
Хосе Хавьер Гонсалес, аспирант лаборатории информационных технологий и искусственного интеллекта Массачусетского технологического института, автор данной модели, говорит: «Теперь создание долгосрочных баз данных будет проще. А врачам нужно будет использовать свою квалификацию для маркировки баз данных. Мы хотим освободить врачей от ручного труда и заменить сбор признаков заболевания моделью, оснащенной искусственным интеллектом».
Данную модель можно адаптировать для исследования признаков заболеваний в любых условиях. Наблюдение за ежедневным тембром голоса пациентов показало необходимость развития инструментов для выявления, диагностики, лечения и профилактики заболеваний горла. Это требует добавления новых функций для раннего выявления и предупреждения людей с нарушениями голоса.
В этом проекте, помимо Гонсалеса Ортиса, приняли участие профессор С. Джексон, руководитель группы управления базами данных лаборатории информационных технологий, электротехники и искусственного интеллекта; Роберт Хиллман, Джарад Ван Стан и Дариуш Мехта, все специалисты отделения хирургии заболеваний горла и центра восстановления голоса Массачусетской клиники, а также доцент кафедры информационных технологий и медицины Университета Торонто Марзия Гашеми.
Изучение признаков заболевания
Ученые МТИ годами работали совместно с центром хирургии заболеваний горла и отделением восстановления голоса, анализируя данные, собранные днем с помощью сенсорного датчика, прикрепленного к шее пациента. Комплект сенсорного датчика прикрепляется к шее пациента и связывается со смартфоном. Когда человек говорит, сенсорный датчик передает сигналы и данные на смартфон. За неделю ученые собрали данные по 104 темам. Кроме того, в ходе исследования учитываются возраст, пол, профессия и другие факторы человека.
Обычно врачам приходится вручную вводить некоторые признаки для диагностики различных заболеваний. Это распространенная проблема в автоматизации здравоохранения: она предотвращает переобучение робота. Таким образом, при настройке модели она «запоминает» только нужные темы, а не все возможные медицинские признаки. Это связано с тем, что при тестировании модели был зафиксирован факт невозможности отличить схожие признаки, встречающиеся у нового пациента.
По словам Гонсалеса Ортиса, модель, вместо того чтобы просто регистрировать медицинские признаки заболевания, при виде этих признаков будет говорить: «Это Сара, она здорова, а у Питера проблемы с горлом». Это означает запоминание признаков заболевания, связанных с темой. Затем, увидев данные о голосе нового пациента Эндрю, он не будет знать, с каким признаком его следует классифицировать.
Чтобы предотвратить трудности при переобучении робота, признаки заболевания необходимо вводить вручную. Для этой цели изобретательные ученые взялись за обучение искусственного интеллекта признакам заболевания вне пациента. Для этого они регистрируют силу голоса пациента во время разговора.
Голосовые сегменты, собранные искусственным интеллектом у пациента, составляют лишь 10 процентов всех данных. Тембр голоса записывается в виде спектрограммы в специальных окнах, и частота голоса изменяется. Эти спектрограммы сохраняются в виде больших матриц, состоящих из тысяч элементов.
Однако большой размер этих матриц затрудняет их обработку. Поэтому нейронная система автоматического кодирования, преобразующая большие базы данных в эффективные коды, преобразует спектрограмму в код, состоящий из тридцати элементов. Затем каждый из них снова разделяется на отдельные спектрограммы.
Отображение нормальных и патологических признаков
Сначала модель искусственного интеллекта определяет, является ли человек «пациентом» или «здоровым». Сегменты спектрограммы записанного голоса человека фильтруются по конкретным признакам. Если в голосе человека обнаружены патологические сегменты, он считается «пациентом». Если голос нормальный, они относят его к категории «здоровых» людей.
В ходе эксперимента данная модель была признана самой современной моделью по точности автоматизации признаков заболевания. Важно отметить, что предложенная учеными модель также показала безупречные результаты в различении медицинских признаков в базе данных и данных, не относящихся к пациенту.
На следующем этапе изобретательные ученые хотят использовать модель искусственного интеллекта для контроля состояния после операции или для отслеживания результатов лечения голоса. Кроме того, они рассматривают возможность применения аналогичного метода для обработки данных, собираемых электрокардиограммой, регистрирующей сердечный ритм.
Важно следить за тем, чтобы спектрограмма, выделяемая моделью, не отличалась от данных в реальной спектрограмме. Для этого модель должна анализировать все отфильтрованные сегменты спектрограммы. А эти отфильтрованные сегменты считаются признаками, помогающими диагностировать заболевание.
Оригинал статьи: news.mit.edu