С използването на сайта вие приемате, че използваме „бисквитки" за подобряване на преживяването, персонализиране на съдържанието и рекламите, и анализиране на трафика. Вижте нашата политика за бисквитките и декларацията за поверителност. ОK
Вход | Регистрация
31 юли 2018, 0:00, 409 прочитания

Как изкуственият интелект ще ни помогне да бъдем в добро здраве и да водим пълноценен живот

Алгоритмите и машинното обучение дават нова перспектива за развитие на медицинската наука и практика

  • LinkedIn
  • Twitter
  • Email
  • Качествената журналистика е въпрос на принципи, професионализъм, но и средства. Ако искате да подкрепите стандартите на "Капитал", може да го направите тук. Благодарим.

    Дарение
    Плащането се осъществява чрез ePay.bg
Реклама Тази статия е с рекламно съдържание, предоставено от трета страна и не е обвързана с редакционната политика на медията.
Разговаряме с Антуан Ангелов, мениджър бизнес развитие на облачни услуги и бази данни в КОНТРАКС.

Любопитен, търсещ иновативни подходи и напредничави идеи – представяме ви Антуан Ангелов, който се присъединява към екипа на КОНТРАКС преди 3 години и винаги има да разкаже нещо интересно и ново.

Тази година записва Докторантура по "Системи с изкуствен интелект" в Техническия Университет, гр. София. Средното си образование завършва в ПГЕА "Киров", специалност "Робототехника", с димпломна работа на тема: "Часовник за Реално време за Apple ][".

НЕВРОННИТЕ МРЕЖИ ОТ НАУКАТА ЗА ЧОВЕКА КЪМ ОТГОВОРНОТО ОТНОШЕНИЕ ЗА ВЪЗМОЖНОСТИТЕ НА ИЗКУСТВЕНИЯ ИНТЕЛЕКТ

Развитието на медицинската наука е основа за реализирането и развитието на един цял раздел в изкуствения интелект (ИИ) - невронните мрежи (НМ) и машинното обучение, които от своя страна се използват за постигане на конкретни цели в медицината.

Днес все по-задълбочено се изучават невронните мрежи. За разлика от алгоритмичния подход в ИИ, използването на невронни мрежи се базира на алгоритми за обучение чрез примери, с което се прави опит за моделиране на биологичния им еквивалент - човешкия мозък. "Дълбокото обучение" (Deep Learning) е метод за внедряване на обучение на машини, при който те се "научават" на закономерности в големи неструктурирани данни. Един от широко разпространените алгоритмични подходи са невронните мрежи – структура, която реално имитира връзките в човешкия мозък. Докато невронните мрежи обработват данните, мрежата от свързани елементи се самонастройва и дава възможност на невронните мрежи да тълкуват постъпващите бъдещи данни.

Обществените сектори като здравеопазване, образование и развитие на интелигентните и свързани градове са в пряка зависимост с развитието на изкуствения интелект. Именно тук най-осезаемо могат да се видят ползите за подобряване на качеството на живот на хората. В тази статия ще направим опит да представим възможностите на интелигентните машини и потенциала им в посока да улеснят и подобрят грижата за доброто здраве на хората. И конкретно на раздела в ИИ - невронните мрежи, които се използват при самообучението на интелигентните и експертни системи.

Майкъл Дел, основател и главен изпълнителен директор на Dell Technologies, е оптимист, когато става въпрос за ИИ. Г-н Дел харесва идеята за човешки същества, които работят съвместно с машините. "Обичам тази идея за партньорство между хората и машините, защото в съзнанието ми винаги е било много ясно", казва Дел. Става въпрос за човешки същества от една страна и машините от друга. Той смята, че светът се разделя на хора и машини, но всъщност става въпрос за съвместна работа.

По принцип с невронни мрежи може да бъде изчислена всяка изчислима функция, т.е. с тях би могло да се прави всичко, както със стандартните цифрови компютри - да се изпълняват базовите булеви операции (с 1 и 0). За разлика от алгоритмичния подход обаче, невронните мрежи използват принципа на паралелна обработка на информацията и поради това те могат да бъдат използвани успешно при задачи за обработване на големи неструктурирани данни (сигнали, реч, изображения и др.) и то в реално време, когато се цели постигане на по-голямо бързодействие. Така своята сила невронните мрежи черпят от разклонената обработка на информацията и от способността за самообучение при създаване на обобщения.

