(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.
(с)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.
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.
«В настоящее время большинство исследований хронических заболеваний и долголетия требуют длительных периодов наблюдения, которые позволят выявить разницу между пациентами с лечением и без, потому что эти болезни медленно прогрессируют», объясняет он. «Если бы мы могли количественно оценить изменения раньше, мы не только смогли бы выявить болезнь, но и осуществить более эффективное вмешательство, а также смогли бы намного раньше среагировать».
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.
«Думаю, существует верхний предел того, насколько точны мы можем быть, потому что всегда будет элемент случайности», говорит он, отвечая на вопрос, насколько хорошо ИИ будет определять смертность отдельного человека. «Но мы можем стать точнее, чем сейчас, если примем во внимание риски и силы отдельных людей. Модель, совмещающая все эти факторы, надеюсь, сможет уточнять риск краткосрочной смертности до 80 процентов».
Другие еще оптимистичнее смотрят на то, как быстро ИИ преобразует этот аспект области медицины.
«Прогнозирование оставшейся жизни для людей, на самом деле, одно из самых простых применений машинного обучения», говорят доктор Зияд Обермейер.
«Оно требует уникального набор данных, который содержится в электронных записях, связанных с информацией о времени смерти человека.
Как только мы соберем достаточно таких данных, мы сможем крайне точно предсказывать вероятность того, что отдельный человек будет жить месяц или, например, год».
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.
«Среди того, что пациенты очень хотят и чего не получают, это ответы от врачей на вопрос „сколько мне осталось?“. Врачи очень неохотно отвечают на эти вопросы, отчасти потому, что не хотят ошибаться в таких важных вещах. Отчасти потому, что пациенты и сами не хотят знать».
Искусственный интеллект научился предсказывать смерть с точностью 90%
Новая разработка в сфере искусственного интеллекта поможет предсказать, когда человек умрет. Программа делает это с довольно высокой точностью: ее предсказания оправдались в 90% случаев. Эксперты надеются, что алгоритм, по которому действует эта программа, может пригодиться для лечения многих заболеваний
Shutterstock/FOTODOM /
Новая разработка в сфере искусственного интеллекта поможет предсказать, когда человек умрет. Машина делает это с довольно высокой точностью: ее предсказания оправдались в 90% случаев. Программа была разработана исследователями из Стэнфордского университета.
Эксперты надеются, что алгоритм, по которому действует эта программа, может пригодиться для лечения многих заболеваний и помощи неизлечимо больным пациентам.
Чтобы разработать алгоритм, ученые собрали записи о 160 тысячах пациентов из университетского госпиталя Стэнфорда и детской больницы Люсиль Паккард. Эти данные были проанализированы для получения информации о прошлых диагнозах, предлагаемых процедурах и медицинских мероприятиях.
После тщательного анализа учеными был составлен алгоритм. Модель искусственного интеллекта была применена к 40 тысячам пациентов. Затем алгоритм оценил число пациентов, которые умрут в течение следующих трех-двенадцати месяцев. Поразительно, что результаты предсказаний оправдались в 90% случаев.
Автор исследования, Ананд Авати (Anand Avati) из Лаборатории искусственного интеллекта Стэнфордского университета, объяснил, почему технология оказалась настолько успешной: «Шкала доступных данных позволила нам построить модель прогнозирования смертности от всех причин, а не только от заболеваний или демографических факторов».
Ожидается, что эта модель оценки будет применена во многих больницах. Несмотря на четкое указание на приблизительную дату смерти пациентов, эксперты не считают это приговором. Они настаивают на том, чтобы данные были представлены врачу, и он может принимать решения о процедурах, основываясь на полученном расчете предполагаемой даты смерти.
Кеннет Юнг (Kenneth Jung), сотрудник Лаборатории искусственного интеллекта, считает, что объединение знаний и опыта врачей с данными анализа, проведенного машиной, может скорректировать лечение и тем самым значительно повысить шансы пациентов на более долгую жизнь.
