Написать нам
Категория: Нейронные сети
21.09.2022

Нейронные Сети в Сфере Здравоохранения: 10 Вариантов Использования

Хотите Нейронные сети здравоохранение?
Компания Merehead занимается веб разработкой. Свяжитесь с нами и получите бесплатную консультацию! Поговорить с Менеджером
Рынок искусственного интеллекта в здравоохранении был оценен в 8,23 миллиарда долларов в 2020 году и, по прогнозам, достигнет 194,4 миллиарда долларов к 2030 году, увеличившись в среднем на 38,1% с 2021 по 2030 год. При этом главным драйвером роста рынка станут искусственные нейронные сети, поскольку именно благодаря им цифровой  «разум» может настолько быстро и эффективно обучаться. В этой статье мы расскажем, как именно искусственные нейронные сети сегодня используются в медицине.

Роботизированная хирургия



Хирургические процедуры требуют глубоких познаний в медицине, высокой точности, способности адаптироваться к изменяющимся обстоятельствам и постоянного внимания в течение длительного периода времени. Хотя обученные хирурги, как правило, обладают всеми этими качествами, но они всего лишь обычные люди, а потому могут ошибаться, особенно если у них плотный график. Согласно исследованиям Johns Hopkins University, только в США хирургические ошибки происходят более 4000 раз в год. К примеру, не менее

39 раз в неделю хирург оставляет внутри пациентов посторонние предметы, более 20 раз в неделю хирурги проводят не ту операцию или оперируют не тот орган.





Smart Tissue Autonomous Robot, или STAR — первый ИИ, который спланировал и выполнил хирургическую операцию в мягких тканях (свиньи) без вмешательства человека.


Роботизированная хирургия может сгладить эту проблему. В частности, ИИ на базе нейронных сетей можно использовать для моделирования и планирования операции, оценки навыков хирурга и упрощения хирургических задач. Также роботы с механическими руками могут самостоятельно проводить хирургические процедуры, что ускорит и удешевит такого рода услуги, а также сделает высокопрофессиональную хирургию более распространенной — крутой хирург вряд ли захочет жить в бедных районах Африки или Азии, тогда как робота-хирурга можно разместить в любом помещении с электричеством.



И все это не просто слова: отрасль роботизированной хирургии уже сейчас оценивается в 40 млрд долларов, и она показывает отличные результаты:



Визуализирующая диагностика



Под визуализацией в медицине подразумевают процесс создания визуальных представлений внутренних структур тела для клинического анализа и медицинского вмешательства, а также визуального представления функций некоторых органов или тканей. Визуализация позволяет улучшить диагностику при использовании рентгена, компьютерной томографии, маммографии, МРТ, ПЭТ, УЗИ и других процедур.



Медицинское сообщество уже давно осознало, что визуализация способна значительно повысить вероятность обнаружения заболеваний. Вот только часто даже натренированный человеческий глаз врача не может распознать мелкие детали на изображениях. Кроме того, также не стоит забывать про проблему с «замыливанием» глаз: исследователи из Harvard University добавили изображение гориллы на рентгеновские снимки и показали их врачам — 83% ренгенологов не заметили изображение гориллы на рентгеновских снимках.





Гориллу на этом снимке заметили только 2 врача из 10.


Сверточные нейронные сети (CNN) отлично подходят для медицинской визуализации. По словам ученых из Стэнфордского университета, CNN разрабатываются с расчетом на то, что они будут обрабатывать изображения, а значит, их можно использовать в медицине, например для анализа результатов МРТ или рентгеновских снимков. Причем CNN часто превосходят точность людей. Для примера, у профессиональных дерматологов точность обнаружения меланомы составляет от 65% до 85%. Тогда как такие решения, как TensorFlow, scikit-learn или keras, показывают точность на уровне от 87% до 95%.





Нейросети на 10% более точны в выявлении меланом, чем люди-дерматологи.


При этом они работают намного быстрее людей, без обеденных перерывов и выходных: исследователи из Медицинской школы Маунт-Синай Икан разработали нейронную сеть, способную диагностировать важные неврологические состояния, такие как инсульт и кровоизлияние в мозг, в 150 раз быстрее, чем люди-радиологи.



