Нейронные сети способны распознавать симптомы заболеваний без участия врачей

Нейронную сеть обучили распознавать жалобы на лекарства в соцсетях

Российские программисты обучили нейронную сеть анализировать мнения пользователей соцсетей о действии лекарств. Искусственный интеллект теперь может излагать пользовательский текст в медицинских терминах. Собранные в соцсетях данные помогут проанализировать побочные эффекты от препаратов на большой выборке.

«Не могу заснуть всю ночь», «слегка кружится голова» — эти и другие жалобы пользователей соцсетей теперь можно перевести на формальный медицинский язык — к примеру, «бессонница» и «головокружение» соответственно. Задача сопоставления упомянутого пользователем заболевания с конкретным медицинским термином называется нормализацией медицинских концептов.

Чтобы решить проблему сопоставления, программисты использовали обучение особого типа нейросетей (так называемых рекуррентныx нейронныx сетей) и семантическое векторное представление слов.

В исследовании принимали участие ученые Казанского федерального университета, НИЦ «Курчатовский институт», Первого МГМУ им. И.М. Сеченова, Санкт-Петербургского отделения Математического института им. В.А. Стеклова РАН (ПОМИ РАН) и МФТИ. Исследования проводились на базах данных для английского языка.

Обратите внимание

 В ближайшие годы группа планирует перенести технологию на русский язык. Работа была поддержана грантом Российского научного фонда.

Для того чтобы осуществить корректное сопоставление, в программу загрузили медицинские тексты, после чего на их основе был сформирован специальный словарь. Работает это так: программа принимает большое количество текстов в качестве входных данных и сопоставляет каждому слову вектор.

— Мы берем готовые пользовательские комментарии из интернета, — пояснил научный сотрудник лаборатории нейронных систем и глубокого обучения МФТИ Валентин Малых. — Наша нейросеть — рекуррентная, то есть она способна запоминать.

Не в прямом смысле слова, конечно, — нейросеть не мыслящий объект, но есть определенный механизм, с помощью которого она может зафиксировать текст. Мы загружаем в нейросеть тексты, а она сопоставляет их с терминами из Международной классификации болезней (МКБ).

На выходе мы получаем вектора слов, где слова и термины, которые часто встречаются в похожем контексте, имеют схожие координаты. Таким образом нейросеть «сопоставляет» тексты пользователей и официальную медицинскую терминологию.

К примеру, если в нейронную сеть загрузить текст о том, что пользователя тошнит, нейросеть сопоставит эту жалобу с симптомом «тошнота». А если, к примеру, в машину загрузить текст о том, что у пользователя «бабочки в животе», то нейросеть просто откажется от этого варианта как возможного симптома, так как не найдет схожего по смыслу термина в МКБ.

Такая задача выходит за рамки простого сопоставления естественных выражений с элементами словаря: проблема в том, что сообщения пользователей могут вообще не пересекаться с медицинскими терминами.

— Важность работы определяется постоянно растущей потребностью в анализе текстовых данных, — считает старший научный сотрудник научно-исследовательской лаборатории медицинской информатики Казанского федерального университета Елена Тутубалина. — В нашем проекте используются методы анализа текстов и машинное обучение для извлечения полезной информации из доступных данных.

Научный сотрудник факультета информационных технологий и программирования Университета ИТМО Андрей Фильченков считает, что одна из очевидных проблем медицины и здравоохранения — коммуникационная, а проведение исследования может помочь ее решить.

— С алгоритмической точки зрения такая задача уже больше похожа на задачу перевода между разными языками (пусть и очень похожими). Решение этой проблемы лежит в области обработки естественного языка.

В последние несколько лет для большинства задач в работе с текстами и речью наиболее успешные решения были основаны на применении глубоких нейронных сетей, которые позволяют выявлять сложные закономерности в данных.

Важно

В частности, рекуррентные нейронные сети хорошо работают с последовательными данными, поскольку умеют находить связи в элементах с учетом контекста, в который они помещены, —  отметил Андрей Фильченков.

По мнению авторов работы, непрерывное развитие и улучшение точности интеллектуального анализа текстов сообщений пациентов в социальных сетях окажет значительное влияние на понимание того, как те или иные лекарства воздействуют на организм.Также будет проанализирована информация о повторном назначении лекарств и понимании лекарственных эффектов в контексте других факторов, таких как одновременный прием разных препаратов, диеты и образ жизни.

Источник: https://iz.ru/779124/mariia-nediuk/neironnuiu-set-obuchili-raspoznavat-zhaloby-na-lekarstva-v-sotcsetiakh

Еще одну нейросеть научили диагностировать проблему по рентгеновскому снимку

Корпорации Google, IBM и другие достаточно давно работают над созданием ИИ (слабой его формы), который бы мог анализировать рентгеновские снимки. Зачем? Проблема в том, что специалистам по радиологии, да и не только им приходится проводить очень много времени за анализом медицинских снимков.

Таких снимков очень много, а просмотреть и дать свой ответ по каждому нужно за определенное время. На анализ того же рентгеновского снимка у специалиста остается совсем немного времени. И хорошо, если при просмотре изображения врач свеж и бодр.

А что, если он работает уже в конце рабочего дня, после просмотра пары сотен таких же изображений? Человеческий фактор здесь очень силен, и вероятность ошибки возрастает многократно. Для того, чтобы облегчить специалисту задачу, ученые и пытаются использовать возможности искусственного интеллекта.

Еще одна проблема врачей, которые регулярно просматривают медицинские снимки (не обязательно рентгенограммы) это ошибка «удовлетворения поиска». Она заключается в том, что врач, который смотрит на снимок, обнаружив проблему, может не заниматься поиском остальных, решив, что его предположение верно, и сразу поставить диагноз.

Последствия могут быть достаточно тяжелыми для пациента, учитывая то, что выявленная проблема не всегда проявление основного заболевания.

Сейчас разработкой нейросети, которая проводила бы поиск проявлений различных заболеваний на медицинских снимках занялся коллектив ученых под руководством Эндрю Ына.

Специалисты создали нейросеть, которую обучили на примере базы данных, состоящей нескольких десятков тысяч снимков (почти 50 тыс.), полученных из более, чем 14 тысяч медицинских учреждений. При этом каждый из снимков был ранее уже проанализирован медиками, которые поставили диагноз и разметили рентгенограмму как обычную или патологическую.