Ученые создали искусственный интеллект, способный предсказать раннюю смерт
Исследователи считают, что ИИ является жизненно важной частью будущего медицины. pixabay
Алгоритмы искусственного интеллекта (ИИ) могут выявить пациентов с риском хронических заболеваний.
Это может «значительно повысит эффективность медицинской профилактики.
Исследователи из Ноттингемского университета обучили компьютер оценивать общие данные о состоянии здоровья людей. Для обучения были взяты истории болезней более чем полмиллиона жителей Великобритании с 2006 по 2016 год.
За это время почти 14 500 участников исследования умерли, в основном, от рака, болезней сердца и легких, которые алгоритм глубокого обучения предсказал с точностью 76%.
При прогнозировании ранней смерти ИИ способен учитывать не только возраст, пол, вредные привычки и предшествующие диагнозы. Он также принимает во внимание этническую принадлежность, физическую активность, жировые отложения, количество фруктов и овощей, которые человек съел, потребление алкоголя и загрязнение воздуха.
Как отмечают ученые, исследования являются «крупным шагом вперед» в области прогнозирования преждевременной смерти. По их словам, большинство уже разработанных компьютерных алгоритмов сосредоточены на одной области медицины, но прогнозирование смерти от нескольких различных заболеваний очень сложно.
«Профилактическое здравоохранение является растущим приоритетом в борьбе с серьезными заболеваниями, поэтому в течение ряда лет мы работали над повышением точности компьютеризированной оценки риска для здоровья населения в целом», — приводит слова ученых британское издание The Sun.
Исследователи считают, что ИИ является жизненно важной частью будущего медицины.
Борьбой с ранней смертью заняты и ученые из Силиконовой долины Калифорнии. Однако они делают ставку не на ИИ, а на биотехнологии. В частности, они разрабатывают методы удаления «мусора» из клеток, который накапливается естественным образом с возрастом, а также удаление плохих или поврежденных клеток.
Впрочем, с таким методом борьбы со смертью согласны не все. Многие ученые выступают против идеи биологического взлома, назвая ее необдуманной и безответственной, поскольку долгосрочные последствия лечения и использования биотехнологий не изучены.
Ранее Gazeta. SPb сообщала о том, что куриные яйца опасны для здоровья.
Виктор Сергеев, Gazeta.SPb
Сможет ли ИИ предсказывать смерть?
Основополагающие взаимоотношения пациента и врача разрушены: у врачей стало слишком много задач, чтобы уделять должное внимание пациентам; проблем добавляют неправильные диагнозы и медицинские ошибки. В своей книге Deep Medicine терапевт Эрик Топол рассказывает, как в этом может помочь искусственный интеллект.
Аудиоверсия статьи: Podster | iTunes | YouTube | Скачать | Telegram | VK | Spotify
Несколько лет назад теплым солнечным днем мой 90-летний тесть подметал внутренний двор, как вдруг неожиданно почувствовал слабость и головокружение. Не в силах стоять на ногах, он заполз в квартиру на диван. Его трясло, но уже через несколько минут пришла моя жена Сьюзан — мы живем в квартале от него. Она написала мне на работу в клинику, где я заканчивал дела, и попросила приехать.
Когда я приехал, он был слаб и не мог самостоятельно подняться. Я не понимал, чем вызвано это состояние.
Первичный осмотр ничего не показал: его речь и зрение были в порядке; мышечные и сенсорные функции тоже были в норме, за исключением легких судорог. Эхо- и кардиограмма на смартфоне не выявили отклонений.
Несмотря на возможное сопротивление, я предложил отправиться в больницу, чтобы выяснить все окончательно.
Отрывок из книги Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again автора Эрика Топола.
Джон — ветеран Второй мировой войны, заслуживший медаль «Пурпурное сердце» — никогда не болел. Только в последние месяцы у него появилось повышенное кровяное давление, для чего терапевт прописал ему слабый диуретик хлорталидон. В остальном его ежедневным профилактическим лекарством на протяжении многих лет оставался аспирин.
