Вливание когнитивных технологий и технологий искусственного интеллекта расширит возможности «Интеллектуальной платформы пациентов» для расширения компетенций и достижения лучших результатов. Интеллектуальная автоматизация позволяет медицинским организациям выполнять более трудоемкие ручные задачи, освобождая персонал для лечения большего числа пациентов за счет повышения эффективности больниц.
Медицинские системы, затронутые глобальной пандемией, обратили внимание, как технология автоматизации может оказать огромное влияние на прогресс пациента. Внедрение ботов для таких процессов, как упрощение планирования встреч с пациентами, оптимизация расчетов по счетам и управление рабочими процессами в здравоохранении поможет сэкономить время и направить его на уход за пациентом.
В завершение краткого обзора создания средств и препаратов для предотвращения губительных последствий пришествия в наш мир COVID-19 – Нассим Талеб, американский писатель, успешный трейдер, автор бестселлера «Черный Лебедь», который нещадно цитируется, потому как еще в 2007 году помянул в своем труде вирус, который охватит всю планету.
Нассим Талеб: «Я написал в «Черном лебеде», что вирус охватит планету. Теперь многие утверждают, что пандемия — это «черный лебедь», нечто совершенно неожиданное, и значит, наша неподготовленность к ней – оправданна. Но если бы эти люди прочитали книгу, они бы знали, что глобальная пандемия – именно «белый лебедь» – событие, которое должно было наступить с очень высокой вероятностью».
Согласно Талебу, «черные лебеди» – это события, которые возникают непредсказуемо, как торнадо, и оказывают огромное воздействие на рынки, глобальную политику и жизни людей. Тем не менее он считает, что что пандемия коронавируса была предсказуема, поэтому ее нельзя поставить в один ряд с терактом 11 сентября и считать «черным лебедем».
Талеб подчеркивает: «Мы выпускали предупреждение о том, что коронавирус нужно убивать в зародыше, если это возможно, и действовать очень быстро. Меня так раздражают те, кто говорит, что это «черный лебедь». Настоящий «черный лебедь» – это события 11 сентября».
По словам писателя, пандемия была предсказуема, а значит, речь идет о «белом лебеде». Этот термин ввел в употребление экономист Нуриэль Рубини. По его словам, «белые лебеди» – это финансовые кризисы, которые случаются не стихийно, а закономерно.
Как заявил автор «Черного лебедя», поскольку пандемия была предсказуема, у бизнеса и правительств во всем мире «нет оправданий» такому низкому уровню подготовки к распространению вируса: «Они не захотели потратить на борьбу с коронавирусом ни пенни в январе, а теперь тратят миллиарды».
По мнению трейдера, дальнейший ход развития событий непредсказуем, поэтому компании не должны торопиться и возвращать своих сотрудников на работу, даже если власти им прикажут. Он подчеркнул, что в нынешней ситуации решать судьбу сотрудников должны главы компаний, а не стран.
Также Талеб выступил с критикой предпринимателей, которые оказались не готовы к пандемии. Он объяснил, что правительство сейчас спасает от банкротства только те компании и инвесторов, у которых не было подушки безопасности, и добавил, что теперь все расплачиваются за их ошибки. Талеб подчеркнул: «У бизнеса должна быть стратегия выживания в кризис, даже если в данный момент угроз нет».
Что тут можно сказать… По факту – все правильно, а по сути – классика жанра, ловля рыбы в мутной воде. А отделение зерен от плевел… Тут Нассим Талеб прав: «Чтобы предотвратить масштабную эпидемию, достаточно было прислушиваться к тому, что думают и чувствуют люди. Дело в том, что каждый человек по природе своей параноик: он боится всего нового и подозрительного. А паранойя – удачная эволюционная черта: она помогает людям выживать. Но так повелось, что в США стратегии формируются университетскими отделениями психологии. Эти психологи вкладывают в головы чиновникам неверные подходы, призывая поступать рационально, то есть не прислушиваться к инстинктам. Но если вы сравните представления этого класса псевдоэкспертов о реальности с тем, что думает о ней ваша бабушка, которая, скорее всего, не располагает никакими статистическими выкладками, вы увидите, что проблемы она оценивает намного более здраво».
