Медицина постоянно развивается: появляются новые препараты и способы лечения, выращиваются искусственные органы и ткани. Нейронные сети в развитии здравоохранения играют далеко не последнюю роль. Мы делимся материалами из блога NVIDIA о том, как ИИ помогает продвигать медицину на новый уровень.
Врачи всегда стоят на переднем крае охраны здоровья, обеспечивая для нас неотложную помощь. Но есть не менее важная группа исследователей, которая открывает новые инструменты и знания в медицине. И для постоянно растущего числа медицинских приложений они используют искусственный интеллект и высокопроизводительные вычисления.
Потенциально похожих на лекарства веществ существует почти столько же, сколько атомов в наблюдаемой вселенной. Фармацевтические компании тратят годы усилий и миллиарды долларов на изучение этого огромного числа молекул, чтобы найти новые методы лечения заболеваний.
Учёные с помощью своего опыта и знаний пытаются определить, какие соединения могут остановить конкретный недуг на одном из этапов его развития. Обычно они фокусируются на одной болезни и проводят исследования в течение долгих лет. ИИ же может помочь им виртуально смоделировать миллионы молекул и изучать сотни заболеваний одновременно.
Механизмы глубокого обучения выявляют биохимические законы, определяющие, как лекарство будет действовать на организм. Это поможет понять потенциальные побочные эффекты или даже придумать новые синтетические молекулы, которые могли бы вылечить болезнь. Именно этим занимается исследователь из Питтсбургского университета Дэвид Коэс. Он изучает молекулярную стыковку — имитацию того, как «кандидат» в лекарства связывается с целевым белком. Его команда разработала модель на графических процессорах NVIDIA, которая повысила точность прогнозирования с 52 до 70%.
Учёные из Recursion Pharmaceuticals используют более 100 GPU для обучения нейросетей поиску лекарств сразу в нескольких терапевтических областях. Также они исследуют сотни редких и пока неизлечимых заболеваний. Рекурсивные модели глубокого обучения анализируют снимки, сделанные микроскопом, и определяют, будет ли лекарственное соединение эффективно заживлять больные клетки. Это позволяет выявить сотни особенностей и свойств из более чем 10 миллионов клеток в неделю.
Геномика — ещё одна область медицины, где объём и сложность исследуемых данных ошеломляют. Несмотря на своё сравнительно недавнее появление, геномика очень быстро развивается, а число данных удваивается примерно каждые восемь месяцев.
Во всём мире было изучено около миллиона полных геномов человека, что дало учёным целое море данных для исследования точной медицины и иммунотерапии. Но вся эта информация требует долгого анализа на мощных вычислительных машинах.
Учёные Исследовательского института Скриппса сотрудничают с NVIDIA и используют их графические процессоры для создания более доступных приложений по секвенированию геномов и обнаружению мутаций.
Множество стартапов также используют GPU для решения задач геномного анализа. Анкит Сетия (Ankit Sethia), соучредитель стартапа Parabricks, говорит, что подобно тому, как GPU обрабатывают множество пикселей независимо друг от друга, они могут разбивать генетическую информацию на отдельные маленькие частицы. Так можно обнаруживать ключевые маркеры и выбросы в геноме, сокращая время исследования с нескольких дней до часа.
Исследователи в университетах по всему миру используют ИИ и GPU для моделирования биологических структур и болезней, которые люди пока ещё не до конца понимают. В Австралии команда из Университета Монаша использует так называемую криоэлектронную микроскопию для разработки трёхмерных моделей молекул с высоким разрешением. Учёные применяют эту технологию для создания лекарств, которые помогут бороться с устойчивыми к антибиотикам возбудителями инфекций.
В США исследователи из Университета Колорадо имитируют фермент, обнаруженный в смертельно опасном вирусе денге и ежегодно поражающий сотни миллионов людей. Такой подход помогает открыть новые аспекты движения ферментов и остановить распространение опасных заболеваний.
Глубокое обучение также можно использовать для накопления исходных данных, необходимых для разработки революционных медицинских приложений. Например, исследователи NVIDIA используют генеративно-состязательные сети (GAN) для создания аномальных МРТ головного мозга, чтобы обучить нейросети медицинской визуализации. Синтезированные данные могут помочь решить проблему пробелов в обучающей выборке, с которой очень часто сталкиваются разработчики.
Нейронные сети годами используются для обработки визуальных данных: от фотографий с котиками до рукописных чисел. Модели глубокого обучения могут выявлять особенности на изображениях, улучшать качество, находить выбросы и отклонения. Эти же способности помогают искусственному интеллекту изменить подход к рентгенологии.
