27 там, 2019 сағат 07:38

Жасанды интеллектінің медициналық шешімдерді автоматтандыруы

Жасанды интеллектімен жабдықталған модель қолмен жазылатын пациенттер жайлы мәліметтер базасын құру процесін алмастыратын болады.

Масачуссетс институты ақпараттық технологиялар факультеті мамандары жасанды интеллектіні медициналық шешімдер шығаруға қолдануды жоспарлап отыр. Әдетте пациенттер туралы қолмен жазылатын қыруар мәлімет енді жасанды интеллектіге тапсырылатын болады.

Медицинадағы ауруды ерте анықтайтын сала пациенттерге диагноз қоюда және емдік шараларды жүргізу ісінде маңызды рөл атқарып келеді. Мәселен, жасанды интеллект моделі сепсисті емдеу кезінде, қауіпсіз химиотерапия жасауға және кеуде рагын ерте анықтау немесе жансақтау бөліміндегі пациенттердің жағдайы туралы мәліметті жинақтайды.

Мәліметтер базасы көптеген ауру туралы тақырыптарды қамтығанмен, бірақ жекелеген тақырыптар бойынша мәлімет өте аз болады. Ал маманның міндеті – мәліметтер базасындағы «ауру белгілерін» тауып, соларды медициналық шешім шығаруға қолдану. Ал осы «белгілерді автоматтандыру» өте ауқымды әрі қымбат процесс болуы мүмкін. Әсіресе сенсорлы датчиктердің кең таралуымен бұл процесс одан әрі қиындай түседі. Себебі дәрігер пациенттің хәл-ахуалын ұзақ уақыт бойы бақылап, ұйқы режимін, жүрісін, дауыс ырғағына дейін жазып отырады. Бар жоғы бір апталық бақылаудан кейін дәрігер пациент жайлы әр тақырыпта бірнеше миллиард мәлімет жинай алады.

Денсаулық сақтау саласын роботтандыру атты конференцияда Масачуссетс технология институты ғалымдары тамақ ауруларын анықтаудағы жасанды интеллект моделін ұсынды. Ауру белгілері 100-ге жуық тақырып бойынша мәліметтер базасына біріктіріледі. Пациентті бір аптадай бақылағаннан кейін, нақты тақырыптар бойынша бірнеше миллиард сынама жиналады. Бұл мәліметтер пациенттің мойнына орнатылатын кішкентай сенсорлы датчик жіберетін сигналдардан құралады.

Экспериментте жасанды интелект моделі тамақ ауыратын және ауырмайтын пациенттерден тіркелген ауру белгілерін асқан дәлдікпен топтастырған екен. Жұтқыншақтағы паталогиялық өзгерістер пациенттің ән айтқан немесе айқайлаған кезіндегі дауыс ырғағының бұзылуынан тіркеліп отырған. Ең бастысы, жасанды интеллект бұл тапсырманы бірде-бір қолмен жазылатын мәліметті қолданбастан орындап шыққан.

МТИ Ақпараттың технологиялар мен Жасанды интеллект лабороториясы PhD студенті, аталмыш модельдің авторы Хосе Хавиер Гонсалес: «Енді ұзақ мерзімді мәліметтер базасын құру оңай болады. Ал дәрігерлер мәліметтер базасын таңбалау үшін өз біліктілігін қолдануы керек. Біз дәрігерлерді қол жұмысынан босатып, ауру белгілерін жинауды жасанды интеллектімен жабдықталған модельмен алмастырғымыз келеді», - дейді.

Аталмыш модельді кез келген жағдайдағы ауру белгілерін зерттеуге бейімдеуге болады. Пациенттердің күнделікті дауыс ырғағына қарап олардағы тамақ ауруын анықтау, диагноз қоюда, ауруды емдеу мен алдын алу үшін құралдарды дамыта түсу керектігін көрсетті. Бұл дауысы бұзылған адамдарды ерте анықтап, ескерту жасауға қажетті жаңа функциялар қосуды керек етеді.

Бұл жобаға Гонсалес Ортиспен қатар, Ақпараттық технологиялар мен электрлік инженерия және жасанды интеллект лабороториясы мәліметтер базасын басқару тобының басшысы, профессор С.Джексон; Роберт Хиллман, Джарад Ван Стан және Дариюш Мехта, Масачуссетс емханасы тамақ аурулары ота бөлімі мен дауысты сауықтыру орталығының барлық мамандары жұмылдырылып, Торонто Университеті ақпараттық технологиялар мен медицина бөлімінің ассистент профессоры Марзия Гашеми өз үлесін қосқан екен.

