Корпорация IBM в конце ноября представила новое решение для анализа медицинских снимков на базе IBM Watson. Решение было представлено подразделением Watson Health совместно c Merge Healthcare. Проект предназначен для повышения эффективности работы врачей в отношении диагностики, лечения и мониторинга состояния пациентов. Система разрабатывалась на основе результатов десятилетней работы специалистов IBM в сфере искусственного интеллекта и машинного обучения. В итоге эксперты смогли «научить» Watson анализировать снимки, делая выводы и обучаясь в ходе работы.
Изображения в медицине — важный источник данных о состоянии здоровья пациента. По мнению экспертов, объем этой информации в медицине составляет около 90% от общего объема всех данных. В целом, это хорошая тенденция, но врачи во многих больницах просто завалены такими снимками. Даже самый опытный специалист не всегда может сходу разобраться с изображением, а ведь все это нужно делать быстро и точно. В некоторых больницах врачам приходится просматривать тысячи снимков ежедневно.
Автоматизированных инструментов, которые помогали бы врачам выполнять эту работу, пока очень небольшое количество. В большинстве случаев врачи делают все вручную, самостоятельно. На анализ остается не так много времени, а ведь это — важнейшая работа, которая во многом определяет результат диагностики и ход лечения.
IBM Watson уже научился анализировать такие снимки, плюс ко всему, когнитивная система может при изучении изображения связывать выводы с данными истории болезни, результатами анализов и генетических тестов.
Специалистам IBM удалось научить систему следующему:
• Аналитической оценке снимков. Об этом уже шла речь выше — система позволяет сравнивать результаты анализа снимков с другими данными;
• Обобщение данных помогает радиологам, кардиологам и другим специалистам использовать данные анализа снимков при диагностике и лечении пациентов;
• Определение кровотечения — эта функция помогает врачам неотложки диагностировать инсульт или кровоизлияние в мозг. В этом случае используется инструмент «Brain Bleed»;
• Персонализация — помогает врачам использовать индивидуальный подход к лечению конкретного пациента, интегрируя результаты анализа изображений с другой информацией, имеющей отношение к пациенту.
Также специалисты IBM разработали ряд инструментов:
• Marktation — сервис, который обрабатывает медицинские изображение перед тем, как их просматривают врачи. Это помогает специалистам работать быстрее. Работать сервис будет сначала с маммографическими снимками, затем сфера его использования будет расширена;
• Watson Clinical Integration Module — облачное приложение для врачей радиологов, которое помогает увеличить эффективность анализа снимка и снизить при этом количество ошибок;
• Lesion Segmentation and Tracking Module — этот сервис помогает врачам радиологам эффективно проводить диагностику у больных раком.
Кроме всего прочего, врачи смогут сверять свой диагноз с диагнозом Watson. Когнитивная система будет обрабатывать получаемые данные в режиме реального времени и ставить собственный диагноз.
Демонстрация возможностей IBM Watson на конференции RSNA 2016 (Radiological Society of North America Annual Meeting)
Разработчики системы уже продемонстрировали ее возможности. В частности, IBM Watson показал свою способность использовать данные из тысяч источников для помощи в диагностировании заболевания нескольких пациентов. Данные, предоставляемые сервисом, не окончательные — это сводный отчет с выводами, помогающими работать специалисту — человеку. В частности, IBM Watson помог выявить аномалии — диссекцию аорты или эмболию легочной артерии.
В целом, IBM Watson способен помочь врачам, снимая с них часть рутинных обязанностей по анализу снимков, помогая обрабатывать и анализировать такую информацию. Возможность же использовать дополнительные данные с информацией, полученной в ходе анализа снимков помогает ставить точный диагноз с минимальной вероятностью ошибки.
При условии успешного прохождения клинических испытаний новый сервис уже скоро сможет в полной мере помогать врачам в их нелегком деле.
ссылка на оригинал статьи https://geektimes.ru/post/283752/
Добавить комментарий