С некоторым сомнением он согласился на осмотр, и мы вместе с женами поехали в местное отделение скорой помощи. Там доктор предположил, что у моего тестя инсульт, но компьютерная томография мозга не выявила отклонений. Однако потом пришли анализы крови, которые показали неожиданный критический уровень калия 1,9 моль/л — один из самых низких на моей памяти. Причиной этому не мог быть диуретик.
Тем не менее Джона оставили на ночь для восстановления уровня калия.
Все было хорошо до тех пор, пока через несколько недель его не начало тошнить ярко-красной кровью. Он настолько не хотел признавать болезнь, что просил свою жену не звонить Сьюзен, — но она сильно переживала и все равно позвонила. И снова моя жена быстро приехала. Кровь была повсюду: в спальне, гостиной, ванной.
Ее отец был бодр, несмотря на рвоту и черный, смолистый стул — признаки сильного желудочно-кишечного кровотечения. Его снова нужно было госпитализировать.
Через несколько часов в больнице после осмотра и консультации гастроэнтеролога экстренная эндоскопия показала варикозное расширение вен пищевода (сеть аномальных кровеносных сосудов), что и послужило причиной кровотечения у моего тестя.
Перед операцией по устранению кровотечения, Джону ввели анестезию и фентанил. Вечером, когда его доставили в палату, он с трудом мог связать несколько слов. Вскоре после этого он впал в глубокую кому.
Тем временем пришли результаты его анализов: печень была в болезненном состоянии, а уровень аммиака в крови превышал все допустимые показатели. УЗИ показало цирроз печени. Мы быстро поняли, что варикозное расширение вен вторично по отношению к конечной стадии болезни печени.
Мужчина, который 90 лет был абсолютно здоров, вдруг впал в кому с прогнившей печенью. Для снижения уровня аммиака в крови из-за печеночной недостаточности он не получал внутривенной или диетической поддержки, а только лактулозные клизмы.
Вероятность выздоровления была нулевой, а лечащий врач и ординаторы сказали, что его уже не реанимировать.
В последующие дни мы, совместно с сотрудниками хосписа, планировали перевезти Джона к нам домой, чтобы он мог умереть в кругу семьи.
Поздней воскресной ночью, перед тем как мы должны были забрать тестя домой, моя жена и дочь пришли навестить его.
Их обеих учили «исцелять прикосновением» и, выражая свою большую любовь, они провели несколько часов, разговаривая с Джоном и проводя это духовное лечение, пока он был в коме.
В понедельник утром моя жена встретилась с медсестрой из хосписа за пределами палаты. Сьюзен сказала, что до обсуждения деталей она хочет увидеться с отцом.
Когда Сьюзен обняла его и сказала: «Папа, если ты меня слышишь, мы сегодня забираем тебя домой». Грудь Джона поднялась; он открыл глаза, посмотрел на нее и воскликнул: «Ооох».
Она спросила, знает ли он, кто перед ним, и он ответил: «Сью».
Если бы существовала семейная байка Лазарей, то это была бы она. Все перевернулось с ног на голову. Мы отказались от плана позволить ему умереть. Когда прибыла бригада хосписа, мы сообщили, что транспортировка отменяется.
Поставили капельницу. Членам семьи с восточного побережья сообщили о том, что Джон чудесным образом вернулся к жизни, и они могут навестить его.
На следующий день Джон даже позвонил моей жене и попросил принести что-нибудь поесть.
Я навсегда запомнил, как вывозил Джона на коляске на улицу. К этому времени он находился в больнице уже десятый день и теперь, прикрепленный к множеству капельниц и катетеру Фолея, был бледен как полотно.
