Часть 1 >>>

Искусственный интеллект в медицинских исследованиях

Продолжаем  цикл статей о том, какую роль искусственный интеллект сыграет в деле продления жизни.

 

 

Даже когда мы имеем дело с научными исследованиями, надо отличать, где достижения в рекламных целях преувеличиваются, а где представлены подлинные практические результаты. К примеру, в 2009-м году сообщили, что робот по имени Адам может формулировать гипотезы и проводить эксперименты на геноме дрожжей. Но о данном роботе не было совсем последующих публикаций. С другой стороны, роботизация на самом деле внесла большой вклад в автоматизацию лабораторных исследований. К примеру, роботы-манипуляторы на себя взяли повторяющиеся операции с пробирками. Среди недавних практических применений искусственного интеллекта — использование искусственных нейронных сетей для визуального распознавания сканированных изображений головного мозга, реконструкции взаимосвязей между нейронами. Несколько компаний пользуются в своих исследованиях искусственным интеллектом:

Gero (прежде известная как Quantum Pharmaceuticals), в целях разработки инновационных терапий старения, пользуется метоами физической кинетики и современной теорией динамических систем для моделирования процессов старения в сложных биологических регуляторных сетях. Чтобы исследовать воздействие потенциальных лекарств на здоровье, Gero передаёт в свёрточную нейронную сеть (CNN) серию показаний о двигательной активности, которые снимаются с определённым интервалом с носимых устройств. Так мы получаем цифровой биомаркер старения — показания о двигательной активности. Данный биомаркер лёг в основу приложения, которое было разработано Gero для оценки продолжительности жизни / возможного риска для здоровья, и может использоваться в качестве метрики здоровья в таких отраслях как страхование жизни или здравоохранение.

Deep Genomics  работает в настоящий момент над системой, которая даст возможность изучать, интерпретировать и прогнозировать то, как генетические изменения оказывают влияние на важные клеточные процессы, например, такие как транскрипция, сплайсинг и т. д.

Компания Atomwise ставит своей целью снизить цену разработки новых лекарств. При помощи базы данных молекулярных структур и суперкомпьютера они хотят предсказать, какие версии разрабатываемого лекарства станут работать, а какие не будут.

Есть множество других исследовательских групп и компаний, которые пользуются искусственным интеллектом, чтобы ускорить медицинские исследования. В данной области существует очень большая конкуренция, и не все из стартапов смогут выжить.

 

Искусственный интеллект в диагностике

Заявления, что искусственный интеллект  превзошёл в разных узких областях медицины людей, были слышны еще с 1980-х годов. На первых порах подобные утверждения ссылались в основном на популярный в то время алгоритм — экспертные системы. Но было трудно пользоваться экспертными системами в более широком круге задач (проблема масштабируемости с самого начала преследовала искусственный интеллект ).

Но люди не сильно лучше экспертных систем — обнаружили, что в 88% случаев диагнозы, которые были поставлены двумя разными врачами, отличались. Безусловно, данная оценка может быть нерепрезентативной, — лишь в неочевидных случаях требуется нескольких экспертных мнений. Но она показывает неоднозначность диагностики в целом.

В апреле 2016-го года Марк Цукерберг сказал, что машинное обучение дает возможность сделать диагностику более точной, дешевой и, самое главное, — быстрой. Приложение, отслеживающее изменение родинок на основе фотографий с мобильного телефона, способно заменить дорогостоящие визиты к врачу. Данное приложение (Total Body Photography) сравнивает фотографии родинок с изображениями пятидесяти миллионов злокачественных кожных образований при помощи израильской технологии распознавания изображений.

С помощью больших данных (которые были собраны с носимых устройств и были накоплены в предыдущей медицинской практике), искусственный интеллект  способен моделировать биологические процессы, которые проходят в организме человека, и использовать полученные модели для прогнозирования и диагностики. В 2016 году IBM купила несколько корпораций, которые имели базы данных, которые хранят сведения о большом количестве пациентов. Одна из данных корпораций, Truven Health Analytics, которая владела сотнями миллионов медицинских записей, была куплена за 2,6 миллиарда долларов.

Искусственный интеллект  работает также с текстом и с естественным языком. Это полезно в обработке медицинских записей, научных статей и жалоб пациентов. К сожалению, мы все ещё часто встречаем значительные трудности на пути понимании человеческого языка.

IBM Watson for Oncology — это когнитивная вычислительная система, которая способна отвечать на сформулированные на естественном языке (то есть, на человеческом языке) запросы. У неё имеется доступ к разным источникам данных: к энциклопедиям, к базам данных научных статей и к онтологиям знаний. Благодаря большой вычислительной мощности и доступу к предварительно обработанным данным, она способна давать очень точные ответы на вопросы.

