Выбор читателей
Популярные статьи
Диагностика
Об этом пишут Зиад Обермайер из Гарвардской медицинской школы и Иезекииль Эмануэль из Пенсильванского университета в статье для The New England Journal of Medicine (NEJM)2. По их мнению, уже в ближайшем будущем машинное обучение станет незаменимым инструментом врачей, которые по-настоящему хотят понять своих пациентов. Искусственные нейронные сети уже сейчас могут диагностировать метастазы рака молочной железы не хуже, чем опытный врач. Рак молочной железы — один из самых распространенных видов злокачественных новообразований. Только в 2012 году в мире было зарегистрировано более 1,6 млн новых случаев этого заболевания. В 6-10% случаев обращений уже в момент постановки первичного диагноза опухоль успела метастазировать. Для диагностирования этого процесса используется биопсия регионарных лимфоузлов.
Каждый образец изъятого материала осматривается под микроскопом врачом-патологом. В идеальных условиях и при неограниченном времени врач допускает очень мало ошибок. В реальной жизни врачи-патологи могут отсматривать и описывать десятки препаратов каждый день.
Группа исследователей из Радбаудского университета в Нидерландах инициировала создание специального соревнования-челленджа Camelyon3, в рамках которого современные алгоритмы соревнуются в обнаружении метастазов рака молочной железы. Команды обучают модели распознавать рак среди здоровых тканей на 400 снимках рака молочной железы, затем результаты сравниваются на контрольных снимках, доступа к которым у моделей во время обучения не было.
В прошлом году в челлендже Camelyon первое место заняла нейронная сеть стартапа PathAI4 — партнера компании Philips по разработке приложений искусственного интеллекта в медицине. Ученые из PathAI c большим отрывом опередили другие команды. Их алгоритм допускал ошибки лишь в 35 случаях из 1000: этот показатель немногим ниже, чем у настоящего врача. При этом, если врач прибегал к подсказкам нейронной сети, то количество ошибок снижалось с 3% до 1%.
За последние годы появилось много примеров успешного распознавания медицинских изображений нейронными сетями. Нейронные сети с высокой точностью определяют рак простаты и рак легкого по биопсии и не хуже дерматолога определяют рак кожи по обычным фотографиям.
Помимо классификации изображений искусственный интеллект может решать и другие задачи: выбирать лечение или уточнять прогноз. Один из ранних примеров — экспертная система Mycin5, разработанная в 1970-е годы в Стэнфорде. Ее задачей было подбирать наиболее подходящие антибиотики для лечения инфекционных заболеваний. Уже тогда она предлагала более удачные сочетания, чем врач. Тем не менее, эта система ни разу не была использована в реальной клинической практике.
Система Mycin отвечала на вопросы «да» и «нет» в рамках заданного набора правил, чтобы найти верный ответ. Современные экспертные системы работают похожим образом, однако чаще всего перед ними стоит задача автоматически интегрировать данные о пациенте, а затем представить их врачу в удобной форме с собственными подсказками.
Так работает, например, система мониторинга в реанимации, разработанная Philips. Система собирает и интегрирует все доступные данные о пациенте и помогает врачу быстро принять информированное решение. По словам руководителя отдела медицинской информатики компании Philips Сергея Лаванова, система способна непрерывно отслеживать динамику критичных для жизни пациента показателей и сообщать врачу о приближении угрожающей ситуации.
Искусственный интеллект, позволяющий работать с большими массивами разнообразных индивидуальных данных, должен стать залогом более точной диагностики и доступного лечения.
В отличие от традиционных экспертных систем современный искусственный интеллект использует очень много данных и способен учиться на реальных примерах. Это позволяет находить в данных сложные и неочевидные для человека ассоциации и помогает специалистам принимать клинические решения. Например, в недавнем исследовании, опубликованном в журнале PLOS ONE6, нейронные сети обучались прогнозировать развитие сердечно-сосудистого заболевания или его осложнения. Нейронные сети тренировались на трехстах тысячах электронных карт пациентов, отражающих развитие и исход заболевания. В качестве теста сеть получала доступ только к одной ранней записи и генерировала прогноз, а исследователи сравнивали его с исходом заболевания по более поздним записям в медицинской карте.
