Рободоктор в подмогу. Ученые представили в Челябинске «скорую помощь» компьютерной медицины

28 Апреля 2017 Автор: Евгений Аникиенко Фото: Вячеслав Шишкоедов
Рободоктор в подмогу. Ученые представили в Челябинске «скорую помощь» компьютерной медицины

Возможно ли научить искусственный интеллект ставить диагноз, давать советы по лечению и даже создавать лекарства?

Эту фантастическую, казалось бы, мегазадачу поставили перед собой ученые из санкт-петербургской творческой IT-команды BrainGarden («Сад мозгов»). Их проект «Машинное обучение в медицине» вызвал фурор на Наука-Дрокин-марочка-прислан-ученым.jpgпрошедшем в Челябинске фестивале науки «КСТАТИ. Система координат». Корреспондент «ЮП» встретился с  сооснователем и chief data scientist «Сада мозгов» Иваном Дрокиным, выступившим на эту тему перед студентами Южно-Уральского медуниверситета.

Нейросети заменят мозг?

— Как я знаю, Челябинская область для вас не чужая...

— Я родом с Южного Урала, из города атомщиков, где когда-то зарождалась ядерная медицина, — Снежинска. Во ВНИИТФ работали мои отец и мать, одно время после окончания Санкт-Петербургского госуниверситета продвигал ядерную науку и я. Правда, в последние годы работаю в городе на Неве, где вместе с Олегом Бухваловым, специалистом по мультиагентными системам, и еще тремя «компаньонами» создали нашу творческую команду. Мы задались целью поставить машинное обучение на службу медицине.

— А что такое «машинное обучение»?

— Это некий «кластер» методов искусственного интеллекта, характерная черта которого не прямое решение задач, а обучение в процессе применения множества уже известных данных. Если машинное обучение совместить с нейронными сетями, оно может совершить настоящий переворот в медицине, самых разных отраслях науки, повседневной жизни. Так, оно уже применяется для анализа данных, получаемых от Большого адронного коллайдера, для предсказания погоды, ситуации на финансовых рынках. Даже переводчик Google translate работает по принципу машинного обучения, как и «голосовые подсказчики» интернета!

Диагноз от ЭВМ

—  А какая практическая польза от машинного медобучения?

— С помощью машинного обучения можно анализировать данные, полученные с помощью рентгена, магнитно-резонансной и компьютерной томографии, маммографии, гистологии...

В свое время я занимался компьютерным анализом гистологических изображений для оценки состояния печени. Но мы пошли дальше: совместно с компанией TeleMD и Российским онкологическим научным центром им. Блохина запустили большой проект по распознаванию компьютером медицинских изображений, который поможет врачу правильно поставить диагноз об онкологическом заболевании. Медицина накопила огромный объем информации о пациентах, состоянии их здоровья. Анализируя данные из сотен историй болезни, с помощью нашего метода можно предсказать течение болезни или предсказать эффект, который окажет лечение на конкретного человека. Тем самым можно свести к минимуму врачебные ошибки.

Образ, я тебя знаю!

— А в чем секрет созданной вами технологии «компьютерного зрения»?

— Мы, модифицировав алгоритмы, разработали свою систему распознавания образов, которая позволяет «засечь» нужный объект, проанализировав всего несколько десятков изображений (обычно требуется «просмотреть» от 10 тыс. до 2 млн «картинок»). Искусственный интеллект стал намного умнее, в чем-то приближен к человеческому — обладает способностью вычленять главное и обобщать данные. Технология может найти применение при распознавании фото преступника из потока лиц, астероида или ракеты на «небесной сцене». Но это особенно ценно в медицине, где из анализа сходных изображений нужно узнать зарождающуюся опухоль. А распознать нужный термин машине помогает векторная технология поиска нужных слов медицинского лексикона.

— Но машина не может полностью заменить врача?

— Пока это невозможно, но синтез врачебных знаний, профессиональной интуиции человека и компьютерных технологий, как показали эксперименты, дает потрясающие результаты. Если врачебная ошибка в ряде задач при постановке диагноза в среднем допускается в 3,4 % случаев, то при помощи умной машины — в 0,5 %! Но это только если врач работает на пару с ЭВМ, в одиночку она еще недотягивает до его уровня.

— Есть ли в мире аналоги вашего ноу-хау?

— Ближайшим аналогом можно назвать американскую технологию IBM Watson, дающую рекомендации медикам. Но мы пошли своим путем, создали более понятную и надежную систему, адаптированную к российской медицине. Из разнородных кирпичиков она может выстроить целостное представление о природе болезни, предсказать ее, когда даже нет явных симптомов.

Лекарства от «робофарма»?

— А возможно ли с помощью вашей технологии создавать лекарства с заранее заданными свойствами?

