Биомедицинский мир наводнен данными. У нас есть терабайты геномной информации от мыши до человека, множество показателей состояния здоровья в результате клинических испытаний и множество так называемых реальных данных от страховых компаний и аптек. Используя мощные компьютеры, ученые изучили эту информацию, получая прекрасные результаты, но стало ясно, что мы можем узнать гораздо больше с помощью искусственного интеллекта.
В течение следующего десятилетия нейронные сети с глубоким обучением, вероятно, изменят то, как мы ищем закономерности в данных, и как проводятся исследования и применяются в отношении здоровья человека. Сейчас самые большие ставки делаются на открытие новых лекарственных препаратов. И не зря. Средняя стоимость вывода на рынок нового лекарства почти удвоилась в период с 2003 по 2013 год и составила 2,6 миллиарда долларов в среднем, доходя до $11млрд за 1 инновационный препарат, а поскольку девять из 10 проектов терпят неудачу на последних двух этапах клинических испытаний, большая часть денег тратится зря.
Каждая крупная фармацевтическая компания работает по крайней мере с одним стартапом, ориентированным на ИИ, чтобы посмотреть, сможет ли он повысить рентабельность инвестиций. Алгоритмы машинного обучения могут анализировать миллионы соединений, сужая варианты для конкретной мишени. Возможно, более захватывающим является то, что системы искусственного интеллекта, не ограниченные преобладающими теориями и предубеждениями, могут идентифицировать совершенно новые цели, обнаруживая тонкие различия на уровне тканей, клеток, генов или белков между, скажем, здоровым мозгом и мозгом, отмеченным болезнью Паркинсона - различия, которые могут ускользнуть от ученого-человека или даже ввести его в заблуждение.
Та же самая способность ИИ используется также для интерпретации медицинских снимков. Некоторые системы уже могут обнаружить ранние признаки рака, которые может не заметить рентгенолог, или увидеть вещи, которые просто выходят за рамки человеческих возможностей, например, оценить сердечно-сосудистый риск с помощью сканирования сетчатки глаза.
Управление по санитарному надзору за качеством пищевых продуктов и медикаментов одобряет алгоритмы визуализации в кратчайшие сроки. Даже в России министерства здравоохранения взяло курс на ускорение регистрации медицинского программного обеспечения ( В том числе с применением ИИ ).
Другие приложения ИИ лежат чуть дальше. Будет ли устраняться неэффективность сегодняшних электронных медицинских карт (ЭМК) с помощью интеллектуальных систем, которые предотвращают ошибки при назначении лечения и обеспечивают раннее предупреждение о заболеваниях? Некоторые из крупнейших мировых технологических гигантов работают над этим уже сегодня.
Несмотря на опасения, что машины вытеснят людей, большинство экспертов считают, что искусственный и человеческий интеллект будут синергировать. Такого же мнения и Илон Маск. Последние 5 лет он активно вкладывает деньги в OpenAI и Neuralink.
Большую озабоченность вызывает нехватка людей, обладающих как биомедицинскими знаниями, так и навыками построения алгоритмов. Если эту человеческую проблему удастся решить, ключ к созданию успешных приложений ИИ может зависеть от качества и количества данных, применяемых при обучение ИИ. «Мы полагаемся на три вещи, - говорит генеральный директор одного стартапа, занимающегося глубоким обучением. «Данные, данные и другие данные».
Понравилось? Подписывайтесь и не пропускайте новые публикации. На моем телеграмм канале вы можете найти еще больше интересных статей.