Технологии NetApp: управление данными без ограничений

Искусственный интеллект помогает выявить рак на ранней стадии

Онкологические заболевания остаются одной из наиболее распространенных причин преждевременной смертности во всем мире. Но, как известно, ранняя диагностика патологических процессов резко повышает шансы на успешное излечение. Сегодня в этом очень нелегком деле помогает искусственный интеллект.

ИИ против профессионального выгорания

Многие виды онкологических заболеваний начинаются с настолько незначительных изменений, что ни один человек не может их обнаружить, в том числе и с использованием современных медицинских технологий визуализации. Раннюю стадию, на которой вероятность успешного излечения является максимальной, нередко пропускают даже опытные специалисты. Но, там, где не хватает человеческих способностей, может помочь искусственный интеллект. Направление диагностики заболеваний с привлечением ИИ активно развивается во всем мире, и Россия здесь не исключение.

Основная причина успешного применения состоит в том, что технологии искусственного интеллекта, использующие принцип глубокого машинного обучения, позволяют выявить самые ранние изменения в клеточной структуре человеческих тканей, которые обычно являются предвестниками будущей онкологии. Для этого система обучается на примере сотен тысяч (а лучше миллионов) разнообразных медицинских снимков, полученных с помощью рентгеновских аппаратов, УЗИ, МРТ или КТ. Сложность в данном случае состоит в том, что эффективность автоматического определения патологий зависит от множества факторов — производительности аппаратной платформы, алгоритмов ИИ, средств аналитики и т.д. Поэтому к ИТ-платформам, помогающим в проведении исследований, предъявляются повышенные требования. Если решение выбрано правильно, то рентгенологи медицинского учреждения получают в свое распоряжение мощные инструменты для более быстрой и точной диагностики, а также формирования рекомендаций пациенту и контроля развития заболевания. Кроме того, как ожидается, технологии ИИ в онкологии помогут предотвратить выгорание и профессиональную деформацию радиологов, что сегодня, увы, не редкость, учитывая нагрузку на специалистов.

Clara анализирует снимки гиппокампа

Взять для примера гиппокамп — этот важнейший отдел человеческого головного мозга. Он играет ключевую роль в интеграции информации из кратковременной в долговременную память, а также в пространственной ориентации человека. При болезни Альцгеймера и других формах деменции гиппокамп повреждается одним из первых. Поэтому точное и раннее выявление его изменений с помощью магнитно-резонансной томографии является важным фактором процесса диагностики. Но до сих пор, анализ МРТ-снимков гиппокампа представляет собой довольно длительную и трудоемкую задачу, с которой, тем не менее, лучше справляются самообучающиеся алгоритмы на основе ИИ. Работа с изображениями — это только небольшая часть комплекса диагностики и лечения, но если искусственный интеллект возьмет ее на себя, это поможет существенно сэкономить время профессионалов, которые смогут сконцентрироваться на других этапах борьбы с недугом.

Однако и с машинным обучением все не так просто. Типы данных в диагностических системах вовсе неоднородны. Здесь широко используются, например, электронные медицинские карты, изображения УЗИ, компьютерной томографии (КТ), МРТ и пр. Они несут полезную нагрузку, но с ними надо уметь работать. Соответственно, выдвигаются особые требования к обучению ИИ, которые различаются для разных типов данных. При этом необходимо обеспечивать максимальную скорость работы всех подсистем ИТ-платформы.

Отвечая на потребность со стороны медицинских учреждений в мощных и производительных платформах для ИИ-диагностики, компания NVIDIA в сотрудничестве с NetApp опубликовала технический отчет под названием «Эталонная архитектура NetApp ONTAP AI для здравоохранения: диагностическая визуализация». В документе содержатся инструкции для поставщиков медицинских услуг по ускорению реализации инициатив в области построения инфраструктур искусственного интеллекта, особый акцент сделан на решениях для диагностической визуализации в больницах. Отчет содержит сведения о высокоуровневых рабочих процессах, используемых при разработке моделей конвейера данных глубокого обучения (DL) с учетом узкой медицинской специфики. Также имеются данные о тестовых сценариях и результатах проверки, рекомендации по масштабу развертываний и т.д.

