Der Einsatz künstlicher Intelligenz in der heutigen Medizin kann die Genauigkeit der Diagnose erheblich verbessern und den Patienten das Leben erleichtern. Es wird erwartet, dass KI für die Diagnose und Verfeinerung von Krankheiten unverzichtbar wird. Aufgrund der Fähigkeit, Daten zu vergleichen, Informationen zu sammeln und zu synthetisieren, sollte die Teilnahme von KI an der Diagnostik dazu beitragen, die Statistik medizinischer Fehler qualitativ zu verbessern und die Rolle der Prävention und Prävention von Krankheiten zu stärken.
Nach
der Prognose des Forschungsunternehmens Research & Markets wird der weltweite Markt für künstliche Intelligenz bis 2020 auf 5,05 Milliarden Dollar wachsen. Gleichzeitig wird das Gesundheitswesen zum am schnellsten wachsenden Segment. Laut
internationalen Studien kann der Einsatz künstlicher Intelligenz in der Medizin die Gewinne von Unternehmen der Gesundheitsbranche steigern.
Im Jahr 2016 wurde der europäische KI-Marktanteil auf 270 Mio. USD geschätzt, mit einem erwarteten jährlichen Wachstum von mehr als 35%. Laut
BIS Research wird der gesamte KI-Markt im Gesundheitswesen bis 2025 28 Mrd. USD mit einem durchschnittlichen jährlichen Wachstum von mehr als 45,1% erreichen, und der KI-Markt für medizinische Bildgebung und Diagnostik wird 2,5 Mrd. USD erreichen.
KI und das Problem der Netzhauterkrankungen
Laut der
Weltgesundheitsorganisation stehen Sehprobleme in direktem Zusammenhang mit fast einem von zwanzig Menschen auf dem Planeten, und etwa 80% dieser Probleme hätten durch vorbeugende Maßnahmen vermieden werden können. Zum Beispiel ist es sehr wichtig, Netzhauterkrankungen frühzeitig zu erkennen, aber Augenärzte verfügen nicht über genügend Ressourcen für eine gründliche Untersuchung und Diagnose der Krankheit. Künstliche Intelligenz kann ihnen dabei helfen und so das Sehvermögen von Millionen von Patienten retten.
Komplikationen durch Diabetes (diabetische Retinopathie) sind eine der Hauptursachen für Sehprobleme. Die Gesamtzahl der Menschen mit Diabetes wird sich
zwischen 2000 und 2030 voraussichtlich
verdoppeln , was die Zahl der Fälle von Augenkrankheiten weltweit erheblich erhöht.
Eine frühzeitige Diagnose um mehr als die Hälfte reduziert das Auftreten eines schweren Sehverlusts. Leider sind bei der Erkennung von Netzhauterkrankungen im Frühstadium während der Untersuchung von Patienten nur geringe Fortschritte zu verzeichnen. In den Ländern, die am meisten an diesen Krankheiten leiden, werden die Patienten nicht regelmäßig untersucht, und Augenärzte haben eine relativ geringe Genauigkeit bei der korrekten Erkennung und Diagnose von Netzhauterkrankungen mit individuellen eingehenden Untersuchungen der Augen. Im Gegensatz zu anderen lebensbedrohlichen Krankheiten, die heute jeder hört, sind Netzhauterkrankungen und Sehbehinderungen in den Augen der Öffentlichkeit nicht so auffällig. Daher wird das Problem oft unterschätzt.
Unter dem Blick der künstlichen Intelligenz
Künstliche Intelligenz (KI) kann möglicherweise zu einer signifikanten Reduzierung von Netzhauterkrankungen beitragen, Augenärzten helfen, die Krankheit effektiver zu erkennen, und die menschliche Erfahrung ergänzen. In Zusammenarbeit mit Lenovo hat das Barcelona Supercomputing Center (BSC) beschlossen, zu untersuchen, wie KI die Genauigkeit des Screening-Prozesses verbessern und möglicherweise Netzhauterkrankungen früher als gewöhnlich erkennen kann. Die KI-Technologie erhöht die Wahrscheinlichkeit einer Früherkennung der Krankheit und macht die Untersuchung von Patienten in Ländern mit unzureichender Abdeckung zugänglicher und schneller. Darüber hinaus können Patienten mit ihrem Smartphone mit einer speziellen Anwendung innerhalb weniger Minuten unabhängig eine Erstuntersuchung durchführen.
