Учёные разработали систему, предсказывающую смерть человека
Учёные создали систему искусственного интеллекта (ИИ), которая способна вычислять биологический возраст и вероятность преждевременной смерти человека.
Петр Федичев, представляющий Московский физико-технический институт, и его коллеги представили искусственный интеллект, способный предсказывать риск преждевременной смерти на основе данных фитнес-трекера. Как утверждается, для результатов, обладающих достаточно высокой степенью достоверности, нейросети требуется не слишком много информации.
— Для достоверных результатов не требуются медицинские анализы — достаточно данных о движениях человека, записанных фитнес-трекером, — отметил завлабораторией в МФТИ и научный директор Gero Пётр Федичев, цитирует РИА Новости.
Ранее исследователи вычисляли биологический возраст, анализируя концентрацию в крови своеобразных «сигналов старения», а сейчас считают, что такие же оценки можно получить «бескровным» методом.
— Мы научили нейронную сеть выявлять неблагоприятные тенденции — связывать повторяющиеся последовательности движений с данными медицинских историй и показателями анализов, — сказал Федичев.
Он добавил, что ИИ отлично справился с задачей, выявив испытуемых из группы повышенного риска и определив их риски смертности точнее, чем обычные методы, применяемые в исследованиях старения.
— Искусственный интеллект уже применяют для анализа кардиограмм, диагностики болезней лёгких и определения биологического возраста по другим данным.
Мы использовали его возможности для того, чтобы создать удобный инструмент мониторинга, который поможет оценить общее состояние организма человека и следить за изменением уровня риска ещё до того, как тот сдаст какие-либо анализы, — отметил учёный.
Искусственная нейронная сеть представляет собой механизм, работающий по тому же принципу, что сети нервных клеток живого организма, то есть, по большому счёту, во многих отношениях напоминающий мозг человека.
Подобные сети не программируются, а обучаются, то есть «самостоятельно» выявляют сложные зависимости между входными данными и выходными и выполняют на этом основании обобщения.
Именно такой подход считается наиболее перспективным для создания искусственного интеллекта.
На сегодняшний день для нейросетей найдено огромное множество разнообразных применений, и некоторые из исследований такого рода проводятся с участием российских специалистов.
В частности, ученые, представляющие Высшую школу экономики, в сотрудничестве с испанскими коллегами из Университета Вальядолида предложили и их помощью прогнозировать коррупцию в том или ином регионе.
А недавно пермские ученые с помощью нейросетей и метода математической заморозки создали систему диагностики сердечно-сосудистых заболеваний.
Источник: http://TheRussianTimes.com/news/284041.html
«Умная» система предскажет поломку любой машины
Ученые Южно-Уральского государственного университета (вуз — участник Проекта 5-100) создали уникальную интеллектуальную систему для наземного транспорта. Она способна предсказать, какой из узлов автомобиля может выйти из строя, и примерно на четверть «продлить» жизнь машины.
— Опыт внедрения подобных технологий уже есть в авиации.
К примеру, цифровая платформа, предсказывающая состояние авиадвигателей, позволила одной из зарубежных компаний в 7 раз снизить затраты на их техобслуживание, — поясняет научный руководитель проекта, профессор, доктор технических наук Андрей Келлер. — Таким же образом можно решить проблему своевременного обнаружения рисков для ключевых узлов, агрегатов и систем автомобилей.
Как это работает? Машину буквально обвешивают датчиками, которые в режиме реального времени «мониторят» ее техническое состояние. Полученные данные сравниваются с эталонным «цифровым двойником» автомобиля.
То есть, программа сама анализирует, нормально ли ведут себя все агрегаты и узлы, исходя из года выпуска, пробега и условий работы транспорта.
И если есть отклонения от «цифровой» нормы, «умная» система подает предупреждающий сигнал о том, что нужна профилактика. Например, замена тормозных колодок.
Томские ученые изучат состояние морей с помощью планктона
Заметим, что эта норма (то есть, цифровая модель износа автомобиля) берется не с потолка. Ее ученые точно рассчитывают, проводя реальные многомесячные испытания.
В частности, свою систему ученые ЮУрГУ разработали совместно с предприятием КАМАЗ, где и провели испытания.
Эксплуатировали машины в разных условиях, с разной нагрузкой, проводили вибродиагностику… Контролировали температуру охлаждающей жидкости, износ тормозных колодок, уровень, температуру и качество масла в двигателе, коробке передач и ведущих мостах, положение педали подачи топлива… После чего выводили математические закономерности: как меняется состояние узлов и агрегатов автомобиля, как меняется их «вибропортрет» в зависимости от того, сколько километров проехал автомобиль, и по какой дороге.
Что это значит на практике? Вот сухие цифры. По оценкам ученых, благодаря новой системе ориентировочный срок службы автомобиля может быть продлен до 20-25 процентов. А затраты на техническое обслуживание и ремонт могут быть снижены почти в два раза — на 40-45 процентов.
— Подобная система мониторинга технического состояния, безусловно, применима на всех видах транспортных средств. Но наибольший экономический эффект она принесет для предприятий, как в грузоперевозках, так и в пассажироперевозках, — поясняют разработчики.
— Почему? В идеале это должно работать так: анализ технического состояния конкретной машины в режиме реального времени передается в единую систему управления.
Это позволяет предприятию оперативно реагировать на выявленные риски, корректировать режим эксплуатации автомобилей, проверять наличие на складе необходимых комплектующих, и заранее заказывать их в случае необходимости.
После чего можно найти окно в перевозочном цикле, сформировать заявку на точечное и своевременное обслуживание. При этом специалистам по ремонту не потребуется полная сборка-разборка для того, чтобы найти конкретную поломку: уязвимый узел будет известен заранее.
Источник: https://rg.ru/2018/07/03/umnaia-sistema-predskazhet-polomku-liuboj-mashiny.html
Искусственный интеллект предсказал риск смерти от сердечной недостаточности
MRC London Institute of Medical Sciences LMS / Youtube
Ученые создали систему, которая научилась предсказывать риск смерти для пациентов с сердечно-сосудистыми заболеваниями с высокой точностью. Проверка ее работы на больных с легочной гипертензией показала, что точность предсказаний достигает 73 процентов. Работа исследователей опубликована в журнале Radiology.
Легочная гипертензия характеризуется повышенным артериальным давлением в легочной артерии и усиленной нагрузкой на правый желудочек сердца. В результате это приводит к развитию сердечной недостаточности и преждевременной смерти.
Для того, чтобы определить, находятся ли пациенты в высокой группе риска, а также назначить лечение, врачи проводят сложную диагностику: они делают магнитно-резонансную томографию сердца, электрокардиографию, УЗИ сердца, рентген легких и другие процедуры.
Тем не менее, им далеко не всегда удается точно предсказать, насколько высока вероятность ухудшения состояния пациентов.Авторы новой работы предложили использовать искусственный интеллект для того, чтобы оценить возможную продолжительность жизни больных с легочной гипертензией.
Ученые создали систему, которая после предварительной подготовки была обучена анализировать сканы сердца и предсказывать вероятность смерти пациентов. В качестве тренировочной выборки исследователи использовали данные МРТ сердца для 224 пациентов.
На их основе программа строила трехмерную модель органа и измеряла движение 30 тысяч отдельных точек во время каждого удара сердца. Затем искусственный интеллект объединял полученные результаты с медицинскими записями о здоровье пациентов за восемь лет и строил прогноз.Ученые проверили работу программы на 32 пациентах.
Компьютер смог определить тех, кто проживет больше года, с точностью до 73 процентов (за время исследования 93 из 256 пациентов умерли). Для врачей, которые опирались на изображения сердца, данные гемодинамики и клинические маркеры, точность предсказаний составила всего 60 процентов.
При этом авторы работы заявляют, что искусственный интеллект может строить прогноз на пять лет вперед.
На данный момент ученые, чья работа в общей сложности заняла около четырех лет, планируют проверить работу системы на других больных в разных госпиталях. В будущем программа, вероятно, может быть использована для диагностики других видов сердечно-сосудистых заболеваний, которые приводят к сердечной недостаточности, таких как для кардиомиопатия.
В последнее время появляется все больше новых методов распознавания заболеваний. В декабре 2016 года американские ученые также с помощью анализа изображений и машинного обучения провели раннюю диагностику меланомы.
Коллектив ученых из Швеции и США, в свою очередь, недавно представил насадку на смартфон Nokia в виде портативного флуоресцентного микроскопа.
С помощью новой системы исследователи проанализировали образцы ДНК и выявили в ней мутации, ассоциирующиеся с некоторыми типами рака.
Кристина Уласович
Нашли опечатку? Выделите фрагмент и нажмите Ctrl+Enter.
Краткая история беспилотных аппаратов конструкторского бюро Туполева
Источник: https://nplus1.ru/news/2017/01/19/ai-diagnostics
В сша ученые создали систему смарт-сенсоров, предсказывающих заболевание
Ученые из Медицинской школы Стэнфордского университета показали, что серийно выпускаемые биосенсоры могут предупреждать владельца о заболевании за несколько дней до появления симптомов, сообщает журнал PLoS Biology.
По словам исследователей, регулярно измеряемые физиологические параметры могут указывать на изменение состояния здоровья человека.
В частности, показатели частоты сердечных сокращений и артериального давления указывают на наличие сердечно-сосудистых заболеваний, а повышение температуры тела зачастую является маркером инфекции или воспалительного процесса.
Однако сбор таких данных ограничен существующими технологиями, а составление профиля заболевания возможно только при помощи специалиста.
Сейчас для самостоятельного мониторинга физиологических параметров используются узкоспециализированные приборы, показатели которых помогают врачам диагностировать заболевание по имеющимся у пациента симптомам. Ученые стремятся создать более универсальный метод диагностики, предсказывающий патологии.
В начале 2016 года группа специалистов Стэнфордского университета провели эксперимент с семью широко доступными биосенсорами, в том числе трикодером, фитнес-браслетом и пульсоксиметром. Участниками исследования стали 43 человека в возрасте 35–70 лет, один из них в течение года пользовался сразу всеми предложенными приборами, остальные — только одним.
Данные с устройств поступали в облачное хранилище и сопоставлялись с итогами регулярных очных обследований пациентов. Ученые планировали оценить диагностическую эффективность использования системы из семи биосенсоров, которые использовались одним из участников эксперимента. Каждый день система позволяла проанализировать более 250 тысяч измерений параметров тела.
Согласно результатам исследования, система из семи приборов позволяет отследить индивидуальные отличия суточных ритмов организма. В частности, ученым удалось установить время, когда 58-летний доброволец совершал авиаперелет, во время которого капиллярное насыщение мозга кислородом снижалось. Кроме того, биосенсоры помогли предсказать развитие болезни Лайма за три дня до появления симптомов.
По мнению ученых, полученные данные говорят о потенциальной пользе портативных биосенсоров при ранней диагностике заболеваний. Более того, использование таких устройств позволяет персонализировать методы диагностики в соответствии с индивидуальными нуждами пациента.
Еще больше важных новостей и хороших текстов от нас и наших коллег — в Telegram-канале «Таких дел». Подписывайтесь!
Источник: https://takiedela.ru/news/2017/01/14/sistema-smart-sensorov/
Системы предсказания будущего
(с)
Лучшие нейронные сети, обыгрывающие человека в покер, Го, шахматы и «Доту», обладают одной общей чертой — они умеют предсказывать ближайшее будущее.
Способность машин прогнозировать поведение может значительно превзойти возможности человека. В пространстве различных вероятностей алгоритмы оказываются лучше человека, подверженного влиянию эмоций.
Что могут предсказать нейросети? Перед нами бескрайнее поле возможностей: биржа, преступления, погода, здоровье, транспорт — везде способность просчитывать на несколько шагов вперед окажется полезной. Уже сегодня некоторые алгоритмы превосходят экспертов-людей. Рассвет завтрашнего нейродня не оставит никакого следа от «тумана неизвестности».
Исследователи из компании DeepMind опубликовали научную работу, в которой представили новый метод обучения нейросети с подкреплением. Оказалось, что если в процессе самообучения нейросеть начинает «фантазировать» о различных вариантах будущего, то обучается гораздо быстрее.
«Фантазия» нейросети заключается в том, что по трем последним известным кадрам нейросеть должна предсказать вознаграждение, которое она получит на четвертом неизвестном временном интервале. ИИ использует свою память и применяет новые стратегии как бы в своем воображении.
Чем эффективнее становятся системы, тем лучше они строят прогнозы. Сейчас мы можем не только предсказывать погоду (на краткосрочном промежутке).
Мы можем даже «видеть» будущее макроэкономических ситуаций в различных районах города, замеряя потребление воды, электричества, транспортный поток (сколько пассажиров в общественном транспорте и сколько в своих машинах), увеличение/уменьшение потребления ресурсов.
Уже трудно представить сферу, в которой мы могли бы обойтись без предсказаний. Да и стоит ли от них отказываться, если алгоритмы дают возможность выбирать правильную стратегию поведения?
Поведение на дорогах
Исследователи из Массачусетского технологического института построили систему, способную предсказать огромное количество событий реального мира. Сначала программу обучили на выборе из 2 миллионов онлайн-видео. Каждый ролик программа проанализировала, классифицировав все предметы и действия в сюжетах.
Затем нейросети показывали статичное изображение. Программа, в свою очередь, генерировала 1,5-секундные видеоклипы, демонстрировавшие видение ближайшего будущего.
Очевидно, что подобное решение можно использовать не только для создания гифок. Алгоритмы в принципе позволяют «заглядывать» в будущее сложных систем, что найдет применение в автономных автомобилях, анализирующих постоянно меняющуюся ситуацию на дороге.
Компьютер сможет понять, что он видит нечто необычное — например, животное выбежало на дорогу. Даже если машина никогда не попадала в эту ситуацию раньше, она «поймет», что происходит нечто странное — следует либо остановиться, либо передать управление водителю.
Здоровье человека
(с)
Ученые из Стэнфордского университета разработали систему искусственного интеллекта, способную предсказать вероятность смерти тяжелобольного пациента в течение года с точностью до 90%.
Исследователи проанализировали записи 160 000 пациентов, чтобы собрать данные о прошлых диагнозах, назначенных процедурах и сделанных врачами прогнозах.
После обработки датасета был составлен алгоритм для глубокого обучения нейросети. Затем сетка сделала прогнозы смертности от всех причин на срок от 3 до 12 месяцев в отношении 40 000 пациентов.
Спустя год исследователи подвели итоги: в 90% случаев нейросеть верно предсказала состояние больного (вне зависимости от того, ждала ли его смерть или выздоровление). Этот показатель значительно превосходит возможности даже группы врачей-экспертов.
Бренд «Терафлю» разработал систему, прогнозирующую вероятность подхватить простуду на территории ряда стран, включая Россию. Ежедневно система анализирует посты в соцсетях, запросы в поисковиках, данные «НИИ гриппа», а также данные спроса в аптеках на средства, специфические для борьбы с симптомами простуды.
В итоге получается график «простудной опасности» в том или ином регионе с прогнозом на несколько дней.
Впрочем, подобные платформы находят и более ценное применение: в системе «Виртуальный Сингапур» уже сейчас можно в реальном времени просматривать и анализировать жизнь страны и предсказывать, например, распространение опасных инфекций или реакцию больших масс людей на взрыв в торговом центре.
Microsoft и Adaptive Biotechnologies планируют создать систему, которая на основе анализа крови сможет выявлять заболевания на ранних стадиях.
Анализируя генетический код в триллионах рецепторов Т-лимфоцитов, система будет выявлять болезни, с которыми сталкивался организм еще на бессимптомной стадии.
Предполагается, что тест будет способен определять широкий спектр болезней единовременно, включая болезни, которые обычно диагностируются на очень поздних стадиях.
Исследовательская группа из Института молекулярной биологии РАН, Российского геронтологического научно-клинического центра, МФТИ и других научных центров, представила метод предсказания биологического возраста человека (который отличается от паспортного) на основе данных УЗИ сонной артерии человека и тонометрии. С помощью машинного обучения была получена сложная формула, способная предсказывать возраст у здоровых людей с точностью в 6,9 года для мужчин и 5,9 года для женщин, что является очень высоким показателем по сравнению с другими известными методами.
Датские ученые разработали нейронную сеть Corti Signal, которая отслеживает звуковые сообщения для диагностики сердечного приступа. В первую очередь система должна помочь людям, которые позвонили в «скорую помощь».
Оператор не всегда способен выявить сердечный приступ у человека на другом конце провода (справляется в 73% случаев), а вот нейросеть решает эту задачу с точностью 95%! ИИ не только слушает разговор, но также собирает невербальные сигналы, такие как паттерны дыхания.
По всей видимости, в будущем системы на основе нейросетей (и других методов) позволят предсказывать болезни намного раньше — в некоторых случаях за десятки лет до наступления самого заболевания.
Умные вещи знают, что с ними случится
Представьте себе здание, которое может еще до аварии сказать, что, например, отопление скоро откажет. Некоторые компании используют машинное обучение именно для этого. Такая процедура называется прогнозирующим обслуживанием.
Компания CGnal, расположенная в Милане, Италия, недавно проанализировала данные за год от отопительных и вентиляционных систем в итальянской больнице. От датчиков были получены данные о температуре, влажности, использовании электричества.
Алгоритм обучили на выборке за полгода, затем исследователи проверили его по данным со второй половины года. Система предсказала 76 из 124 реальных неисправностей, в том числе 41 из 44, где температура прибора повысилась выше допустимых уровней.
Другие компании также используют схожий подход к данным.
Финский стартап Leanheat помещает беспроводной датчик температуры, влажности и давления для дистанционного управления отоплением и контроля работоспособности устройства.
Вместо того чтобы регулировать отопление просто по температуре наружного воздуха, модели Leanheat учитывают изменения погоды: температура упала до нуля с 10 градусов или поднялась от -10.
В США компания Augury разработала «Shazam для машин», устанавливая акустические датчики в машины для прослушивания слышимых изменений и выявления потенциально неизбежных сбоев.
Впрочем, гаджет может работать с разными устройствами: клиенты могут подключить датчик к коммерческим холодильникам или промышленным нагревателям.
Гаджет Augury записывает вибрации и ультразвуки, загружает их в облачный сервис, где данные анализируются для составления прогноза о работоспособности контролируемой машины.
Аудио и данные анализируются и сохраняются так, что звук устройства одного клиента можно сравнить со звуком всех остальных. Идея заключается в том, что Augury не требуется настраивать программное обеспечение для каждого типа устройств.
Вместо этого можно просто установить датчики и прослушать устройство, чтобы создать представление о том, как оно звучит, когда функционирует нормально.
Со временем база данных звуков позволит узнать, какие конкретные звуки предшествуют конкретным типам сбоев.
Прогноз погоды
Прогнозирование погоды остается сложной задачей для науки. Мы уже наловчились использовать для этого сверточные нейронные сети, но прогресс не стоит на месте. В списке Top-500 самых мощных вычислительных систем мира, по состоянию на ноябрь 2016 года, прогнозированием погоды занимались 23 суперкомпьютера.
Компания ClimaCell использует подход, не связанный с нейросетями и суперсложными алгоритмами: в качестве датчиков предсказания погоды выступают беспроводные сети связи — все это делается в рамках концепции наукастинг (nowcasting), при которой cверхкраткосрочный прогноз явлений погоды делается в пределах 0–6 ч от срока наблюдения.
ClimaCell объединяет несколько уровней данных от беспроводных сетей, спутников, погодных радаров и других датчиков для создания карт высокой четкости. Используя данные примерно 5000 станций, эксплуатируемых несколькими телекоммуникационными фирмами, компания создает очень точные и достоверные погодные карты.
Опасные алгоритмы
Не тот компас, но близкий по смыслу
Различные системы предсказания преступлений уже несколько лет тестируются в США. Одна из первых систем подобного типа — COMPAS — была создана в 1998 году.
COMPAS анализирует 137 параметров биографии осужденного человека, включая тяжесть предыдущих преступлений, уровень образования и доходов, семейный статус и наличие зависимостей.
Также программа учитывает результаты психологических тестов, в том числе темперамент, готовность к риску, степень нарциссизма и склонности к чувству вины. На основе этих данных COMPAS прогнозирует, какова вероятность преступного рецидива в следующие два года.
Однако в Дартмутском колледже провели тщательное исследование COMPAS и сделали вывод, что алгоритм на самом деле не более точен, чем любой среднестатистический человек. Программа смогла выявить преступников-рецидивистов в 65% случаев.
Люди без специального образования и опыта вынесения приговоров справлялись с этой задачей в 67% случаев, зная лишь возраст, пол и историю преступлений обвиняемого.
Более того, оказалось, что точность COMPAS можно повысить, если оставить в нем всего два параметра: возраст человека и сведения о предыдущих судимостях.
Алгоритмы могут принимать решения и строить прогнозы намного эффективнее человека. Люди принимают во внимание несущественные факторы и игнорируют действительно важные, поддаются эмоциям, а также позволяют себе принимать решения в соответствии с внутренним «чутьем», интуицией или вообще безо всякой логики.
Однако это вовсе не означает, что мы полностью должны довериться машинам, ведь они тоже не обладают 100% точностью.
Источник: https://habr.com/company/mailru/blog/410933/
FDA разрешила использовать алгоритм, который способен предсказать смерть
Американские регулирующие органы одобрили к применению первый в мире алгоритм, способный по жизненным показателям человека предсказать время наступления его смерти. Алгоритм получил название Wave Clinical Platform, он разработан американской компанией ExcelMedical.
Платформа отслеживает изменения в параметрах здоровья и посылает врачам предупреждение за шесть часов до потенциально скоропостижной смерти пациента. Система наблюдает за больными постоянно, и это ее основное преимущество, поскольку современные ресурсы, которыми, как правило, владеет больница, не позволяют это делать, тем более с помощью обычного медицинского персонала.
Платформа Wave в реальном времени отслеживает физиологическую и медицинскую информацию, которая затем отправляется на рабочую станцию на сестринском посту, или даже на смартфон (планшет) медицинского специалиста.
При любом выходе показателей за установленные ранее границы Wave автоматически подсчитывает риски, используя для этого алгоритмы искусственного интеллекта, и выдает предупреждение, если считает, что пациент находится в опасности и вскоре окажется в критическом состоянии.
Алгоритм не просто наблюдает за биометрическими показателями, но постоянно их анализирует. Например, небольшое снижение частоты дыхания в других системах сразу вызовет тревогу. Но если это снижение коррелирует с повышением давления, новый алгоритм, просчитав вероятности, даст знать о потенциальной опасности для жизни.
Платформа состоит из интегрированных в нее больничных рабочих станций и системы цифровых медицинских записей, которая включает в себя полученные в реальном времени данные о физиологии пациентов, их медицинскую историю, историю семьи, информацию о принимаемых медикаментах, возрасте и т.п.
Платформа Wave Clinical Platform является первой системой на базе алгоритмов искусственного интеллекта, которая получила официальное разрешение на клиническое использование от FDA (U.S.
Food and Drug Administration, Управление по санитарному надзору за качеством пищевых продуктов и медикаментов).
Это решение FDA основана на серии клинических исследований, проведенных в медицинском центре Питсбургского университета, где Wave использовали в группе пожилых пациентов. Причем там, где систему подключали, она предотвратила шесть скоропостижных смертей.
В настоящее время разработчики планируют внедрить свою технологию в обычных больницах, кроме того, по словам представителей компании, они предполагают создать на этой основе и носимое устройство, которое можно будет использовать дома.
Для комментирования необходимо авторизоваться
Источник: https://evercare.ru/wave
Вот это да! Разработан метод, позволяющий загодя предсказать смерть человека
Алгоритм может предупредить о сердечном приступе или нарушении дыхания за шесть часов до их наступления.
Представьте, что вы узнали о своем сердечном приступе за несколько часов до того, как он случится. Звучит как научная фантастика, не так ли? Но теперь это стало возможным. По крайней мере, для некоторых пациентов в Соединенных Штатах, сообщают Нескучные новости.
Администрация США по контролю над продуктами и лекарствами (FDA) на днях одобрила новую методику, способную предотвратить внезапную смерть от сердечных приступов.
Предсказать катастрофу
Это компьютерная программа, которая анализирует данные пациентов, наблюдающихся в больницах, и рассчитывает вероятность сердечного приступа, предупреждая о нем врачей и медсестер не позже, чем за шесть часов до его наступления.
«Сегодня медицина столкнулась со своего рода «идеальным штормом»: люди живут дольше, но страдают от большего числа хронических заболеваний. Кроме того, гораздо больше опытных врачей отправляются регулярно на пенсию», — говорит Лэнс Бертон, генеральный менеджер ExcelMedical, технологической компании, которая разработала методику.
«За пациентами наблюдают, но врачи и медсестры часто реагируют уже после того, как наступает критическая ситуация», — сказал он в интервью BBC Mundo.
Реальность такова, что во многих больницах недостаточно персонала для наблюдения за всеми пациентами. Даже если бы имелась возможность выделить штат для сбора и анализа данных, вряд ли они смогли бы предвидеть все проблемы.
«Мы, люди, не способны обрабатывать всю информацию о пациенте, поэтому нам очень сложно понять, когда его состояние ухудшится», — говорит Бертон.
Методика, разработанная ExcelMedical, называется WAVE Clinical Platform, она анализирует поступающую от пациента информацию и, как утверждает Бертон, способна предвидеть ситуации, которые ускользают от человеческого глаза.
Внезапная смерть
Согласно исследованию Университета Джона Хопкинса, по меньшей мере 10% всех смертей пациентов в Соединенных Штатах могут быть связаны с медицинскими ошибками.
Эти неожиданные смертельные случаи, которые можно было бы предотвратить, представляют собой третью по распространенности причину смертей в стране.
По словам представителей ExcelMedical, программа очень проста в использовании: для нее не требуется специальное или новое оборудование. Он использует системы мониторинга, уже имеющиеся в большинстве больниц.
Сигналы тревоги
Программное обеспечение анализирует пять ключевых показателей: пульс, ритм дыхания, кровяное давление, температуру тела и уровень кислорода.
Оно связано с приложением на телефоне, планшете или компьютере медицинского работника. Таким образом, медики могут контролировать состояние пациентов в режиме реального времени, не находясь у постели больного.
Но самым главным новшеством WAVE является алгоритм, названный индексом безопасности Visensia. Он является первым в своем роде, одобренным Управлением по санитарному надзору США, и работает путем анализа переменных и количественного определения уровня риска по шкале от 0 до 5 баллов.
Если состояние пациента классифицируется индексом выше 3 баллов, система автоматически отправляет тревожный сигнал медицинскому персоналу.
Успешные испытания
Испытания, проведенные ExcelMedical в медицинском центре Университета Питтсбурга, были признаны весьма успешными: в течение восьми недель не было зафиксировано ни одной неожиданной смерти у пациентов, наблюдаемых системой WAVE.
В контрольной группе (за пациентами в которой следили с помощью традиционных средств), скончались шесть человек.
Какой бы перспективной ни казалась новая методика, систему WAVE на данный момент разрешено использовать только в отделениях интенсивной терапии. Но ее создатели видели свою задачу в разработке механизма предотвращения смертности от сердечно-сосудистых приступов среди населения в целом.
Другим ограничением является то, что WAVE не может оценить риск инсультов, одну из самых частых причин смертей и недееспособности.
Лэнс Бертон добавляет, что не все пациенты, у которых обнаружен приближающийся сердечный приступ, могут быть спасены. «Есть тяжелые больные, которые поступают в больницу, и мы понимаем, что они не покинут ее стен», — говорит он.
«Мы стремимся прежде всего помочь тем, кто может умереть в результате неожиданного приступа, — объясняет Лэнс Бертон. — Тем, например, чье состояние внезапно ухудшается из-за осложенения после операции или из-за побочных эффектов приема лекарственных препаратов».
Создатели программы продолжают работать над ее совершенствованием, они хотят, чтобы алгоритм мог помогать и в других случаях.
«Наш следующий проект посвящен проблеме сепсиса», — поясняет Бертон. Это тяжелое состояние, вызванное попаданием в кровь возбудителей инфекции, ежегодно поражает около 20 миллионов человек во всем мире, убивая 8 миллионов из них.
Источник: http://neskuchno-news.com/life/vot-eto-da-razrabotan-metod-pozvoliaiushchii-zagodia-predskazat-smert-cheloveka-112936.html
Сможет ли искусственный интеллект предсказать смерть?
Валлийский поэт Дилан Томас страстно призывал к борьбе против неизбежности смерти. Ведущие футурологи современности эхом вторят его призывам. Разница лишь в сентиментальности поэта и прозаичности реальности. Все мы когда-нибудь умрем. Вопрос лишь в том, когда и как.
Или нет.
В настоящее время ученые пытаются заставить искусственный интеллект, машинное обучение и компьютерное зрение, предсказать смерть человека. Конечная цель состоит, конечно, не в том, чтобы сделать из ИИ мрачного жнеца, а вовремя предупреждать хронические заболеваний и другие болезни.
Новейшие исследования этого применения ИИ в области медицины использовали последние модели машинного обучения для анализа КТ-сканирования 48 грудных клеток. Компьютер смог предсказать, какой из пациентов умрет в течение пяти лет с 69-процентной точностью. Примерно так же, как предсказал бы любой врач.
Результаты были опубликованы в научных докладах журнала Nature под авторством команды из Университета Аделаиды. Ведущий автор работы доктор Люк Оукден-Райнер, радиолог и аспирант, говорит, что одним из очевидных преимуществ использования ИИ в точной медицине является заблаговременное выявление рисков для здоровья и потенциальное вмешательство.
