Google рассказала, как ИИ компании, созданный для диагностики заболеваний, работал в реальных условиях
Компания Google впервые испытала свой искусственный интеллект, созданный для диагностики заболеваний, в реальных условиях в больницах Таиланда. Подразделение корпорации Google Health сообщило, что система показала отличные результаты в ходе экспериментов, однако отзывы о работе алгоритма в клинических условиях оказались не полностью положительными.
Министерство здравоохранения Таиланда потребовало от медиков проверять 60% людей, страдающих диабетом, на наличие диабетической ретинопатии, которая может вызвать слепоту, если ее не диагностировать на ранней стадии. Из-за того, что на около 4,5 млн пациентов приходится только 200 специалистов, способных поставить диагноз, клиникам непросто выполнить требование. Чтобы увидеть, может ли ИИ помочь, Google оснастила 11 клиник по всей стране системой глубокого обучения, которая способна распознавать признаки заболеваний глаз у пациентов с диабетом.
В больницах Таиланда медсестры фотографируют глаза пациентов во время осмотров и отправляют снимки специалистам. Этот процесс может занять недели. ИИ, разработанный Google Health, может выявлять признаки диабетической ретинопатии на снимках глаза с точностью более 90% и выдаёт результат менее чем за 10 минут, заявляют в Google. Однако точность работы системы в лабораторных условиях отличается от реальной.
В течение нескольких месяцев компания получала отзывы от медиков. Как указывает MIT Technology Review, иногда использование системы вообще не давало результата. Как и большинство алгоритмов распознавания изображений, модель Google Health работает с высококачественными снимками. Чтобы гарантировать точность результата, она отсеивает изображения, качество которых ниже определённого порога. Однако поскольку медсестры фотографируют десятки пациентов в час и часто делают снимки в условиях плохого освещения, система отклонила более одной пятой части снимков. Пациентов, чьи снимки система не смогла обработать, направляли на приём в другие клиники, что тормозило постановку диагноза и вызывало неудобства. Кроме того, медсёстры часто тратили время впустую на попытки восстановить или отредактировать изображение, которое отклонил искусственный интеллект.
Помимо этого, поскольку системе приходилось загружать изображения в облако для обработки, неполадки с интернет-соединением в нескольких клиниках также вызывали задержки.
«Некоторые пациенты ждали ждали результатов обработки снимков с 6 часов утра, и к 8 часам мы смогли обследовать только 10 пациентов», — жалуются медсёстры одной из клиник.
Сейчас команда Google Health пытается улучшить процесс диагностики. В частности, специалисты пытаются перенастроить модель для лучшей обработки несовершенных изображений.
Ранее подразделение Huawei Cloud сообщило о запуске диагностического сервиса на основе искусственного интеллекта для диагностики COVID-19. Алгоритм был разработан в сотрудничестве с Научно-техническим университетом Хуачжон и компанией Lanwon Technology. Врачи, по планам Huawei, смогут использовать эту технологию в сочетании с компьютерной томографией. В частности, Huawei Cloud утверждает, что инструмент компании способен за несколько секунд уточнить результаты компьютерной томографии.
Кроме того, конкурсная платформа Kaggle, специализирующаяся на проектах, связанных с машинным обучением, запустила конкурс проектов по прогнозированию числа заражений и смертельных исходов коронавируса в разных городах. Проекты помогут узнать, почему некоторые города и страны пострадали больше других. Сейчас сообщество работает над сбором данных об инфекции в 163 странах.
Ещё один пример использования искусственного интеллекта в попытках также связан с компанией Google. Её подразделение DeepMind опубликовало систему AlphaFold, обученную на большом количестве наборов геномных данных. Модель способна определять природу белковых структур, включая вирусные белки. В начале марта в DeepMind сообщили, что специалисты подразделения пришли к пониманию структуры белков COVID-19. Исследователи рассчитывают, что AlphaFold поможет понять, как функционирует вирус, что, в свою очередь, ускорит разработку вакцины.