И напоследок про скоропалительность выхода на рынок с препаратами от нагрянувших напастей. Тот же Нассим Талеб с его богатым опытом проб и ошибок: «Эпидемиологические модели, которые используются для борьбы с вирусом, очень примитивны и уязвимы. Они разработаны для того, чтобы показать нам, каким будет результат определенной последовательности действий. Но они не отвечают на вопрос, что нам делать и как. Разработчики таких моделей делают выводы на основе гипотез и предположений, которые не всегда проверяются. Для академических работ это хорошо – ошибочные теории могут спровоцировать дискуссию. Но если мы основываем наши действия в связи с пандемией на некорректных академических моделях, люди умирают».

Медицина: достижения и успехи

Но не вирусом единым живет современная медицина. Есть и другие, достойные внимания достижения. Итак, про них.

Наночастицы активно применяются в медицине для диагностики как контрастные агенты, а также для терапии различных заболеваний. Однако разработка многих новых многофункциональных наноагентов сдерживается трудностью мониторинга их судьбы в организме.
Коллаборация ученых, в которую вошли специалисты из МФТИ, разработала новый неинвазивный метод наблюдения за наночастицами в кровотоке, обладающий высоким временным разрешением. Метод позволил установить основные закономерности, которые влияют на жизнь частиц в кровотоке и представляются перспективными для разработки более эффективных наноагентов для биомедицинских применений.
Клинические применения любых наночастиц требуют точного анализа их поведения в организме, особенно — времени нахождения наночастиц в кровотоке. Именно этот параметр определяет, успеют ли наночастицы распространиться по организму, достигнуть свою терапевтическую мишень (например, опухоль) и связаться с ней. Кроме того, излишне длинное время циркуляции может быть вредно, так как может привести к накоплению частиц в здоровых тканях и, соответственно, повысить их побочную токсичность.
Циркуляция наночастиц в кровотоке сегодня изучается главным образом с помощью различных методов забора образцов крови и анализа содержания в ней наноагентов.
«Проблема таких методов в том, что часто частицы выводятся из кровотока очень быстро, иногда даже за несколько минут, и исследователь успевает взять только 2–3 образца крови, что недостаточно для полноценного анализа», – комментирует Максим Никитин, соавтор статьи, заведующий лабораторией нанобиотехнологий МФТИ.
Кроме того, сама процедура последовательного взятия крови приносит стресс организму и может опосредованно повлиять на циркуляцию наночастиц. Новые неинвазивные методы отслеживания судьбы наночастиц в организме крайне востребованы для развития наномедицины.
Авторы работы – ученые из МФТИ, Института биоорганической химии РАН, Института общей физики имени А. М. Прохорова РАН, МИФИ и Университета «Сириус» – применили разработанный ими ранее индукционный метод детекции магнитных частиц (MPQ – от английского magnetic particle quantification) для неинвазивного измерения динамики частиц в крови.
Для этого они помещали хвост животных, мышей или кроликов, в магнитную катушку прибора, затем вводили частицы в кровь и наблюдали за их концентрацией в хвостовых венах и артериях в реальном времени. Подобные измерения могут проводиться и на человеке, например, измерением магнитной катушкой частиц в руке или на кончиках пальцев.
Исследования показали, что используемый метод дает возможность неинвазивно регистрировать уникальные по информативности кинетики частиц в кровотоке, причем гораздо проще, чем классические подходы. Это позволило подробно изучить, что может повлиять на поведение частиц в кровотоке животных. Исследователи изучили три группы факторов: свойства частиц, особенности их введения, а также состояние организма животного.
Дольше пребывали в кровотоке маленькие отрицательно-заряженные наночастицы, вводимые в высоких дозах. Кроме того, было обнаружено, что если вводить в кровь частицы несколько раз подряд, то циркуляция последующих доз частиц значительно продлевается.
«Подобные ситуации могут встречаться в клинической практике, когда человеку сначала вводятся наноагенты, увеличивающие МРТ-контраст (магнитные частицы), а потом – терапевтические наночастицы, например, липосомы с лекарством. Мы показали, что частицы могут влиять друг на друга, и это может быть важно при терапии», – комментирует Иван Зелепукин, первый автор статьи и младший научный сотрудник Института биоорганической химии РАН и МФТИ.
Крайне важным аспектом оказалось состояние организма, в который вводятся частицы. Так, циркуляция у мышей разных генетических линий могла отличаться в несколько раз, причем различие наблюдалось только для маленьких 50-нм частиц, а не для более крупных наноагентов. Кроме того, если животное имело развитую опухоль, наночастицы начинали быстрее выводиться из крови, причем тем скорее, чем больше объем раковой опухоли.
Эти факты в работе связываются с динамическими изменениями иммунной системы и ее большей способностью к распознаванию инородных веществ при развитии патологии. Обычно подобная информация о состоянии организма игнорировалась ранее в экспериментах, поэтому своими результатами авторы привлекают внимание к необходимости открыть этот ящик Пандоры для оптимального дизайна нанолекарств.
Ученые из Итальянского технологического института (Генуя) разработали революционный жидкий протез сетчатки. Протез поможет бороться с такими заболеваниями, как пигментный ретинит (наследственное, дегенеративное заболевание глаз, которое вызывает сильное ухудшение зрения и зачастую приводит к слепоте) и возрастная дегенерация желтого пятна.
Искусственная сетчатка в жидкой форме имитирует свойства биоматериала и обладает высоким пространственным разрешением. Она состоит из водного компонента с фотоактивными полимерными наночастицами (их размер не превышает 350 нанометров), которые, по словам ученых, ведут себя как «крошечные фотоэлектрические элементы» на основе углерода и водорода. Именно эти наночастицы призваны заменить поврежденные фоторецепторы (светочувствительные сенсорные нейроны сетчатки глаза).
Авторы работы провели эксперимент (пока что на доклинической стадии, на грызунах), в результате которых выяснилось, что естественная световая стимуляция наночастиц вызывает активацию нейронов сетчатки, избавленных от дегенерации, и имитирует то, как работают здоровые фоторецепторы. В итоге благодаря жидкому протезу грызунам вернули функциональное зрение.
По сравнению с другими существующими методиками и разработками, новый жидкий протез представляет быстрый, эффективный и менее опасный метод проведения операций: он подразумевает микроинъекции массы наночастиц непосредственно под сетчатку, где они заменяют старые фоторецепторы. В то же время сохраняются преимущества полимерных протезов, которые обладают естественной чувствительностью к свету и не требуют ношения очков или другой защиты.
«Наши результаты подчеркивают потенциальную значимость наноматериалов в разработке протезов сетчатки второго поколения для лечения дегенеративной слепоты и представляют собой важный шаг вперед, – отметил Фабио Бенфенати, один из авторов исследования. – Создание жидкого искусственного имплантата сетчатки имеет большой потенциал. Включение фотоактивных полимеров в частицы, которые меньше, чем фоторецепторы, повышает взаимодействие с нейронами сетчатки и позволяет легко охватить всю поверхность сетчатки и масштабировать фотоактивацию на уровне одного фоторецептора».
Ученым из Гонконга удалось изготовить первый в мире трехмерный искусственный глаз, который не только превосходит аналоги, но и в потенциале может оказаться лучше настоящего – у него есть большой ресурс по улучшению четкости изображение, а еще он сможет переходить в режим ночного видения.
Бионические глаза, которые разрабатывают лидеры в своей области, компании Bionic Vision или Second Sight, устроены примерно одинаково – это очки с камерой. Данные поступают на вживленный в организм процессор, который связан с имплантом в сетчатке глаза пользователя. Оттуда сигнал передается в отделы мозга, отвечающие за обработку визуальной информации. Технология работает, хотя картинка не слишком четкая и не успевает за быстрыми движениями.
Устройство, разработанное в Гонконгском университете науки и технологии, может стать настоящим прорывом. Этот электромеханический глаз (EC-Eye) вместо датчика изображений, какие бывают в камерах, оснащен искусственной сетчаткой. Ее поверхность покрыта массой крошечных светочувствительных датчиков, имитирующих фоторецепторы. Они соединены с проводами из жидкого металла, действующими наподобие оптического нерва.
Испытания EC-Eye показали, что бионический глаз уже в состоянии передавать относительно четкие изображения. Когда его поместили перед монитором, на котором были достаточно крупные буквы, он смог отобразить их в читаемом виде.
Хотя по сравнению с существующими бионическими глазами EC-Eye действительно лучше, он все еще не дотягивает до настоящего глаза. Однако ученые убеждены, что это можно исправить. Технология в состоянии даже превзойти природу, если использовать больше датчиков света и соединять каждый с отдельным нанопроводом – четкость картинки будет не хуже, чем у человеческого глаза, или даже лучше. А если разработчики повысят чувствительность датчиков к инфракрасному спектру, то глаз с искусственной сетчаткой сможет переключаться в режим ночного видения.
Создана методика регенерации новых хрящей в человеческих суставах. От постоянных нагрузок хрящи в суставах истираются и перестают выполнять свою защитную функцию, но естественным образом регенерировать не могут. Американские ученые придумали, как вырастить новые хрящи с такими же механическими свойствами и уже испытали технологию на мышах.
Суставной хрящ – мягкая амортизирующая ткань, выстилающая кости и на 75% состоящая из воды. Она снижает нагрузку на суставы, но с возрастом или в результате серьезных нагрузок хрящи разрушаются, возникают воспаления и боли, а затем развивается артрит и другие заболевания. В зрелом возрасте человек почти не способен восстановить поврежденный хрящ естественным образом, однако ученые из Университета Стэнфорда придумали, как вырастить суставной хрящ заново.
Для этого они изучили, что происходит в результате применения метода микротрещин. Эта операция по высверливанию крошечных отверстий в поверхности сустава, которая, как выяснилось, стимулирует рост новых тканей, похожих на хрящевые. По словам ученых, они больше напоминают шрамы, чем хрящи.
«Они покрывают кость, и это лучше, чем ничего, но у них нет мягкости и эластичности природного хряща, и они относительно быстро распадаются», — пояснил Чарльз Чань, один из руководителей научной группы.
Однако механизм микротрещин ученым показался любопытным, поскольку он стимулирует стволовые клетки скелета выращивать новые ткани – просто это были не те ткани, которые нужны пациенту. Поэтому они решили модифицировать этот метод с помощью молекулы костного морфогенетического белка 2 (BMP2), который запускает процесс формирования новых костей.
В ходе развития костной ткани она проходит стадию хряща, так что ученым нужно было только остановить процесс в нужное время, заблокировав сигнальный белок фактор роста эндотелия сосудов. Это сработало. В итоге ученые получили суставные хрящи, механические свойства которых были сравнимы со свойствами натуральных хрящей. Больные остеоартритом мыши, на которых проводились опыты, восстановили подвижность и избавились от болей.
Тот же процесс оказался действенным и для мышей с человеческими тканями. Это значит, что операция по регенерации хрящей поможет и людям. Сначала исследователи планируют провести клинические испытания на суставах пальцев, а потом перейти к более крупным – локтям и коленям.
Революция в медицине Израиля: врачам вместо стетоскопов раздадут мобильный прибор УЗИ. Устройство легко подключается к смартфону или планшету и позволяет быстро провести обследование в больнице или на дому.
Стетоскоп был изобретен 204 года назад, и этот инструмент на шее стал отличительным признаком врача. Но его эпоха подходит к концу. Стетоскоп вытесняет быстро распространяющийся в мире портативный прибор УЗИ. Врачи уже изучают его для диагностики болезней и травм, выслушивания сердца и легких и даже поиска вен для инъекций.
Прибор УЗИ – это дальний родственник стетоскопа, изобретенного в 1816 году доктором Рене Лаэннеком. Прототипом была свернутая в трубочку газета, которую Лаэннек приставлял к животу беременных, затем ее сменила полая деревянная трубка. В 1960 году гарвардский профессор Дэвид Литтманн разработал современную модель стетоскопа, помогающую диагностировать многие болезни.
Использование звука для диагностики лежит также в основе УЗИ. Это обследование было изобретено в 1950-е годы. Сейчас разработана сотовая версия прибора. Его можно брать с собой в любое место, подключать к смартфону и обследовать больного дома или на местности.
«Портативный прибор УЗИ уже используется при обучении студентов-медиков в США и в университете имени Бен-Гуриона в Израиле, – говорит доктор Лиор Фукс из отделения интенсивной терапии больницы «Сорока». – С 2019 года студентов стали учить им пользоваться. Став врачами, они смогут диагностировать многие проблемы при помощи небольшого устройства, помещающегося в кармане. Это станет обычным обследованием в больнице, поликлинике или на дому».
При помощи портативного прибора УЗИ, который легко подключается к смартфону или планшету врача, можно видеть сосуды, что поможет выбрать вены для инъекции, а не искать их методом проб и ошибок. Устройство хорошо отображает сердце и его сокращения и позволяет сделать приблизительную диагностику сердечно-сосудистых заболеваний, тромбоэмболии легочной артерии, травмы, водянки, кровотечения и миокардита.
Прибор УЗИ полезен для диагностики гиповолемического шока, при котором резко падает объем циркулирующей крови вследствие кровотечения или обезвоживания. Он может обнаружить признаки плеврита и пневмонии, а также симптомы отека легких, что позволяет быстро принять решение о госпитализации и экстренном лечении.
Прибор УЗИ сыграет важную роль при первичной диагностике травм: он позволяет распознать кровотечение в брюшной полости и в полости таза, в плевральной полости и в перикарде намного лучше, чем рентгенография. Скорая помощь Израиля уже оснастила этим устройством вертолеты экстренной эвакуации и часть машин интенсивной терапии.
«Ряд исследований уже показал, что УЗИ – более точное средство диагностики, чем стетоскоп, – говорит д-р Фукс. – Студенты могут с его помощью ставить диагноз на уровне опытных врачей во время обходов».
В ходе ежегодного собрания Американского химического общества, команда из Университета Делавэра представила многообещающий новый полимер на основе полистиролсульфоната (PEDOT), который эффективно взаимодействует с электронными компонентами, предотвращает образование рубцов и может быть использован в медицинских имплантатах, в том числе для соединения мозга человека с компьютером. По словам ученых, открытие решает главную проблему подключения электроники к человеческому телу. Если традиционные материалы для микроэлектроники, такие как кремний и золото, вызывают образование рубцов во время имплантации, что приводит к нарушению потока электрических сигналов и последующим сбоям системы, то новый полимер способен стабильно работать в течение длительного срока эксплуатации.
«Когда у нас возникла идея этого проекта, мы попытались связать жесткие неорганические микроэлектроды с мозгом. Однако мозг состоит из органических и живых материалов. Это решение не сработало, поэтому мы решили, что должен быть и лучший способ», – рассказал о зарождении проекта руководитель исследования Дэвид Мартин.
Химики перебрали множество материалов в последующей серии испытаний и перешли на органические электронные компоненты, используемые в небиологических устройствах. Лучшим решением оказался химически стабильный образец, который продавался в обычном магазине электроники как антистатическое покрытие для электронных дисплеев. Тестирование подтвердило, что полимер обладает свойствами, необходимыми для взаимодействия аппаратного обеспечения и тканей человека. Открытие привело к новой серии экспериментов с функциональными группами органических соединений. Ученым удалось интегрировать карбоновую кислоту, альдегид и малеимид к мономеру этилендиокситиофена (EDOT) и получить универсальные свойства для создания полимеров с множеством функций. Последний, малеимид, оказался наиболее эффективным, поскольку может быть использован для объединения электронных материалов с пептидами, антителами или ДНК.
«Назовите свою любимую биомолекулу, и мы сможем сделать оболочку PEDOT, содержащую любую биофункциональную группу, которая может вас заинтересовать», – заявляет Мартин.
Последним достижением команды Мартина стало создание оболочки PEDOT с прикрепленными антителами к фактору роста эндотелия сосудов (VEGF). VEGF стимулирует рост кровеносных сосудов после травмы, а опухоли захватывают этот белок, чтобы улучшить кровообращение. Система может действовать в качестве датчика для обнаружения сверхэкспрессии VEGF и, следовательно, диагностировать заболевание на самых ранних стадиях.
В конечном счете ученые планируют использовать открытие в медицине следующего поколения и для интеграции электронных устройств в живые организмы, а, в будущем, и для объединения человека с искусственным интеллектом.

Медицина + ИИ: достижения и успехи

А ИИ на месте не стоит. ИИ ставит диагнозы по МРТ так же точно, как и врачи. Но в 4 раза быстрее. Эксперты-рентгенологи доказали, что искусственный интеллект может оценивать результаты МРТ, ставить диагнозы и рекомендовать лечение. При этом модель делает это так же хорошо, как и обычные врачи. При слепом сравнении специалисты не смогли отличить выводы ИИ от заключения врачей. Система работает в четыре раза быстрее, чем живой специалист, поэтому может сократить время ожидания и затраты на дополнительные обследования.
Команда FastMRI строила свою модель на основании того, что некоторые из собранных данных в МРТ избыточны и не нужны для выводов. Это значит, что хорошо обученная система машинного обучения может сама делать выводы о том, какие данные важны для дальнейшего заключения, а какие нет. После этого ученые тренировали модель на большом количестве данных, так как снимки МРТ очень упорядочены и предсказуемы.
Исследование показало, что существенных различий в оценках специалистов и ИИ не было. Они обнаружили одни и те же отклонения и патологию независимо от того, кто делал эти выводы. Все исследователи оценили выводы, полученные с помощью ИИ, как более качественные, чем традиционные. Пять из шести рентгенологов не смогли правильно определить, какие изображения обработаны с помощью ИИ.
Инженеры отмечают, что между выводами ИИ и специалистов могут быть различия только в случае, если в исходных данных есть излишние данные или «шум». В этом случае верные выводы может сделать только радиолог, поэтому пока выводы модели проверяет живой специалист.
ИИ удалось создать искусственные белки. Белки необходимы для жизни клеток, выполняя сложные задачи и катализируя химические реакции. Ученые и инженеры долгое время стремились использовать эту мощь, создавая искусственные белки, которые могут выполнять новые задачи. Но многие процессы, предназначенные для создания таких белков, медленны и сложны. В рамках прорыва, который может иметь последствия для секторов здравоохранения, сельского хозяйства и энергетики, команда ученых разработала процесс под управлением ИИ, который использует большие данные для разработки новых белков.
Разрабатывая модели машинного обучения, которые могут просматривать информацию о белках, собранную из баз данных генома, ученые нашли относительно простые правила проектирования для создания искусственных заменителей. Когда команда сконструировала искусственные белки в лаборатории, они обнаружили, что соперничали с теми, которые встречаются в природе.
«Мы все задались вопросом, как простой процесс, такой как эволюция, может привести к такому высокопроизводительному материалу, как белок. Мы обнаружили, что данные генома содержат огромное количество информации об основных правилах структуры и функционирования белка, и теперь мы смогли создать правила природы, чтобы самим создавать белки», – Рама Ранганатан, профессор на кафедре биохимии и молекулярной биологии Притцкеровской школы молекулярной инженерии при Чикагском университете.
Белки состоят из сотен или тысяч аминокислот, и эти аминокислотные последовательности определяют структуру и функцию белка. Но понять, как создать эти последовательности для создания новых белков, было непросто. Прошлая работа привела к методам, которые могут определять структуру, но функция была более неуловимой.
За последние 15 лет Ранганатан и его сотрудники осознали, что базы данных генома, которые растут в геометрической прогрессии, содержат огромное количество информации об основных правилах структуры и функционирования белка. Его группа разработала математические модели на основе этих данных, а затем начала использовать методы машинного обучения, чтобы раскрыть новую информацию об основных правилах проектирования белков.
Для этого исследования они изучили семейство метаболических ферментов хоризмат-мутазы, тип белка, который важен для жизни многих бактерий, грибов и растений. Используя модели машинного обучения, исследователи смогли выявить простые правила проектирования этих белков. Модель показывает, что только сохранения в положениях аминокислот и корреляции в эволюции пар аминокислот достаточно для предсказания новых искусственных последовательностей, которые будут обладать свойствами семейства белков.
Рама Ранганатан: «Обычно мы предполагаем, что для того, чтобы что-то построить, нужно сначала глубоко понять, как это работает. Но если у вас достаточно примеров данных, вы можете использовать методы глубокого обучения, чтобы выучить правила проектирования, даже если вы не понимаете, как это работает или почему построено таким образом».
Сотрудники кафедры биохимии и молекулярной биологии Притцкеровской школы молекулярной инженерии при Чикагском университете под руководством Рамы Ранганатана создали синтетические гены для кодирования белков, клонировали их в бактерии и наблюдали, как бактерии затем производили синтетические белки, используя свои обычные клеточные механизмы. Они обнаружили, что искусственные белки имеют ту же каталитическую функцию, что и природные белки хоризмат-мутазы. Поскольку правила проектирования просты, количество искусственных белков, которые потенциально могут создать исследователи, чрезвычайно велико.
Хотя искусственный интеллект раскрыл правила проектирования белков, Ранганатан и его сотрудники все еще не до конца понимают, почему модели работают. Ученые будут работать, чтобы понять, как ИИ пришел к такому решению.
Ученые из Сколтеха и Научного центра исследований и разработки иммунобиологических препаратов имени М.П.Чумакова решили узнать, могут ли системы искусственного интеллекта, помогающие покупателям в выборе товара, порекомендовать новые соединения для лечения вирусных заболеваний. Исследователи установили, что широко используемые алгоритмы способны не только рекомендовать пользователям подходящую музыку или фильмы в интернет-магазинах, но и эффективно отбирать соединения, обладающие противовирусной активностью.
Пользователям интернет-магазинов знакомы рекомендации товара в дополнение к уже купленному. Специальные алгоритмы анализируют большие объемы данных о предпочтениях покупателей и рекомендуют им новый товар, музыку или фильм. Рекомендательные системы, основанные на этих алгоритмах и известные на примере контекстной рекламы, уже прочно вошли в жизнь интернет пользователей.
Возможно ли использовать эти алгоритмы для того, чтобы «порекомендовать» новый противовирусный препарат, с оглядкой на те, что уже были исследованы? Или же «рекомендовать» уже известное и внедренное в клиническую практику лекарство для лечения новой болезни?
