Искусственный интеллект в медицине. Как умные технологии меняют подход к лечению

Оглавление

Эрик Тополь. Искусственный интеллект в медицине. Как умные технологии меняют подход к лечению

Предисловие

Глава 1. Знакомство с применением искусственного интеллекта в медицине

Глава 2. Поверхностная медицина

Глава 3. Медицинский диагноз

Быстро и узко

Глава 4. Что такое глубокое обучение

Краткая история

Глубокие нейронные сети

Игры

Изображения

Распознавание голоса, речи и текста, машинный перевод

Беспилотные автомобили

Глава 5. Серьезные трудности

Методология нейронных сетей и их ограниченность

«Черные ящики»

Предрассудки и неравенство

Замазывание правды

Конфиденциальность и хакерство

Этика и публичная политика

Рабочие места

Экзистенциальная угроза

Глава 6 «Врачи-паттернисты» и изображения

Глава 7. Врачи, не работающие с образами

Офтальмология

Кардиология

Онкология

Хирургия

Другие медицинские специальности

Глава 8. Психиатрия

Глава 9. Искусственный интеллект и организация здравоохранения

Прогнозы, прогнозы, прогнозы

Здравоохранение: персонал и рабочий процесс

Станут ли ненужными больницы?

Страховые компании и работодатели

Медицинский искусственный интеллект на государственном уровне

Глава 10. Важнейшие открытия

Биологические «-омики» и рак

Открытие и разработка лекарств

Нейрофизиология

Новые орудия и «подмастерья» ученого

Глава 11. Действенная диета

Глава 12. Виртуальный медицинский ассистент

Современный виртуальный медицинский ассистент

Свойства виртуального медицинского ассистента будущего

Глава 13. Глубокая эмпатия

Дар времени

Быть человеком

Чуткость

Объективное обследование

Отношения «врач—пациент»

Медицинское образование

Искусственный интеллект в медицине

Благодарности

Отрывок из книги

Среди многих качеств, которые делают нас людьми и выделяют среди животных, немалое место занимает потребность оглядываться назад. Трудно вообразить, как представитель другого биологического вида поздней ночью печально размышляет о погибшем товарище или об упущенном шансе устроиться на приличную работу. Мы, однако, возвели способность размышлять о прошлом в ранг науки, оглядываясь на свой собственный вид так, словно мы – Творец, просматривающий писаную историю человечества и отмечающий вехи его прогресса от укрощения огня до изобретения микрочипа. А потом мы стараемся придать всему этому какой-то внятный смысл.

Тезис Кьеркегора о том, что мы живем, устремляя взор в будущее, но осмысливаем жизнь, глядя в прошлое, означает лишь одно: мы вспоминаем прошлое, имея в лучшем случае (неточные) сведения о нем. Но, не в упрек Кьеркегору и Джорджу Сантаяне[1] будет сказано, понимание истории не обязательно дает нам противоядие от ее повторения. Для того, чтобы в этом убедиться, достаточно бегло проглядеть текущие новости. Коротко говоря, прошлое ненадежно даже в качестве руководства по избеганию прежних ошибок. Определенно только будущее, ибо его сотворение целиком и полностью в наших руках.

.....

Рис. 1.1. Рост числа алгоритмов глубокого обучения ИИ с 2012 г. после публикации статьи о распознавании образов. Источники: график А приведен с изменениями из: A. Mislove: “To Understand Digital Advertising, Study Its Algorithms.” The Economist (2018): www.economist.com/science-and-technology/2018/03/22/to-understand-digital-advertising-study-its-algorithms. График B приведен с изменениями из: C. Mims, “Should Artificial Intelligence Copy the Human Brain?” The Wall Street Journal (2018): www.wsj.com/articles/should-artificial-intelligence-copy-the-humanbrain-153355265?mod-searchresults&page-1&pos-1.

За последние несколько лет в ведущих медицинских изданиях был опубликован ряд исследований, основанных на глубоком обучении. Многие в медицинском сообществе были искренне удивлены потенциалом глубокого обучения ИИ: в статьях утверждалось, например, что искусственный интеллект способен диагностировать некоторые типы рака кожи так же, если не лучше, чем дерматолог высшей категории; выявлять некоторые особые типы аритмий не хуже кардиолога; интерпретировать результаты медицинских изображений не хуже квалифицированного специалиста по медицинской визуализации и оценивать гистологические препараты не хуже патологоанатома; диагностировать различные заболевания глаз не хуже хорошего офтальмолога и предсказывать суицид у пациентов не хуже профессионального психиатра. Эти возможности обусловлены главным образом умением распознавать закономерности, при этом в ходе обучения машины усваивают эти закономерности на сотнях тысяч примеров (а вскоре – и на миллионах). Такие системы уже сейчас от года к году становятся все лучше и лучше, а показатель ошибок после изучения текстовых, речевых и визуальных материалов упал ниже 5 %, что выше любых человеческих возможностей (см. рис. 1.3). И хотя, вероятно, существует предел, после которого дальнейшее улучшение обучения прекратится, мы его пока не достигли. В отличие от людей, которые часто устают, пребывают в дурном настроении, подвержены действию эмоций, недосыпают или отвлекаются, машины лишены всех этих недостатков, могут работать сутки напролет, без выходных и праздников, не жалуясь на судьбу (хотя и человек, и машина могут «заболеть» и выйти из строя). Вполне понятно, что в связи с этим ребром встает вопрос о будущей роли врачей и о том, какое влияние может оказать искусственный интеллект на медицинскую практику.

.....