Эффективность работы нейросети после обучения сравнили с работой трех радиологов-врачей. Как оказалось, в двух случаях нейросеть почти не отставала от человека, и в одном — его превзошла. В целом компьютер правильно определил повреждения в 74,9% случаев. Стоит отметить, что ученые открыли результаты и материалы своего исследования миру. Так, база данных, по которой обучалась нейросеть, выложена в открытый доступ и доступна на сайте Стэнфорда. Она готова для того, чтобы ее можно было использовать для обучения других нейросетей.

Работают нейросети и с другими типами медицинских снимков. Например, глубокая нейронная сеть учится распознавать следы болезни на снимках позитронно-эмиссионной томографии мозга (ПЭТ). Речь идет о болезни Альцгеймера, которая характеризуется возникновением амилоидных бляшек с замедлением метаболизма мозга.

Совет

Ранее ученые обнаружили, что некоторые виды ПЭТ-сканирования в состоянии выявлять признаки этих негативных состояний. Следовательно, технология может работать для выявления умеренных когнитивных нарушений у людей, нарушений, которые впоследствии приведут к возникновению болезни Альцгеймера.

Правда, ученым-людям интерпретировать получившиеся изображения достаточно сложно. Но вот нейросеть вполне может с этим справиться благодаря одному-двум маркерам.

Для обучения компьютерной системы специалисты использовали изображения мозга 182 человек в возрасте 70 лет со здоровым мозгом и 139 снимков мозга людей примерно того же возраста с диагнозом болезни Альцгеймера.

В результате ИИ сумел распознать разницу между здоровым и больным мозгом, причем сделал это с высокой степенью точности — выше 90%.

Что касается Эндрю Ына и его команды, то они пробуют использовать возможности нейросети и еще для одного проекта.

Речь идет о больных очень серьезными заболеваниями пациентах и паллиативной терапии. Нейросеть пытается дать прогноз, насколько серьезно состояние пациента (в основном, речь идет об очень пожилых людях).

Если речь идет о прогрессирующей болезни, которая отводит пациенту не более года жизни, то вступает в работу команда паллиативных терапевтов, которые пытаются снять негативные проявления болезни (боль, психологическое состояние и т.п.) в какой-то степени. Проблема в том, что команда должна вступать в работу в определенное время, чтобы эффект был максимален. И здесь нейросеть тоже показывает значительные успехи.

В целом, ИИ (слабая его форма) сейчас рассматривается учеными в качестве помощника врача, а не альтернативы, если так можно выразиться. Нейросети помогают специалисту выявлять разного рода проблемы, и уже человек-врач ставит точный диагноз, воспользовавшись помощью своих цифровых ассистентов.

В результате экономится время и повышается точность диагностики. С течением времени нейросети станут надежными помощниками врачей — сегодня эта практика носит опытный характер, но получаемые результаты внушают здоровый оптимизм в возможностях компьютерной техники в такой сфере, как здравоохранение.

Источник: https://habr.com/post/409795/

Нейронная сеть догнала врачей в диагностике пневмонии

Pranav Rajpurkar et. al.

Ученые из Стэнфорда разработали нейронную сеть, которая определяет пневмонию по фронтальным рентгеновским снимкам грудной клетки не хуже, чем практикующие врачи. Препринт статьи выложен на сайте arXiv.org.

Только в США каждый год с диагнозом «пневмония» госпитализируют более одного миллиона человек, причем около 50 тысяч из них умирает от этой болезни.

В России эти показатели составляют около 500 и 20 тысяч соответственно. Поэтому диагностика пневмонии (особенно на ранних стадиях) очень важна.

Обратите внимание

В настоящее время самым распространенным и надежным способом является диагностика с помощью рентгеновских снимков грудной клетки.

К несчастью, распознать пневмонию на рентгеновских снимках довольно сложно, поскольку поражения легких часто имеют смутные очертания и к тому же иногда очень похожи на другие заболевания.

Поэтому рентгенолог должен иметь высокую квалификацию, чтобы диагностировать пневмонию.

В данной работе ученые сообщают об алгоритме, который распознает пневмонию на рентгеновских снимках не хуже, а в некоторых случаях даже лучше, чем практикующие специалисты.

Чтобы разработать этот алгоритм, ученые построили 121-уровневую нейронную сеть (аналогичную сети из более старой работы) и обучили ее на выборке ChestX-ray 14, состоящей из 112120 фронтальных фотографий грудной клетки, полученных от 30805 пациентов.

Каждый снимок сопровождался информацией о 14 заболеваниях легких, в частности, о пневмонии. Перед обучением ученые сжали фотографии до размера 224×224 пикселя и нормализовали базу данных.

После этого они случайным образом выбрали из базы 80 процентов фотографий, на которых провели обучение нейросети, а оставшиеся 20 процентов исследователи оставили для проверки ее работы.

Затем ученые отобрали из базы 420 картинок и сравнили работу алгоритма с результатами диагностики четырех врачей из Стэнфордского Университета, практикующих в течение четырех, семи, двадцати пяти и двадцати восьми лет.

Важно

Рентгенологи не имели доступа к истории болезни пациентов и могли использовать для диагностики только выданные им фотографии. Оказалось, что нейросеть распознает патологию не хуже, чем настоящие врачи (а в некоторых случаях даже лучше). Так, площадь под кривой ошибок составляет для нее примерно 0,788.

Вообще говоря, программа распознавала также оставшиеся 13 заболеваний, но эти показатели исследователи с диагнозами врачей не сравнивали.

Кривая ошибок для разработанного алгоритма (синяя линия). Крестиками отмечены результаты диагностики практикующих специалистов. Pranav Rajpurkar et. al.Примеры патологий, распознанных нейросетью Pranav Rajpurkar et. al.

В то же время, ученые отмечают, что обычно рентгенологи используют для диагностики не только фронтальные рентгеновские снимки, но также боковые снимки и историю болезни. Поэтому пока что диагноз, поставленный человеком, будет все-таки точнее, чем предсказание нейросети.

Тем не менее, разработанная программа поможет диагностировать пневмонию в тех местах, где высококвалифицированных специалистов не хватает.