С 2013-го года IBM Watson используется в Мемориальном онкологическом центре имени Слоуна — Кеттеринга (Memorial Sloan Kettering Cancer Center) для облегчения принятия решений о наилучшем лечении для пациентов с раком лёгких. Базы данных непрерывно пополняются информацией о новых болезнях.

IBM Medical Sieve — это «большой и амбициозный долгосрочный исследовательский проект, который нацелен на создание «умного помощника» нового поколения с многоуровневыми аналитическими способностями, который бы имел доступ к накопленным в клинической практике знаниям и был бы способен рассуждать таким образом, чтобы это помогло принимать решения в области радиологии и кардиологии».

Google DeepMind (DM) Health — это подпроект Google DeepMind, который тоже использует искусственный интеллект в области здравоохранения. В сотрудничестве с больницей Лондонского университетского колледжа (University College London Hospital), DeepMind станет принимать участие в проекте по разработке алгоритмов автоматического различения здоровых тканей в области головы и шеи от раковых.

Babylon Health (iOSAndroid) — это мобильное приложение, позволяющее пользователю проводить онлайн-консультации с ирландскими или британскими врачами.

Turbine.ai — это команда учёных, которые формируют персонализированные методы лечения рака любого типа на основе искусственного интеллекта [-анализа].

Insilico Medicine — ещё один стартап, который экспериментирует с использованием глубокого обучения для открытия лекарств.

 

Искусственный интеллект в биоинформатике и моделировании живых организмов

Очень часто можно встретить мнение, что искусственный интеллект  — это нечто из будущего, нечто, чего у нас ещё не имеется. Дело в том, что когда определённый искусственный интеллект оказывается доступным и привычным, его перестают воспринимать, как искусственный интеллект, а воспринимают, скорее, лишь как «алгоритм, который что-то там считает», то есть, как вычислительный метод. Набор подобных вычислительных методов в биологии называют биоинформатикой. Она включает анализ генома и его изменений, связывания генома с белками, изучение конформации белков и эволюции живых организмов в целом.

Следующим шагом в развитии биоинформатики является имитация живых организмов. Для этого учёным нужны данные о клеточных процессах, компьютеры с большими вычислительными мощностями, а также биологические модели, описывающие реальность хорошо.

Одна из первых компьютерных моделей живой клетки была создана в Стэнфорде (Stanford University) в 2012-м году. Это была клетка микоплазмы, у которой только 525 генов. Позднее Крейг Вентер (Craig Venter), который работал с микоплазмой в 2015-м году, указал на то, что функции около 90 генов — неизвестны, и поэтому полнота стэнфордской модели находится под вопросом. Вентеру удалось создать жизнеспособный синтетический организм (Mycoplasma mycoides JCVI-syn3.0), геном которого состоит из 473-и генов, но 149 из них не были полностью поняты.

Моделирование клеток не всегда может быть точным, поскольку оно имеет множество уровней неопределённости, начиная с квантового уровня, продолжая фолдингом белков, броуновским движением и т. д. Квантовые компьютеры в будущем могут помочь с моделированием белка.

До сих пор наиболее точная симуляция поведения многоклеточного организма была проведена для червей Caenorhabditis elegans. Симуляция включала в себя модель мозга червя, состоящую из 302 нейронов, коннектом которого был изучен уже давно. Некоторые из функций мозга были включены в симуляцию, но до сих пор не было получено полного и правильного поведения модели.

Моделирование поведения клетки человека намного сложнее, чем моделирование клетки микоплазмы, поскольку в ней — почти в 40 раз больше генов. Но если мы построим такую модель, это позволит тестировать лекарства с помощью компьютерного моделирования до введения в клиническую практику, определять положительные эффекты конкретного вида лечения и понимать, как оно работает. Любые отклонения от [гладкого хода] эксперимента послужат улучшению модели. На данный момент «орган-на-чипе» работает как посредник для исследований in vitro и in silico.

Следующим этапом этого подхода будет моделирование отдельных человеческих органов, а затем и всего тела на основе генома, эпигенома и данных медицинского анализа человека. Такая модель позволит точно рассчитать требуемое медицинское вмешательство в случае необходимости.

Большие компании также заинтересованы в клеточном моделировании. Например, Chan Zuckerberg Biohub начал работу над атласом всех человеческих клеток.

 

Слияние вычислительной биологии, программирования клеток и систем искусственного интеллекта

Программирование клеток сродни бионанороботике: нужно заставить клетку выполнять всё более сложные задачи, в том числе вычисления, перемещение в пространстве, а самое главное, заставить её генерировать белки в предназначенных для этого местах. Одним из основных применений технологии является поиск лекарств для борьбы с раком.