Фактически нейронная сеть должна была сама найти список правил, по которым нужно оценивать риски сердечно-сосудистых заболеваний. В результате она предсказала на 7,6% больше случаев развития осложнений сердечно-сосудистых заболеваний, чем современные руководства. Это примерно эквивалентно 355 жизням, которые можно было спасти.
Стивен Венг, специалист по эпидемиологии Ноттингемского университета, в своем интервью журналу Science News7 отметил, что если добавить в модели генетические факторы или данные об образе жизни человека, то прогноз может быть еще точнее.
Интегрировать данные анализов, носимой электроники, медицинских карт пытаются в том числе и такие гиганты из индустрии, как IBM, Alphabet (Google) и Philips. Например, компания Philips развивает инфраструктуру, позволяющую работать с данными, полученными с носимых устройств и медицинских карт пациентов. С ее помощью врачи смогут точно строить персонализированные рекомендации и прогнозы для конкретных пациентов. Уже существующее сегодня решение умеет одновременно работать с данными медицинской визуализации и новыми, в том числе экспериментальными, статистическими моделями. В будущем это позволит врачам использовать новые системы искусственного интеллекта в своей работе.
В интервью CNBC8 Франс ван Хаутен, генеральный директор компании Philips, подчеркивает, что сегодня, когда возраст населения становится больше, а его численность растет, Philips делает ставку на здравоохранение, выделяя технологии диагностирования и профилактики как одни из наиболее перспективных.
1 По материалам презентации компании Frost & Sullivan («Фрост энд Салливан»), представленным на конференции в Лондоне, 4 октября 2016 г. 2 «Нью Ингланд Джорнал оф Медисин».3 «Камелион». 4 «ПатАИ». 5 «Мицин». 6 «Плос Уан». 7 «Саенс Ньюс». 8 «СиЭнБиСи».
Обзор генерального директора сервиса Doc+ Руслана Зайдуллина.
В закладки
Искусственный интеллект (ИИ) - -то не кибернетический разум, а система алгоритмов, основанная на машинном обучении. Ученые считают, что в будущем ИИ освободит нас от выполнения рутинных задач во многих сферах. Например, искусственный интеллект может оказать серьезное влияние на медицину.
«Умные» медицинские продукты, сервисы и процессы уже разрабатывают такие компании как IBM, Google, Apple, Microsoft, General Electric и многие другие: по данным исследовательской компании Venture Scanner, их более 800. Активнее всех действуют компании из США, Великобритании и Израиля.
Аналитики из IDC подсчитали, что к 2018 году 30% медицинских организаций предложат клиентам услуги на базе искусственного интеллекта. В этом материале мы расскажем, что сегодня умеют делать интеллектуальные системы, и кто занимается их разработкой.
Каждый медицинский снимок, протокол осмотра и анамнез содержит информацию, которая позволяет точно поставить диагноз и назначить лечение. К сожалению, даже опытные врачи не всегда видят полную картину заболевания, потому что данные в медицинской карте не структурированы, а история болезни может быть слишком объемной. На эффективность их работы также влияет усталость и в некоторых случаях - недостаток знаний в узких областях.
Часть заболеваний, например онкологических, можно победить, если вовремя распознать неочевидные симптомы и начать лечение. По данным Google, каждый десятый пациент страдает из-за неправильной интерпретации медицинской информации.
Искусственный интеллект может решить эту проблему. «Умные» разработки для оценки состояния пациента и предварительной диагностики предлагают корпорации Google (Deepmind Health) и IBM (Watson Health).
