Перспектива использования технологии машинного обучения в медицине

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Перспектива использования технологии машинного обучения в медицине

Искусственный интеллект занимает одно из лидирующих направлений инновационных разработок нашего времени. Основой любого интеллекта является обучение. Технология Machine Learning сейчас является активно разрабатываемым инструментом для многих сфер деятельности.

Machine Learning (ML) - это процесс обучение машины без участия человека. В общем случае это целые алгоритмы и системы принятия решений. Самый простой пример - фильтры спама на электронной почте, реализованные при помощи байесовской фильтрации. Обработка речи, распознавание визуальных образов, обработка больших массивов данных - все это технологии ML, развиваемые такими гигантами как Microsoft, Google, Apple [2].

Не могла такая масштабная разработка обойти и медицинскую область. С появлением новых аппаратов и технологий значительно расширилась база данных, получаемая в результате обследования больных. При медицинских учреждениях существуют целые отделения, отвечающие за хранение данных и их обработку. С такими массивами информации можно работать не только выявляя схожести и различия, закономерности и крайние случаи, но и, используя полученные результаты, строить алгоритмы, способные прогнозировать результат следующего исследования. Преимуществом использования ML в диагностических целях прежде всего является скорость получения результата и его достоверность. Согласно требованиям, предъявляемым к такой системе, эффективность ее работы должна быть в процентном отношении выше, чем эффективность врачебного прогноза [1]. К примеру, ишемическая болезнь сердца, которая является одной из самых распространенных причин смертности населения, диагностируется в четыре этапа с применением различных методов исследования. Использовав систему ML, ученым удалось добиться быстрого прогнозирования состояния больного с эффективность на 17% больше (подтвержденный диагноз) и на 37% больше (не подтвержденный диагноз), чем эффективность прогнозов врача [1]. На данный момент исследования, которые проводят ученные над медицинскими данными, используя алгоритмы ML, носят больше научный характер, чем практичный. Тем не менее, полученные результаты открыты для использования врачам, в клиниках и крупных научных медицинских центрах носят рекомендательный характер при постановлении диагноза.

Основные требования, предъявляемые к системам ML в медицине [1]:

- высокая эффективность;

- умение справляться с проблемой поврежденных и отсутствующих данных;

- «прозрачность» действий (должны быть видны и объяснимы промежуточные результаты анализа);

- уменьшение числа тестов;

Является ли использование такой технологии экономически обоснованным?

Как уже было сказано выше, технология ML является предметом активной разработки в IT - индустрии. Но ее применение далеко не специфично. Человечество в процессе своей жизнедеятельности активно накапливает информацию в самых различных сферах своей деятельности. Обрабатывая эту информацию, предприниматели получают прогноз действий потребителя. Так, на пример, технология ML (совместно с Data Mining) получила широкое распространение среди владельцев интернет-магазинов, страховых компаний и т.п. [2]

ML - это алгоритмы, математические аппараты, работающие с набором чисел. Для такого рода деятельности необходим компьютер и программное обеспечение, которое и будет реализовывать этот математический аппарат (Matlab, SPSS, SAS).

Здравоохранительные учреждения в Украине сильно отличаются друг от друга в зависимости от материального обеспечения. Среди государственных больниц и институтов можно найти те, которые достаточной мерой обеспечены, в том числе и вычислительной техникой, а есть и те, где ситуация оставляет желать лучшего. Есть также частные учреждения, в которых пациент за свой счет может получить качественное обслуживание, в том числе при помощи дорогостоящей техники.

В среднем, официальное программное обеспечение, необходимое для осуществления алгоритмов, может стоить порядка 1000 долларов и более (в зависимости от программы, необходимых пакетов, типа лицензии и т.п.). Еще одна важная деталь - специалист, который может работать с алгоритмами и программами. Работа с данными неоднократно за последний год называлась самой перспективной и высокооплачиваемой на данный момент и в ближайшее время [3]. Требования, предъявляемы к специалисту в этой области, как правило, включают в себя знания статистической обработки, программирования и алгоритмизации. Средняя заработная плата такого работника за рубежом от 75 до 117 тысяч долларов в год [3]. В Украине очень близкую специальность Data Science работодатели готовы оценить до 3 000 долларов в месяц. Цена в этом случае сильно зависит от опыта работы. Но такую заработную плату могут позволить себе представители IT индустрии, так как эта отрасль ориентирована не столько на внутренний рынок, сколько на мировой. Конечно, медицина Украины не будет готова выделять такие суммы на развитие технологий ближайшее десятилетие, но это открывает широкое поле деятельности для частных предпринимателей. Вложив дополнительные средства в техническое оборудование, программное обеспечение, а также в приемлемую для работника и работодателя заработную плату специалиста по ML, можно получить возможность использовать передовую, быстро развивающуюся и приносящую доход технологию. В перспективе ML сможет обрабатывать не только числовые данные, но также и сигналы, изображения медицинского характера.

Безусловно, использование технологии ML в медицине дает большое число преимуществ: возможность эффективной оценки и прогноза, скорость, точность, сокращение числа дорогостоящих и болезненных тестов. Эту технологию активно применяют в исследованиях в области онкологии, урологии, кардиологии, ревматологии, нейропсихологии, гинекологии, болезней печени, щитовидной железы, для выявления гепатита. Созданный IBM компьютер «Ватсон» способен по полученной информации от пациентов строить целый диагноз и прогнозировать лечение [2]. Конечно, такого рода прогнозы в наше время все еще носят рекомендательный характер и должны быть проверены доктором. Тем не менее, системы ML интенсивно внедряются в сферу деятельности человека, экономя деньги, время и усилия необходимые для работы с таким жизненно-важным ресурсом нашего времени как информация.

Украина не должна быть исключением. Согласно итогам 2015 года, наше государство занимает 70-е место по уровню жизни населения [4]. Соперничать с ведущими в этом списке государствами Западной Европы в инновационной сфере сложно и в данной экономической и политической ситуации не представляется возможным. Внедрение данной технологии более чем реально, так как в одном из главных ресурсов - специалисты, которые способны выполнять эту работу - нужды в государстве нет. Стоит заметить, что использование ML в медицине остается выгодным вложением, которое в будущем не только значительно ускорит процесс получения результатов обследований, но также может привлечь иностранные инвестиции для исследований ввиду своих эффективности и быстрому развитию.

Литература

обучение программный медицина

1. Kononenko I. Machine Learning for Medical Diagnosis: History, State of the Art and Perspective [Электронный ресурс] / Igor Kononenko // Artificial intelligence in medicine. - 2001. - Режим доступа: http://lkm.fri.uni-lj.si/xaigor/slo/clanki/aimed00.pdf.

2. Золотов Е. Тяжело в учении / Евгений Золотов. // Бизнес журнал. - 2013. - №5. - С. 32-37.

3. Карьера в IT: должность Data Scientist / Machine Learning Engineer [Электронный ресурс] // DOU. - 2014. - Режим доступа: http://dou.ua/lenta/articles/it-position-ds-ml/.

4. Таблица уровня жизни стран мира 2015 [Электронный ресурс] // GoToRoad. - 2015. - Режим доступу до ресурсу: http://gotoroad.ru/best/indexlife.

Размещено на Allbest.ru