Ученые из Китая создали Machine Learning Classificator (ИИ) на основе обработки записей в больничной истории на естественном языке, который диагностирует детские болезни, анализируя симптомы и результаты анализов. Точность диагностики составила 75-93% для различных классов болезней, что сопоставимо с результатами педиатров.
Модели диагностики уже показывают хорошие результаты в постановке диагнозов по сканам МРТ, но классификаторы на основе текстовых данных пока не распространены. Такие разработки могут ускорить диагностику в отделениях неотложной помощи, а также помочь в больницах, где не хватает врачей.
Исследование
Разработчики обучили модель обработки естественного языка на данных электронных медицинских карт 567,498 пациентов до 18 лет из больницы Гуанчжоу. Они получили информацию о 1,3 миллионах визитов к врачу, включая описания симптомов, диагнозы, поставленные доктором, заметки медсестер и результаты анализов. В результате модель научилась классифицировать 55 распространенных детских болезней.
На диаграмме изображен процесс извлечения данных из электронных медицинских карт, за которым следует глубокий анализ НЛП и обработка результатов с помощью классификатора заболеваний для прогнозирования клинического диагноза.
Результаты
Работу алгоритма сравнили с точностью 20 педиатров с разны опытом работы. Модели удалось превзойти молодых врачей в точности постановки диагноза, но опытные педиатры справились лучше классификатора. Ученые пока не говорят, что подобный алгоритм должен заменить врача — речь о том, чтобы использовать его для помощи в диагностике.
Модель справилась с диагностикой довольно хорошо. Она смогла классифицировать болезни: астму, пневмонию, менингит и другие с точностью от 0,786 до 0,935.
Сравнение результатов модели и врачей.
Врачи смогут применять разработку, чтобы обрабатывать большие объемы данных и принимать больше пациентов. В тоже время алгоритм может помочь в постановке диагноза в случае неопределенности. Хотя модель в основном нацелена на помощь больницам, в которых не хватает педиатров, преимущества такого ИИ универсальны. В дальнейшем ученые собираются обучить алгоритм диагностировать болезни взрослых пациентов.
Работа опубликована в журнале Nature Medicine.
Комментарии
Методика оценки или криворукая изначально (для введения с заблуждение) или для филологов. Оценивать по нормальному следовало по формуле: точных диагнозов/всего больных. Эти 55 болезней могут составлять например 30% от всех болезней.
Добавлю: а почему в табличке вижу только 13 позиций из 55?
Похоже на экспертную систему, при чем тут ИИ?
Это не экспертная система. Мы с комрадом продуктивно обсудили это ниже.
Вы какое-то отношение к ИТ имеете? Какие у вас компетенции в этом вопросе что берётесь судить?
У меня этого IT как у дурака фантиков.
Тот кто сам имеет ИТ опыт вполне все поймет по нашему диалогу с комрадом ниже.
Это мой вопрос, но топикстартер упирается что это уже ИИ... имхо, 99% что это не ИИ, 1% что это ИИ используемое не по назначению.
Вы, сударь, пока свой опыт в IT никак в дискуссии не проявили кроме откровенного троллинга. Да и ваши баны характеризуют вас не с лучшей стороны.
Так что уж будьте любезны подкреплять свои голословные заявления аргументами, с взаимоприемлимой дисскусией.
Какое вам дело до моих банов? Все они были получены после моего предложения предоставить пруф на голословное утверждение. Бан от того, кто "я только разместил объяву" это нормально. По теме, ещё раз: какие-то элементы ИИ могут иметь место в системе распознавания текста, фильтрации(отсева ненужного) и всё, в прочем использование ИИ необоснованно. Гвозди можно забивать молотком, обухом топора, микроскопом, вот тут (если там реально использовали ИИ, а не факт что попил) - забивают гвозди молотком.
Мне самое прямое дело до ваших банов. С тролями я время не трачу.
Ещё раз объясню схему.
После совместной обработки 1,3 миллиона медзаписей вольным текстом, анализов, медицинских руководств, справочников по болезням с описаниям признаков заболеваний(написанных для людей)обработанных NLP модулем (это ИИ понимания текстов на естественном языке) получается , как они назвали полностью структурированная и форматированная база данных содержащая 1,3 миллиона структурированных и форматированных данных медзаписей.