Изкуствените НМ опростяват нещата и се опитват да обхванат по-висшите и по-абстрактни свойства на невронните изчисления. В основата на една невронна мрежа е заложена техника за обработване на данни, вдъхновена от начина, по който това се извършва в човешкия мозък. Изкуствената невронна мрежа е математически модел, съставен от набор отделни елементи, които стимулират някои наблюдавани свойства на биологичните невронни системи (както и процесите на адаптивно биологично усвояване на нови знания и умения). Съвременният модел на НМ е композиция от добре взаимодействащи си елементи и свързващите ги канали.

Илюстрация



МАШИННОТО ОБУЧЕНИЕ В ПОЛЗА НА СЪЗДАВАНЕТО НА НОВИ ИНОВАТИВНИ ПОДХОДИ В МЕДИЦИНСКАТА ПРАКТИКА

В здравеопазването методите на ИИ основно се използват в процеса на идентификация и диагностика на заболяванията. Тези техники помагат на лекарите да вземат по-добри решения на база на натрупания опит, който се извежда от машините като резултат от анализа, приложен върху данните. ИИ може да подпомогне медицинския екип да направи нужните заключения, като предложи насоки за подобряване начина на живот на пациента, приема на необходимите медикаменти, осигуряване на автоматизиран мониторинг и навременна оценка на критичните състояния, като експертните системи могат да забележат и най-ранните и слаби сигнали, които човек не би могъл да открие на момента.

Dell EMC е в челните редици на ИИ, предоставяйки технология, която прави утрешния ден възможен днес. Компанията еднозначно предлага технологии - обхващащи работни станции, сървъри, мрежи, сториджи, софтуер и услуги за решения насочени към анализа на данни, които са в основата на ИИ и машинното обучение. Нещо повече, Dell EMC инвестира в създаването на портфолио от готови решения, всяко от които с помощта на екип от експерти, дава възможност да се интегрира и адаптира с решенията за машинно обучение.

Интегрираните в мобилните приложения за съобщения чатботове, все по-добре идентифицират състоянието на пациента чрез задаване на въпроси и в разговор с него, като сравняват и постъпващата информация от сензорите в отдалечената облачна система за наблюдение за конкретния пациент. Те правят възможно да се намали натоварването и инвестицията в специализираните кол-центрове за пациенти и да се подобри времето за реакция при спешните случаи.

Онкология - вземане на правилни решения. Ракът е сложно и понякога неуловимо заболяване, а "уникалният рак" на всеки човек може да доведе до неочаквани предизвикателства. Поради тази причина лекарите често търсят становища от други експерти, за да потвърдят плана за лечение или да обмислят нов подход, базиран на подкрепящите ги доказателства, като потенциално повишават доверието в техните решения за лечение. Проучвания показват, че 10% от смъртността от рака на белите дробове е свързана с диагностични грешки, а 4% от милионите радиационни интерпретации, провеждани всяка година, съдържат клинично значими грешки. Точно тук невронните мрежи и машинното обучение може да подобрят тези резултати, но разработването и обучението на софтуера ще е едно сериозно предизвикателно. Така, базираните на ИИ експертни системи в онкологията, например дават препоръки, които "съвпадат" с тези на лекарите по целия свят в голямата част от случаите - така че експертите могат да се съсредоточат върху това, което правят най-добре - да се грижат за пациента.

Статистика и оценяване на риска при заболявания - невронната мрежа вече може да предскаже сравнително точно какъв е риска от фатален край на пациент, постъпил в болница в напреднал стадий на онкологично заболяване, благодарение на анализа на по-ранни неизползвани записи в стари медицински картони и PDF файлове. Общо невронна мрежа анализира стотици хиляди фактори, което я прави по-бърза и по-точна, отколкото която и да е друга, съществуваща в момента програма.

Друга област в която ИИ се налага е генетиката. Чрез нея може да се предложи персонализирано лечение или промяна на поведението по време на процеса на лечение. Персонализираната медицина или по-ефективното лечение, основано на индивидуалните здравни данни от пациента, съчетани с прогнозни анализи, също е гореща област на изследване и е тясно свързано с по-доброто идентифициране на заболяването. Тази сфера понастоящем се управлява от раздел в ИИ - машинно контролирано самообучение, което позволява на лекарите да избират, например от по-ограничени групи диагнози или да оценят риска за пациентите въз основа на симптоми и генетична информация.

