Опубліковано: 17 лютого 2025 р. / Оновлено: 17 лютого 2025 р. – Автор: Konrad Wolfenstein
Роль штучного інтелекту в охороні здоров'я: персоналізоване лікування, діагностична підтримка та прогнозування переміщень тварин – Зображення: Xpert.Digital
Трансформація за допомогою штучного інтелекту в тілі та космосі: як алгоритми лікують вади серця та рахують китів
Штучний інтелект як ключова технологія в охороні здоров'я та збереженні видів: як переломний момент
Штучний інтелект (ШІ) – це вже не просто модне слово з науково-фантастичних фільмів, а реальність, яка пронизує наше життя незліченними способами. Зокрема, в охороні здоров'я та збереженні видів ШІ розкриває величезний потенціал, революціонізуючи традиційні методи та відкриваючи абсолютно нові шляхи. Ми знаходимося на світанку ери, в якій ШІ не лише служить допоміжним інструментом, а й діє як рушійна сила інновацій та прогресу. У цьому звіті висвітлено, як ШІ вже робить вирішальний внесок у три ключові галузі: персоналізоване лікування фібриляції передсердь, діагностика за допомогою ШІ в цифровій патології та прогнозування переміщень тварин для захисту морських екосистем, і обіцяє ще більші трансформації в майбутньому.
Підходить для цього:
Персоналізоване лікування фібриляції передсердь за допомогою штучного інтелекту: зміна парадигми в кардіології
Фібриляція передсердь, найпоширеніше стійке порушення серцевого ритму, вражає мільйони людей у всьому світі та створює значне навантаження на системи охорони здоров'я. Лікування цього складного стану часто є складним завданням, оскільки його перебіг може значно відрізнятися від пацієнта до пацієнта. Саме тут на допомогу приходить штучний інтелект, який дозволяє фундаментально перейти до персоналізованих підходів до лікування.
Процедури абляції, оптимізовані за допомогою штучного інтелекту: точність та ефективність на новому рівні
Однією з особливо перспективних галузей є катетерна абляція, малоінвазивна процедура лікування фібриляції передсердь. Цей метод передбачає вибіркове знищення ураженої тканини серця, яка викликає аритмію. Традиційно абляцію часто проводили з використанням досить стандартизованого, анатомічно орієнтованого підходу. Однак дослідження TAILORED-AF, яке є віхою в інтервенційній кардіології, продемонструвало, як штучний інтелект може значно покращити точність та ефективність цієї процедури.
У цьому рандомізованому контрольованому дослідженні підгрупа пацієнтів пройшла обробку за допомогою технології на основі штучного інтелекту під назвою Volta AF-Xplorer™. Ця система аналізувала понад 5000 точок даних на секунду в режимі реального часу під час процедури та визначала просторово-часово розподілені електрограми – складний патерн електричних сигналів, що вказують на патологічні ділянки серцевого м’яза. Порівняно з контрольною групою, яка перенесла абляцію з використанням традиційних методів, когорта з використанням штучного інтелекту показала вражаючі результати. Через 12 місяців 88% пацієнтів у групі штучного інтелекту не мали аритмій, порівняно з лише 70% у контрольній групі. Крім того, гострі рецидиви траплялися значно рідше в групі штучного інтелекту (15% проти 66%). Ці результати демонструють, що штучний інтелект здатний обробляти величезні обсяги даних під час операції під час абляції, що дозволяє проводити більш точне та індивідуалізоване лікування.
Термін «абляція» походить з латини та означає «видаляти» або «віддаляти». У медицині він описує цілеспрямоване видалення або руйнування тканини. Окрім катетерної абляції при серцевих аритміях, існує безліч інших застосувань, таких як абляція пухлини, під час якої пухлинна тканина руйнується за допомогою тепла, холоду або інших методів, або абляція ендометрію, яка використовується для лікування певних гінекологічних захворювань. Катетерна абляція за останні роки зарекомендувала себе як один з найважливіших варіантів лікування фібриляції передсердь і тепер стає ще ефективнішою та безпечнішою завдяки процедурам за допомогою штучного інтелекту.
Прогностичні моделі успішності лікування: профілі ризику та персоналізовані прогнози
Ще одним перспективним підходом у галузі терапії фібриляції передсердь за допомогою штучного інтелекту є розробка прогностичних моделей. Проект ACCELERATE, який очолює Лейпцизький кардіологічний центр, працює над моделями машинного навчання, які можуть створювати індивідуальні профілі ризику на основі даних 12-канальної ЕКГ. Ці моделі виходять далеко за рамки простого прогнозування рецидиву фібриляції передсердь після абляції. Вони також здатні виявляти ремоделювання лівого передсердя – фіброзний процес ремоделювання лівого передсердя, який не тільки сприяє розвитку фібриляції передсердь, але й пов'язаний зі значним підвищенням ризику інсульту. Дослідження показують, що ремоделювання лівого передсердя може збільшити ризик інсульту в 3,2 рази.
