pornhub
Наверх

Зима близко, или Эта штука не работает

Как минимум в 4 публикациях от весьма авторитетных коллективов авторов из Британии и США была проанализирована практика использования средств искусственного интеллекта (ИИ) в борьбе с пандемией. Результат получился скорее отрицательный, хотя ожидания были большими

13.08.2021
08:00
Комментировать0

Процесс развития и принятия технологий происходит постепенно. Его описывает так называемая «кривая Gartner», по названию известного международного аналитического агентства. Причем идет этот процесс сначала по восходящей линии, затем по нисходящей, достигая «корыта разочарования», а затем снова по восходящей, выходя на плато продуктивного использования.

С технологиями ИИ все было еще сложнее и драматичнее. Таких взлетов и падений уже было два как минимум два, на рубеже 50-60 и 80-90 годов прошлого века. И разочарование, по крайней мере, на первой фазе, было очень серьезным, его назвали «зимой искусственного интеллекта», которая продолжалась более 20 лет. Причиной такого глубокого падения стали ограниченные ресурсы вычислительной техники тех лет.

В 80-90 годы тоже был взлет, за которым последовало определенное разочарование. Но это разочарование не было столь глубоким, как в середине столетия. Многие появившиеся тогда технологии достигли продуктивного уровня, и ими реально пользовались и пользуются. Это, например, системы оптического распознавания текста или ряд интеллектуальных инструментов обработки изображений. В итоге, по оценке Евгения Козловского, в 1995-97 годах наименее трудоемким способом преобразования документов в формате наиболее популярного в России в начале 90-х текстового процессора «Лексикон» в Word для Windows оказалось распознавание распечатки. По своему личному опыту могу сказать, что эта оценка близка к истине.

Сейчас также наблюдается некоторое разочарование. Лишним доказательством тому стали некоторые результаты попыток использования аналитических средств для борьбы с пандемией коронавируса. А они оказались неоднозначными. Так, в исследовании двух с лишним десятков авторов из разных европейских стран, опубликованном в British Medical Journal, главным выводом является то, что из 232 диагностических и прогностических моделей, которые тестировались в разных клиниках для выявления Covid-19, ни одна не пригодна для реального клинического использования.

Большие надежды возлагались на то, что ИИ поможет выявлять ковидных больных по результатам радиологических исследований (рентген, КТ). Первые эксперименты, казалось, обнадеживали, и выигрыш во времени при использовании ИИ мог достигать до 10 раз по сравнению с врачом-радиологом. Но кое-где результат был, скорее, отрицательным. «Наш обзор показывает, что ни одна из моделей не имеет потенциального клинического применения из-за методологических недостатков и/или лежащих в их основе предубеждений», – такой вывод делают полтора десятка авторов исследования, опубликованного в Nature Machine Intelligence.

Главная причина того, почему ожидания не оправдались – недостаток и низкое качество данных. «Проблемы, связанные с доступностью данных, доступом и стандартизацией, охватывали весь их спектр, который использовался для исследований во время пандемии», – говорится в отчете по итогам нескольких конференций, проведенных британским Институтом Алана Тьюринга. Серьезной проблемой для Британии стало получение данных из этнических районов, с жителями которых возникали проблемы с коммуникацией и объективная информация из которых часто просто отсутствовала. Тем более, что клиники весьма неохотно ими делились. Накладывался и фактор субъективизма. Наконец, существенную роль сыграло то, что модели, как правило, разрабатывают математики и программисты, не имеющие медицинских знаний, тогда как медики не владеют средствами, используемыми для обучения нейросетей.

К тому же далеко не всегда соблюдался принцип использования для тестирования и обучения инструментов, использующих нейросети, разные наборы данных. В итоге результаты получались, скажем так, странные. Например, нейросеть ставила диагноз Covid любым взрослым пациентам. Это случилось потому, что при обучении нейросети в качестве заведомо отрицательных образцов использовались исключительно снимки детей и подростков. Приводились примеры и того, когда нейросеть отказывалась выявлять специфические поражения у тех, чьи снимки сделаны в положении стоя, а не лежа.

Зима близко, или Эта штука не работает фото
Типичные поражения легких, характерные для коронавирусной инфекции

Вместе с тем итоги пандемии нельзя назвать однозначно отрицательными. Есть вполне положительный опыт. Например, как отметил в своем блоге еще в ноябре прошлого года мэр Москвы Сергей Собянин, с помощью ИИ в одной только Москве было обработано более полумиллиона КТ-снимков, что позволило существенно снизить нагрузку на рентгенологов. Хорошие результаты были достигнуты и в других городах, где разработали свой инструментарий, в ряде случаев используя прежний опыт, накопленный при диагностике поражений легких, вызванных другими заболеваниями (рак, туберкулез, различные виды пневмонии).

Зима близко, или Эта штука не работает фото
Мэр Москвы Сергей Собянин рассказывает о первых результатах использования ИИ для диагностики Covd-19, апрель 2020 г. (Источник: Телеканал «Москва 24», www.m24.ru)

Плюс ко всему, большое будущее у технологий m-health, когда для мониторинга состояния пациентов с хроническими заболеваниями применяются мобильные устройства, в том числе массовые. Уже никого не удивить историей о том, что умные часы за несколько часов выявили признаки серьезных проблем, угрожающих жизни владельца, и дали сигнал врачам для принятия мер. Иногда идут и дальше, адаптируя алгоритмы, применяемые для анализа состояния промышленного оборудования к диагностике разного рода болезней людей до того, когда появляются первые симптомы. Такие разработки есть и в России.

Зима близко, или Эта штука не работает фото
Типовая экосистема m-health

 

Прокомментируйте первым!

Пожалуйста, введите ваш комментарий!
пожалуйста, введите ваше имя здесь

ЕЩЕ ОТ АВТОРА
14 ПУБЛИКАЦИЙ