利用計(jì)算機(jī)視覺(jué)看懂病歷(計(jì)算機(jī)視覺(jué)可提供臨床治療哪個(gè)階段的病理篩查能力)

世界各國(guó)現(xiàn)代醫(yī)療保健面臨的嚴(yán)峻挑戰(zhàn)是人員配備，尤其是在流行病期間：醫(yī)院和診所不堪重負(fù)，醫(yī)務(wù)人員本身也需要幫助。在這里，人工智能算法可以為醫(yī)生提供幫助。如今，他們能夠診斷許多疾病、分配患者流量、護(hù)理患者并幫助醫(yī)生做出正確、及時(shí)的決策。

神經(jīng)網(wǎng)絡(luò)響應(yīng)“制作MRI的人工智能”請(qǐng)求而生成的圖像

偉大的均衡器

JeffreyHinton，反向傳播方法的創(chuàng)建者之一（更多關(guān)于他和他的想法——“AI春天的夢(mèng)想”）最近表示“醫(yī)學(xué)院是時(shí)候停止培訓(xùn)放射科醫(yī)生了”。在技術(shù)引入之前，工程師的特點(diǎn)往往是過(guò)度熱情和對(duì)社會(huì)問(wèn)題不敏感。當(dāng)然，消滅醫(yī)生是不可能的，因?yàn)橐粋€(gè)好的人類臨床醫(yī)生的外表和經(jīng)驗(yàn)是必不可少的。然而，Hinton是對(duì)的，現(xiàn)代算法可以非常有效地幫助醫(yī)生解決一些醫(yī)療診斷任務(wù)。

醫(yī)院日常流程的自動(dòng)化和人工智能模型可以同時(shí)解決許多問(wèn)題。一方面減輕了醫(yī)生的日常工作，有助于提高診斷的準(zhǔn)確性。另一方面，規(guī)范醫(yī)療服務(wù)，讓醫(yī)療服務(wù)更好更快，糾正地區(qū)和財(cái)產(chǎn)不平等。

熒光圖或心電圖記錄甚至可以在亞極地城鎮(zhèn)進(jìn)行，然后通過(guò)電子郵件發(fā)送到基于人工智能的系統(tǒng)，該系統(tǒng)將提供與三位杰出醫(yī)生組成的委員會(huì)相同質(zhì)量的診斷。不過(guò)，無(wú)論如何，最終的診斷都必須由專家來(lái)確認(rèn)，但現(xiàn)在他將從人工智能那里得到可靠的第二意見(jiàn)。

外科醫(yī)生使用5G連接進(jìn)行遠(yuǎn)程手術(shù)/照片

護(hù)士和執(zhí)業(yè)護(hù)士可以更輕松地使用視頻分析和遠(yuǎn)程監(jiān)控傳感器——一名護(hù)士能夠監(jiān)控許多患者，并在第一時(shí)間快速為有需要的人提供幫助。世界上最優(yōu)秀的人類外科醫(yī)生可以在手術(shù)過(guò)程中使用5G控制超精準(zhǔn)的機(jī)器人外科醫(yī)生，在距離實(shí)際位置數(shù)千公里的地方進(jìn)行復(fù)雜的手術(shù)。技術(shù)有史以來(lái)第一次能夠在保持健康和長(zhǎng)壽等重大問(wèn)題上平衡人們的情緒。

發(fā)出聲音

這里的起點(diǎn)可以認(rèn)為是2017年2月2日權(quán)威科學(xué)期刊《自然》的一期。封面上，編輯展示了一項(xiàng)利用深度學(xué)習(xí)診斷皮膚癌的研究。在對(duì)130,000張圖像的數(shù)據(jù)集進(jìn)行訓(xùn)練后，該模型做出的診斷并不比對(duì)照組醫(yī)生差，在某些情況下甚至更加準(zhǔn)確。距離那時(shí)僅過(guò)去了五年，但醫(yī)學(xué)診斷的進(jìn)步卻令人驚嘆。

自然2017年2月2日

人工智能設(shè)定并最有效解決的首要任務(wù)之一是圖像分類，包括醫(yī)學(xué)圖像。后者包括在射線照相、計(jì)算機(jī)斷層掃描(CT)、超聲波(超聲波)、磁共振成像(MRI)過(guò)程中獲得的圖像。

此外，乍一看似乎令人驚訝的是，甚至非視覺(jué)信息也可以轉(zhuǎn)換為圖像。此外，它不僅記錄個(gè)體器官及其系統(tǒng)的心電圖、腦電圖和其他功能活動(dòng)，還記錄聲音等。