Она содержит как медзаписи так и данные из медсправочников по болезням. То есть конкретная запись содержит симптоданныемы пациента, анализы, диагноз врача и данные по этой конкретной болезни, вплоть до локализации до органа, вытащенные из медсправочников с помощью ИИ распознавания естественных языков NLP.
Надеюсь необходимость ИИ здесь сомнения не вызывает.
Эта структурированная база, 1,3 миллиона медзаписей (описание болезни от врача, анализы, сложная структура описывающая эту болезнь в медруководствах) используется в ИИ регресионного типа обучения для обучения ИИ диагноста.
В результате имеется ИИ диагност помощник врача показывающий очень приличную точность 0.92-0.93 в случае тяжёлых заболеваний и работающий лучше молодых врачей >0.8 вроде для рутинных простудных.
Я думаю подробно ответил , где тут какой ИИ работает. То есть цепочка из ИИ выполнили самообучение.
Описание упрощённое Подробнее смотри оригинал.
Таким образом раз время на меня тратите - значит я не троль.
Ещё раз, допускаю наличие в системе фильтра/анализа текста наличие элементов ИИ, но и там им не самое место. Анализы и симптомы вполне нормально структурируются. В медицине аналогов не используется, т.е. туберкулёз пишется как туберкулёз а не как чахотка и т.п. Кашель бывает мокрый, сухой, лаящий,..... т.е. вариантов не так и много. Обычная частотная фильтрация + помощь практикующего специалиста и результат будет не менее эффективен чем ИИ.
PS Поймите наконец, что artificial intelligence - система с творческим началом, а тут лишь задача уровня экспертных систем.
Из этой фразы сразу видно что вы не знакомы КАК и что такое современные ИИ. Вы вроде математик по образованию, вам труда не составит ознакомиться. Тем более здесь все просто - метод нисходящей регрессии. И это более простое и универсальное решение чем в каждом случае лепить код для частотного анализа, описывать ЭС специалистом, программировать ее, отлаживать .
Вот тут окончательно ясно стало, вы не в курсе.
artificial intelligence с творческим началом пока не существует, это не более чем ваше конкретное представление, как должно быть. ))
И реальных подходов как это сделать пока не предвидится. Творческого в реально существующих ИИ не больше чем в работе АКПП или эскаваторе.
Найти решение ранее неизвестное - это творческое начало по сути. Насчёт такого нет - рекомендую узнать что-же такое разработали в DeepMind что их за 0,5 млрд$ купила Alphabet.
Нет полностью удовлетворяющего критериям ИИ - это проблема тех кто пока сумел разработать лишь недоИИ не удовлетворяющих этим критериям.
Я вам все подробно рассказал,
Я, в отличии от вас, больше знаю как это устроено. Хотите верить жёлтой прессе , журналистам, ваше право.
Я не верю, я знаю
Интересно... критерий Тьюринга тоже жёлтая пресса?
Сначала обосновали требования к ИИ, потом получили нейросети и сказали что это и есть ИИ и пофиг что оно мало что вообще способно сделать. А кто не согласен - тот верит во что-то ложно?
Вам бы надо знать, что современный прикладной ИИ , называется слабым ИИ в среде разработчиков. То о чем критерий Тьюринга - называют сильный ИИ. Или полностью реальный разум.
Подобной фигни на каждой конфе, как мне кажется.
- что можно анализировать с помощью ИИ?
- давайте заболевания классифицировать.
Да можно коробку поставить, туда карточек накрошить: орви, ангина, грипп и тд. Блин, и оно тоже будет работать)
стесняюся спросить- а как насчот анализов?
анализы просто подносятся к монитору и вскоре готов диагноз
В анализе данных и выборе стратегий лечения для ИИ на базе бигдаты не будет равных.
Вся проблема на сегодня в подготовке исходных данных. Необходимо принять соответствующие стандарты для цифрового описания результатов анализов, диагностики, симптоматики и тп. Провести 100% полногеномное тестирование населения за гос.счет. Нет генетического теста, нет мед.страховки. Скормить всю эту инфу бигдате и наслаждаться реально работающей персонофицированной медициной.