Ранее мы писали о том, как машинное обучение помогает в диагностике меланомы или рака молочной железы, а также визуализирует происходящие на клеточном уровне процессы. Кроме того, недавно ученые разработали новый тип вакцины от пневмонии, которая предотвращает переход любых штаммов пневмококков в опасное состояние.

Дмитрий Трунин

Источник: https://nplus1.ru/news/2017/11/17/pneumonia-algorythm

Себрант: нейросети «Яндекса» помогут врачам ставить диагнозы | Rusbase

Когда россиян будет лечить искусственный интеллект?

Читайте также:  Подборка художественных футуристических книг на тему искусственного интеллекта с 2000г.

В СССР искусственным интеллектом в медицине занимались с конца 1970-х годов — в институте кибернетики украинской РАН и в московском институте прикладной информатики. Сейчас над этой темой работает академик Александр Кулешов, ректор Сколковского института науки и технологий.

На Западе вершиной подобных разработок стал суперкомпьютер IBM Watson. Он умеет анализировать медкарты и выявлять потенциальные риски для конкретного пациента. Также система оказывает информационную поддержку онкологам, помогая им подобрать варианты лечения.

Совет

Этим она повышает компетенцию врачей — IBM Watson сопровождает свои заключения ссылками на релевантные научные статьи и клинические случаи. Сейчас эта платформа помогает ставить диагнозы в 16 онкологических центрах США и Канады.

На днях российские эксперты обсудили будущее искусственного интеллекта в медицине на конференции в «Яндексе», организованной порталом MedAboutMe. Rusbase записал самые важные тезисы о том, как айтишники помогут отечественным врачам лечить нас лучше.

Чем нейросети помогут медицине?

«Яндекс» пока не использует свои наработки в медицине, но уже знает, какую пользу ей может принести. Дело в том, что задача анализа звуков и изображений широко распространена в медицинской диагностике — это рентгены, УЗИ, МРТ, анализы крови и т.д.

Можно научить нейронную сеть выявлять патологии лучше опытных медсестер и лаборантов. Машина учится непрерывно 24 часа в сутки, не устает и не болеет.

Все это может быть сделано очень качественно и — что важнее всего — дистанционно (например, в столичном медицинском центре).

Такая технология поднимет диагностику на другой уровень. Для этого не требуется создавать ничего нового, нужно просто приспособить имеющиеся алгоритмы и железо.

А искусственный интеллект, который заменит врача, будет ставить диагнозы и предсказывать эпидемии — это уже на послезавтра (Андрей Себрант, директор по маркетингу сервисов «Яндекса»).

С 2010 года в России создано 500 сосудистых центров, но мало подготовленных специалистов. Им очень нужна машинная обработка томограмм, которая поможет быстрее и правильнее принимать решения. Если правильно определить тип инсульта (всего более 100) в течение трех часов, 90% пациентов возвращаются к полноценной жизни.

Промедление приводит к смерти или инвалидности с дорогостоящей реабилитацией. Если соединить технологии «Яндекса» с протоколами оказания медпомощи, можно резко снизить смертность от инсультов.

Для этого нужны лишь воля и организационные усилия (Олег Симаков, член экспертного совета Минздрава по использованию ИКТ в здравоохранении).

Основная причина смерти в мире — сердечно-сосудистые заболевания. Ощущения боли в сердце возникают гораздо позже, чем их причины. Можно предсказывать гипертонические кризы с помощью датчиков, но их невозможно долго носить — через пару дней на коже начинается раздражение от электродов.

Обратите внимание

К тому же при ношении датчиков возникает много помех и шумов, затрудняющих диагностику. Нужно переходить от внешних датчиков к инвазивным, но это дорого. Лечащий врач не может все время смотреть на монитор. Нужна нейронная сеть, которая будет анализировать сердечный ритм и выявлять ишемию.

Причем она должна обучаться на данных каждого конкретного пациента (Олег Симаков).

Где взять медицинские данные для обучения ИИ?

У государства монополия на медицинскую информацию, но нет возможности правильно ее собирать и хранить. Вряд ли оно захочет делиться накопленными данными с рынком, но их обработка требует больших инвестиций.

Например, проект IBM Watson тратит на R&D на порядка $6 млрд в год.

У Минздрава таких бюджетов нет, поэтому для анализа медицинских данных россиян нужно государственно-частное партнерство (Константин Горбач , руководитель направления здравоохранения в IBM).

Пока в России нет данных, пригодных для обработки искусственным интеллектом. Сегодня в стране 38 млн электронных медкарт, но их заполнили по разным классификаторам, что осложняет их анализ.

Кроме того, при ФАНО и Минздраве работает 80 НИИ с медицинским уклоном, каждый из которых пытался создать свой информационный массив.

Анализ интегрированных медкарт (когда разные медучреждения объединяют свои данные об одном и том же человеке) позволил бы выявить географически обусловленные заболевания, например, болезни легких в Кемерово и Воркуте (Олег Симаков).

На днях стало известно о том, что фитнес-браслет впервые спас человеку жизнь. Данные с гаджета помогли врачам правильно выбрать тактику лечения. Обычно они вынуждены опираться на рассказ пациента.

В России зарегистрировано крайне мало медицинских приборов, которые могут дистанционно передавать показания. Их очень сложно зарегистрировать, чтобы использовать для мониторинга здоровья. Надо преодолеть бюрократические барьеры.

Важно

В мире в прошлом году насчитывалось примерно 22 тысячи гаджетов для здоровья (Олег Симаков).

Чтобы называться электронным врачом, искусственному интеллекту нужны рефлексия и эмпатия, то есть этика. Причем в области формализации этики произошел не меньший прогресс, чем в обработке изображений. Понимание того, как программировать этику и как принимаются решения, продвинулось очень сильно (Владислав Шершульский, директор программ технологического сотрудничества Microsoft в России).

Для создания универсального ИИ не хватает хорошей постановки задачи, поэтому она решается кусочками. Хотя эти кусочки очень интересные: победа ИИ в го — это история про очень качественную искусственную интуицию. А в «Яндексе» алгоритм обучили чувству прекрасного. Проблема создания полноценного ИИ не столько в ресурсах, сколько в том, что мы задачу не можем поставить (Андрей Себрант).

Несмотря на непревзойденную компетенцию, IBM Watson — всего лишь ассистент, а принятие решений остается за человеком. Вопрос не в качестве диагностики, а в ответственности за пациента (Константин Горбач).