香港一家大型家禽養(yǎng)殖場(chǎng)的例子提供了一個(gè)很好的例證，盡管它涉及的是鳥類的健康而不是人類的健康?？茖W(xué)家記錄了雞舍里雞的叫聲。然后將其轉(zhuǎn)換為頻譜圖——，該圖像顯示信號(hào)強(qiáng)度在不同頻率下如何變化。生成的圖像使用具有970萬(wàn)個(gè)參數(shù)的超精確神經(jīng)網(wǎng)絡(luò)進(jìn)行處理。該模型能夠以97%的準(zhǔn)確率檢測(cè)雞的壓力和缺乏食物的跡象，使獸醫(yī)能夠及時(shí)為雞提供支持，并為公司所有者節(jié)省數(shù)百萬(wàn)元。

對(duì)雞有益的可能對(duì)人類也更好。2021年，SberMedII的開發(fā)者發(fā)布了AIResp應(yīng)用程序，該應(yīng)用程序可以分析呼吸和咳嗽的聲音，然后在一分鐘內(nèi)確定這些簽名是感染冠狀病毒的患者的簽名。底層神經(jīng)網(wǎng)絡(luò)模型基于3,000多份COVID-19患者的匿名記錄進(jìn)行了訓(xùn)練，截至發(fā)布時(shí)準(zhǔn)確度為82%。早在2022年，該應(yīng)用程序就獲得了數(shù)字通信獎(jiǎng)，專家指出，此類工具的開發(fā)有助于普通人群的自我診斷，及早發(fā)現(xiàn)疾病，從而更有效地治療和預(yù)防疾病的傳播。病毒。

細(xì)節(jié)決定成敗

回到實(shí)際的醫(yī)學(xué)圖像，值得注意的是，通過(guò)微小細(xì)節(jié)識(shí)別病理過(guò)程和形態(tài)的技能是診斷醫(yī)生通過(guò)長(zhǎng)期培訓(xùn)和臨床實(shí)踐而發(fā)展起來(lái)的。醫(yī)生的經(jīng)驗(yàn)越多，他“看到的”就越多。然而，診斷結(jié)論通常也基于患者有關(guān)受傷或疾病的上下文信息——，這些信息有時(shí)會(huì)缺失，并且在某些情況下可能會(huì)產(chǎn)生誤導(dǎo)。

埃里克·托波爾(EricTopol)是一位執(zhí)業(yè)心臟病專家、基因組學(xué)教授、加利福尼亞州拉霍亞斯克里普斯轉(zhuǎn)化研究所所長(zhǎng)，他報(bào)告說(shuō)，2%的研究存在誤報(bào)。人工智能系統(tǒng)將再次出手救援。——他們不會(huì)疲倦，而且總是很專心。他們能夠快速處理大量信息并找到人眼無(wú)法始終看到的模式。同時(shí)，對(duì)于他們的訓(xùn)練，可以同時(shí)使用幾位頂尖人物的經(jīng)驗(yàn)——診斷。這就是診斷模型的巨大機(jī)遇和最大問(wèn)題所在。

如您所知，為了訓(xùn)練模型，您需要一個(gè)大型訓(xùn)練樣本——個(gè)標(biāo)記數(shù)據(jù)集。如果您在摩托車照片中標(biāo)記數(shù)據(jù)以識(shí)別摩托車-在數(shù)百甚至數(shù)千張圖像上標(biāo)記摩托車-任何無(wú)聊的家庭主婦都可以完成這項(xiàng)任務(wù)（順便說(shuō)一句，其中許多人通過(guò)Yandex.Toloka從Sberbank的TagMe等服務(wù)中賺取額外收入），那么使用X射線一切就已經(jīng)困難得多。

現(xiàn)在不僅醫(yī)生可以“讀取”并理解這些數(shù)據(jù)，神經(jīng)網(wǎng)絡(luò)也可以

首先，只有具有適當(dāng)專業(yè)的合格醫(yī)生才能標(biāo)記圖像，這顯著增加了準(zhǔn)備訓(xùn)練數(shù)據(jù)集的成本。其次，診斷在很大程度上仍然是一門藝術(shù)，而不僅僅是一門科學(xué)，因此醫(yī)生的評(píng)估具有很強(qiáng)的主觀性。三位醫(yī)生可以用不同的方式標(biāo)記同一條數(shù)據(jù)，因?yàn)槊總€(gè)醫(yī)生都有自己的經(jīng)驗(yàn)、觀點(diǎn)和教育。第三，背景既可能導(dǎo)致誤判，也可能反過(guò)來(lái)幫助診斷。在標(biāo)記時(shí)，由于對(duì)匿名數(shù)據(jù)的嚴(yán)格要求，醫(yī)生不僅無(wú)法獲取病史信息，甚至無(wú)法獲取患者的性別和年齡（例如，此處描述了此類標(biāo)記的規(guī)則）。