Вопреки рекомендациям медсестер, я собрал его и вывез на площадку перед больницей полюбоваться прекрасным осенним днем. Мы спустились по тротуару и поднялись на небольшой холм рядом с больницей; ветер доносил до нас чудесные ароматы эвкалиптовых деревьев. Мы говорили, а затем оба расплакались.
Я думаю, он радовался тому, что жил и видел свою семью. Джон был моим приемным отцом последние 20 лет, с тех пор как умер мой родной, и мы с ним были очень близки уже почти 40 лет со дня нашего знакомства. Я никогда не думал, что он может заболеть — у Джона всегда было крепкое здоровье.
И теперь, когда он вернулся к жизни в здравом уме и твердой памяти, я думал о том, сколько ему осталось. Заболевание печени на конечной стадии было большим потрясением, так как Джон почти не пил.
Результаты анализов крови показали наличие антител, что предполагало отдаленную возможность первичного билиарного цирроза — редкого заболевания, диагностировать которое в возрасте 91 года не имело особого смысла (вся семья собралась в больнице, чтобы отметить его день рождения). Неопределенностей было много.
В скором времени его не стало. Врачи спорили, проводить ли ему склерозирование вен пищевода, чтобы избежать повторного кровоизлияния, но для этого пришлось бы еще раз делать эндоскопию, а он едва восстановился после прошлого раза. Через неделю его уже собирались выписывать, но в результате очередного кровоизлияния он скончался.
Но какое все это имеет отношение к коренным изменениям в области искусственного интеллекта? История моего тестя поднимает несколько важных вопросов о здравоохранении, которые связаны с тем, как больницы и пациенты взаимодействуют между собой.
Первый вопрос — что мы делаем, когда жизнь пациента подходит к концу. Мы уже наблюдаем взрывной рост развития такого раздела медицины, как паллиативная терапия.
В ближайшее время паллиативную терапию ожидают кардинальные изменения: в разработке находится новое оборудование, которое будет анализировать данные электронных медицинских карт пациентов для точного предсказания времени смерти, а также предоставлять врачам информацию о показателях, повлиявших на процесс прогнозирования.
В дальнейшем улучшение технологий, использующих глубокое обучение, может оказать позитивное влияние на работу специалистов в области паллиативной терапии в 1700 американских клиниках, что составляет 60% от их общего числа.
В США насчитывается всего лишь 6600 сертифицированных специалистов в области паллиативной терапии, или один специалист на тысячу двести больных, находящихся под наблюдением.
Ситуация требует серьезного повышения эффективности без ущерба для качества предоставляемой помощи. Меньше половины пациентов, госпитализированных для получения паллиативной медицинской помощи, в действительности получают ее.
Между тем 80% всех пациентов, находящихся на грани смерти, хотели бы умереть дома, но удается это немногим — 60% пациентов умирают в больницах.
Необходимо точно прогнозировать предполагаемое время смерти: это чрезвычайно важно, ведь от прогноза зависит, смогут ли пациенты, которые хотят умереть дома, исполнить свое желание. Врачи, как мы знаем, не очень успешны в своих прогнозах.
На протяжении многих лет для предсказания смерти пациента врачи и медсестры использовали так называемый «вопрос о неожиданности».
Они вспоминали состояние пациента и спрашивали себя: «Удивлюсь ли я, если он умрет в течение ближайших двенадцати месяцев?» Систематический обзор двадцати шести медицинских журналов, содержащих прогнозы времени смерти пациентов, показал, что их средняя точность была меньше 75%, при этом наблюдался широкий разброс в точности предсказаний.
Вместе со свой командой Ананд Авати, ученый в области информационных технологий из Стэнфорда, представил алгоритм глубокого обучения, работающий с электронными медицинскими картами для прогнозирования времени смерти.
Может показаться, что статья под названием «Совершенствование паллиативной медицинской терапии посредством технологии глубокого обучения» говорит совершенно о другом, но не спешите с выводами: речь в ней ведется именно о создании алгоритма, вычисляющего дату смерти пациента.