В этом году. Сейчас эксперты работают над текстом федерального закона о телемедицине (поправки в 323-ФЗ). Документ легитимизирует удаленные консультации и мониторинг пациентов (юристы категорически против дистанционного лечения и диагностики). Если законопроект успеют внести в Госдуму за две недели, он будет принят в весеннюю сессию (Олег Симаков). 

Как виртуальная реальность помогает медицине?

Виртуальная реальность прямо сейчас используется для обучения врачей. Операции лучших хирургов снимаются давно, но зрители не видят их с позиции врача. А в виртуальном шлеме видно все движения от первого лица. Степень погружения такова, что новые методы хирургии будут усваиваться гораздо быстрее. Результат — спасенные жизни (Андрей Себрант).

Теперь вы можете попасть на прием к доктору с искусственным интеллектом

Гаджеты будущего будут не только отслеживать вашу активность, но и спасать жизнь

Этические проблемы в генетике: о чем спорят ученые

Кто инвестирует в биотехнологии и биомедицину?

Почему ваш медицинский стартап не взлетит?

Нашли опечатку? Выделите текст и нажмите Ctrl + Enter

Источник: https://rb.ru/story/it-medicine-in-russia/

Нейронная сеть распознает рак легких

ДИТ разрабатывает алгоритм диагностики рака легких по снимкам, сделанным компьютерным томографом

М. Стулов / Ведомости

Департамент информационных технологий (ДИТ) Москвы совместно со столичным департаментом здравоохранения разрабатывает алгоритм диагностики рака легких по снимкам, сделанным компьютерным томографом, – тесты показали, что технология, работающая на основе нейронных сетей, корректно распознает опухоли в 97% случаев. Об этом «Ведомостям» рассказал представитель ДИТа. По словам замначальника ДИТа Андрея Белозерова, нейронная сеть, «натренированная» на распознавание новообразований, разработана подразделением ДИТа, отвечающим за использование в городском хозяйстве анализа больших массивов данных (big data). Эксперимент стал частью пилотного проекта мэрии по раннему выявлению рака легких с помощью низкодозной компьютерной томографии (КТ). Алгоритмы машинного обучения, на которых работает система, обошлись московским властям в 15 млн руб. и будут применяться и в других отраслях, отмечает Белозеров.

Чтобы загрузить нейронную сеть данными («обучить»), разработчики ввели в нее 6000 КТ-снимков легких пациентов, предоставленных московским Научно-практическим центром медицинской радиологии.

Совет

По словам Белозерова, постановку диагноза врачом нейронная сеть не отменяет, однако может помочь сделать диагностику оперативнее и точнее.

В будущем пропускать через алгоритм будут все КТ-снимки из московского Единого радиологического информационного сервиса, обещает Белозеров, но точные сроки внедрения системы назвать затрудняется.

Московские власти не первый год занимаются информатизацией городской медицины, напоминает Белозеров. Главным достижением в этой сфере он считает Единую медицинскую информационно-аналитическую систему.

Эта система, в частности, позволяет пациентам записываться к врачам во всех московских бюджетных поликлиниках, а властям – балансировать загрузку лечебных учреждений и врачей-специалистов, отмечает Белозеров.

Электронные помощники

Использовать нейронные сети можно будет в call-центрах, куда москвичи обращаются за получением услуг и справочной информации, считает Белозеров. Это позволило бы сократить время получения услуг, а также уменьшить штат операторов, прогнозирует он.

Связанные с big data технологии использовались московскими властями и раньше. Например, в начале 2010-х гг.

анализ маршрутов общественного транспорта и места жительства заболевших корью позволили установить вероятное место заражения и определить границы очага в московских районах Отрадное и Южное Медведково, рассказывал ранее «Ведомостям» сотрудник одной из специализирующихся в этой сфере компаний.

Природные и антропогенные факторы возникновения заболеваний можно сопоставлять с уровнем заболеваемости и делать прогнозы – такое нельзя сделать, просто сложив вручную данные из таблиц, объяснял он.

Обратите внимание

По словам управляющего директора центра лучевой терапии «Онкостоп» Ксении Ловцовой, для выявления патологических процессов в легких существуют разные исследования: рентген, флюорография, КТ грудной клетки и КТ с контрастированием. Цена на эти исследования в Москве варьируется от 2000 до 10 000 руб., рассказывает она.

Систему, о которой говорят московские чиновники, необходимо тестировать, отмечает она. Приобретать такую систему или лицензию на программу до того, как она подтвердила свою точность, Ловцова не решилась бы.

«Но при этом я бы взяла такую систему в наш центр на апробацию, чтобы иметь возможность сравнивать с заключениями врачей и использовать как альтернативный источник данных для минимизации вероятности ошибки», – говорит она.

Окончательный диагноз не ставится по снимку – для этого требуются дополнительные исследования, гистологические анализы, объясняет гендиректор компании – разработчика систем интеллектуального видеонаблюдения и распознавания изображений «Вокорд» Тимур Векилов. На снимке можно разглядеть лишь очаги заболевания, но хорошо «натренированная» нейронная сеть, через которую пропущены тысячи снимков, справится с этим лучше, чем человеческий глаз, уверен он.

Источник: https://www.vedomosti.ru/technology/articles/2017/02/13/677293-neironnaya-set

Медицинская система принятия решений с использованием нейронной сети

УДК 616-071:004.032.26

И.Г. ЧУРЮМОВА, ХНУРЕ (г. Харьков)

МЕДИЦИНСКАЯ СИСТЕМА ПРИНЯТИЯ РЕШЕНИЙ С

ИСПОЛЬЗОВАНИЕМ НЕЙРОННОЙ СЕТИ

Незважаючи на те, що метою створення нейронних мереж була заміна експерта на етапі постановки діагнозу, їхня роль залишається допоміжньою. В той же час результати їхньої роботи насправді допомагають, як такі, що стимулюють мислення лікаря. В роботі запропонована медична система приняття рішення, при використанні якої досягається максимальний ефект при постановці діагнозу.

In spite of the fact that the neuron networks were created eventually to exchange the expert at a phase of setting of the diagnosis their role remains auxiliary.

At the same time outcomes of their operation really render the substantial help as boosting thinking of the doctor.