Ауру белгілерін үйрену

МТИ ғалымдары жылдар бойы тамақ ауруларына ота жасау орталығы мен дауысты сауықтыру бөлімімен бірлесе жұмыс істеп, пациенттің мойнына ілінген сенсорлы датчиктен күндізгі уақытта жиналған мәліметті сараптамадан өткізген. Сенсорлы датчик түйіншегі пациенттің мойнына жабыстырылып, смартфонмен байланысады. Адам сөйлеген кезде, сенсорлы датчик смартфонға сингалдарды мәліметтерді жіберіп отырады. Бір аптаның ішінде ғалымдар 104 тақырып бойынша мәлімет жинаған. Сонымен қатар зерттеу барысында адамның жасы, жынысы, мамандығы мен басқа да факторлар да есепке алынады.

Әдетте, дәрігерлер әртүрлі ауруларды анықтау үшін кейбір белгілерді қолмен енгізуі керек болады. Бұл денсаулық сақтаудағы автоматтандыруда кең таралған проблема: роботты қайта оқытудың алдын алады. Осылайша, модельді баптаған кезде сәйкес келуі мүмкін барлық медициналық белгілерді емес, тек керекті тақырыптарды «есіне сақтайды». Себебі, модельді тесттен өткізу кезінде жаңа пациентте кездесетін ұқсас белгілерді ажырата алмау фактісі де тіркелген.

Гонсалес Ортистің айтуынша, модель медициналық ауру белгілерін тіркей бергеннен гөрі, ол белгілерді көрген кезде: «Бұл – Сара, оның дені сау, ал Питердің тамақ түйіндерінде ауру бар» деп айтатын болады. Бұл – тақырыпқа қатысты ауру белгілерін еске сақтау деген сөз. Содан кейін ол жаңа пациент Эндрюдің дауысы жайлы мәліметтерді көрген кезде, оны қай белгімен топтастыру керектігін білмей қалады.

Роботты қайта оқытудағы қиындықтың алдын алу үшін ауру белгілерін қолмен енгізу керек. Сол мақсатта өнертапқыш ғалымдар жасанды интеллектіге ауру белгілерін пациенттен тыс үйретуді қолға алды. Ол үшін пациенттің сөйлеген кезінде дауыс күшін тіркейді.

Жасанды интеллектінің пациенттен жинаған дауыс сегменттері барлық мәліметтің 10 пайызын ғана құрайды. Дауыс ырғағы арнайы терезелерде спектрограмға жазылып, дауыс жиілігі өзгеріп отырады. Бұл спектрограмдар мыңдаған бөліктен тұратын үлкен матрицалар түрінде сақталады.

Бірақ бұл матрицалардың үлкендігі оларды өңдеуді қиындатады. Сондықтан ірі мәліметтер базасын тиімді кодтарға айналдыратын автоматты кодтаушы нейрондық жүйе спектограмды отыз бөліктен тұратын кодқа айналдырады. Содан кейін әрқайсысын жеке спектограмдарға қайта бөліп шығады.

Қалыпты және паталогиялық белгілерді бейнелеу

Алдымен жасанды интеллект моделі адамның «пациент» немесе «сау» екендігін анықтайды. Адамның дауысы жазылған спектрограмның сегменттері нақты белгілерге сүзіледі. Егер адамның дауысында паталогиялық сегменттер байқалса, ол «пациент» болып есептеледі. Егер дауысы қалыпты болса, олар «сау» адамның санатына жатқызады.

Эксперимент кезінде аталыш модель ауру белгілерін автоматтандырудағы дәлдігі ең заманауи модель ретінде танылды. Маңыздысы, ғалымдардың ұсынған моделі мәліметтер базасындағы медициналық белгілер мен пациентке қатысы жоқ мәліметтерді ажыратуда да мінсіз нәтиже көрсеткен.

Келесі қадамда өнертапқыш ғалымдар жасанды интеллект моделін ота жасалғаннан кейін немесе дауысты емдеу нәтижесін бақылауға да пайдаланғысы келеді. Сонымен қатар, олар ұқсас әдісті жүрек соғысын тіркейтін электрокардиограммада жиналатын мәліметті өңдеуге қолдануды ойлайды.

Маңыздысы, модельдің бөліп беретін спектрограмы шынайы спектограмдағы мәліметтен айырмашылық туғызбауын қадағалау керек. Сол үшін модель спектограмдағы сүзілген сегменттердің барлығын сараптамадан өткізуі керек. Ал осы сүзілген сегменттер ауруды анықтауға көмектесетін белгілер саналады.

Мақаланың түпнұсқасы: news.mit.edu