然而，以適當(dāng)?shù)某杀?，可以形成大量且高質(zhì)量的訓(xùn)練數(shù)據(jù)集。然而，這是最昂貴的數(shù)據(jù)，只有大公司或大學(xué)的科學(xué)家才有能力在國(guó)家或私人贊助商的資助下收集這些數(shù)據(jù)。由于收集成本高且難度大，醫(yī)療數(shù)據(jù)集受到高度重視，任何向公眾提供這些數(shù)據(jù)的舉措都受到歡迎。

俄羅斯算法

在俄羅斯，幾家公司在收集此類數(shù)據(jù)和開發(fā)有效的人工智能診斷算法方面取得了巨大成功。這包括上面提到的SberMedII，以及第三意見(jiàn)平臺(tái)、Celsus和FtizisBioMed。因此，SberMedia提出了三種模型。第一個(gè)是肺部CT，于2021年接受了進(jìn)一步培訓(xùn)，以檢測(cè)并突出顯示肺部CT掃描中的結(jié)節(jié)結(jié)構(gòu)。如果算法“看到”4毫米的腫瘤，它會(huì)選擇圖像中的所有結(jié)節(jié)，無(wú)論其大小如何。醫(yī)學(xué)數(shù)字診斷中心(MDDC)的醫(yī)生接收之前通過(guò)算法分析的圖像并形成最終結(jié)論。

肺部CT服務(wù)可在早期階段識(shí)別腫瘤跡象/照片：莫斯科市政廳新聞服務(wù)

2021年，肺部CT模型回顧性分析了COVID-19大流行期間卡拉恰伊-切爾克斯共和國(guó)臨床醫(yī)院積累的1500份肺部CT掃描數(shù)據(jù)。結(jié)果，該算法檢測(cè)到12名患者的病理跡象。經(jīng)醫(yī)生核實(shí)后，8名患者被送往Karachay-Cherkess腫瘤藥房接受進(jìn)一步檢查。S.P.布托夫。2022年4月至5月，在下諾夫哥羅德地區(qū)，該系統(tǒng)又分析了3,155個(gè)CT掃描。在231例中，發(fā)現(xiàn)了可能的腫瘤。結(jié)果，125名患者被送往下諾夫哥羅德腫瘤中心接受進(jìn)一步檢查。

另一種SberMedII模型CTStroke能夠識(shí)別腦部CT掃描中的出血情況。診斷的速度和準(zhǔn)確性在這里極其重要，因?yàn)樵谶@種情況下越早開始治療措施，維持患者運(yùn)動(dòng)和認(rèn)知功能的機(jī)會(huì)就越高。

那么，用于分析乳房圖像的“乳房X光檢查”模式正是全球女性乳腺癌篩查和早期發(fā)現(xiàn)的趨勢(shì)。英國(guó)初創(chuàng)公司DeepMindAI在英國(guó)癌癥研究慈善機(jī)構(gòu)或美國(guó)麻省理工學(xué)院科學(xué)家的支持下，與GoogleHealth創(chuàng)建了類似的算法。他們的Mirai機(jī)器學(xué)習(xí)模型不僅可以確定患乳腺癌的風(fēng)險(xiǎn)，還可以預(yù)測(cè)乳房X光檢查中缺失的女性數(shù)據(jù)（例如年齡、體重、血液激素水平），甚至可以在醫(yī)院使用。它沒(méi)有有關(guān)患者（包括第三世界國(guó)家患者）的完整信息。

順便說(shuō)一句，為了訓(xùn)練Mirai，研究人員使用了在馬薩諸塞州總醫(yī)院拍攝的211,000張圖像。對(duì)來(lái)自麻省總醫(yī)院、瑞典卡羅林斯卡研究所和臺(tái)灣長(zhǎng)庚醫(yī)院的三個(gè)患者數(shù)據(jù)集進(jìn)行了測(cè)試。所有這些都再次證明了在醫(yī)學(xué)領(lǐng)域創(chuàng)建診斷和預(yù)測(cè)人工智能系統(tǒng)的復(fù)雜性。

斯科爾科沃基金會(huì)的第三意見(jiàn)平臺(tái)同時(shí)提供九種模式的解決方案：從實(shí)驗(yàn)室測(cè)試（血細(xì)胞和骨髓的數(shù)字涂片）和眼底圖像到放射研究（X射線、熒光圖、胸部器官CT、MRI）頭部和牙科系統(tǒng)）。ThirdOpinionAI算法能夠檢測(cè)從血癌到心血管疾病等70多種疾病的跡象。

該公司的創(chuàng)始人包括俄羅斯最大的私人醫(yī)療中心網(wǎng)絡(luò)MEDSI集團(tuán)，該網(wǎng)絡(luò)允許在臨床實(shí)踐中測(cè)試和快速實(shí)施解決方案。該公司的人工智能算法已經(jīng)在數(shù)十家醫(yī)院運(yùn)行，過(guò)去幾年幫助俄羅斯聯(lián)邦九個(gè)科室的醫(yī)生處理了1,110,000種檢查。

“第三意見(jiàn)”可以作為智能醫(yī)生的助手，節(jié)省研究分析時(shí)間并提高診斷準(zhǔn)確性，以及當(dāng)疑似病理跡象的圖像位于隊(duì)列頂部時(shí)，在醫(yī)生的工作列表中優(yōu)先考慮患者，即處于危險(xiǎn)之中。對(duì)于生命來(lái)說(shuō)尤其有價(jià)值。此外，人工智能算法可以對(duì)研究進(jìn)行回顧性分析，以識(shí)別以前醫(yī)生未發(fā)現(xiàn)的病理，并用于在大規(guī)模人群篩查期間區(qū)分研究流程。所有這些都增加了疾病檢測(cè)并優(yōu)化了醫(yī)生的工作量。

PhthisisBioMed專門開發(fā)自動(dòng)分析數(shù)字熒光圖像的系統(tǒng)，以確定是否存在可通過(guò)熒光照相術(shù)檢測(cè)到的所有可能的病理。他們的云服務(wù)連接到ERISEMIAS綜合體，并包含在莫斯科診所的工作標(biāo)準(zhǔn)中。自2019年以來(lái)，它已在俄羅斯另外53個(gè)地區(qū)推出。據(jù)該公司本身稱，自那時(shí)以來(lái)，他們的服務(wù)已處理了超過(guò)一百萬(wàn)張圖像（數(shù)字透視照片和胸部X光照片）。

使用IMI繪制區(qū)域地圖

Celsus也在上述所有傳統(tǒng)醫(yī)學(xué)圖像分析領(lǐng)域中使用了計(jì)算機(jī)視覺(jué)，然而，其與眾不同之處在于該服務(wù)與醫(yī)療決策支持系統(tǒng)的深度集成。Celsus產(chǎn)品不僅可以識(shí)別圖像中是否存在良性或惡性變化，表明其定位，還可以根據(jù)國(guó)際標(biāo)準(zhǔn)解釋結(jié)果。

在患者涌入的情況下

COVID-19大流行已持續(xù)三年。其特點(diǎn)是患者數(shù)量呈周期性波狀激增。疫情高峰期，醫(yī)療設(shè)施面臨巨大超負(fù)荷：病床、呼吸機(jī)和ECMO、氧氣供應(yīng)不足，醫(yī)生和護(hù)士被迫兩班甚至三班倒。除了引入備用床位和部署更多工作人員、優(yōu)化分診外，根據(jù)患者病情的嚴(yán)重程度、并發(fā)癥的可能性和所需治療對(duì)患者進(jìn)行醫(yī)療分類也將有所幫助。然而，面對(duì)大量涌入的患者，不僅全科醫(yī)生和肺科醫(yī)生，而且非?？漆t(yī)生也不得不接受——名COVID-19患者。對(duì)他們來(lái)說(shuō)，正確預(yù)測(cè)疾病的發(fā)展和可能的并發(fā)癥并不總是那么容易。因此，患者的分布并不總是最優(yōu)的。這給醫(yī)療保健系統(tǒng)帶來(lái)了額外的壓力。人工智能可以顯著改善風(fēng)險(xiǎn)評(píng)估。

為此，SberAILabs決定在2020年創(chuàng)建一個(gè)模型，可以預(yù)測(cè)每位COVID-19或肺炎患者的并發(fā)癥風(fēng)險(xiǎn)。除了預(yù)測(cè)準(zhǔn)確性之外，該程序還必須能夠輕松集成到醫(yī)院現(xiàn)有的電子醫(yī)療登記系統(tǒng)中，并“理解”各種格式的醫(yī)療報(bào)告。

