Искусственный интеллект в здравоохранении - Коллектив авторов

Игорь Михайлович Акулин, Полина Игоревна Бурцева, Ольга Александровна Махова, Андрей Михайлович Сарана, Екатерина Александровна Чеснокова

Искусственный интеллект в здравоохранении

Учебное пособие

* * *

© Санкт-Петербургский государственный университет, 2023

Введение

Объем знаний в мире огромен и продолжает стремительно увеличиваться. При этом в большинстве знания разнородны, не отформатированы, не структурированы и постоянно изменяются. В таких условиях крайне важно найти способы эффективно анализировать и применять имеющиеся знания, в том числе неполные и неточные. Эту задачу решают технологии, основанные на использовании искусственного интеллекта (далее – ИИ).

В настоящее время применение ИИ в разных сферах жизни общества, в том числе здравоохранении, становится уже привычным. Развитие ИИ наряду с другими элементами цифрового здравоохранения, например интернетом вещей, телемедициной, способствует повышению качества и доступности медицинской помощи.

Медицинское сообщество находится на заре новой эры, когда ИИ начинает внедряться в повседневную клиническую практику. Технологии искусственного интеллекта в здравоохранении активно развиваются, что требует создания полноценного правового регулирования всего жизненного цикла ИИ, от разработки до контроля за его применением. Глобальной сейчас является проблема почти полного отсутствия подобного регулирования. Только отдельные государства, в том числе Российская Федерация, проводят системную работу по созданию нормативной базы в области ИИ.

В формирующемся регулировании применения ИИ ключевую роль играет соблюдение безопасности и базовых этических принципов. Понимание возможностей и ограничений, связанных с использованием ИИ при оказании медицинских услуг, а также основных требований в сфере обращения медицинских изделий (далее – МИ) необходимо для эффективной работы организаторов здравоохранения.

Настоящее учебное пособие предназначено для самоподготовки студентов медицинских высших учебных заведений, а также ординаторов по дисциплине «Общественное здоровье и здравоохранение».

Раздел 1

Технологии искусственного интеллекта

§ 1. Общие положения

Концепция использования компьютерных технологий для имитации мышления и разумного поведения была впервые описана Аланом Тьюрингом (Alan Mathison Turing) в 1950 г. Основной научной задачей являлось изучение работы человеческого мозга. Шесть лет спустя Джон Маккарти (John McCarthy) дал определение термина «искусственный интеллект» (artificial intelligence, AI): наука и техника создания интеллектуальных машин, особенно интеллектуальных компьютерных программ.

В начале 1980-х годов ученые, занимающиеся теорией вычислений, Барр (Valerie Barr) и Файгенбаум (Edward Albert Feigenbaum) предложили такое определение искусственного интеллекта: «область информатики, которая занимается разработкой интеллектуальных компьютерных систем, то есть систем, обладающих возможностями, которые мы традиционно связываем с человеческим разумом, – понимание языка, обучение, способность рассуждать, решать проблемы и т. д.»[1].

Суть создания ИИ заключается в том, чтобы сформировать систему, которая смогла бы автономно работать, решая интеллектуальные задачи по подобию когнитивных процессов у человека. Разработка данной системы основана на таких дисциплинах, как математика, компьютерные науки, биология, физиология, психология, лингвистика и др.

Основой ИИ являются алгоритмы, которые транслируются в компьютерный код, содержащий инструкции для быстрого анализа и преобразования данных в выводы, информацию или другие выходные данные.

В настоящее время в России ИИ определяется как комплекс технологических решений, позволяющих имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые как минимум с результатами интеллектуальной деятельности человека [Указ…, 2019].

Комплекс технологических решений включает в себя информационно-коммуникационную инфраструктуру, программное обеспечение, в том числе то, в котором используются методы машинного обучения, процессы и сервисы по обработке данных и поиску решений.

Система ИИ (artificial intelligence system) – программное обеспечение, в котором используются технологические решения ИИ.

Для понимания сути ИИ также важен ряд понятий и терминов, применяемых при описании технологий: данные, набор данных, большие данные (big data), аппаратное обеспечение, вычислительная система, база знаний (значение данных терминов см. в глоссарии, расположенном в конце учебного пособия).

Вычислительная система – предназначенный для решения задач и обработки данных (в том числе вычислений) программно-аппаратный комплекс или несколько взаимосвязанных комплексов, образующих единую инфраструктуру с ИИ, в отличие от программирования без ИИ может ответить не только на конкретные, но и на общие вопросы. Также возможна быстрая и простая модификация программы, в том числе частичная, не приводящая к изменению ее структуры.

Экспертная система – технология ИИ, позволяющая на основе базы знаний воспроизвести модель поведения экспертов в определенной области знаний, сократить время и трудозатраты пользователя на решение типовых задач. Характерными чертами экспертной системы являются:

– четкая ограниченность предметной области;

– способность принимать решения в условиях неопределенности;

– способность объяснять ход и результат решения понятным для пользователя способом;

– четкое разделение данных и механизмов вывода;

– способность пополнять базу данных;

– ориентация на решение неформализованных задач;

– отсутствие гарантий нахождения оптимального решения с возможностью учиться на ошибках;

– также то, что результат выдается в виде конкретных рекомендаций, не уступающих решениям лучших специалистов в конкретной области знаний;

– алгоритм решения не описывается заранее, а строится самой экспертной системой.

Сильнейшей стороной технологий ИИ стала способность к обучению.

Машинное обучение (machine learning, ML) – это использование определенных признаков при выявлении шаблонов для анализа конкретной ситуации. Машина может «учиться» (обучение по прецедентам (индуктивное обучение)) и применять эту информацию в будущих подобных сценариях. Этот инструмент прогнозирования можно, например, применять динамически для клинических решений, чтобы персонализировать уход за пациентом, а не следовать статическому алгоритму. Модели улучшаются, обучаясь на представленных наборах данных. Машинное обучение использует определенное количество признаков и требует участия человека.

Машинное обучение развилось в широко известное глубокое обучение (deep learning) (в настоящее время считается одним из видов машинного обучения), состоящее из алгоритмов для создания искусственной нейронной сети (artificial neural network, ANN), которая затем может обучаться, в том числе самостоятельно классифицировать данные, и принимать решения самостоятельно, подобно человеческому мозгу. Такое обучение основано на использовании многоуровневых моделей для постепенного извлечения признаков из большого объема данных.

Искусственная нейронная сеть – сеть элементов простейшей обработки, соединенных взвешенными связями с регулируемыми весами, в которой каждый элемент производит значение, применяя к своим входным значениям нелинейную функцию, и передает его другим элементам или представляет его в виде выходного значения.

Сверточная нейронная сеть (convolutional neural network, CNN) – это тип алгоритма глубокого обучения, применяемого для обработки изображений, имитирующего поведение взаимосвязанных нейронов человеческого мозга. CNN состоит из нескольких слоев, которые анализируют входное изображение для распознавания шаблонов и создания определенных фильтров. Окончательный результат достигается за счет объединения всех функций полностью подключенных слоев. Сейчас доступно несколько алгоритмов CNN, включая Le-NET, AlexNet, VGG, GoogLeNet и ResNet.

Различные варианты нейронных сетей в виде упрощенных схем,