В 2009 году общество серьезно обеспокоилось, когда Сара Пейлин во время дебатов о федеральном законодательстве в области здравоохранения впервые использовала термин «death panels» — «комитеты смерти».
(Термин использован для критики предложения президента Обамы по реформе здравоохранения, в рамках которой молодые люди обладали приоритетом перед пожилыми на получение медицинской помощи и высокотехнологичных медицинских протезов. — прим. Newочём.) Но в то время этот вопрос неизбежно затрагивал врачей. Сегодня же мы говорим о машинах.
Восемнадцатислойная нейронная сеть, обучающаяся на основе медицинских карт почти 160 тысяч пациентов, смогла с поразительной точностью предсказать время смерти 40 тысяч гипотетических больных.
Алгоритм обращал внимание на те показатели, которыми пренебрегали врачи: например, на число рентгеновских снимков в медицинской карте, в том числе снимков спины или мочевыделительной системы. Статистическая точность этого метода сравнима с прогнозированием, основанном на возрасте человека.
Результаты оказались впечатляющими: более 90% людей, жизнь которых, согласно прогнозам, должна была закончиться в течение последующих 3-12 месяцев, действительно скончались. Такая же точность наблюдалась и с теми, кто должен был прожить дольше года. Примечательно, что для обучения алгоритма использовали данные двухсот тысяч пациентов.
Причем такой точности результатов удалось достичь, используя только лишь структурированные данные из электронных записей, такие как возраст, срок госпитализации пациента, какое лечение он проходил и какие снимки делал. Алгоритм не использовал результаты лабораторных анализов, не рассматривал гистопатологические заключения или расшифровки рентгеновских снимков, не говоря уже о результатах комплексных диагностических исследований каждого конкретного пациента, включая его психологическое состояние, желание жить, походку, кистевую силу и многие другие параметры, связанные с продолжительностью жизни. Представьте, насколько бы возросла точность прогнозов, если бы алгоритмы анализировали все эти данные!
Компьютер научили предсказывать смерть человека с помощью томографии
Новая система искусственного интеллекта способна просчитывать алгоритм, согласно которому он с 69% вероятностью предсказывает смерть человека. Расчеты проводятся по результатам компьютерной томографии грудной клетки. Исследование опубликовано в журнале Scientific Reports.
Соавтор работы Люк Окден-Рэйнер из университета Аделаиды вместе с коллегами благодаря развитию нейросетей и систем искусственного интеллекта создал программу, которая может определить продолжительность человеческой жизни по фотографиям его внутренних органов.
Программа представляет собой так называемую сверхточную нейросеть — структуру из нескольких сотен более простых нейросетей. Каждая их них обрабатывает не исходные данные, а продукты анализа, которая получила более высокая по уровню сеть — то есть они анализируют друг друга. Это позволяет решать возникшие проблемы при помощи скромных ресурсов и малых вычислительных мощностей.
Ученые предполагают, что программа будет не только диагностировать, но и прогнозировать результаты лечения и выявлять закономерности в заболеваниях.
Систему обучили на более чем 16 тысячах изображений. Они помогали ей создать полную картину диагностируемых заболеваний. На данный момент искусственный интеллект специализируется только на заболеваниях сердца и легких.
По данным сайта «Газета.ru», после обучения систему протестировали на 48 пациентах старше 60 лет. Программа смогла предсказать их смерть в течение следующих пяти лет с точностью 69%.
По мнению ученых, подобные алгоритмы помогут делать более точные прогнозы. Благодаря им можно будет подбирать наиболее подходящий способ лечения.
Ранее российские специалисты создали особые наночастицы, которые помогают в лечении болезней сердца. Эти частицы концентрируются на тех тканях сердца, которые повреждены. Благодаря этому врачи смогут проводить диагностику, а светящиеся молекулы этих частиц помогут быстрее находить проблемные места, после чего врач назначит наиболее действенный курс лечения. Читать далее>>