In operation the medical system of decision making is offered, at which usage the maximal effect in setting the diagnosis is reached.

Постановка проблемы. В современной медицине широкое применение находят информационные технологии при диагностике и лечении различных заболеваний. Основной задачей создания таких систем является улучшение качественных показателей диагностики и лечения.

Поэтому работы, направленные на поиск новых решений при создании таких систем, являются актуальными. Несмотря на все плюсы нейронных сетей, встречается большое количество трудностей при их внедрении в медицину. Это объясняется тем, что нейронная сеть не дает никаких документальных обоснований того, почему она считает именно этот диагноз правильным.

Читайте также:  Машины могут достичь человеческого уровня сознания к 2028 году

И врачам остается только в прямом смысле слова «доверять машине», что их не вполне устраивает.

Анализ литературы.

Важно

Неугасающий интерес к методам нейронных сетей, который наблюдается в последнее время, можно объяснить тем, что они очень успешно применяются в различных областях — там, где требуется решение задач прогнозирования, классификации и управления. Нейронные сети имеют возможность нелинейного моделирования в сочетании со сравнительно простой реализацией и именно это делает их незаменимыми при решении сложных многомерных задач, в том числе и медицинских [1].

С появлением первых компьютеров человечество стремиться переложить решение большинства задач на их плечи.

Одной из самых сложных и самых важных медицинских проблем является проблема правильной постановки диагноза на основе анализа многочисленных параметров человеческого организма.

И, естественно, привлекает сама возможность автоматизировать этот процесс для того, чтобы на результат (собственно диагноз) не влиял так называемый «человеческий фактор», поскольку его влияние может быть не только положительным, но и отрицательным. К положительному влиянию

относят врачебный опыт, накопленный за годы врачебной практики, а к отрицательному — плохое самочувствие врача.

В настоящее время известно много медицинских систем принятия решения, но на пути разработки таких систем стоят серьезные методологические трудности.

Действительно, как систематизировать знания, если разные специалисты по-разному понимают одну и ту же болезнь, а это достаточно типичная ситуация в медицине? Как с помощью логических правил точно охарактеризовать достаточно сложную клиническую ситуацию? Наконец, и это основная, самая важная трудность, необходимого знания в момент разработки системы может вообще не существовать. К примеру, современная медицина не располагает эффективными возможностями заранее выявлять раковые заболевания, недостаточны знания о патогенезе атеросклероза, гипертонии и нарушении сердечного ритма. И этот перечень можно было бы продолжать очень долго. Поэтому делаются попытки создать систему, которая знала бы больше чем ее создатели [3].

В идеале метод диагностики должен обладать стопроцентной чувствительностью (не пропускать действительно больных людей) и, одновременно, — стопроцентной специфичностью (не относить к больным людям здоровых). Обычно, высокая чувствительность приводит к низкой специфичности.

Совет

Это объясняется тем, что не для всех людей выход определенного параметра за пределы установленной нормы означает заболевание. Тут вступают в силу индивидуальные особенности человеческого организма.

В идеале надо проводить границу «больной/здоровый» для каждого человека персонально.

Повысить чувствительность метода, не понижая его специфичности позволяют нейронные сети, которые представляют собой нелинейные системы, позволяющие гораздо лучше классифицировать данные, чем обычно используемые линейные методы. Нейросети оказались способными принимать решения, основываясь на выявляемых ими скрытых закономерностях в данных.

Они не программируются — не используют никаких правил вывода для постановки диагноза, а обучаются делать это на примерах. Это и есть главное отличие нейросетей от экспертных систем. Еще одним преимуществом нейросетевых технологий является то, что они способны осуществлять классификацию, обобщая прежний опыт и применяя его в новых случаях [3].

В начале предполагалось, что нейронная сеть должна функционировать наподобие мозга человека. Огромное количество нейронов и их связей отвечают за поддержание уникальных способностей человеческого организма.

Мозг способен практически мгновенно обрабатывать огромные потоки информации, когда он сам состоит из медленно действующих клеток. Но даже самые первые сети имели малое с ним сходство и их возможности были весьма ограничены.

При дальнейшем развитии нейросетевых

технологий разработчики вынуждены создавать искусственные сети со свойствами, не возможными в живой природе [4].

Методы нейронных сетей могут использоваться независимо или же служить прекрасным дополнением к традиционным методам статистического анализа, что и будет видно из следующей части статьи [6].

Обратите внимание

В современном мире врачи могут использовать возможности нейронных сетей для правильной постановки диагноза, очистки биологических сигналов от шумов, выделения полезных данных из многообразия имеющихся по определенным критериям [2]. И это далеко не все возможности, которые могут быть реализованы с помощью ИНС.

В качестве примера больших систем можно привести централизованные системы медицинской диагностики, в которых количество классифицируемых заболеваний достигает многих десятков, а число симптомов превосходит несколько сотен.

Подобные системы состоят из нескольких уровней, на каждом из которых в результате работы локальных систем распознавания определяются симптомы, используемые на последующих уровнях системы для определения более сложных симптомов [5].

Целью статьи является разработка медицинской системы принятия решений с использованием нейронной сети, в которой результаты работы нейронной сети оказывают стимулирующие воздействия на мышление врача при постановке диагноза.

Медицинская система принятия решений с использованием нейронной сети. Из всего вышеизложенного можно сделать вывод, что хотя нейронные сети и были введены в медицину с целью, в конце концов, полностью заменить специалиста на этапе постановки диагноза, но без врача этот процесс не получается завершенным.

Самым интересным вариантом использования нейронных сетей в медицине может быть возможность создания схемы, представленной на рисунке.

Врач получает информацию о больном при непосредственном осмотре пациента. Искусственная нейронная сеть (ИНС) выдает результат — диагноз, но окончательное право принятия решения остается за врачом.

Информационно-поисковая система (ИПС) в данной схеме стоит для того, чтобы компенсировать возможный недостаток знаний врача при сложных и редких клинических случаях и выступает в роли консультанта.

Важно

Блоки логических фильтров преобразователей 1,2 (ЛФП1, ЛФП2) служат для того, чтобы представлять входные результаты для ИНС и ИПС в нужном для их работы виде.

Очень важным блоком при такой схеме является блок логического фильтра преобразователя 3 (ЛФП3). Задачей этого блока является

представление работы ИПС и ИНС в наиболее удобном для восприятия врача виде.

