Людський фактор часто стає причиною виникнення проблем. Це стосується виробництва, побутових ситуацій, водіння і, звичайно ж, медицини. Помилка лікаря може означати втрату здоров’я чи навіть життя пацієнтом, а лікарі помиляються не так вже і рідко. Навіть професіонал найвищої проби може робити помилки — адже фахівець може бути втомленим, роздратованим, концентруючись на проблемі гірше, ніж зазвичай.
У цьому випадку на допомогу можуть прийти машини. Та ж когнітивна система IBM Watson, наприклад, цілком непогано управляється з роботою в медичній сфері (онкологія, читання рентгенівських знімків тощо). Але є й інші рішення, запропоновані незалежними дослідниками. Одне з таких рішень було створено вченими зі Стенфорда на чолі з Ендрю Енджі, достатньо відомим у своїй сфері спеціалістом по штучному інтелекту.
Він з колегами розробив систему, яка здатна діагностувати аритмію серця по кардіограмі, причому комп’ютер робить це краще, ніж експерт. Мова йде про нейромережі, яка після навчання здатна діагностувати аритмію з високим ступенем точності. При цьому комп’ютер працює не тільки надійніше, але і швидше нейромережа, так що завдання аналізу медичних знімків і результатів ЕКГ можна перекласти на комп’ютер після остаточної «доведення» системи. Лікаря ж залишається лише перевіряти роботу програмно-апаратної платформи, про яку йде мова і діяти у відповідності з остаточним діагнозом.
Цей проект показує, наскільки сильно комп’ютер може змінити медицину, поліпшивши різні аспекти цієї сфери. Нейромережі вже допомагають лікарям діагностувати рак шкіри, рак грудей, захворювання очей. Тепер настала черга і кардіології.
«Мені дуже подобається те, наскільки швидко люди сприймають ідею, що глибоке навчання може допомогти поліпшити точність постановки діагнозу лікарем», — говорить Енджі. Він також вважає, що на цьому можливості комп’ютерних систем не вичерпуються, їх можна застосовувати і в багатьох інших сферах.
Команда Стенфорда витратила чимало часу для навчання нейромережі, з тим, щоб система могла ідентифікувати відхилення від норми на даних ЕКГ. При цьому аритмія досить небезпечне захворювання, вона може призвести до раптової смерті від зупинки серця. Проблема в тому, що виявити аритмію не так легко, тому пацієнтам з підозрою на неї іноді доводиться носити на собі ЕКГ датчик протягом декількох тижнів. І навіть після цього даних для діагностики відхилень може виявитися недостатньо.
Як вже говорилося вище, нейромережа довелося навчати, причому на прикладі реальних показників пацієнтів лікарень. Самостійно набрати кілька десятків тисяч результатів вимірювань ЕКГ фахівці Стенфорда були не в змозі, тому вони запросили до партнерства iRhythm, компанію, яка виробляє портативні ЕКГ-гаджети. Компанія надала 30000 30-секундних записів результатів вимірювань роботи серцевого м’яза пацієнтів, які страждають від різних форм аритмії. Для того, щоб збільшити точність роботи алгоритму, а також порівняти результати роботи комп’ютера з результатами діагностики лікарів, використовувалися ще 300 записів. Їх одночасно аналізували і машина, і лікарі. Потім результати оцінювалися спеціальним журі, в яке увійшли 3 кардіолога екстра-класу.
Глибоке навчання нейромережі почалося з «згодовування» величезної кількості даних. Потім використовувалася вже тонка налаштування для підвищення точності діагностики.
Крім фахівців, про яких вже йшлося вище, машинне навчання для створення систем, здатних діагностувати аритмію, використовують і інші групи. Наприклад, Ерік Горовіц, керуючий директор Microsoft Research (сам він — медик) з колегами працюють приблизно в тому ж напрямку, що і фахівці з Стенфорда. На їхню думку, нейромережі дійсно здатні поліпшити якість медичного обслуговування пацієнтів, допомагаючи лікарям витрачати менше часу на рутину і більше — на пошук ефективних методів лікування своїх підопічних.
Правда, про масштабне впровадження нейромереж в лікарні всього світу мова поки не йде. Цей напрямок знаходиться в зародковому стані, але розвивається все швидше. Лікарні США, Європи та інших країн беруть на озброєння нові технології, працюють з новими методами діагностики захворювань. Головна проблема в плані поширення згаданих технологій, що нейромережі представляють свого роду «чорний ящик». Фахівці вводять дані і отримують певний результат. Але те, як цей результат був отриманий, які алгоритми і в якій послідовності задіяні можуть не до кінця розуміти самі творці таких систем. Якби нейромережі вдалося зробити більш прозорими, а принцип їхньої роботи можна було б легко пояснити практикуючим медикам, тоді і темпи поширення цієї технології були б набагато вище.
Закінчив магістратуру КПІ за спеціальністю “Інженерія програмного забезпечення.”
Захистив кандидатську за темою: “Проектування дидактичної системи інноваційної підготовки фахівців в області програмної інженерії”.
Працюю і пишу на теми, пов’язані з програмуванням, влаштуванням комп’ютерів і комп’ютерних систем.