Die Zukunft der Medizin ist die Prävention von Krankheiten. Daher ist es wichtig, die Genauigkeit der vorläufigen Diagnose zu erhöhen.Neben der diabetischen Retinopathie verursachen Augenerkrankungen viele andere Pathologien wie Glaukom, Makuladegeneration, Naevus und die epiretinale Membran. Modelle für maschinelles Lernen ermöglichen es, diese verschiedenen Pathologien viel einfacher zu identifizieren als derzeitige Screening-Methoden. Dario Garcia-Gasulla, Ehrenforscher am Barcelona Supercomputer Center, ist optimistisch hinsichtlich der Möglichkeiten, diese Technologie einzusetzen: „Das Skalieren, Trainieren und Validieren von Modellen für maschinelles Lernen zur Untersuchung dieser Sehprobleme kann ein komplexer Prozess sein. Das Potenzial ist jedoch enorm, da die gleichen Ansätze in anderen Bereichen der Medizin und in vielen industriellen Anwendungen angewendet werden können. “
Modellschulung und Überwindung von Datenknappheitsproblemen
Das Problem beim Erlernen des KI-Modells zur Erkennung einiger Netzhauterkrankungen ist das Fehlen „sauberer“ Daten, die für das Training des neuronalen Netzwerks verfügbar sind. Bei Pathologien mit einer begrenzten Verfügbarkeit eines Datensatzes (z. B. weniger als 5000 Bilder) ist ein zuverlässiges Tiefen-Training eines neuronalen Netzwerks von Grund auf möglicherweise nicht möglich. In diesem Fall können Sie den "Trainingstransfer" verwenden.
Durch die Automatisierung erhält der Arzt zusätzliche Zeit, um die Krankheit des Patienten zu untersuchen und die genaueste Diagnose zu erstellen. Laut Experten der Harvard Medical School wird der Einsatz von KI-Technologien die Fehlerquote bei der Diagnose um 85% reduzieren.Die Übertragung von Schulungen basiert auf Modellen, die für Aufgaben mit größeren Datenmengen vorbereitet wurden und dann zur Lösung anderer Aufgaben mit geringer Datenverfügbarkeit wiederverwendet werden. Manchmal wird es verwendet, um Zeichen hervorzuheben (Extraktor). Infolgedessen kann die Übertragung von Schulungen auch die Schulungszeit (bis zu Minuten) verkürzen, Forschungsstunden und letztendlich die mit der Entwicklung einer Lösung verbundenen Kosten einsparen.
| Pathologie | Erkennungsgenauigkeit
|
|---|
Glaukom
| 85,5%
|
Netzhautpigmentierung
| 75,1%
|
Epiretinale Membran
| 78,8%
|
Nevus Augen
| 65,0%
|
Makuladegeneration
| 91,07%
|
Die Genauigkeit der Erkennung verschiedener Netzhautpathologien mithilfe von AI beträgt 75-91%.Neue KI-Technologie
Auf der Internationalen Supercomputer-Konferenz (ISC) in Frankfurt zeigen Lenovo und BSC eine Anwendung, die zeigt, wie Lerntransfer funktioniert. Es wurde im Lenovo AI Innovation Center in Morrisville, PC, erstellt. North Carolina (USA). Die Anwendung ermöglicht es den Besuchern über eine intuitive Benutzeroberfläche, unabhängig ein Modell zu erstellen und zu trainieren und damit eine aktive Rolle bei der Verbesserung des Screenings von Netzhauterkrankungen zu spielen.