Рис. Медицинская система принятия решений

Вывод. Именно при использовании такой схемы достигается максимальный эффект при постановке диагноза. Результаты работы ИНС и ИПС в самом деле оказывают реальную помощь как вспомогательные, стимулирующие мышление врача. Вспомогательное и стимулирующее воздействие на клиническое мышление врача может оказывать и множество другой информации, часто анализируемой врачами до принятия

окончательного диагноза: описания ранее встречавшихся сходных случаев заболевания, описания заболеваний, родственных предполагаемому, описание анатомии, физиологии органа, имеющего патологию и визуальное

представление его в динамике и т.д. Связи здесь имеют ассоциативную структуру, но важность такой информации не менее значима в установлении диагноза. Планируется программная реализация и тестовая проверка предлагаемой структуры.

Список литературы: 1. Звягинцев И.В. Нейронные сети: основные модели. — Воронеж, 1999, 150 с. 2. Дмитриенко В.Д., Корсунов Н.И. Основы теории нейронных сетей. Учебное пособие. -Белгород: БИИММАП, 2001. — 159 с. 3. Ежов А.И., Чечеткин В.В. Нейронные сети в медицине, Институт инновационных и термоядерных исследований. — Троицк, 2003. — 117 с.

4. Бодянский Е.В., Руденко О.Г. Основы теории искусственных нейронных сетей, 2003. — 317 с.

5. Горелик А.Л., Скрипкин В.А. Методы распознавания. Учебное пособие для ВУЗов. — М.: Высшая школа, 1977. — 167 с. 6. Нейронные сети. STATISTICA Neural Network: Пер. с англ. — М.: Горячая линия — Телеком, 2001.

— 182 с. 7. Шабанов-Кушнаренко Ю.П. Теория интеллекта. Математические средства. — Х.: Высшая школа, 1984. — 143 с. 8. Анил Джейн Введение в искусственные нейронные сети // Открытые системы. — №4. — 1997. — С. 35^3.

Поступила в редакцию 26.03.04

Источник: https://cyberleninka.ru/article/n/meditsinskaya-sistema-prinyatiya-resheniy-s-ispolzovaniem-neyronnoy-seti

Диагностика заболеваний по симптомам

Для корректной работы сайта у вас должен быть включен Javascript и cookies. Если вы видите это сообщение, значит либо на сайте произошла ошибка, либо у вас выключен Javascript.

Искусственный интеллект на службе у современной медицины!

Точная диагностика

Точность диагностики достигается за счет использования сложных алгоритмов искусственного интеллекта при поиске диагноза.

Прочие сервисы всего лишь смотрят в таблицу соответствия заболеваний симптомам и на основании этой таблицы делают выводы о диагнозах. Такой подход неправильный в корне, т.к.

многие заболевания имеют схожие симптомы, и одни и те же заболевания могут проявляться по-разному в разные стадии развития болезни.

Мгновенная диагностика

Вам не нужно заполнять анкету с множеством полей, чтобы получить результаты диагностики. Вы видите список возможных заболеваний практически мгновенно — сразу же после указания очередного симптома. Каждый новый симптом обновляет список вероятных заболеваний.

Честная диагностика

Никто (даже самый опытный врач, а тем более компьютер) не сможет на 100% утверждать о наличии или отсутствии того или иного заболевания только на основании беседы с пациентом. Поэтому список заболеваний, которые диагностирует наша система, разбивается на 4 группы по степени вероятности. Мы оперируем вероятностями присутствия того или иного заболевания.

Удобная диагностика

Мы понимаем, что не все пациенты могут правильно описать свои симптомы, поэтому мы особое внимание уделили удобству указания симптомов. Вы можете найти свои симптомы через “умный поиск”, либо, если вы совсем не знаете что с вами происходит, можете просто отвечать на вопросы, которые задает система диагностики.

Комфортная диагностика

Для диагностики не нужно записываться к врачу, не нужно стоять в очереди, не нужно преодолевать смущение, рассказывая врачу о своих проблемах. Онлайн диагностика заболеваний избавляет вас от этих неприятных моментов лечения.

Полная информация

Мы не оставляем вас один на один с вероятным диагнозом. Мы предоставляем полную информацию о нем: что это за группа заболеваний, какие специалисты занимаются такими заболеваниями, в какие медицинские учреждения следует обратиться для точной диагностики и лечения.

Начать диагностику

Как пользоваться системой диагностики Simptomus

В строке поиска введите симптомы, которые вас беспокоят. По мере набора вам будут предложены различные варианты симптомов, выбирайте из них нужные, нажимая соответствующие кнопки.

После того, как вы нашли нужный симптом и указали его наличие, переходите к следующему симптому. И так до тех пор, пока вы не будете удовлетворены результатами диагностики.

Если вы затрудняетесь с указанием симптомов, нажмите оранжевую кнопку «У врача есть вопрос!». Система диагностики попробует определить ваши симптомы самостоятельно.

Совет

Указанные в ходе диагностики сведения можно изменить в любой момент времени. Для этого нажмите кнопку «Со слов пациента».

Если в результатах диагностики появляется заболевание, которого у вас точно нет, нажмите кнопку «этого нет» напротив этого заболевания. Система диагностики учтет ваш выбор и пересмотрит список заболеваний.

Источник: http://simptomus.ru/

Нейронные сети доктора Диспенза

Доктор Джо Диспенза (Joe Dispenza) стал одним из первых, кто начал исследовать влияние сознания на реальность с научной точки зрения.

Его теория взаимосвязи между материей и сознанием принесла ему мировую известность после выхода документального фильма «Мы знаем, что делает сигнал».

Ключевое открытие, сделанное Джо Диспензой, заключается в том, что мозг не отличает физические переживания от душевных. Грубо говоря, клетки «серого вещества» абсолютно не отличают реальное, т.е. материальное, от воображаемого, т.е. от мыслей!

Мало кто знает, что исследования доктора в области сознания и нейрофизиологии начались с трагического опыта. После того, как Джо Диспенза был сбит машиной, врачи предложили ему скрепить поврежденные позвонки с помощью импланта, который впоследствии мог привести к пожизненным болям. Только так, по мнению врачей, он смог бы снова ходить.

