История искусственного интеллекта в медицине

Вторая система, GI Genius (Medtronic, Миннеаполис, Миннесота, США), представляет собой эндоскопическое вспомогательное устройство с применением ИИ, разработанное для выявления колоректальных полипов путем предоставления визуального маркера на видео в реальном времени во время эндоскопического исследования. Она одобрена для использования в Европе и проходит клиническую оценку в США. В валидационном исследовании GI Genius имела общую чувствительность 99,7% и обнаруживала полипы быстрее, чем эндоскописты, в 82% случаев. В недавнем рандомизированном контролируемом исследовании Repici и соавт. продемонстрировали увеличение частоты обнаружения аденомы на 14% с использованием этой системы компьютерной диагностики.

Извлекая информацию из электронной медицинской карты пациента и других электронных ресурсов, можно применить технологию DeepQA для предоставления ответов, основанных на доказательной медицине. Таким образом, он открыл новые возможности для принятия клинических решений на основе фактических данных. В 2017 г. Баккар и соавт. использовали IBM Watson для успешной идентификации новых РНК-связывающих белков, которые были изменены при боковом амиотрофическом склерозе.

Для создания программ искусственного интеллекта существуют следующие специализированные языки программирования: AIML, IPL (самый первый язык программирования для искусственного интеллекта), Lisp, Smalltalk, STRIPS, Planner, POP-11, С++, Haskell, Prolog, Python (последние широко используется сегодня).

Концепция использования компьютеров для имитации разумного поведения и критического мышления была впервые описана Аланом Тьюрингом в 1950 году. В книге «Компьютеры и интеллект» Тьюринг описал простой тест, позже известный как «тест Тьюринга», чтобы определить, способны ли компьютеры к человеческому интеллекту. Шесть лет спустя Джон Маккарти описал термин «искусственный интеллект» (ИИ) как «науку и технику создания интеллектуальных машин».

Глубокое обучение ознаменовало собой важное достижение в ИИ для медицины. В отличие от машинного обучения, которое использует определенное количество признаков и требует участия человека, глубокое обучение можно научить самостоятельно классифицировать данные. Хотя глубокое обучение впервые обсуждалось в 1950-х годах, его применение в медицине было ограничено проблемой «переобучения». Переобучение происходит, когда машинное обучение слишком сосредоточено на конкретном наборе данных и не может точно обрабатывать новые наборы данных, что может быть результатом недостаточной вычислительной мощности и отсутствия обучающих данных. Эти ограничения были преодолены в 2000-х годах с появлением больших наборов данных и значительными улучшениями вычислительной мощности.

Ранний ИИ был сосредоточен на разработке машин, способных делать выводы или принимать решения, которые раньше мог принимать только человек. Первый промышленный робот-манипулятор (Unimate; Unimation, Данбери, Коннектикут, США) выполнял автоматизированное литье под давлением на сборочной линии General Motors в 1961 году. Unimate мог выполнять пошаговые команды. Несколько лет спустя (1964) Джозеф Вейценбаум представил Eliza. Используя обработку естественного языка, Eliza смогла общаться, используя методологию сопоставления шаблонов, чтобы имитировать человеческий разговор (поверхностное общение), что послужило основой для будущих чат-ботов.

В 1986 году Массачусетский университет выпустил систему поддержки принятия решений DXplain. Эта программа использует введенные симптомы для проведения дифференциальной диагностики. Она также служит электронным медицинским учебником, содержащим подробные описания заболеваний и дополнительные ссылки. При первом выпуске DXplain мог предоставить информацию примерно о 500 заболеваниях. С тех пор он расширился до более чем 2400 заболеваний. К концу 1990-х интерес к машинному обучению возобновился, особенно в здравоохранении, что наряду с вышеупомянутыми технологическими разработками подготовило почву для современной эры ИИ в медицине.

Одним из первых прототипов, демонстрирующих возможность применения ИИ в медицине, была разработка программы консультаций по глаукоме с использованием модели CASNET. Модель CASNET представляет собой причинно-ассоциативную сеть, состоящую из 3 отдельных программ: построение модели, консультация, и база данных, которая была создана и поддерживается сотрудниками. Эта модель могла применять информацию о конкретном заболевании к отдельным пациентам и давать врачам советы по ведению пациентов. Она была разработана в Университете Рутгерса и официально продемонстрирована на собрании Академии офтальмологии в Лас-Вегасе, штат Невада, в 1976 году.