Один из примеров интеллектуальных mHealth-решений - сервис Ada . Мобильное приложение задает вопросы, а человек описывает свои симптомы. После этого система ищет в базе данных информацию о проблеме, дает рекомендации и в некоторых случаях советует обратиться к врачу. На российском рынке разработкой подобных решений занимается DOC+ , а также Qapsula .
Есть и другие похожие сервисы. Причём они способны диагностировать сложные заболевания: например, диабетическую ретинопатию. Или даже предсказать возможные проблемы с сердцем у внешне здоровых людей.
Особый уход требуется людям, которые недавно выписались из больницы. Для них было разработано приложение Sense.ly , основа которого - все тот же искусственный интеллект.
Система собирает и анализирует данные о состоянии здоровья человека и отправляет их врачу. Если специалист замечает проблему, он немедленно отправляет пациента в больницу. К сожалению, в России он пока недоступен: сервис работает только в США.
Набирает популярность и генетический анализ. Чем больше у врачей информации о первопричине заболевания, тем эффективнее лечение. В этом им помогают «умные» системы по анализу генома. Один из таких сервисов - Sophia Genetics . Анализ ДНК позволяет выявить предрасположенность человека к ряду заболеваний: язве желудка, диабету и так далее.
Также стоит отметить проекты Human Longevity и Deep Genomics . Их задача - первичный сбор информации и создание «генетической» базы данных. Уже сегодня можно сдать пробу генетического материала и получить развернутый отчет с анализом своего генома. Например, такую услугу предоставляет американский сервис 23andMe и отечественный «Атлас ».
Такие проекты не просто удовлетворяют любопытство клиента, но и помогают, например, подобрать лекарство по индивидуальным особенностям.
Искусственный интеллект позволит точнее моделировать лекарства. В будущем ученые смогут задавать желаемые свойства химического соединения, а компьютер будет формировать необходимую молекулярную структуру.
Уже сейчас есть компании, предлагающие такие решения. Одна из них, Atomwise , использует суперкомпьютеры для поиска оптимальной формулы лекарства. Другой пример подобного проекта - компания Berg Health .
Если искусственный интеллект получит распространение в фармацевтике, можно будет ожидать появления качественно новых лекарств и сокращения времени их выхода на рынок.
Выше мы много раз приводили в пример проекты из Европы, Азии и США. Однако в России тоже ведется работа по нескольким направлениям из сферы медицинского ИИ. Наиболее популярные из них касаются распознавания речи и онлайн-диагностики заболеваний по медицинским снимкам.
В прошлом году «Центр речевых технологий» получил 250 млн рублей на разработку облачного сервиса для распознавания медицинской речи Voice2Med.
Задача проекта - сократить время, которое медработники тратят на заполнение документов. Как заявляют в Министерстве труда и социальной защиты, сейчас на это уходит половина рабочего времени.
Искусственный интеллект, нейронные сети и машинное обучение быстро и прочно вошли в отрасль информатизации здравоохранения как один из ключевых драйверов и направлений развития на ближайшие годы. Наравне с телемедициной, это одна из самых популярных в СМИ и блогосфере тем. Постоянно растет количество сообщений и обсуждений о том, что планируется или уже создано очередное новое революционное решение для медицины, построенное на базе методов искусственного интеллекта.
Мы подготовили для вас 10 наиболее интересных работ по этой теме, заслуживающих, чтобы на них обратили внимание.
Искусственный интеллект активно применяется в исследованиях развития методик диагностики рака. Подробнее в статье:
На начало 2019 года, согласно данным аналитической компании CB Insights, начиная с 2013 года международным технологическим стартапам, развивающим технологии искусственного интеллекта , удалось привлечь $4,3 млрд в рамках 576 сделок. Кроме того, эксперты утверждают, что в течение ближайших трех лет рынок медицинских ИИ-технологий достигнет отметки в $6,6 млрд, увеличиваясь каждый год на 40%.