Илюстрация



Намаляването на времето за анализ на геномните изследвания, паралелно с управлението и съхраняването на огромното количество данни, включително снимки от различни системи (PACS, кардиологични, патологични и др.), които се генерират и използват, е основно предизвикателство към ИТ инфраструктурата. Dell EMC Isilon Scale-Out NAS предлага високо надеждна и сигурна файлова система за приложенията и работните процеси. Благодарение на уникални технологии за управление и интелигентно редуциране на физическото пространство, Isilon е лидер в световен мащаб в решенията за неструктурирани данни.

Откриване на нови лекарства. Машинното обучение също така може да ускори откриването на нови лекарства. Система, базирана на ИИ, може да провери повече от 10 000 потенциално болестотворни съединения. Има създадени програми с изкуствен интелект, които могат да се учат от по-ранните успехи при избора на съединения, преценявайки кои са токсични за болните клетки, за да блокират действието на паразитните протеини, като оставят еквивалентния човешки протеин невредим. Вместо да се ползват методи на проверките чрез числа, се използва машинно обучение, за да се развие подход и да се набележат нови потенциални химически структури.

Технологиите, на които се основава ИИ и машинното самообучение също се прилагат за наблюдение и прогнозиране на епидемични огнища по света, базирани на данни, събрани от спътници, историческа информация в интернет, актуализации в социални медии в реално време и други източници. Поддържащи векторни машини и изкуствени невронни мрежи са били използвани, например, за да се предскажат взривове на малария, като се вземат предвид данни като температура, средно-месечни валежи, общ брой положителни случаи и други данни. Предсказването на сериозността на огнищата е особено належащо в страните от третия свят, които често нямат медицинска инфраструктура, нужното образование, имат ограничени комуникации и достъп до лечение.

Интелигентни електронни здравни досиета. Класификацията и категоризация на документите (например: сортиране на заявките за пациента по електронна поща), като се използват машини за поддържане на вектори и оптично разпознаване на символи (трансформиране на курсив или друг скициран почерк в цифровизирани знаци), са основни технологии в ИИ, където непрекъснато се използват техники на машинно самообучение. Те спомагат за напредъка в събирането и цифровизацията на информация за електронното здравеопазване. Технологиите за оптично разпознаване на ръкописни знаци и символи са само един пример за иновации в тази област.

От съществено значение за качествена обработка и анализ на данните от електронните досиета, съчетана с надеждна защита и бързодействие, е дисковият масив, върху който "живеят" данните. Dell EMC XtremIO е сторидж, базиран на флаш дискове и уникални технологии за използване на по-малко пространство, изключителна бързина на операциите по четене и запис, гарантирана сигурност и консистентност на данните, който има своето приложение в организацията на интелигентните електронни здравни досиета.

Подобряване на радиационната терапия. Диагностична радиология чрез добавена реалност и машинно разчитане на изображенията. В следващите 20 години радиолозите няма да са същите. Те могат да бъдат по-скоро като киборги, които да проследяват алгоритми четящи хиляди проучвания в минута.

Илюстрация



Сензори и смарт устройства, чрез които се събират данни за състоянието на пациентите. През следващото десетилетие друга бързо развиваща се област ще е свързана с повишеното използване на микро биосензори и SMART устройства, както и мобилни приложения с по-сложни възможности за измерване на състоянието на здравето и дистанционно наблюдение, които ще осигурят общ единен поток от данни използвани за подпомагане ефикасността на научноизследователската и развойната дейност, и лечението. Този вид персонализирано лечение има важни последици за индивида по отношение на оптимизирането на здравето, но и за намаляване на общите разходи за здравеопазване.

Илюстрация



РЕАЛИЗИРАНИ ПРОЕКТИ ОСИГУРЯВАЩИ ПО-ДОБРО КАЧЕСТВО НА ЖИВОТ

КОНТРАКС, като дългогодишен разработчик на софтуер за здравеопазването, работи в посока осигуряване и на отдалечена форма на медицинско обслужване на пациентите. Инструменти с различни сензори за следене състоянието на пациента, включително видео консултации, са част от формата за телемедицина. В отговор на повишеното търсене на виртуално обслужване, системният интегратор КОНТРАКС може да осигури възможност на доставчиците на медицински услуги да обслужват пациентите си онлайн.

КОНТРАКС АД изгради в края на 2016 г. една от първите такива системи в община Септември в изпълнение на Проект "Независим живот в община Септември" по Процедура за директно предоставяне на безвъзмездна финансова помощ, която се реализира с финансовата подкрепа на Европейския съюз чрез Европейския социален фонд.