Мультидисциплинарная группа исследователей из Центра научных и инженерных вычислительных технологий для задач с большими массивами данных Сколтеха CDISE и Научного центра исследований и разработки иммунобиологических препаратов имени М.П. Чумакова решила ответить на эти вопросы. Ученые провели вычислительные эксперименты и сравнили результаты применения различных рекомендательных систем для отбора малых молекул, обладающих противовирусной активностью. Они показали, что рекомендательные системы способны определить, обладают ли соединения противовирусной активностью и отобрать наиболее перспективные кандидаты в лекарства.
Одним из ключей к успеху было использование больших данных. Специалисты работали с базой ViralCHEMBL, содержащей информацию о противовирусной активности около 250 тысяч малых молекул против 158 видов вирусов. Как выяснили исследователи, рекомендательные системы эффективно выявляют закономерности в больших химико-биологических данных.
«Несмотря на то, что математические алгоритмы, лежащие в основе рекомендательных систем, обладают универсальностью, требуется глубокое понимание предметной области: медицинской химии, биологии и машинного обучения, чтобы создать эффективную рекомендательную систему для отбора перспективных противовирусных соединений. Наша работа была начата задолго до эпидемии коронавируса, и мы надеемся, что результаты ее помогут научному со-обществу в поиске новых молекул, подавляющих активность SARS-CoV-2», — говорит о своей работе первый автор статьи, аспирант Сколтеха Екатерина Соснина. В прошлом году Екатерина выиграла персональный грант «Аспиранты» от Российского фонда фундаментальных исследований на разработку математических алгоритмов поиска новых лекарственных препаратов.
Ученые надеются, что их исследование поможет ускорить поиск новых противовирусных препаратов, а также даст возможность экстренного перепрофилирования уже известных лекарств: как для борьбы с SARS-CoV-2, так и в случае вспышек новых вирусных заболеваний.
Ученые из MIT разработали набор алгоритмов, который самостоятельно анализирует рентгеновские снимки грудной клетки, диагностирует некоторые заболевания, включая коллапс легкого и кардиомегалию, а затем решает, достаточно у него информации для самостоятельной постановки окончательного диагноза или стоит пригласить для этого конкретного специалиста-человека.
Проект был разработан в лаборатории искусственного интеллекта Массачусетского технологического института. Ученые не стали сразу тестировать систему на реальных экспертах, а разработали серию «синтетических специалистов», чтобы настроить точные параметры и натренировать алгоритмы. Первичные результаты исследования показали, что искусственный интеллект на 8% чаще достигает успешных результатов в диагностике мегалии, по сравнению с экспертами-людьми.
Однако, в MIT не собираются автоматизировать все медицинские задачи, а наоборот, работают над объединением человека и машины. Подобный подход к коллаборации кажется ученым наиболее эффективным.
Авторы не раскрывают все детали технологии, но объясняют, что система условно делится на два сегмента: «классификатор» и «отклонитель». Первый отвечает за диагностику и анализ болезни, а второй решает, в какой момент к решению задачи должен присоединиться человек. Кроме того, главное преимущество нового ИИ – гибкость, позволяющая тонко настроить алгоритмы принятия решений, будь то точность прогноза, затраты по времени или усилия, которые потребуются от специалиста.
«Существует множество препятствий, которые не позволяют автоматизировать работу в клинических условиях. Во многом, это вопрос доверия и подотчетности. Мы надеемся, что наш метод вдохновит разработчиков машинного обучения стать более творческими и интегрировать человеческий опыт в свои алгоритмы», – рассказывает один из авторов исследования Дэвид Сонтаг.
Сейчас ученые собираются протестировать обновленную версию системы, которая работает сразу с несколькими экс-пертами. ИИ будет одновременно работать с опытными рентгенологами и разными группами пациентов.
Кроме того, в MIT сообщили, что технология может быть использована не только в медицине, но и при модерации контента в интернете. Алгоритмы способны быстро обнаружить оскорбительные сообщения и изображения, неприемлемого содержания. Последняя разработка может заинтересовать Facebook, которая также работает над ИИ для модерации своих соцсетей.