Российская платформа ИИ помогает китайцам бороться с коронавирусом
Китайские врачи использовали в диагностировании коронавируса российскую платформу искусственного интеллекта IACPaaS, а точнее – ее медицинскую часть MedIACPaaS. Разработанный в ФГБУН «Институт автоматики и процессов управления Дальневосточного отделения РАН» искусственный интеллект был применен как система поддержки принятия врачебных решений для борьбы с распространением Covid-19.
Чем привлекла китайских исследователей российская разработка и как ИИ может помочь российскому здравоохранению, рассказывает заведующая Лабораторией интеллектуальных систем ИАПУ ДВО РАН доктор технических наук Валерия Грибова.
Валерия Викторовна, как получилось, что вы начали сотрудничество с китайскими врачами?
К нам после вспышки коронавируса обратилось неправительственное сообщество китайских клиник, которое объединяет более 50 тысяч больниц, с просьбой адаптировать нашу интеллектуальную систему под лечение коронавируса. Проблема там заключалась в следующем: система здравоохранения Китая требовала диагностировать и лечить коронавирус методами традиционной медицины, а у китайских врачей такого опыта нет. Нам передали данные, согласно которым заболевание имеет две начальные стадии и четыре стадии манифестации и, соответственно, шесть схем лечения. Фактически за неделю мы создали базу знаний для MedIACPaaS, а китайские коллеги использовали нашу систему на первоначальных этапах.
Недавно они попросили нас, поскольку результаты работы понравились, занести новую информацию по развитию коронавируса и его лечению.
Почему китайские врачи обратились за помощь именно в ваш институт? Ведь там немало собственных разработок в сфере искусственного интеллекта.
Мне сложно ответить на это вопрос. Возможно потому, что MedIACPaaS является программной оболочкой для системы поддержки принятия врачебных решений и не зависит от конкретного раздела, от конкретной нозологии и т.д. В нее достаточно легко внести необходимые знания и запустить процесс поддержки медицинских решений. Это доказали недавние события.
Судя потому, как вы быстро смогли перестроить свою платформу под диагностирование нового для мира заболевания, она универсальна?
Наша лаборатория с середины 70-х годов прошлого века проводила различные исследования в области искусственного интеллекта. Помимо теории мы занимались и практическими разработками в области медицины, сельского хозяйства, работали с военными. Был накоплен уникальный опыт и выявлена одна серьезная проблема. Меняются языки программирования, меняются операционные системы, изменяются подходы к решению задач, и каждый раз уже вполне работоспособные компоненты необходимо адаптировать к этим изменениям, а это большой труд. Мы поняли, что необходима платформа, которая могла бы содержать компоненты, повторно используемые для реализации различных задач искусственного интеллекта. Это экономит время самим разработчикам и позволяет, благодаря облачному сервису, привлечь к работе над интеллектуальными системами всех заинтересованных лиц. С одной стороны наша платформа IACPaaS – агрегатор решений, а с другой – инструмент для разработки новых на основе предлагаемой платформой технологий.
Для медицины на основе существующих уже технологий и решений мы построили программную оболочку MedIACPaaS по созданию практически полезных систем поддержки принятия врачебных решений. У нас было много успешных проектов в этой области. Например, для ВМФ мы создали систему диагностики «острого живота», которая хорошо себя зарекомендовала на практике.
Я хотела бы подчеркнуть, что MedIACPaaS – это исключительно программная оболочка. Только наполнение ее знаниями из разных разделов медицины делает эту оболочку готовой к работе системой. Так информация по коронавирусу с особенностями китайской диагностики и лечения дает возможность использовать ее для диагностики и лечения этого заболевания именно в Китае. Для европейской медицины данные по коронавирусу требуются уже другие.
На каких принципах работает MedIACPaaS: база знаний, нейросеть или что-то еще?
Интеллектуальная система поддержки принятия врачебных решений не может зацикливаться на какой-либо одной технологии. Здесь можно провести аналогию с естественным интеллектом, который использует множество алгоритмов для решения задач.