Garcia-Gasulla erklärt: „Der Zweck der Demonstration ist es zu zeigen, wie einfach es ist, vorab trainierte tiefe neuronale Netze als Merkmalsextraktoren zu verwenden, die die Grundlage für andere, einfachere und schnellere Modelle (in diesem Fall SVM) bilden. In 10 Minuten kann jeder Teilnehmer die Wirksamkeit des maschinellen Lernmodells zur Identifizierung der Netzhautpathologie entwerfen, trainieren und testen. Modelle von Konferenzteilnehmern, die mit derselben Pathologie arbeiten, werden verglichen und bewertet, um das beste Modell zu finden und auszuzeichnen, das in diesem Forum entwickelt wurde. “
LiCO beschleunigt das Lernen von KI-Modellen und den traditionellen Einsatz von Hochleistungsrechnersystemen durch die Bereitstellung einer intuitiven Benutzeroberfläche für die Verwaltung des Software- und Hardware-Stacks.Intelligente medizinische Produkte, Dienstleistungen und Prozesse werden bereits von mehr als 800 Unternehmen entwickelt, darunter führende Anbieter. Für diese Forschung entwickelt Lenovo
eigene KI-Lösungen , darunter die kürzlich veröffentlichte
Lenovo Intelligent Computing Orchestration (LiCO) 5.1-Plattform und die
Lenovo AI Validated Design- Referenzarchitekturen für die Entwicklung von Modellen auf der Basis von Intel Xeon Scalable- und NVIDIA Tesla-Architekturen.
Komponenten des Modelltrainings. Der AI-Software-Stack entwickelt sich rasant weiter. Fast monatlich erscheinen neue und aktualisierte Frameworks. Die Auswahl unter den vielen Open Source-Optionen kann lange dauern. Die Lenovo Referenzarchitektur wurde auf der Lenovo ThinkSystem-Plattform getestet und konfiguriert.KI in der Medizin: Die Zukunft ist gekommen
Der Einsatz künstlicher Intelligenz in der Medizin kann die Gesundheitsbranche durch die Entwicklung von Bereichen wie personalisierte Medizin, Diagnostik, Entwicklung neuer Medikamente, robotergestützter Chirurgie, Telemonitoring chronischer Krankheiten, Fernunterstützung für Patienten, Unterstützung bei der Entscheidungsfindung und Auswahl medizinischer Fehler revolutionieren.
Die Agentur
Frost & Sullivan stellt fest, dass Technologien für künstliche Intelligenz die Genauigkeit der Diagnose um 30-40% erhöhen, während die Kosten für die medizinische Versorgung um die Hälfte gesenkt werden. McKinsey hat gezeigt, dass in der Medizin 36% der Funktionen automatisiert werden können, vor allem auf der Ebene der Datenerfassung und -analyse.
Entwicklungen in dieser Richtung werden sowohl im Ausland als auch in Russland aktiv durchgeführt.
Eines der russischen Projekte ist beispielsweise ein System zur Diagnose von Krankheiten, das die Erkennung von Pathologien mithilfe medizinischer digitaler Bilder aus Lungenradiographie, Mammographie, Computertomographie und Ultraschall umfasst.
Ein Projekt ist eine Anwendung , die auf dem Arbeitscomputer oder Smartphone eines Benutzers verwendet werden kann. Es basiert auf einem neuronalen Netzwerk, das darauf trainiert ist, Pathologien in medizinischen Bildern zu erkennen. Die erste Phase des Projekts ist ein Analysegerät für pathologische Blutzellen und die Erkennung von Pathologien des Fundus. In Zukunft werden Bereiche wie Lungenradiographie, Mammographie, Computertomographie und mobiler Ultraschall abgedeckt.
Und fast jedes Jahr erscheinen neue Projekte. Viele Entwicklungen sind jetzt verfügbar. In Russland wurde beispielsweise das Informations- und Analysesystem
CoBrain-Analytics eingeführt, um eine persönliche Therapie für Patienten mit Hirnkrankheiten zu diagnostizieren und zu formulieren. Künstliche Intelligenz in der Medizin ist die Zukunft, die bereits gekommen ist.