Вот еще несколько примеров медицинской визуализации с помощью нейросетей:



Виртуальные помощники по уходу



Еще одна вещь, с которой нейронные сети могут помочь, — это взаимодействие с пациентами в таких вещах, как запросы пациентов, управление конфиденциальной медицинской информацией пациентов, назначение встречи с врачами, отправка отчета об анализах, напоминания о визитах в медицинские учреждения и прочее. Если передать эти задачи ИИ, это позволит ежегодно экономить 20 млрд долл только на американском рынке здравоохранения.



Такие виртуальные помощники медсестры, как Care Angel, способны проводить первую встречу, организовывать визит в больницу, частично вести медицинские записи, сообщать о результатах анализов и даже проводить проверку состояния здоровья с помощью голоса. Другой пример подобного решения — Sensely. Этот виртуальный помощник представляет собой интерактивное приложение, созданное с целью оптимизации медицинского рабочего процесса, автоматизации рутинных процессов, снижения затрат на мониторинг лечения пациентов. Исследования показывают, что использование Sensely позволяет снизить трудозатраты на мониторинг пациентов на 66% по сравнению с обычной процедурой.

Рабочий процесс и административные задачи



Опрос The New England Journal of Medicine (NEJM) среди британских врачей показал, что более 80% респондентов считают выгорание врачей проблемой в своей организации. При этом половина из этих респондентов сообщили, что «разгрузка административных задач» может полностью или частично решить эту проблему, позволив врачам проводить больше времени с пациентами, а также тратить больше времени на профессиональное развитие. Причем больше всего жалоб на необходимость ведения Электронных медицинских карт (EHR) пациентов, которые используют множество больниц во всем мире.





Насколько распространена проблема выгорания среди медицинского персонала в США.


Искусственный интеллект на базе нейронных сетей может взять на себя значительную часть рутинной канцелярской работы по заполнению документов и отчетов, что позволит сэкономить до 18 млрд долл в здравоохранении. Например, алгоритм для транскрипции голоса в текст может помочь заполнять EHR, назначать анализы, выписывать лекарства, делать заметки и прочие вещи с помощью голоса во время осмотра пациента.



Одним из примеров таких решений является Olive — платформа на базе ИИ, автоматизирующая несколько административных процессов, таких как проверка правомочности необоснованных медицинских требований, передача необходимых медицинских данных соответствующим медицинским работникам и т. д. Olive легко интегрируется с существующими медицинскими программными инструментами.



Аналогичные услуги предоставляет K2 Process Automation. Эта платформа использует искусственный интеллект для оптимизации управления медицинскими учреждениями и их персоналом. В частности, ИИ K2 может автоматически обновлять данные в карте пациента, обрабатывать запросы пациентов, отправляя им уведомления при получении результатов анализов, регистрировать звонки и сохранять информацию соответствующим образом.

Прогнозирование вспышек инфекционных заболеваний



В конце декабря 2021 года платформа BlueDot предсказала вспышку коронавируса в Китае. Искусственный интеллект BlueDot изучив новости на 65 языках, разговоры людей в соцсетях и сводки о заболевании, сообщил о вспышке новой инфекции, похожей на грипп, на неделю раньше, чем это сделала Всемирная организация здравоохранения (ВОЗ). И это не первый такой случай. До этого BlueDot предсказал вспышку вируса Зика во Флориде в 2016 году, за шесть месяцев до того, как это произошло. Еще раньше BlueDot предсказал вспышку лихорадки Эбола в 2014 году и ее распространение за пределами Африки.



Еще один стартап, который показал свою способность предсказывать вспышки инфекционных заболеваний, это Metabiota. По словам издания TechCrunch, эта платформа помогла остановить распространение лихорадки Эбола в Сьерра-Леоне.





Нейронная сеть HealthMap сумела засечь CoVID-19, когда уханьские врачи только начали обсуждать странное заболевание на сайте ProMED-mail. Использовать данные этой площадки может любой пользователь интернета.

Написать нам
Имя*:
Email*:
Сообщение: