ИИ избавит врача от перцептивной слепоты
В 2013 году Трафтон Дрю, работавший исследователем проблем внимания в Гарвардской медицинской школе, провел эксперимент для проверки теории перцептивной слепоты: люди не видят объект, находящийся у них прямо перед глазами, если слишком сосредоточены на поиске чего–то другого. Он наложил изображение человека в костюме гориллы размером со спичечный коробок на серию снимков, которые радиологи обычно изучают при скрининге рака. Как ни удивительно, 83 процента рентгенологов не увидели обезьяну.
Этот эксперимент стал ярким примером способности людей так пристально сосредотачиваться на решении конкретной задачи (в данном случае – на поиске узлов в легких), что все остальное в зоне видимости просто отсекается или искажается. Поразительные результаты являются убедительным аргументом в пользу применения искусственного интеллекта (ИИ) в визуализации.
Мы полагаем, что радиологи очень легко могут найти то, что ищут, но не менее легко – пропустить то, чего не ищут. Рентгенологи невероятно мастерски обнаруживают легочные узлы: в целом по отрасли доля незамеченных новообразований составляет всего 3-5 процентов. Но это не значит, что они видят все.
В ближайшем будущем с применением ИИ может быть создана сеть безопасности, позволяющая идентифицировать ценные сигналы, которые в противном случае могли бы ускользнуть от внимания специалистов. В более долгосрочной перспективе эта технология может революционизировать высокоточную медицину и улучшить помощь пациентам. Не надо заблуждаться, предстоит долгий путь, прежде чем эти мечты станут повседневной реальностью клиник. Но многие из важнейших компонентов уже имеются сегодня.
Например, прямо сейчас мы можем использовать технологию обработки естественного языка для зачитывания клинических текстов из систем электронных медицинских карт и заметок о ходе лечения, чтобы идентифицировать, классифицировать и кодировать неструктурированные данные и превращать их в поддающуюся количественной оценке информацию в карте пациента. Эти данные позволяют определить потенциальные расхождения в документации и дают врачам ценный клинический контекст при интерпретации изображений.
Это важный первый шаг. Исследователи из медицинского колледжа штата Висконсин, США, недавно обнаружили, что, когда у рентгенологов есть время и доступ к картам пациентов, они меняют свои толкования обследований в 25 процентах случаев. В истории болезни скрыты данные, которые могут иметь решающее значение для диагностики.
Следующий шаг, который сегодня тестируется радиологами всего мира, – это использование текстовой аналитики для принятия решений по лечению. Первоначально наша разработка была сосредоточена на лечении конкретных органов, но она быстро развивается и уже применима при заболеваниях во всех системах организма. Наша технология вскоре сможет проводить рентгенографию и КТ сканирование грудной клетки, чтобы помочь врачам выявлять такие заболевания, как эмфизема и хроническая обструктивная болезнь легких, аневризма, легочная эмболия, пневмония и другие.
Мы вступаем в новую эру высокоточной медицины, и диагностическая визуализация будет играть большую роль в этой эволюции. Развиваясь, новые технологии позволят создавать на основе изображений биомаркеры, которые, в сочетании с биопсиями, смогут более точно выявлять заболевания.
Будущее искусственного интеллекта в медицине выглядит весьма заманчиво. Но наиболее захватывающие достижениями ИИ в области визуализации формируются уже сегодня. Тщательно взращивая эту технологию, сотрудничая с медицинскими учреждениями по всему миру для ее обучения и тестирования и постоянно совершенствуя рабочие процессы, мы внедряем элементы, позволяющие совершить настоящую революцию в здравоохранении.
Об авторе: Стивен Толл, вице-президент по глобальной стратегии и развитию бизнеса компании IBM Watson Health.