— Раньше я работал в фармацевтической компании, где решал такую задачу. Дело в том, что на создание новых лекарств сегодня уходит масса времени — до 10 лет. Приходится случайным методом перебирать огромное количество комбинаций молекул. Но с помощью компьютерного моделирования можно во многом предугадать, как молекула будет работать, спрогнозировать лечебный эффект. Можно проверить, насколько хорошо растворим будущий препарат, не обладает ли он кардиотоксичностью, что может нанести организму серьезный ущерб... Молекула должна иметь избирательное действие, чтобы связывать именно вредный белок, а не все подряд, что может привести к необратимым изменениям в организме. Все это возможно за счет разнообразных алгоритмов машинного обучения.

— Какие открытия в IT-сфере лекарственной индустрии сделаны за последнее время?

— Последний тренд — использование аппарата нейронных сетей для построения различных алгоритмов поиска лекарственных средств. Такие эксперименты уже проводит американская компания Atomwise, исследования ведутся в компании Insilico Medecine. А в апреле этого года подобный проект запущен российской фирмой DMPipeline, которая представила его на прошедшем в Санкт-Петербурге хакатоне — смотре компьютерных инноваций. Я консультировал участников стартапа, разработавших программу поиска лекарственных молекул.

Сейчас мы готовим научную статью по вычислительной биологии с использованием механизма нейродокинга — оценки того, насколько хорошо лекарства взаимодействуют между собой. Молекула как бы заходит в док, при этом вычисляется энергия взаимодействия. Обычно расчет проводится с помощью численных методов, но на это уходит масса времени. Мы планируем ускорить процесс за счет найденных нами алгоритмов машинного обучения.

Картины «от руки» машины

— На челябинском фестивале «КСТАТИ» вы показали, что машинное обучение не только наука, но и своего рода искусство...

— Это так. Мы презентовали нейро-арт-выставку художественных произведений, сотворенных машиной, хоть и не без участия человека. Суть идеи — в переносе одного изображения на другое с помощью нейронных сетей. Это не слепое копирование, а своего рода творческий процесс — в неповторимом машинном стиле. Например, богомол, стоящий на шляпке гриба в молитвенной позе — это, на мой взгляд, тоже образец современного искусства. Нейронные (глубокие) сети позволяют передать абстрактную идею, над которой стоит задуматься...
Это новое слово в концепции инцепционизма (от англ. Incept — «восприятие»): нейросеть, отслеживая множество картинок, сама обучается, экспериментирует...

— Будет ли у машинного арт-стиля свое продолжение?

— Он зародился в 2014 году с подачи компании Google Brain, и мы привнесли в него немало нового, самобытного. В перспективе планируем работать не только с изображениями, но и с музыкой, поэзией... Это не творчество в привычном понимании (им машина все же не обладает), а скорее, отражение восприятия мира программистом с душой художника.

Мы научились делать такие «картины» для стайл-трансфера в 4К-формате с недостижимым ранее качеством: более 16 млн пикселей. Как — пока это секрет, скажу лишь, что мы переформулировали задачу в решаемую плоскость и добились желаемого. Наше новшество, думаю, может найти применение не только в арт-дизайне, но и в других сферах — в наружной рекламе, телевизионной, фотографической «картинке», где требуется особая четкость при больших размерах.

— Но и этим не ограничивается сфера применения «машинного интеллекта»...

— Конечно! Насколько я знаю, компания Yandex Date Factory сотрудничает с Магнитогорским меткомбинатом и использует машинное обучение для оптимизации технических процессов. А в Казани айтишники создали трактора на автопилоте! Машинное обучение применяется в огромном количестве сфер — от конструирования самолетов до машин-автопилотов, способных самостоятельно передвигаться по дорогам. И с каждым днем будут находиться новые приложения.

Но все же, я считаю, одна из главных сфер интересов машинного обучения — это медицина, открывающая для искусственного интеллекта безграничные возможности.
Сегодня | 15:05
Из деревни с любовью! Сотрудничество московских и сельских школ Челябинской области продолжается

При содействии руководителей проекта «Энциклопедия сельских школ России» учителя и директора сельских образовательных учреждений Челябинской области побывали в Москве на конференции, посвященной новым подходам к подготовке управленческих кадров в образовательной системе. «Менторы для образования будущего» — так был назван форум, который проводился по инициативе Ассоциации «Менторы столичного образования» и Московского института открытого образования.

Сегодня | 10:41
Челябинские ученые придумали IT-технологии контроля за работой сердца

Сегодня спорт немыслим без инновационного тренировочного техарсенала, и именно он часто становится «испытательным тренажером» для обкатки новейших достижений науки.

Сегодня | 10:41
Челябинские ученые придумали IT-технологии контроля за работой сердца

Сегодня спорт немыслим без инновационного тренировочного техарсенала, и именно он часто становится «испытательным тренажером» для обкатки новейших достижений науки.

12.12.2017 | 16:55
Челябинские школьники взяли золото на Всероссийской олимпиаде по программированию

Как сообщили в министерстве образования Челябинской области, южноуральские школьники стали одними из лучших на прошедшей в Санкт-Петербурге, в университете ИТМО, Всероссийской командной олимпиаде по программированию.

Новости   
Спецпроекты