В начале марта 2019 года компании IBM и AstraZeneca представили нейросеть , которая может предсказывать сердечный приступ. Результаты работы новой технологии описаны в опубликованной статье «Кластеризация на основе результатов пациентов с острым коронарным синдромом при использовании многозадачной нейронной сети».
Команда исследователей собрала данные по возрасту, полу, анамнезу жизни и заболевания, вредным привычкам, а также результаты лабораторных исследований, информацию о проводимом лечении и почти 40 других показателях среди 26 986 взрослых госпитализированных пациентов в 38 городских и сельских больницах Китая . Все данные были загружены в нейросеть, которая должна была узнать, отмечалось ли у пациента в прошлом серьезное неблагоприятное сердечное событие (MACE), а также получал ли он антитромбоцитарные препараты, бета-блокаторы и статины – препараты, снижающие проявления коронарной недостаточности и предотвращающие инфаркт миокарда и инсульт .
Далее авторы статьи проводили кластеризацию методом k-средних для распределения пациентов по семи группам на основе данных, полученных нейросетью. В результате оказалось, что в первом кластере, который содержал пациентов с частыми сердечно-сосудистыми событиями по типу инфаркта и инсульта, но низкой встречаемостью ишемической болезни сердца, основным предиктором следующего сердечного приступа служило наличие сахарного диабета , в то время как в другом кластере, который включал пациентов с тяжелым течением сердечно-сосудистой патологии без предшествующего инфаркта, основными предикторами оказались пожилой возраст и повышенное систолическое артериальное давление.
Исследователи предупреждают, что, хотя кластеризация имеет значение для прогноза заболевания, неясно, могут ли эти данные эффективно использоваться в клинической практике. Тем не менее, их работа демонстрирует, что кластерный анализ на основе искусственного интеллекта является перспективным подходом для классификации пациентов с инфарктом миокарда. Будущие исследования сосредоточатся на определении «кластерно-специфических» вмешательств, при которых учитывается эффективность. предшествующего лечения.
В 2018 году объём глобального рынка ИИ -технологий для здравоохранения достиг $1,4 млрд, подсчитали в аналитической компании Zion Market Research. Ожидается, что к 2025 году показатель вырастет до $17,8 млрд, а расходы на такие решения будут увеличиваться примерно на 43,8% ежегодно.
Больше всего на медицинский искусственный интеллект (машинное обучение , контекстно-зависимые вычисления, обработка естественного языка, компьютерное зрение, распознавание речи) тратят в Северной Америке. Лидерство обусловлено тем, что этот регион представляют такие технологические гиганты, как Microsoft , IBM , Google , Nvidia , Amazon , Intel , General Electric и Xilinx. Кроме того, в Северной Америке часты сделки по слияниям и поглощениям, крупные партнёрства и запуск важных продуктов.
В Европе к 2019 году рынок искусственного интеллекта, используемого в медицинских целях, можно считать зарождающимся. В 2016 году его объем измерялся $320 млн, к 2019-м он составит $1,61 млрд. При этом 21% медицинских учреждений в Европе планируют закупки ИИ-инструментов, свидетельствуют данные европейского сообщества электронного здравоохранения, обнародованные в апреле 2019 года.
Одним из главных катализатором спроса на ИИ-продукты в медицине является дефицит врачей. По данным Всемирной организации здравоохранения , к 2019 году 57 странам не хватает примерно 2,3 млн медсестер и докторов. Фактором, сдерживающим развитие этого рынка, эксперты называют отсутствие квалифицированных специалистов, которые могли бы следовать руководящим принципам в области ИИ.
К числу крупнейших производителей ИИ-решений аналитики относят следующие компании:
В конце декабря 2018 года эксперты из Корнуэльского университета в и Имперского колледжа в Лондоне продемонстрировали результаты своего исследования, согласно которым эффективность ЭКО можно повысить на 10-20%, если использовать искусственный интеллект для оценки качества эмбрионов. Подробнее .