Работата в посока развитие на подобни интелигентни системи ще даде възможност:
- Близки на болния/ наблюдавания, както и личният му лекар, да се информират за здравословното му състояние в течение на определен период.
- Да се предлагат всякакви нововъведения с допълнителни мобилни сензори като гривни пулсомери, устройства за активност/ движение, кантари с информация за хидратация, костна маса и мазнини, дистанционни пулсомери за легло, SMART инхалатори, сензори за качество на въздуха.

От началото на 2018 година в Хипократ GP - софтуерен продукт, разработен от КОНТРАКС за общопрактикуващи лекари, е внедрена нова услуга, която автоматизира всички медико-диагностични направления (МДН), публикувани през интернет в облачен сървър. Лабораторните апарати получават автоматично заявките за изследването и автоматично ги изпълняват. Резултатите се валидират от лабораторния лекар и стават достъпни за прочитане през интернет от Хипократ GP. Получените данни за резултатите от клиничните изследвания автоматично се въвеждат в електронното досие на пациента, което се съхранява от здравно-информационната система на семейния лекар Хипократ GP.

ПРЕДИЗВИКАТЕЛСТВАТА ПРЕД ИИ
В надпреварата за прилагане на технологии от ИИ в областта на медицината все още има и сериозни предизвикателства за решаване, сред които са:

- Управлението на данните. Медицинските данни са лични и не са лесни за достъп. Логично е повечето хора да се притесняват от освобождаването на тези данни. Ето защо е необходимо да се придаде важност на стойността от споделянето и интегрирането на данни между отраслите, като това става контролирано и регулирано законово.
- Опростяването на електронните записи. Понастоящем тези записи са все още разхвърляни и фрагментирани в базите данни. Важна първоначална стъпка в навлизането на персонализирани решения за лечение е именно опростяването и систематизирането им.

Очаквайте скоро поредицата от статии и материали на тема изкуствен интелект, с които ще ви запознаем с нови идеи и концепции, както и с актуалните проекти на КОНТРАКС в тази област.

КОНТРАКС е водещ системен интегратор в България. Притежава широко портфолио от технологии и висока експертиза във внедряването на комплексни решения в здравеопазването. Заедно със своя дългогодишен партньор Dell EMC предлага работни станции, сървъри, мрежи, сториджи за съхранение и анализ на данни, които са основа за успешното приложение на изуствения интелект в здравеопазването.
  • Facebook
  • Twitter
  • Зарче
  • Email
  • Ако този материал Ви е харесал или желаете да изразите съпричастност с конкретната тема или кауза, можете да ни подкрепите с малко финансово дарение.

    Дарение
    Плащането се осъществява чрез ePay.bg
24 часа 7 дни
 
Капитал

Абонирайте се и получавате повече

Капитал
  • Допълнителни издания
  • Остъпки за участие в събития
  • Ваучер за реклама
Още от "Реклама" Затваряне
Desiree Gas прави газификацията по-близка от всякога

Програмата e с нови, по-добри условия за безвъзмездна финансова помощ и замяна на неефективните енергоизточници на българските домакинства

Кой спря Търговския регистър

Никой не поема отговорност за провала на агенцията, която се оглавява от близката до Делян Пеевски Зорница Даскалова

Опасното шофиране на Илън Мъск

Предприемачът отдавна има проблеми с анализаторите и спекулантите на капиталовия пазар

"Агрия груп" купува производител на слънчогледово олио

Базираната в Лясковец "Кехлибар" ще е първата компания за преработка на слънчоглед в портфейла на холдинга

Кредитор продава рециклиращите машини на Пламен Стоянов-Дамбовеца

Оборудването е струвало около 10 млн. лв. при покупката му, а сега се предлага за около половината

20 въпроса: Ирена Иванова (Рене Карабаш)

Възможно е да я познавате в различни превъплъщения и под различни имена

Календар и домашно кино

Интересните събития през уикенда и следващата седмица

K:Reader

Нов и модерен инструмент, който пренася в дигитална среда усещането от четенето на хартия.

Прочетете целия вестник или списание без да търсите отделните статии в сайта.
Капитал, брой 33

Капитал

Брой 33 // 18.08.2018 Прочетете
Капитал PRO, Вечерни новини: Ралица Агайн вече не е в КФН, стартът на Търговския регистър е отложен

Емисия

DAILY @7PM // 21.08.2018 Прочетете