В 2008 году известный российский специалист в области искусственного интеллекта Виктор Константинович Финн выделил 13 познавательных способностей естественного интеллекта: обнаружение существенного в данных; поиск посылок, релевантных цели рассуждений; оценка знаний и действий и т.д. Например, модные сейчас нейросети реализуют лишь две функции: обучение и ответ на вопрос «что это такое?», то есть классификацию. Это, безусловно, хорошо работает при анализе изображений, но недостаточно при диагностировании заболевания или лечении. Те же ограничения существуют и при создании интеллектуальной системы, основанной на базе знаний – задействована только часть познавательных способностей.
Наша задача была построить систему, которую можно пополнять различными познавательными способностями. При этом не уверена, что возможно в принципе в искусственном интеллекте реализовать все 13 способностей естественного интеллекта. Поэтому нормально работающая система должна быть такой человеко-машиной, в которую можно вносить новые знания, которая способна накапливать информацию, давать детализированные объяснения, рассуждать на прецедентах. Но часть функций, бесспорно, должна остаться за человеком.
Например, человек может уточнить неясные идеи и построить точные теории. Или обобщить сложные знания и построить сложные теории. Этого не может сделать искусственный интеллект. Но человеко-машинная система может создавать такие вещи. Тут важно равноправное участие. Мы категорически не согласны с тем, что искусственный интеллект должен заменить естественный. Синтез искусственного и естественного интеллектов как усилитель когнитивных способностей человека – это основная наша задача.
Как решается эта теоретическая задача на практике? Как работает MedIACPaaS?
Сегодня медицинские ошибки входят в десятку причин человеческой смертности. Например, в США, их ставят на третье место после сердечных заболеваний и рака. В чем проблема? Если убрать недостаточную образованность медперсонала, отсутствие внимательности и другие субъективные факторы, на первое место выходит катастрофически большой объем информации, который приходится обрабатывать врачу. Человек может безошибочно оперировать лишь семью переменными. Как только переменных становится больше, растет количество ошибок.
С чем сталкивается врач в реальности? С множеством симптомов, множеством различных патологий, множеством вариантов течения заболевания, особенностями развития заболевания, индивидуальными особенностями пациента и т.д. Как бы врач не был опытен и умен, он вряд ли способен безошибочно переработать такой объем информации. И еще один немаловажный момент: на принятие решения у врача всегда ограниченное количество времени.
Экспертные системы, которые создавались, когда искусственный интеллект только начали разрабатывать как направление, работали на уровне критики некоторой гипотезы. Этой системой можно было проверить, нет ли у человека, скажем, диабета. Туда вводились данные пациента и получали результат. Но этого недостаточно. Проблема-то стоит шире. Когда к врачу на прием приходит человек, сложно порой определить даже область, в которой расположено заболевание. Скажем, болит голова. Это неврология, инфекционное заболевание или, например, бессонница? Для ответа надо найти минимальное количество возможных гипотез. Задача нашей системы состоит в том, чтобы из множества заложенных в нее знаний отобрать нужные для подсказок врачу на каждом этапе диагностического процесса.
Она фактически ведет врача, но при этом детализировано объясняет, почему выбирается тот или иной алгоритм действий, потому что решение принимает все-таки врач, это его зона ответственности. Поэтому искусственный интеллект ни в коем случае не должен утверждать, что диагноз определен, скажем, на 85% Система должна называть критерии, по которым делается тот или иной вывод. Это первая и основная задача.
То есть, врач вносит симптомы, а искусственный интеллект на основе этих записей отсекает лишнее?
Врач вносит жалобы пациента, его анамнез, информацию о сопутствующих заболеваниях, заболеваниях родственников, условиях проживания, контактах с окружающими (при установлении заболевания коронавирусом эта информация крайне важна). Данные анализируются интеллектуальной системой и та говорит: я отвергаю такое-то количество заболеваний, но у меня есть три наиболее вероятных гипотезы, к которым подходит данная первичная информация. Но для точной постановки диагноза у меня не хватает данных. Далее она говорит, что надо сделать, чтобы сделать окончательный вывод. Для этого нужны объективный осмотр (цвет кожи, зрачки, пульс и т.д.), определенные лабораторные инструментальные исследования. Таким образом человек вместе с системой выстраивает диагностику. Это важный момент, который ведет к снижению ошибок.
С диагностикой понятно. А как она поможет врачу выстроить план лечения?
Это ее вторая задача. Опять же возвращаясь к медицинским ошибкам, скажу, что при нынешнем обилии лекарственных препаратов врачу нереально запомнить все действующие вещества, их торговые наименования, связь между собой, показания и противопоказания. Система может это сделать безошибочно.