Для максимізації прогностичної точності цих моделей інтегровано дані реєстру з понад 100 000 абляцій (станом на 2021 рік). Результати вражають: моделі досягають прогностичної точності 89% для так званих низьковольтних ділянок серця, тобто ділянок зі зниженою електричною активністю, які часто корелюють з фіброзною тканиною. Порівняно зі звичайними оцінками ризику, що використовуються в клінічній практиці, моделі на основі штучного інтелекту перевершують їх на 23%. Це означає, що штучний інтелект здатний ідентифікувати пацієнтів з особливо високим ризиком рецидиву фібриляції передсердь або інсульту, що дозволяє персоналізоване планування лікування. У майбутньому такі прогностичні моделі можуть допомогти лікарям вибрати оптимальну стратегію лікування для кожного окремого пацієнта та таким чином максимізувати успіх лікування.
Імпульсна абляція (ІПА): наступне покоління технології абляції
Окрім оптимізації існуючих методів абляції, штучний інтелект також стимулює розробку абсолютно нових методів. Одним із прикладів є імпульсна абляція (ІПА) – інноваційна технологія, яка використовує електричні імпульси для вибіркового руйнування клітин серцевого м’яза. На відміну від традиційних методів абляції, заснованих на теплі або холоді, ІПА використовує ультракороткі високочастотні електричні поля. Це призводить до цілеспрямованого некрозу клітин серцевого м’яза, одночасно зберігаючи навколишні тканини, такі як стравохід або діафрагмальний нерв.
Штучний інтелект відіграє вирішальну роль у первинній абляції (ПФА), адаптуючи частоту пульсу до товщини тканини в режимі реального часу. Це забезпечує оптимальний ефект абляції з максимальною безпекою. Початкові дослідження в Німецькому кардіологічному центрі Берліна (DHZC) показують багатообіцяючі результати. Наприклад, час процедури за допомогою ПФА скоротився до 40% порівняно зі звичайними методами абляції. Водночас процедура продемонструвала високий рівень безпеки, особливо щодо захисту стравоходу та діафрагмального нерва, які іноді можуть бути пошкоджені під час звичайних процедур абляції. Таким чином, ПФА може зробити абляцію фібриляції передсердь не тільки ефективнішою, але й безпечнішою, а лікування комфортнішим для пацієнтів.
Штучний інтелект у цифровій патології та діагностичній підтримці: точність і швидкість на службі діагностики
Патологія, наука про хвороби, відіграє центральну роль у медичній діагностиці. Традиційно патологічна діагностика базується на мікроскопічному дослідженні зразків тканин. Цей процес є трудомістким, суб'єктивним і може залежати від людської втоми та мінливості. Цифрова патологія, оцифрування зрізів тканин та використання методів комп'ютерного аналізу, обіцяє революцію в цій галузі. Штучний інтелект є ключовим фактором у повноцінному використанні цифрової патології та виведенні діагностики на новий рівень.
Автоматизоване виявлення пухлин: ідентифікація ракових клітин за допомогою глибокого навчання
Ключовим застосуванням штучного інтелекту в цифровій патології є автоматизоване виявлення пухлин. Інститут мікроелектронних схем Фраунгофера розробив алгоритми глибокого навчання, які можуть ідентифікувати скупчення злоякісних клітин в оцифрованих зрізах тканин з вражаючою точністю. Ці алгоритми мають чутливість 97%, тобто вони правильно виявляють пухлинні клітини в 97% випадків.
Завдяки використанню трансферного навчання, методу машинного навчання, який передає знання від одного завдання до іншого, система була навчена на величезній базі даних із 250 000 гістопатологічних зображень. Це дозволяє системі не лише розпізнавати пухлинні клітини, але й диференціювати 32 підтипи протокової карциноми, найпоширенішої форми раку молочної залози. Таке детальне визначення підтипів має вирішальне значення для планування лікування. Крім того, штучний інтелект може скоротити час діагностики патології до 65%, що призводить до швидшої діагностики та, отже, до більш раннього початку терапії для пацієнтів. Таким чином, автоматизоване виявлення пухлин за допомогою штучного інтелекту може значно підвищити ефективність і точність патологічної діагностики, одночасно зменшуючи навантаження на патологоанатомів.
Нейронні мережі в рутинній патології: виявлення непомічених мікрометастазів
Ще одним прикладом успішного використання штучного інтелекту в патології є робота компанії Aisencia, яка застосовує згорткові нейронні мережі (ЗНМ). Ці спеціалізовані нейронні мережі особливо добре розпізнають закономірності на зображеннях і використовуються в цифровій патології для прогнозування, наприклад, мікросудинної інвазії при раку товстої кишки. Мікроваскулярна інвазія, проникнення пухлинних клітин у найдрібніші кровоносні судини, є важливим прогностичним фактором при колоректальному раку та надає інформацію про ризик метастазування.