Стартап из Силиконовой долины Subtle Medical разрабатывает набор приложений для медицинской визуализации с глубоким обучением. Они помогают снизить уровень радиации, получаемый пациентами при рентгенографии, ускорив процесс сканирования и обработки снимков.
Ещё один стартап ImFusion создал инструмент, превращающий 2D-данные ультразвуковых исследований в 3D-изображения. Его алгоритмы в режиме реального времени накладывают волны из ультразвукового зонда на ранее полученные снимки КТ или МРТ. Так врачи могут исследовать трёхмерную модель органов пациента.
Оба эти стартапа используют интеллектуальную вычислительную платформу для медицинской визуализации NVIDIA Clara, названную в честь Клары Бартон. Она позволяет создавать, развёртывать и управлять приложениями с расширенными возможностями ИИ. С ней можно автоматизировать рабочие процессы, повысить скорость обработки и качества изображений. Это открывает для разработчиков множество способов использования нейронных сетей, способных помочь врачам в выявлении и диагностике заболеваний.
Обеспечение ухода за пациентами начинается с запросов, принятых по телефону службы спасения, и заканчивается полноценным наблюдением за состоянием здоровья человека. Задача состоит в том, чтобы как можно быстрее и эффективнее назначить правильное лечение.
Например, в отделениях интенсивной терапии пациенты нуждаются в круглосуточном внимании — необходимо обеспечить непрерывный поток данных наблюдений за ними. Отслеживая состояние и самочувствие, врачи смогут принимать быстрые и точные решения.
Исследователи из MIT разработали приложение ICU Intervene, которое использует почасовые измерения показателей жизнедеятельности для прогнозирования определённых методов лечения. Приложение может сказать, потребуется ли пациенту переливание крови, нужны ли вмешательства для улучшения работы сердца или дыхательных путей.
Для выявления заболеваний за много месяцев до появления видимых симптомов разрабатывается множество инструментов ИИ. Они помогут раньше поставить диагноз или принять профилактические меры. Поскольку модели глубокого обучения способны выявлять закономерности в больших наборах данных, эти инструменты могут использовать их для извлечения информации из электронных медицинских записей, физических характеристик или ДНК.
Например, мобильное приложение Face2Gene использует ИИ-алгоритм распознавания лиц для идентификации около 50 известных генетических заболеваний. Его применяют около 70% генетиков во всём мире.
Исследователи из Нью-Йоркского университета разработали искусственный интеллект, обрабатывающий анализы, рентгеновские снимки и записи врачей для прогнозирования таких заболеваний, как сердечная недостаточность, болезни почек и печени. Их модель обнаруживает многие болезни на три месяца раньше, чем традиционные методы.
Миллиард людей во всём мире сталкивается с какой-либо формой инвалидности. Технологии на основе искусственного интеллекта могут помочь многим из них свободнее передвигаться и выполнять повседневные задачи.
Аира, участник программы NVIDIA Inception, создала платформу ИИ, которая подключается к умным очкам и помогает людям с нарушениями зрения выполнять такие действия, как чтение этикеток на пузырьках с лекарствами. А профессор Университета Огайо использует глубокое обучение для создания слухового аппарата, фильтрующего фоновый шум и повышающего громкость речи.
Исследователи из OSU and Battelle разрабатывают нейронный компьютерный мозг, который восстанавливает движение парализованных конечностей, считывая активность нейронов (фактически читая мысли). А команда из Georgia Tech разработала ИИ-протез руки и помогла джазовому музыканту Джейсону Барнсу снова начать играть на фортепьяно. Протез использует датчики электромиограммы для распознавания движения мышц и позволяет контролировать каждый палец.
В последнее время мы видим, как стремительно развивается множество новых медицинских технологий. И всё это — во многом благодаря глубокому обучению и высокопроизводительным вычислениям. Для врачей и исследователей открыты новые возможности, которые позволят улучшить жизнь других людей и помогут им остаться здоровыми.
С оригинальными материалами можно ознакомиться в блоге NVIDIA.
Многие предприниматели жалуются на сложный и слишком изобильный документооборот: много документов приходится оформлять. Но при…
Чтобы легально пользоваться результатами чужого труда в своем бизнесе, нужно за это заплатить. И неважно,…
Франшизы предоставляют предпринимателям возможность использовать популярные бренды, эффективные бизнес-модели и поддержку со стороны материнской компании.…
Некоторые компании сосредотачивают в своих руках и производственные мощности, и права на то, что на…
У любой компании есть адрес, по которому она «прописана», то есть зарегистрирована в ЕГРЮЛ. Но…
Подросток может заниматься бизнесом, но с учетом важных условий, прописанных в законе. Разбираемся, как несовершеннолетнему…