В конце ноября 2018 года крупнейший онлайн-провайдер медицинских услуг в Китае Ping An Healthcare and Technology рассказал, что планирует установить несколько тысяч ИИ -клиник размером с телефонную будку и распространить их по всей стране за три года. Первые такие пункты оказания медицинской помощи уже заработали. Подробнее .
В августе 2018 года стало известно о том, что правительство Японии, при поддержке бизнеса и научного сообщества, начинает строительство в стране больниц, в которых на помощь медикам придет искусственный интеллект . За счет ИИ-технологий предполагается справиться с нехваткой врачей в Японии, разгрузить персонал и сократить медицинские расходы. Подробнее .
18 июня 2018 года Американская медицинская ассоциация (AMA) предложила первые в мире рекомендации по использованию искусственного интеллекта в области здравоохранения. В заявлении, которое представитель AMA огласил на ежегодной конференции в Чикаго, указаны основные направления дальнейшего развития ИИ в этой отрасли.
Согласно этому заявлению, AMA намерена внедрять наработки в области искусственного интеллекта и других приоритетных областях для улучшения результатов лечения и для профессионального удовлетворения врачей. AMA собирается использовать свое значимое положение в отрасли для привлечения производителей, определения приоритетов в разработке ИИ, а также решения проблем, связанных с валидацией и внедрением новых методик. Кроме того, AMA намерена разработать план обучения специалистов и донесения информации до пациентов об ограничениях и возможностях, которые характерны для этой категории аналитических инструментов.
AMA выступает за интеграцию тщательно продуманных, высококачественных и клинически апробированных методик применения ИИ, а также требует надлежащего профессионального и правительственного надзора за их безопасным, эффективным и законным использованием. Аналитические технологии на основе ИИ, считает AMA, должны быть доступны для проверки и выявления систематических погрешностей на всех этапах разработки, соответствовать ведущим стандартам воспроизводимости, а также защищать интересы частных лиц и конфиденциальность личной информации.
AMA считает, что в центре внимания должны быть потребности пользователей, а использование системы ИИ должно проверяться на репрезентативной выборке в рамках клинического исследования.
В июне 2018 года в журнале Anesthesiology были опубликованы результаты, полученные группой исследователей, которая разработала алгоритм прогнозирования потенциальной гипотонии или аномального падения артериального давления во время операции.
Для создания алгоритма исследователи воспользовались технологией машинного обучения – искусственный интеллект проанализировал данные 1334 пациентов, во время операции которых производилась регистрация артериального давления – в общей сложности 545 959 минут. На основе этих данных был подготовлен алгоритм прогнозирования гипотонии во время операции.
Утвердив этот алгоритм, исследователи провели его проверку на втором наборе данных, включавшем показатели артериального давления 204 пациентов общей длительностью 33 236 минут. В эти записи входило 1923 эпизода гипотонии. Алгоритм точно предсказал внезапное падение артериального давления за 15 минут до его возникновения в 84 % случаев, за 10 минут до его возникновения - в 84% случаев и за пять минут до его появления - в 87% случаев.
Исследователи предполагают, что данный алгоритм может активно использоваться анестезиологами и хирургами для предотвращения осложнений, связанных с гипотонией, таких как послеоперационный инфаркт миокарда или острая почечная недостаточность.
Как отметил в своем заявлении Максим Каннессон (Maxime Cannesson), доктор медицинских наук, ведущий научный сотрудник, профессор анестезиологии и бывший заведующий кафедрой периоперационной медицины в Медицинском центре UCLA в Лос-Анджелесе, ранее у врачей не было возможности предсказать гипотонию во время операции, и разумеется, в таких условиях анестезиологам приходилось действовать очень быстро в ответ на внезапное падение артериального давления. Возможность прогнозирования эпизодов гипотонии во время операции позволит врачам активно предупреждать развитие этих эпизодов и их осложнений.