Менее очевидным будет обещание ускорить исследования долговечности.
Это может привести к более быстрому и дешевому лечению. «Если бы мы могли скостить год или два времени, которое требуется на передачу лечебных средств из лаборатории пациенту, прогресс в этой области существенно ускорился бы».
Ии с сердцем
В январе исследователи из Имперского колледжа в Лондоне опубликовали результаты, которые показали, что ИИ может предсказывать сердечную недостаточность и смерти лучше, чем человеческий врач.
Исследование, опубликованное в журнале Radiology, включало создание виртуальных трехмерных сердец 250 пациентов, которые могут имитировать сердечную функцию. Затем алгоритмы ИИ занялись изучением того, какие функции будут служить в роли лучших прогнозистов.
Эта система полагалась на МРТ, анализ крови и другие данные.
В конечном счете выяснилось, что машина была быстрее и лучше в определении риска легочной гипертензии — показала 73% точности против обычных 60%.
Ученые говорят, что эту технологию можно было бы использовать для прогнозирования исходов других сердечно-сосудистых заболеваний в будущем.
«Мы хотели бы разработать технологию, которую можно было бы применять для самых разных сердечно-сосудистых заболеваний в помощь врачебной интерпретации результатов медицинских испытаний», говорит соавтор исследования Тим Дэйвс.
«Цель — увидеть, смогут ли лучшие прогнозы способствовать правильному лечению и долголетию людей».
Ии становится умнее
Такого рода применения ИИ в области точной медицины будут становиться только лучше по мере того, как машины будут обучаться, подобно студентам-медикам.
Оукден-Райнер говорит, что его команда продолжает создавать идеальный набор данных по мере движения вперед, но уже повысила прогностическую точность с 75 до 80 процентов, включив такую информацию, как возраст и пол.
Другие еще оптимистичнее смотрят на то, как быстро ИИ преобразует этот аспект области медицины.
Ии все еще учится
Эксперты вроде Обермейера и Оукдена-Райнера сходятся в том, что прогресс грядет быстро, но впереди еще много работы, которую предстоит проделать.
С одной стороны, есть еще много данных, в которых можно покопаться, но они пока не упорядочены. Например, изображения, на которых машины обучаются, все еще приходится обрабатывать, делая их полезными. «Многие группы ученых по всему миру тратят миллионы долларов на эту задачу, потому что она остается бутылочным горлышком для успешного врачебного ИИ», говорт Оукден-Райнер.
В интервью STAT News Обермейер рассказал, что данные фрагментированы по всей системе здравоохранения, поэтому связывание информации и создание наборов данных потребует времени и денег. Он также отмечает, что хотя есть большой ажиотаж на тему использования ИИ в точной медицине, в клинических условиях эти алгоритмы практически не проверялись.
«Можно сказать, что все хорошо и алгоритм действительно хорош. Но теперь нужно вывести его в реальный мир и со всей ответственностью посмотреть, что будет», говорит он.
Ии — не случайность
Предотвратить смертельную болезнь — это одно. Но можно ли предотвратить смертельный случай при помощи ИИ?
Именно это намеревались делать американские и индийские ученые, когда озаботились растущим числом смертей среди людей, делающих селфи. Группа определила 127 человек, которые погибли, позируя для фото, в течение двух лет.
Основываясь на комбинации текста, снимков и местоположения, машина научилась идентифицировать селфи как потенциально опасное или же нет. Пробег по более 3000 подписанным селфи в Твиттере продемонстрировал 73-процентную точность.
«Комбинация функций на основе изображения и места показала лучшую точность», говорят ученые.
Что будет дальше? Появится система предупреждения для любителей селфи.
Ии и будущее
Вся эта дискуссия породила вопрос: хотим ли мы на самом деле знать, когда умрем?
Согласно одной из работ, недавно опубликованных в Psychology Review, ответ: нет. 9 из 10 человек в Германии и Испании, когда их спросили, хотят ли они знать о своем будущем, включая смерть, предпочли остаться в неведении.
Обермейер смотрит на этот вопрос по-другому: через призму людей, которые живут с угрожающей жизни болезнью.
Источник: https://Hi-News.ru/research-development/smozhet-li-iskusstvennyj-intellekt-predskazat-smert.html
Загрузка...
