Google обучает искусственный интеллект, чтобы предсказывать, когда пациент умрет

Женщина с раком молочной железы поздней стадии пришла в городскую больницу, жидкость уже заливала ее легкие. Она увидела двух врачей и сделала рентгенологическое сканирование. Компьютеры больницы считывали ее жизненные показатели и оценивали вероятность того, что она умрет во время своего пребывания в процентах 9.3.

Затем настала очередь Google. Новый тип алгоритма, созданный компанией, прочитал о женщине - 175,639 19.9 точек данных - и дал оценку ее риска смерти: XNUMX процента. Она скончалась в считанные дни.

Страшный отчет о смерти неопознанной женщины был опубликован Google в мае в исследовании, посвященном медицинскому потенциалу нейронных сетей, разновидности программного обеспечения для искусственного интеллекта, которое особенно хорошо использует данные для автоматического обучения и улучшения. Google создал инструмент, который мог бы прогнозировать массу исходов для пациентов, включая то, как долго люди могут оставаться в больницах, их шансы на повторное поступление и шансы на то, что они скоро умрут.

Что больше всего поразило медицинских экспертов, так это способность Google просеивать ранее недоступные данные: заметки, закопанные в PDF-файлах или написанные на старых графиках. Нейронная сеть сожрала всю эту непослушную информацию, а затем выплюнула прогнозы. И он сделал это намного быстрее и точнее, чем существующие методы. Система Google даже показала, какие записи привели ее к выводам.

Больницы, врачи и другие поставщики медицинских услуг в течение многих лет пытались более эффективно использовать запасы электронных медицинских карт и других данных о пациентах. Больше информации, предоставляемой и выделенной в нужное время, может спасти жизни - и, как минимум, помочь медицинским работникам тратить меньше времени на оформление документов и больше времени на уход за пациентами. Но современные методы сбора данных о состоянии здоровья дороги, громоздки и требуют много времени.

Нигам Шах (Nigam Shah), доцент Стэнфордского университета, который является соавтором исследовательской работы Google, говорит, что до тех пор, пока 80 тратит время, затрачиваемое на современные прогностические модели, на «тщательную работу», направленную на представление данных. опубликованный в журнале Nature. Подход Google избегает этого. «Вы можете бросить кухонную раковину и не беспокоиться об этом», - сказал Шах.

Следующим шагом Google станет внедрение этой системы прогнозирования в клиники, заявил в мае Bloomberg News руководитель ИИ Джефф Дин. Подразделение медицинских исследований Дина, иногда называемое Medical Brain, работает над множеством инструментов искусственного интеллекта, которые могут предсказывать симптомы и заболевания с уровнем точности, который вызывает надежду и тревогу.

Внутри компании эта инициатива вызывает большой энтузиазм. «Они наконец-то нашли новое приложение для ИИ, которое имеет коммерческие перспективы», - говорит один из сотрудников Google. С тех пор, как в 2016 году компания Alphabet Inc. провозгласила себя компанией, занимающейся прежде всего искусственным интеллектом, большая часть ее работы в этой области была направлена ​​на улучшение существующих интернет-услуг. Достижения команды Medical Brain дают Google шанс выйти на совершенно новый рынок - то, что соучредители Ларри Пейдж и Сергей Брин пытались снова и снова.

В наши дни программное обеспечение в здравоохранении в основном кодируется вручную. В отличие от этого подход Google, когда машины учатся анализировать данные самостоятельно, «может просто перепрыгнуть через все остальное», - сказал Вик Баджадж, бывший руководитель Verily, медицинского подразделения Alphabet, и управляющий директор инвестиционной компании Foresite Capital. «Они понимают, какие проблемы стоит решать», - сказал он. «Сейчас они провели достаточно небольших экспериментов, чтобы точно знать, каковы их плодотворные направления».

Дин предполагает, что система искусственного интеллекта направляет врачей к определенным лекарствам и диагностирует. Другой исследователь Google сказал, что существующие модели пропускают очевидные медицинские события, включая то, была ли у пациента предшествующая операция. Человек описал существующие модели с ручным кодированием как «очевидное, гигантское препятствие» в здравоохранении. Человек попросил не быть идентифицированным, обсуждая незавершенную работу.