Но Диспенза решил бросить вывоз традиционной медицине и восстановить свое здоровье с помощью силы мысли. Всего через 9 месяцев терапии Диспенза снова мог ходить. Это и послужило толчком к исследованию возможностей сознания.

Первым шагом на этом пути стало общение с людьми, пережившими опыт «спонтанной ремиссии».

Это спонтанное и невозможное с точки зрения врачей исцеление человека от тяжелого заболевания без применения традиционного лечения.

В ходе опроса Диспенза выяснил, что все люди, прошедшие через подобный опыт, были убеждены в том, что мысль первична по отношению к материи и может исцелять любые заболевания.

Читайте также:  На службе у вмс сша появятся роботы-рыбы

Нейронные сети

Теория доктора Диспензы утверждает, что каждый раз, переживая какой-либо опыт, мы «активируем» огромное количество нейронов в нашем мозге, которые в свою очередь влияют на наше физическое состояние.

Обратите внимание

Именно феноменальная сила сознания, благодаря способности к концентрации, создает так называемые синаптические связи – связи между нейронами.

Повторяющиеся переживания (ситуации, мысли, чувства) создают устойчивые нейронные связи, называемые нейронными сетями. Каждая сеть является, по сути, определенным воспоминанием, на основе которого наше тело в будущем реагирует на похожие объекты и ситуации.

Согласно Диспензе, все наше прошлое «записано» в нейросетях мозга, которые формируют то, как мы воспринимаем и ощущаем мир в целом и его конкретные объекты в частности. Таким образом, нам лишь кажется, что наши реакции спонтанны.

На самом деле, большинство из них запрограммировано устойчивыми нейронными связями. Каждый объект (стимул) активирует ту или иную нейронную сеть, которая в свою очередь вызывает набор определенных химических реакций в организме.

Эти химические реакции заставляют нас действовать или чувствовать себя определенным образом – бежать или застывать на месте, радоваться или огорчаться, возбуждаться или впадать в апатию и т.д.

Все наши эмоциональные реакции – не более чем результат химических процессов, обусловленных сложившимися нейросетями, и основываются они на прошлом опыте.

Другими словами, в 99% случаев мы воспринимаем реальность не такой, какая она есть, а интерпретируем ее на основе готовых образов из прошлого.

Основное правило нейрофизиологии звучит так: нервы, которые используются вместе, соединяются. Это значит, что нейросети образуются в результате повторения и закрепления опыта. Если же опыт долгое время не воспроизводится, то нейросети распадаются.

Важно

Таким образом,привычка образуется в результате регулярного «нажимания» кнопки одной и той же нейросети.

Так формируются автоматические реакции и условные рефлексы – вы еще не успели подумать и осознать, что происходит, а ваше тело уже реагирует определенным образом.

Сила внимания

Только вдумайтесь: наш характер, наши привычки, наша личность являются всего лишь набором устойчивых нейросетей, которые мы в любой момент можем ослабить или укрепить благодаря осознанному восприятию действительности! Концентрируя внимание осознанно и выборочно на том, чего мы хотим достичь, мы создаем новые нейронные сети.

Раньше ученые считали, что мозг является статичным, но исследования нейрофизиологов показывают, что абсолютно каждый малейший опыт производит в нем тысячи и миллионы нейронных изменений, которые отражаются на организме в целом.

В своей книге «Эволюция нашего мозга, наука изменять наше сознание» Джо Диспенза задает логичный вопрос: если мы будем с помощью нашего мышления вызывать в организме определенные негативные состояния, то не станет ли в итоге это аномальное состояние нормой?

Диспенза провел специальный эксперимент для подтверждения возможностей нашего сознания.

Люди из одной группы в течение часа ежедневно нажимали на пружинистый механизм одним и тем же пальцем. Люди из другой группы должны были только представлять, что нажимают. В результате пальцы людей из первой группы окрепли на 30%, а из второй – на 22%.

Такое влияние чисто мысленной практики на физические параметры – результат работы нейронных сетей.

Совет

Так Джо Диспенза доказал, что для мозга и нейронов нет никакой разницы между реальным и мысленным опытом.

А значит, если мы уделяем внимание негативным мыслям, наш мозг воспринимает их как реальность и вызывает соответствующие изменения в теле. Например, болезнь, страх, депрессию, всплеск агрессии и т.д.

Откуда грабли?

Еще один вывод из исследований Диспензы касается наших эмоций. Устойчивые нейронные сети формируют неосознанные паттерны эмоционального поведения, т.е. склонность к тем или иным формам эмоционального реагирования. В свою очередь, это ведет к повторяющемуся опыту в жизни.

Мы наступаем на одни и те же грабли только потому, что не осознаем причины их появления! А причина проста – каждая эмоция «ощущается» вследствие выброса в тело определенного набора химических веществ, и наш организм просто становится в некотором роде «зависим» от этих химических сочетаний. Осознав эту зависимость именно как физиологическую зависимость от химических веществ, мы можем от нее избавиться.

Необходим только сознательный подход.

Сегодня посмотрела лекцию Джо Диспенза «Сломай привычку быть собой» и подумалось: «Таким ученым золотые памятники надо ставить…» Биохимик, нейрофизиолог, нейропсихолог, хиропрактик, отец троих детей (двое из которых по инициативе Диспензы родились под водой, хотя 23 года назад в США этот способ считался полным сумасшествием) и очень обаятельный в общении человек. Лекции читает с таким искрометным юмором, о нейрофизиологии говорит настолько простым и понятным языком — настоящий энтузиаст от науки, просвещающий обычных людей, щедро делясь своим 20-летним научным опытом.

В своих объяснениях он активно использует последние достижения квантовой физики и говорит об уже наступившем времени, когда людям сейчас мало просто узнать о чем-то, но теперь они обязаны применять свои знания на практике

«Зачем ждать какого-то особого момента или начала нового года для того, чтобы начать кардинально менять свое мышление и жизнь к лучшему? Просто начинайте это делать прямо сейчас: перестаньте проявлять часто повторяющиеся ежедневные негативные моменты поведения, от которых хотите избавиться, например, скажите себе утром: «Сегодня я проживу день, никого не осуждая» или «Сегодня я не буду ныть и жаловаться на все подряд» или «Не буду сегодня раздражаться»….