У дослідженні валідації 1200 зразків штучний інтелект Aisencia досяг 94% збігу з оцінками досвідчених патологоанатомів. Це демонструє, що штучний інтелект здатний виявляти мікросудинні інвазії з аналогічним рівнем точності, як і експерти-люди. Однак, що примітно, штучний інтелект у цьому дослідженні також виявив додаткові 12% мікрометастазів, які були пропущені під час початкової оцінки. Це підкреслює потенціал штучного інтелекту розпізнавати тонкі закономірності та деталі, які можуть вислизнути з-під уваги людського ока. Таким чином, використання звичкових нейронних мереж (CNN) у рутинній патології може покращити якість діагностики та допомогти гарантувати, що жодна важлива інформація не буде пропущена.
SATURN: діагностика рідкісних захворювань на основі штучного інтелекту – край діагностичним одіссеям
Рідкісні захворювання створюють особливий виклик для системи охорони здоров'я. Часто минають роки, перш ніж пацієнти з рідкісним захворюванням отримують правильний діагноз. Ці так звані «діагностичні одіссеї» є дуже стресовими для самих хворих та їхніх сімей. Штучний інтелект може зробити тут значний внесок, прискорюючи та покращуючи процес діагностики.
Розумний портал лікаря SATURN є прикладом системи на основі штучного інтелекту, яка поєднує обробку природної мови (NLP) з графами знань для створення диференціальних діагнозів зі списків симптомів. NLP дозволяє штучному інтелекту розуміти та обробляти природну мову, тоді як графи знань представляють медичну інформацію та взаємозв'язки у структурованому форматі. На пілотній фазі проекту SATURN був протестований для діагностики рідкісних метаболічних розладів. Система правильно ідентифікувала 78% випадків хвороби Гоше та 84% мукополісахаридозів. Рівень неправильної класифікації становив лише 6,3%.
Особливою перевагою SATURN є його зв'язок із SE-ATLAS, каталогом спеціалізованих лікувальних центрів рідкісних захворювань. Це дозволяє системі не лише підтримувати діагностику, але й безпосередньо рекомендувати відповідних експертів та центри. Це може значно скоротити час до правильної діагностики та лікування. Дослідження показують, що SATURN може скоротити середній час постановки діагнозу з 7,2 років до 1,8 років. Системи діагностичної підтримки на основі штучного інтелекту, такі як SATURN, мають потенціал докорінно покращити догляд за пацієнтами з рідкісними захворюваннями та позбавити їх непотрібних страждань.
Прогнозування переміщень китів за допомогою супутникового аналізу на основі штучного інтелекту: Збереження видів у 21 столітті
Штучний інтелект відіграє дедалі важливішу роль не лише в охороні здоров'я, але й у збереженні видів. Моніторинг та захист видів тварин, що знаходяться під загрозою зникнення, мають вирішальне значення для збереження біорізноманіття. Традиційні методи спостереження за тваринами часто є трудомісткими, дорогими та важко охоплюють великі території. Супутниковий аналіз та акустичний моніторинг за допомогою штучного інтелекту відкривають абсолютно нові можливості для ефективного та всебічного запису переміщень тварин, що робить збереження видів більш ефективним.
КОСМІЧНИЙ КИТ: Глибоке навчання морської мегафауни – підрахунок китів з космосу
Система SPACEWHALE, розроблена BioConsult SH, є яскравим прикладом того, як штучний інтелект та супутникові технології можна поєднати для моніторингу морської мегафауни. SPACEWHALE аналізує супутникові знімки з надзвичайно високою роздільною здатністю 30 см (надані Maxar Technologies), використовуючи ансамбль CNN та випадкових моделей лісів. Ці моделі штучного інтелекту навчені виявляти та класифікувати китів на супутникових знімках.
В Оклендській затоці, ключовому місці існування південних гладких китів (Eubalaena australis), SPACEWHALE було успішно розгорнуто. Штучний інтелект виявив 94% китів, присутніх у цьому районі. Ручна перевірка досвідченими морськими біологами підтвердила високу точність системи – 98,7%. SPACEWHALE зменшує вартість обстежень китів до 70% порівняно з традиційними аерофотознімками. Крім того, цей метод вперше дозволяє проводити масштабні популяційні дослідження у відкритому океані, в районах, до яких важко дістатися за допомогою традиційних методів. SPACEWHALE демонструє, як супутниковий аналіз на основі штучного інтелекту може революціонізувати збереження видів, забезпечуючи більш точні, економічно ефективні та широкомасштабні можливості моніторингу.