В конце мая 2018 года было опубликовано исследование, показавшее более высокую эффективность искусственного интеллекта по сравнению с человеком в части распознавания рака. Однако в труднодоступных местах компьютер не столь точен. Подробнее .
В британской больнице запустили новый вид тестирования плода на патологии, которые не способен заметить врач. В основанную на искусственном интеллекте систему заложено 350 000 снимков, классифицированных по тем или иным отклонениям .
По уточнению Engineer, УЗИ-диагностика с искусственным интеллектом получила название ScanNav и призвана давать врачу дополнительные сведения в режиме реального времени. В результате ИИ позволяет специалисту не сомневаться, что учтены все ракурсы. Последнее особенно актуально из-за движения плода в утробе матери.
Пока технологию апробируют в тестовом режиме в акушерстве, но в будущем разработку планируется применять в различных областях медицины. К слову, на ИИ-диагностов уже возложены большие надежды в испытывающей дефицит врачей Японии , а в Китае искусственному интеллекту и вовсе выдали врачебную лицензию.
Устойчивость к антибиотикам - это одна из больших проблем современной медицины. Благодаря повсеместному применению антибиотиков и несоблюдений инструкций врача лекарства перестали воздействовать на бактерии, что вызывает проблемы при лечении как самых обыкновенных повседневных заболеваний, так и тяжелых .
Одна техника, которая может справиться с устойчивостью к антибиотикам, - это поиск вариантов известных антибиотиков. К сожалению, это крайне тяжелый и трудоемкий процесс, требующий времени. По крайней мере, для людей. Когда в дело вступают алгоритмы, вопрос времени перестает быть настолько значимым.
Группа американских и российских исследователей создали антибиотический алгоритм, который, быстро разбирая базы данных, может открыть в 10 раз больше вариантов антибиотиков, чем было открыто за все время подобных исследований в предыдущие годы.
Алгоритм, известный как VarQuest, описан в статье, опубликованной в последнем номере журнала Nature Microbiology. Хосейн Махимани, профессор университета Карнеги-Меллона, говорит в пресс-релизе, что VarQuest завершил поиск, который методами традиционных вычислений занял бы сотни лет.
Также Мохимани указывает, что VarQuest сумел предоставить более тысячи вариантов пептидных групп, используемых для производства антибиотиков, за рекордно короткое время, и таким образом он может дать микробиологам более широкую перспективу, возможно, даже предупредить о трендах или паттернах микробиологического мира, которые иначе прошли бы полностью незамеченными.
8 августа стало известно о том, что инженеры (MIT) при участии специалистов Центральной больницы штата Массачусетс разработали ИИ-систему, способную контролировать сон человека при помощи радиоволн.
Как передаёт издание TNW, устройство, которое по виду напоминает обычный роутер Wi-Fi , дистанционно анализирует радиосигналы вокруг человека и по движению глаз определяет стадии сна - легкую, глубокую или быструю. Поскольку радиоволны отражаются от тела, любое небольшое движение тела изменяет частоту отраженных волн. Анализ же этих волн помогает выявить жизненно важные параметры жизнедеятельности человека, такие как пульс и частота дыхания, и определить отклонения от нормы. Для функционирования прибор не требует датчиков и приспособлен для применения в домашних условиях.
Предполагается, что мониторинг сна в режиме реального времени в естественных условиях позволит ответить на многие вопросы, связанные с его расстройством. По задумке ученых MIT, их разработка превратится в итоге в полноценный инструмент, который позволит лечащим врачам отслеживать параметры сна на расстоянии, корректируя его в случае необходимости.
Впервые в истории человечества китайские ученые из Института робототехники и автоматизированных информационных систем при Нанькайском университете (Nankai University) города Тяньцзинь провели успешное клонирование свиней с помощью роботов, передает China People"s Daily. В начале января 2017 года 510 клонированных эмбрионов были помещены в шесть суррогатных свиноматок. В результате эксперимента две свиноматки в конце апреля, на 110 день беременности родили 13 здоровых искусственно выведенных поросят.