Старайтесь делать что-то в другом порядке, например, если сначала умывались, а потом чистили зубы, сделайте наоборот. Или возьмите и простите кого-нибудь. Просто так.

Ломайте привычные конструкции!!! И вы почувствуете необычные и очень приятные ощущения, вам понравится, уж не говоря о тех глобальных процессах в своем теле и сознании, которые вы этим запустите! Начните привыкать размышлять о себе и беседовать с собой, как с лучшим другом.

Обратите внимание

Изменение мышления приводит к глубоким изменениям и в физическом теле. Если человек взял и задумался, беспристрастно посмотрев на себя со стороны:

«Кто я?

Почему мне плохо?
Почему я живу так, как не хочу?
Что мне нужно в себе изменить?
Что именно мне мешает?

От чего я хочу избавиться?» и т.д. и почувствовал острое желание не реагировать, как прежде, или не делать чего-то, как прежде,- это значит, что он прошел через процесс «осознания».Это внутренняя эволюция. В этот момент он совершил скачок. Соответственно личность начинает меняться, а новой личности нужно новое тело.

Так происходят спонтанные исцеления: с новым сознанием болезнь больше не может оставаться в теле, т.к. меняется вся биохимия организма (мы меняем мысли, а от этого меняется набор химических элементов, участвующих в процессах, наша внутренняя среда становится токсичной для болезни), и человек выздоравливает.

Зависимое поведение (т.е. аддикцию к чему угодно: от видеоигр до раздражительности) можно определить очень легко: это то, что вам трудно остановить, когда вы хотите.

Если не можете отлипнуть от компьютера и проверяете свою страницу в соцсети каждые 5 минут, или понимаете, например, что раздражительность мешает вашим отношениям, но не можете перестать раздражаться, — знайте, что у вас зависимость не только на ментальном уровне, но и на биохимическом (ваше тело требует вброса гормонов, отвечающих за данное состояние).

Научно доказано, что действие химических элементов длится период от 30 секунд до 2 минут, и если вы продолжаете испытывать то или иное состояние дольше, знайте, что все остальное время вы искусственно поддерживаете его в себе, мыслями провоцируя цикличное возбуждение нейросети и повторный выброс нежелательных гормонов, вызывающих негативные эмоции, т.е. вы сами поддерживаете в себе это состояние!

По большому счету, вы добровольно выбираете свое самочувствие.

Лучший совет для таких ситуаций — научитесь переключать свое внимание на что-то другое: природа, спорт, просмотр комедии, да что угодно, способное отвлечь и переключить вас.

Резкая перефокусировка внимания позволит ослабить и «потушить» действие гормонов, отвечающих на негативное состояние. Эта способность называется нейропластичностью.

Важно

И чем лучше вы разовьете в себе это качество, тем легче вам будет управлять своими реакциями, что, по цепочке, приведет к огромному множеству изменений в вашем восприятии внешнего мира и внутреннему состоянию. Данный процесс и называется эволюцией.

Потому что новые мысли приводят к новому выбору, новый выбор ведет к новому поведению, новое поведение ведет к новому опыту, новый опыт ведет к новым эмоциям, которые, вместе с новой информацией из окружающего мира, начинают менять ваши гены эпигенетически (т.е. вторично). А потом эти новые эмоции, в свою очередь, начинают вызывать новые мысли, и так вы развиваете самоуважение, уверенность в себе и т.д. Именно таким образом мы можем усовершенствовать себя и, соответственно, свою жизнь.

Депрессия — тоже яркий пример зависимости. Любое состояние зависимости говорит о биохимическом дисбалансе в теле, а также о дисбалансе в работе связи «сознание-тело».

Самая большая ошибка людей в том, что они ассоциируют свои эмоции и линии поведения со своей личностью: мы так и говорим «Я нервный», «Я слабовольный», «Я больной», «Я несчастный» и т.д.

Они считают, что проявление определенных эмоций идентифицирует их личность, поэтому постоянно подсознательно стремятся повторять схему реагирования или состояние (например, физическую болезнь или депрессию), как бы подтверждая себе каждый раз, кто они такие.

Даже если сами очень страдают при этом! Огромное заблуждение. Любое нежелательное состояние можно при желании убрать, а возможности каждого человека ограничены только его фантазией.

И когда хотите изменений в жизни, представьте четко, чего именно вы желаете, но не разрабатывайте в уме «жесткий план» того, КАК ИМЕННО это произойдет, для возможности «выбора» самого лучшего для вас варианта, который может оказаться совершенно неожиданным.

Достаточно внутренне расслабиться и попытаться порадоваться от души тому, что еще не произошло, но обязательно произойдет. Знаете почему? Потому что на квантовом уровне реальности это уже произошло, при условии, что вы четко представили и от души порадовались.

Именно с квантового уровня начинается зарождение материализации событий.

Совет

Так начните действовать сначала там. Люди привыкли радоваться только тому, что «можно потрогать», что уже реализовалось.

Но мы не привыкли доверять самим себе и своим способностям к СО-ТВОРЕНИЮ реальности, хотя занимаемся этим каждый день и, в основном, на негативной волне.

Достаточно вспомнить, как часто реализуются наши опасения, хотя эти события ведь тоже сформированы нами, только без контроля…

А вот когда вы выработаете в себе способность к контролю над мышлением и эмоциями, начнут происходить настоящие чудеса.

Поверьте, я могу привести тысячи прекрасных и воодушевляющих примеров. Знаете, когда кто-то улыбается и говорит, что что-то произойдет, а его спрашивают: «Откуда ты знаешь?», а он спокойно отвечает: «Просто знаю…». Это яркий пример контролируемой реализации событий… Уверен, что абсолютно каждый хоть раз испытывал это особое состояние.»

«Самой главной нашей привычкой должна стать привычка быть самими собой».

Joe Dispenza

И еще Диспенза советует: никогда не переставайте учиться. Лучше всего информация усваивается, когда человек удивлен.

Старайтесь каждый день узнавать что-то новое — это развивает и тренирует ваш мозг, создавая новые нейронные связи, что в свою очередь, будет менять и развивать вашу способность к осознанному мышлению, которое поможет вам смоделировать вашу собственную счастливую и полноценную реальность.

Источник: https://alexandr-palkin.livejournal.com/6753541.html

Ссылка на основную публикацию