Подход был успешно протестирован на базе специального кластера, включающего в себя старшую модель all-flash СХД NetApp AFF A800, вычислительной системы NVIDIA DGX-2, ориентированной на задачи ИИ, и двух Ethernet-коммутаторов Cisco Nexus 3232C с интерфейсами 100 GbE. В качестве специализированного ПО использовался новый программный пакет NVIDIA Clara, позволяющий разработчикам создавать, управлять и развертывать интеллектуальные рабочие процессы для медицинской визуализации и эффективного анализа изображений. В частности, модуль на основе технологий искусственного интеллекта может использоваться для маркировки общедоступного набора данных изображений мозга и обучения модели сегментации гиппокампа на основе архитектур ResNet-50 и AH-Net.

Медицинская диагностика на основе ИИ — российские инициативы

Идея использования искусственного интеллекта для медицинских целей активно развивается во многих странах, и Россия здесь не исключение. Работы в данном направлении даже имеют официальную поддержку на уровне Министерства здравоохранения, которое выступает за создание основополагающих стандартов по системам ИИ в клинической медицине.

depositphotos29876035xl2015600.jpg
Технологии ИИ позволяют выявить самые ранние изменения в клеточной структуре человеческих тканей, которые обычно являются предвестниками будущей онкологии

Согласно Национальной стратегии развития искусственного интеллекта на период до 2030 г., создание условий, которые будут обеспечивать использование технологий искусственного интеллекта в области здравоохранения — одна из ключевых задач по улучшению уровня жизни населения. Инициатива создания национальных стандартов для внедрения систем ИИ в клинической медицине принадлежит профильному подкомитету ТК 164 «Искусственный интеллект», который был организован на базе Центра диагностики и телемедицины, возглавляемого Сергеем Морозовым, членом Общественного совета при Минздраве России.

Профильный комитет 01/ТК 164 начал функционировать в составе ТК 164 «Искусственный интеллект», образованный на базе российской венчурной компании, в январе 2020 г. Его базовой организацией стал Центр диагностики и телемедицины, а в состав вошло более 50 организаций и независимых экспертов. В соответствии с Программой национальной стандартизации на 2020 г., утвержденной Росстандартом, ПК01 разработает проекты шести стандартов по различным аспектам функционирования искусственного интеллекта в клинической медицине. Два из них будут полностью готовы уже к концу этого года.

Развивается в России и еще одна правительственная инициатива, направленная на ускорение развития инновационных решений для медицины, в том числе на базе ИИ. Для этого даже планируется создание специализированного центра. Реализовать задумку, по идее, должны Межправкомиссия по вычислительной технике совместно с Ассоциацией «Национальная база медицинских знаний», о чем 18 февраля 2020 г. даже был подписан соответствующий договор. На первом этапе, обе организации занялись разработкой пилотного решения на основе ИИ, а также созданием платформы для хранения медицинских знаний.

Различные инициативы, направленные на внедрение ИИ в российскую медицину реализуются уже несколько лет. На этом поприще достигнуты определенные успехи. Однако, огромный пласт разработок и наработок в области ИИ для медицины не достигают стадии реализации. В то же время, ситуация постепенно улучшается. По мере появления новых программных и аппаратных ИТ-платформ, ориентированных на работу с искусственным интеллектом, все больше перспективных проектов в сфере здравоохранения (и не только в ней) получают шанс на реализацию, поскольку работать с ИИ становится проще и удобнее, а осязаемые результаты достигаются быстрее, чем раньше.

ИНТЕРВЬЮ

Александр Вальнер:
В России идет смена ИТ-поколений
Мы ожидаем, что клиенты будут сокращать затраты на файловое и блочное хранение, инвестируя в развернутые в облаке бизнес-приложения, возможности которых будут расти за счет искусственного интеллекта, machine learning и глубинного обучения.