При проведении эксперимента по клонированию свиней ученые впервые использовали специальные роботизированные микроманипуляторы-анализаторы, которые выполнили все операции по сбору и переносу ДНК от животных-доноров к суррогатным носителям. Универсальные микроманипуляторы под управлением искусственного интеллекта для операций с ДНК объединяют в себе функции забора анализов, тестирования и оперирования.
В процессе клонирования свиней, проведенного в сотрудничестве с Институтом животноводства и ветеринарного исследования (Animal Husbandry and Veterinary Research Institute), была задействована так называемая техника ядерного переноса соматических клеток (Somatic Cell Nuclear Transfer, SCNT), обычно используемая для селекции - когда ядро соматической клетки переносится в яйцеклетку без ядра. Преимуществом этой методики является гарантия качественного осеменения яйцеклетки, а недостатком - низкий уровень успешного завершения экспериментов из-за большого процента брака в процессе клонирования.
Основная проблема процесса клонирования с ядерным переносом заключается в том, чтобы избежать разрушения чувствительных клеток. Исследователи произвели предварительный анализ мощности, необходимой инструменту для безопасной работы с клетками при удалении ядер, и затем отрегулировали его на минимально возможном уровне. Благодаря этому степень деформации клеток уменьшилась с 30-40 мм до 10-15 мм, что улучшило последующее развитие клетки и увеличило шансы на успех.
Предполагается, то полученные в результате исследования данные о взаимосвязи микрооперацией над клетками и дальнейшим развитием клеток сможет помочь другим ученым сделать следующие открытия в этой области.
В апреле 2017 года ученые из Университета Ноттингема представили технологию искусственного интеллекта, способную предсказывать наступление сердечного приступа. Разработчики утверждают, что точность прогнозирования выше, чем у докторов.
В ходе исследования сравнили эффективность рекомендаций медиков с работой четырех программ, написанных с использованием алгоритмов машинного обучения . Ученые преследовали цель найти закономерности в записях более 378 тыс. пациентов. В компьютер были заложены 22 критерия, в том числе возраст, национальность, наличие артрита и заболеваний почек, уровень холестерина в крови.
Сделанные искусственным интеллектом выводы о рисках развития инфаркта сверили с данными за 2015 год, и они оказались более точными, чем предсказания врачей, основанные на рекомендациях Американского коллежа кардиологии (American College of Cardiology, ACC) и Американской ассоциации сердца (American Heart Association, AHA): от 74,5% до 76,4% точности против 72,8%.
По приблизительным подсчетам авторов проекта, компьютер мог бы спасти на 355 жизней больше, чем методика ACC и AHA. Ученые намерены повысить эффективность интеллектуальной системы, добавив в нее учет таких факторов риска, как образ жизни и генетические данные.
Интересно, что алгоритмы не учитывали влияние диабета, который всегда считался фактором риска в системе ACC и AHA.
По словам эпидемиолога Ноттингемского университета Стивена Вэна, биологические системы имеют множество взаимосвязей, часть которых неизвестна врачам: например, повышенное содержание жира в организме при определенных условиях может защитить от острых отклонений в работе сердца. Подобные взаимодействия неочевидны, их сложно заметить и объяснить, но компьютерная программа способна проследить связь , проанализировав огромные объемы данных, считает он.
Статьи по теме: | |
Школьная энциклопедия К какой расе относятся сирийцы
90 % населения Сирии составляют мусульмане, 10% христиане. Мусульмане... Лимонный кекс на кефире с маком
Лимонный кекс на кефире без яиц (с пропиткой) — мой любимый рецепт к... Салат из сайры - простые и оригинальные рецепты аппетитной закуски Салат из сайры консервированной с рисом
Я очень люблю салаты с консервированной рыбой. Их можно готовить... |