Существующие клинические рекомендации по лечению заболеваний дают лишь общие направления. Суточную, разовую и курсовую дозировки должен назначать врач, исходя из стадий развития болезни и индивидуальных особенностей пациента. Система может учесть все показания или противопоказания и выбрать оптимальную дозировку. Для нее это не сложно.
IBM Watson как система поддержки принятия врачебных решений не оправдала надежд. Многие клинки, которые ее установили, отказываются от ее использования из-за ошибочных протоколов лечения. Возможны ли такие проблемы с MedIACPaaS?
IBM Watson и подобные системы, основанные на анализе данных, формируют какой-то конечный результат. Но ведь бывает нетипичное течение болезни, или оно смазано приемом каких-то лекарств или есть другие причины, которые не попадают в выборку. Отсюда и ошибки.
Может ли быть у нас такое? Однозначно да. Идеального медицинского знания не существует. Оно постоянно совершенствуется. Когда мы вкладываем в систему информацию, пользуясь знаниями высококвалифицированных экспертов или научных руководств, то мы говорим, что эти знания соответствуют таким-то критериям. Поэтому система, может, например, отказаться от диагностики или назначения лечения, если не хватает информации и она не покрывает данный случай.
У нас заложен механизм монотонного улучшения знаний. С появлением новых данных, они вносятся в систему или изменяются уже существующие. Таким образом сохраняется жизнеспособность системы. Для нас важна расширяемость и непрерывность улучшения MedIACPaaS. Мы понимаем, что идеального медицинского знания не существует, поэтому при использовании системы человек играет решающую роль.
Как происходит обучение вашей платформы?
Двумя способами. С одной стороны, эти знания расширяют эксперты. С другой стороны, есть метод индуктивного обобщения, когда на основе прецедентов улучшается база знаний. Мы показываем ее экспертам, а они соглашаются с этим или нет. Это автоматический метод машинного обучения.
Откуда вы берете необходимое количество данных по заболеваниям?
Нашей медицинской платформе всего год. Сейчас мы работаем с различными врачами по ее наполнению: со специалистами по орфанным заболеваниям, с НИИ эпидемиологии и микробиологии имени Г. П. Сомова по инфекционным заболеваниям, с клиниками Владивостока по желудочно-кишечными заболеваниями и т.д.
К сожалению, в нашей стране отсутствуют формализованные истории болезней. В тех историях болезней, которые есть в цифровом виде, анамнез описан в текстовом виде. К сожалению, качество описания не позволяет доверять этим данным.
У нас есть 3 тысячи истории болезней, предоставленных одной из клиник по панкреатитам. Научится делать диагностику панкреатитов по этим историям болезней невозможно. Они фактически написаны все одинаково. Видимо, врач действительно замучен сложным документооборотом и старается свести записи к необходимому минимуму. Фактически пишется одно и то же, а лечение назначается разное, нюансы диагноза разные. Анализируешь, и понимаешь, что искусственный интеллект обучать по этим историям болезни нельзя.
Сегодня мы создали прототип формализованной истории болезни и его тестируем. Нам надо научиться формализовывать информацию таким образом, чтобы машина смогла ее понять. Возьмите ту же головную боль. Это огромное количество характеристик и значений: варианты, локализации, интенсивность и т.д. И когда врач в формализованном виде заносит эту информацию, он создает базу, которая в будущем сможет помочь ему боле быстро и точно поставить правильный диагноз.
MedIACPaaS уже испытали китайцы, а что с нашими клиниками?
Сегодня у нас сложилась странная ситуация. Когда мы строили эти системы, врачи от них отнекивались. Сейчас медики уже хотят получить в помощь интеллектуальную систему. Например, врачи-фтизиатры говорят, что очень много ошибок при назначении лечения при лекарственно-устойчивой форме туберкулёза. Но внедрить в отдельно взятое медицинское учреждение нашу платформу – проблема. Мы – ученые, мы создали продукт, но не занимаемся его внедрением. А его нужно адаптировать под МИС клиник. Здесь заканчивается наука и начинается бизнес. Правда, в последнее время со стороны бизнеса появилась заинтересованность. Возможно, вопрос внедрения начнет все-таки решаться в скором будущем…