事實(shí)上，患者住院期間會(huì)收集大量文本數(shù)據(jù)。其中包括病史、初步檢查和測(cè)試結(jié)果、病史和既往治療策略。然后將診斷放射學(xué)和實(shí)驗(yàn)室測(cè)試的結(jié)果添加到其中。通常，患者入院后24小時(shí)內(nèi)收到的所有這些信息足以讓主治醫(yī)生評(píng)估疾病進(jìn)展的風(fēng)險(xiǎn)——患者是否需要機(jī)械通氣或轉(zhuǎn)移到重癥監(jiān)護(hù)病房。

人工智能模型取得了類似的結(jié)果。為此，Sberbank使用了“Transformers”——，這是一種使用“內(nèi)部注意力”或“自注意力”機(jī)制來(lái)提高學(xué)習(xí)率的算法。換句話說(shuō)，該層允許模型編碼器同時(shí)查看輸入序列（例如句子）中的所有單詞，從而更準(zhǔn)確地對(duì)特定單詞進(jìn)行編碼。

我們?cè)诎琒berbank的25,000份醫(yī)療記錄和患者登記卡信息的數(shù)據(jù)集上訓(xùn)練了我們的開發(fā)。我們像往常一樣檢查模型：通過(guò)回顧性分析。該算法從1,000多名患者的總樣本中識(shí)別出了100名具有高并發(fā)癥風(fēng)險(xiǎn)的人。檢查顯示，最終，其中55人實(shí)際上住進(jìn)了重癥監(jiān)護(hù)室。這幾乎比整個(gè)樣本高出三倍——55%比20%，證實(shí)了模型預(yù)測(cè)分析的預(yù)測(cè)價(jià)值。

你們有很多人，但我們是一個(gè)

護(hù)士和護(hù)理人員是世界上許多國(guó)家高薪且緊缺的專家。俄羅斯正在做大量工作，以盡可能接近該聲明第一部分的對(duì)應(yīng)關(guān)系（特別是國(guó)家項(xiàng)目“醫(yī)療保健”也是為了解決這個(gè)問(wèn)題而設(shè)計(jì)的），但無(wú)論如何，第二部分是肯定的：醫(yī)院肯定應(yīng)該有更多的初級(jí)員工。很難及時(shí)照顧和幫助所有患者。

人工智能可以用來(lái)解決這個(gè)問(wèn)題。計(jì)算機(jī)視覺(jué)并不止于對(duì)單個(gè)圖像的分析。視頻分析已成為一個(gè)發(fā)達(dá)的領(lǐng)域。上面提到的俄羅斯公司“第三意見(jiàn)平臺(tái)”在這里也取得了巨大的成功。它將視頻監(jiān)控系統(tǒng)與自主設(shè)計(jì)的人工智能算法集成在一起。這樣，一名值班護(hù)士就可以有效控制多個(gè)病區(qū)。她現(xiàn)在始終是人工智能。

同時(shí)，護(hù)士也不需要持續(xù)監(jiān)控病房?jī)?nèi)十多個(gè)攝像頭的轉(zhuǎn)播。相機(jī)圖像上的智能算法將確定是否發(fā)生了異常情況，例如，患者從床上摔下來(lái)或失去知覺(jué)。推送通知會(huì)立即發(fā)送到護(hù)士的手表上，她將能夠立即幫助患者。

此外，視頻分析允許主治醫(yī)生跟蹤護(hù)士和主治醫(yī)生如何利用他們的工作時(shí)間：他們是否履行職責(zé)，他們是否關(guān)注所有患者，以及他們探望患者和提供幫助的頻率。因此，可以識(shí)別效率低下的員工，并優(yōu)化現(xiàn)有醫(yī)務(wù)人員的勞動(dòng)力成本和職責(zé)。

有效的進(jìn)口替代

在當(dāng)前條件下，重要的是，幾乎所有醫(yī)療保健人工智能的發(fā)展都有國(guó)內(nèi)同行，而俄羅斯在這方面處于進(jìn)展的前沿。是的，良好的醫(yī)療數(shù)據(jù)集存在困難，但這也是一個(gè)可以解決的問(wèn)題，特別是在國(guó)家支持和國(guó)家計(jì)劃實(shí)施的背景下。

最重要的是，在數(shù)學(xué)和算法方面，俄羅斯繼續(xù)保持高水平。這意味著，在醫(yī)療保健數(shù)字化轉(zhuǎn)型的背景下，我們不僅有機(jī)會(huì)跟上，而且就像銀行服務(wù)或交付服務(wù)已經(jīng)發(fā)生的那樣，簡(jiǎn)單地獲得先進(jìn)和可靠的藥物基于其他原則-旨在預(yù)測(cè)疾病、早期診斷和預(yù)防性治療，而不是治療已經(jīng)運(yùn)行的形式。