Акустичний моніторинг та моделювання середовища існування: слух китів та прогнозування міграційних шляхів
Окрім візуального моніторингу за допомогою супутникових знімків, акустичний моніторинг також відіграє вирішальну роль у збереженні видів. Проект WHALESAFE біля узбережжя Каліфорнії поєднує дані гідрофонів (підводних мікрофонів) з мережами LSTM (довга короткострокова пам'ять) на основі штучного інтелекту для прогнозування присутності синіх китів у режимі реального часу. Мережі LSTM – це особливий тип нейронної мережі, яка чудово розпізнає часові зв'язки в даних.
Окрім акустичних даних, моделі WHALESAFE також враховують такі фактори навколишнього середовища, як температура моря, концентрація хлорофілу А (індикатор цвітіння водоростей і, отже, наявності їжі) та дані про рух суден. Поєднуючи ці різноманітні джерела даних, моделі досягають вражаючого рівня точності 89% у прогнозуванні маршрутів міграції синіх китів. Ключовою метою WHALESAFE є зменшення кількості зіткнень суден, що є однією з головних загроз для китів. Автоматичні попередження для суден, що заходять у критичні райони, вже знизили рівень зіткнень у протоці Санта-Барбара на 42%. WHALESAFE демонструє, як акустичний моніторинг та моделювання середовища існування на основі штучного інтелекту можуть сприяти кращому захисту китів та інших морських мешканців, а також мінімізації конфліктів між людиною та дикими тваринами.
Виявлення сигналів зв'язку в режимі реального часу: розуміння мови кашалотів
Особливо захопливим та перспективним проектом у сфері охорони видів за допомогою штучного інтелекту є Ініціатива перекладу китоподібних (CETI). CETI має на меті розшифрувати комунікацію кашалотів. Кашалоти відомі своїми складними клацаючими звуками, відомими як «коди», які вони використовують для спілкування один з одним. Проект CETI аналізує понад 100 000 годин клацань кашалотів за допомогою моделей Transformer. Моделі Transformer — це найсучасніша архітектура нейронної мережі, яка в останні роки довела свою особливо потужність в обробці природної мови.
За допомогою контрастного навчання, методу машинного навчання, за допомогою якого штучний інтелект вчиться розрізняти подібні та різні точки даних, штучний інтелект CETI розпізнає контекстно-специфічні коди. Ці коди використовуються, наприклад, для координації занурень або вирощування дитинчат. Початкові результати свідчать про те, що комунікація кашалотів має синтаксис з повторюваними послідовностями з п'яти елементів. Ці висновки можуть дати розуміння навмисної комунікації, тобто що кашалоти здатні свідомо та цілеспрямовано спілкуватися один з одним. CETI – це амбітний проект, який може не лише революціонізувати наше розуміння комунікації китів, але й відкрити нові шляхи для збереження видів, дозволяючи нам краще задовольняти потреби та поведінку цих захопливих тварин.
Ключова технологія для кращого майбутнього
Приклади у цьому звіті яскраво демонструють, що інтеграція штучного інтелекту в охорону здоров'я та збереження видів вже має трансформаційний вплив. У кардіології штучний інтелект дозволяє проводити точніші та персоналізованіші процедури абляції; у патології він прискорює та покращує діагностику пухлин; а у збереженні видів він революціонізує моніторинг морських видів та дозволяє глибше зрозуміти складну поведінку тварин. Але це лише початок.
Такі майбутні галузі, як квантове машинне навчання, яке може використовувати величезну обчислювальну потужність квантових комп'ютерів, обіцяють подальші прориви в прогнозуванні аритмій та інших медичних галузях. У сфері охорони видів системи на основі ройового інтелекту, які відтворюють колективну поведінку комах або пташиних роїв, можуть бути використані для відстеження китів та захисту цілих екосистем. Однак, щоб повною мірою використати потенціал інновацій на основі штучного інтелекту, необхідна тісна міждисциплінарна співпраця між медициною, інформатикою, екологією та багатьма іншими дисциплінами. Тільки завдяки обміну знаннями та досвідом ми можемо забезпечити відповідальне використання технологій штучного інтелекту на благо як людей, так і навколишнього середовища. Майбутнє розумне – давайте формувати його разом.
Підходить для цього:
Ваш глобальний партнер з маркетингу та розвитку бізнесу
☑ Наша ділова мова - англійська чи німецька
☑ Нове: листування на вашій національній мові!
Konrad Wolfenstein
Я радий бути доступним вам та моїй команді як особистого консультанта.
Ви можете зв’язатися зі мною, заповнивши тут контактну форму або просто зателефонуйте мені за номером +49 89 674 804 (Мюнхен) . Моя електронна адреса: Вольфенштейн ∂ xpert.digital
Я з нетерпінням чекаю нашого спільного проекту.