Что такое машинное обучение? Готовы ли мы к искусственному интеллекту в медицине?

С изобретением компьютера и его превращением в неотъемлемую часть жизни люди задумались: насколько он может быть умён? Возможен ли искусственный интеллект? Как научить компьютер учиться самому? Возник вопрос: Что значит учиться для машины? В 1959 Arthur Samuel предположил обучение независимо от программирования и создал шашечную игру. Её отличие — совершенствование через уроки прошлых ходов.

Что такое машинное обучение (Machine Learning)?

Это получение компьютерами или устройствами с ИИ выводов из данных путём объединения статистики, теории информации, алгоритмов и функционального анализа. Оно используется в распознавании речи и лиц, поисковом анализе автономного транспорта, добыче данных и медицине.

На каком этапе мы?

В исследовательской группе Gartner, анализирующей технологические тренды, цикле ажиотажа новых технологий машинное обучение находится в фазе «пика ожиданий» — “The peak of expectations”. Когда-то там были 3-мерные принтеры, теперь доступные и быстро развивающиеся. Подобным образом скоро обучение машин будет встречаться чаще.

Данные личной геномики, биосенсоров, электронных медицинских записей (ESK) и страховых требований образуют направленные на преобразование здравоохранения большие данные (big data), уже известные всем. Обучение анализирует их и даёт вспомогательные прогнозы. В здравоохранении это системы поддержки решений . Но прогнозирование не ново: например APACHE для исходов и смертности реанимации, ASCVD для потребности в снижении холестерина. На основе обучения и клинических данных можно создавать модели тысяч подобных задач.

ИИ в здравоохранении непросто

Проект прогнозирования и отслеживания мировых эпидемий Google Flu провалился прежде всего из-за разочарований в анализе данных. Сейчас передача и обработка медицинских данных действительно проблематичны. Например, традиционная регистрация давала подробные данные, тогда как нынешние источники ограниченнее из-за трудности соответствия шаблонам.

Обучение применяется от диагностики и персонального лечения до поиска лекарств и радиологии. Главный барьер — стандартизация и управление данными. Для быстрого эффективного перехода с пика ожиданий через 3. «впадину разочарования» в 4. «склон просвещения» нужно понимать прежние ошибки. Электронные медицинские записи следует сделать эффективнее и пригоднее для обучения.