пресс-центр

Врачи используют графические процессоры для предотвращения болезней

NVIDIA Blog NVIDIA Blog
NVIDIA Blog https://blogs.nvidia.com/blog/2016/08/10/how-deep-learning-predicts-disease-risk/

 

Врачи используют графические процессоры для предотвращения болезней

 

Технология глубокого обучения помогает врачам спасать жизни людей благодаря выявлению пациентов с факторами высокого риска прежде, чем болезнь будет диагностирована.

Исследователи из нью-йоркской Школы медицины Икана при больнице Маунт-Синай используют технологию глубокого обучения, подраздел искусственного интеллекта, для анализа электронных медицинских карт и выявления пациентов, имеющих максимальные риски развития серьезного заболевания в течение года.

Чтобы натренировать экспериментальную модель нейросети под названием Deep Patient, ученые использовали данные из медицинских карт, накопившихся за 12 лет - их общее число составило 700000. Во время тестирования нейронная сеть показала, что способна прогнозировать десятки заболеваний, включая сердечную недостаточность, некоторые виды онкологических заболеваний и диабет.

«Если говорить о большинстве заболеваний, то профилактика намного проще, чем лечение, - сказал Джоэль Т. Дадли (Joel T. Dudley), автор недавней статьи в Nature Scientific Reports, которая описывает исследование, проведенное в больнице Маунт-Синай. - Это исследование может оказать огромное влияние на здоровье человечества».

Доктор просматривает электронную медицинскую карту пациента. Изображение предоставлено Министерством сельского хозяйства США

Доктор просматривает электронную медицинскую карту пациента. Изображение предоставлено Министерством сельского хозяйства США.

Потенциал электронных медицинских карт

По словам Дадли, доцента медицинских наук из Маунт-Синай, благодаря заблаговременному предупреждению, врачи и пациенты получают ценное время, чтобы предпринять действия, способные предотвратить болезнь или отсрочить ее наступление. Врач, к примеру, может прописать пациенту необходимое лекарственное средство или перевести его на специальную диету.

По мнению Дадли, нейросеть Deep Patient, получившая ускорение на GPU, также способна сократить расходы на здравоохранение. Сосредоточив свое внимание на профилактике заболеваний у пациентов с высокими факторами риска, медицинские учреждения могут в дальнейшем избежать расходов на более дорогостоящее лечение.

На создание Deep Patient исследователей толкнуло недовольство электронными медицинскими картами. Они содержат в себе огромный объем информации о пациентах: результаты анализов, записи о проведенных операциях, назначения лекарств, анамнез и многое другое. Однако на сегодняшний день врачи не имеют возможности использовать эти данные в целях улучшения диагностики или терапии.

 

«Электронные медицинские карты используются для выставления счетов, а не как инструмент для врачей», - сказал Дадли.

Исследователи стремятся использовать эти данные и алгоритмы глубокого обучения для развития точной медицины, персонализированного подхода к профилактике и лечению пациентов.

Нейронная сеть была натренирована на тысячах медицинских записей с использованием графических ускорителей NVIDIA Tesla K80 и модели программирования CUDA. Они протестировали свои модели на 75000 пациентов.

Прогнозирование нескольких заболеваний вместо одного

Исследователи из Маунт-Синай не первые, кто использует электронные медицинские карты и технологию глубокого обучения для прогнозирования рисков развития заболевания. (Читайте “Искусственный интеллект может спрогнозировать сердечную недостаточность еще до диагностирования”). Но в отличие от более ранних исследований, которые были направлены на выявление одного заболевания, их модель нейронной сети способна выявить почти 80 различных видов болезней. Они смогли этого добиться благодаря использованию нового метода представления медицинских данных для компьютерного анализа.

«Раньше разработчики создавали единичные репрезентации данных для каждой отдельной болезни, - рассказал Дадли. - Но у пациентов редко наблюдается только одна болезнь, обычно их несколько».

Вместо этого исследователи разработали такую репрезентацию данных, которая включает в себя всю историю болезни пациента, как рассказал нам Риккардо Миотти (Riccardo Miotto), специалист по обработке и анализу данных в Маунт-Синай и один из главных авторов статьи.

Однако, прежде чем врачи смогут использовать Deep Patient, чтобы помогать пациентам, потребуется еще много работы. Чтобы добиться еще более точных прогнозов, команда ученых из Маунт-Синай планирует добавить в нейросеть еще больше данных, например, генетическую информацию и семейный анамнез.

Больше данных - более точные диагнозы

Дадли рассказал, что надеется использовать данные из электронных медицинских карт для создания инструмента, который врачи смогут использовать в целях повышения качества диагностики и оказания терапии.

«Одной из трудностей является то, что у врача остается меньше времени на общение с пациентом, а объем информации в электронной медицинской карте растет», - пояснил он. Так как все больше данных о состоянии пациента поступает с нательных медицинских датчиков, «врачи просто перегружены информацией», по его словам. «Мы хотим построить систему, которая будет использовать все доступные данные, чтобы прогнозировать состояние здоровья пациентов и помогать докторам находить новые подходы для лечения».