Применение ИИ в гастроэнтерологии значительно расширилось за последнее десятилетие. Компьютерная диагностика может быть применена к колоноскопии, чтобы улучшить обнаружение и дифференциацию доброкачественных и злокачественных полипов толстой кишки. В платформе EUS ИИ был использован для того, чтобы помочь дифференцировать хронический панкреатит от рака поджелудочной железы, что является распространенной клинической проблемой.

Идеи создания машин, обладающих сознанием, возникали еще в Древней Греции. В средние века и Новое время ученые создавали механизмы, заменяющие человеческий труд, например, в 17 веке Паскаль изобрел первую механическую цифровую вычислительную машину, в 19 веке Джозеф-Мари Жаккард создал программируемый ткацкий станок с инструкциями на перфокартах. В 1937 году Алан Тьрюнинг обнародовал свое изобретение – универсальную машину Тьюринга, в 1939 году в Нью-Йорке были представлены первый механический человек Electro с собакой Sparco.

В 2007 году IBM создала открытую систему ответов на вопросы под названием Watson, которая конкурировала с участниками-людьми и заняла первое место в телевизионном игровом шоу Jeopardy! в 2011 году. В отличие от традиционных систем, которые использовали либо прямое рассуждение (forward reasoning, следование правилам от данных к выводам), обратное рассуждение (backward reasoning, следование правилам от выводов к данным), либо созданные вручную правила «если-то», эта технология, называемая DeepQA, использовала обработку естественного языка и различные поиски для анализа неструктурированного контента для получения вероятных ответов. Эта система была доступна для использования, проще в обслуживании и более рентабельна.

В 1966 году был разработан Shakey, «первый электронный человек». Созданный в Стэнфордском научно-исследовательском институте, это был первый мобильный робот, способный интерпретировать инструкции. Вместо того, чтобы просто выполнять одношаговые команды, Shakey мог обрабатывать более сложные инструкции и выполнять соответствующие действия. Это была важная веха для робототехники и ИИ.

Несмотря на эти инновации, медицина не спешила внедрять ИИ. Однако этот ранний период был важным временем для оцифровки данных, которые позже послужили основой для будущего роста и использования ИИ в медицине. Разработка в 1960-х годах Системы анализа и поиска медицинской литературы и веб-поисковика PubMed Национальной медицинской библиотекой стала важным цифровым ресурсом для дальнейшего развития биомедицины. Базы данных клинической информатики и системы медицинской документации также были впервые разработаны в это время и помогли заложить основу для будущих разработок ИИ в медицине.

Многие признают две основные «зимы»: первая в конце 1970-х годов, вызванная предполагаемыми ограничениями ИИ, вторая — с конца 1980-х до начала 1990-х годов, связанная с чрезмерными затратами на разработку и обслуживание экспертных баз данных цифровой информации. Несмотря на отсутствие всеобщего интереса в этот период, сотрудничество первопроходцев в области ИИ продолжалось. Это способствовало разработке Солом Амарелом в 1971 году в Университете Рутгерса «Исследовательских ресурсов по компьютерам в биомедицине». В 1973 году в Стэнфордском университете была создана компьютерная система с разделением времени «Медицинские эксперименты и искусственный интеллект в медицине», которая расширила сетевые возможности клинических и биомедицинских исследователей из нескольких учреждений. Семинар по ИИ в медицине был проведен в Университете Рутгерса в 1975 году. Эти мероприятия представляют собой первое сотрудничество между первопроходцами в ИИ в медицине.

Машинное обучение — это использование определенных признаков для выявления шаблонов, которые можно использовать для анализа конкретной ситуации. Машина может «учиться» и применять эту информацию в будущих подобных сценариях. Этот инструмент прогнозирования можно применять динамически для принятия клинических решений, чтобы персонализировать уход за пациентом, а не следовать статическому алгоритму.

Однако возможность разрабатывать программы, выполняющие сложные интеллектуальные задачи, появилась только после появления современных компьютеров после Второй мировой войны. В 1950-х годах ученые из различных областей стали задумываться о возможности создания искусственного мозга. Тогда исследования в области неврологии показали, что мозг представляет собой нейронную сеть, а А. Тьюнинг предположил, что любой вид вычислений можно представить в цифровом виде, и в 1951 году была создана первая нейронная сеть SNARC аспирантом Марвином Мински. К 1950 году А. Тьюринг разработал тест, определяющий уровень схожести действий машины с сознанием человека, впоследствии названный тестом Тьюринга. Название «искусственный интеллект» впервые было использовано на Дартмутской конференции в 1956 году, тогда же и появилась научная дисциплина «Исследование искусственного интеллекта».