Для программирования клеток необходимо сначала обработать огромное количество информации об их ДНК. Здесь к делу подключается искусственный интеллект и машинное обучение.

The Cellos Project, представленный общественности в 2016 году, автоматизирует проектирование ДНК для новых живых организмов. Он может рассчитывать (а затем и синтезировать) последовательности ДНК, соответствующие определённым функциям, выполняемым определёнными типами клеток. В таких функциях может быть использована булева логика (такие команды как «И» и «ИЛИ»).

Molecula Maxima — платформа подобного профиля, которая предоставляет свой язык программирования для генной инженерии.

Ещё можно вспомнить технологию ДНК-оригами (DNA origami) [6], позволяющую создавать различные микроскопические механизмы из ДНК. Технология представляет собой мощную систему автоматизированного проектирования, которая на вход берёт проект [живого организма], раскладывает его на составные части, и затем пишет код ДНК, который будет отвечать за «сборку» клетки определённой формы.

 

Искусственный интеллект, носимые устройства и большие данные

Сейчас на рынке много предложений различных носимых устройств. Их популярность началась несколько лет назад с фитнес-трекеров, таких как Fitbit. Среди других носимых устройств — профессиональные устройства для мониторинга здоровья, например, выявляющие абнормальное сердцебиение.

Датчик BioStampRC  встроен в пластырь, который можно приклеивать к различным частям тела. Он будет собирать данные о здоровье и автоматически загружать их в облако.

Медицинские импланты чем-то похожи на носимые устройства. Можно упомянуть, например, имплантируемый дефибриллятор сердца (implanted cardiac defibrillatorICD), который однажды был использован, чтобы перезапустить сердце футболиста и спасти его, не увозя с футбольного поля.

Можно было бы улучшить ситуацию — обучив искусственный интеллект на большом количестве данных, заставить его определить вероятность исхода терапии ICD для конкретного пациента в конкретном случае.

Final Frontier Medical Devices производит устройства, которые в домашних условиях могут диагностировать 90% чрезвычайных ситуаций.

Nimb — это перстень, с помощью которого можно легко запросить экстренную помощь.

Носимые устройства могут собирать химические сигналы, исходящие от кожи, или электрические сигналы, исходящие от мозга и сердца. Следующим этапом в развитии носимых устройств будет уменьшение их размера и большая интеграция в человеческое тело.

Носимые устройства уже улучшили качество клинических испытаний благодаря тому, что они постоянно измеряют многочисленные параметры здоровья, а также отслеживают, были ли приняты нужные лекарства (приложение AiCure собирает фотографии, как пациент принимает лекарства).

Общая тенденция заключается в том, что смартфоны берут на себя специализированные функции носимых устройств. Так произошло с фитнес-трекерами, которые в настоящее время заменило приложение Argus. Современные смартфоны могут с помощью встроенной камеры измерять степень оксигенации крови, — приложение за 5 долларов заменило устройство за 50 долларов.

Мы ограничены в количестве используемых носимых устройств — размер тела не бесконечен (не говоря о том, что их все приходится обновлять, и это неудобно). Поэтому довольно рационально попробовать совместить функциональность многих носимых устройств в одном. В будущем, скорее всего, будет создано такое устройство, которое объединит смартфон, носимые устройства и нейрокомпьютерный интерфейс. Оно будет иметь «носимую» форму, что-то вроде очков (например, Google Glass) или ожерелья.

Носимые устройства будет взаимодействовать с различными системами безопасности, будут интегрированы в инфраструктуру умных домов, оптимизировать их работу, в инфраструктуру беспилотных автомобилей, роботизированной полиции и инструментов слежки, дронов, «интернета вещей». Таким образом будет реализована универсальная сеть безопасности и здравоохранения, охватывающая все и вся, вплоть до туалетов, которые можно оборудовать датчиками анализа мочи и стула. Google уже запатентовал интеллектуальную ванную комнату.

 

Проблема верификации данных научных исследований: блокчейн и системы доказательств

Сейчас в медицине наблюдается кризис воспроизводимости. Это объясняется рядом статистических «перекосов», а также мошенничеством и давлением на рынке. Исследования по продлению жизни — это особо привлекательная область для мошенников, так как люди готовы платить за «продление молодости», а объективные измерения в таких исследованиях провести непросто. Применив искусственный интеллект , обученный на большом корпусе пациентских данных, мы сможем сократить количество «поддельных» экспериментов.

Мы сможем автоматизировать эксперименты, записывать процедуру проведения экспериментов, а также использовать блокчейн  для обеспечения безопасности записей пациентов. Все это упростит процесс проверки и уменьшит количество поддельных экспериментов в этой области.