"Миллионы мух не могут ошибаться, это действительно анализ кала на дисбактериоз. Миллионы участковых теток тоже не могут ошибаться, это действительно лечение и диагностика уровня участковых теток".
В данном случае, китайских участковых теток.
на самом деле получилось, что создали алгоритм распознавания текста и форматирования данных. далее просто скармливали обычной экспертной системе.
<p>Опять экспертная система? </p>
<p>Что это по вашему?</p>
экспертная система - обычное сравнение исходных данных со множеством накопленных данных. каждый тест добавляет-не изменяет-уменьшает итоговую оценку.
Никакого ИИ тут не надо. ИИ в указанной вами системе применятся лишь для формализации входных данных.
А кто прописывает алгоритм сравнения?
прописывают лекарство, алгоритмы создают/пишут авторы.
Советую лучше изучить русский язык.
Канадец понимает значение пословицы "яйца курицу не учат"? Итак: прописать и писать.
Ещё раз, учи русский.
https://dic.academic.ru/dic.nsf/efremova/230288.
Прописать
прописа́ть
сов. перех. и неперех.
1.
Писать в течение какого-либо времени.
Тебе какое дело где я живу? Пукан рвёт?
Эксперт в этой области.
Экспертные системы (ЭС) известны еще с 1970-x, в них нет процесса обучения, если не считать таковым процесс программирования логики (но тогда любая, самая тупая программа - ИИ).
С другой стороны, одним из основных недостатков ЭС считались ограничения методов ввода информации для анализа. Как совершенно правильно заметил предыдущий оратор, новизна данной конкретной разработки именно в том, что усовершенствовали ввод.
Ничего подобного.
Первое, это не экспертная система.
Никто код описывающий логические ветки не писал, как в ЭС.
Второе, новизна именно в том что система самообучилась на основе медзаписей.
Приведен только краткий перевод, есть ссылка на полную статью.
Тут слишком много смыслов в одном предложении.
Были совмещены две системы ИИ, первая -понимания текста и вторая- диагностики. Первая подавала результаты на вход другой.
В результате на вход подавались записи медкарт, на выход-диагноз.
Сами-то оригинальную статью (не ту на которую дали ссылку, а ту которая опубликована в Natural Medicine) прочитали? Там достаточно подробно описано, что представляет из себя эта система. Люди построили модель машинного обучения (т.е. ИИ действительно есть), с помощью которой обрабатывают EHR (записи в карту пациентов). Эта модель формирует запросы к ЭС в формате "вопрос-ответ" (стандартный формат для классической ЭС). На основании этих ответов она формирует некую "полностью структурированную" базу данных, из которой и формируется результат. ЭС здесь стоит отдельно и, что важно для нашей дискуссии, не обучается в результате этого процесса.
Да читал. Там нет разговора об ЭС совсем. Вы можете это увидеть на схеме.
Они используют 1,3 миллиона медзаписей(включая анализы) и с помощью своего ИИ Обработки Естественного Языка обрабатывают текстовые медицинские руководства и справочники.
На выходе как раз получается то что вы приняли за ЭС. Они назвали это структурированной базой данных. Но это база не является ЭС, эта база сформированна программно, автоматически. В чем главное отличие от ЭС. То есть эта база в структурированном, и форматированном виде содержит признаки, анализы и диагноз для каждого пациента.
Эта база используется, как они говорят, регрессионным классификатором(или попросту ещё одним ИИ) для обучения методом регресии.
Заслуга китайцев что они смогли сделать такую базу. То есть как они пишут, free text, вольный текст от терапевта перевести , АВТОМАТИЧЕСКИ, в структурированную информацию.
Предшественники экспертных систем были предложены в 1832 году С.Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям, например, определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания. Источник.
Получается почти 2 века назад уже минуя стадию диагноза механическое устройство безо всяких компьютеров умело подбирать лекарство... Всё что это "достижение" умеет - это не ручной ввод а чтение видимо с листа по ограниченному словарю (мед.)... в чём новаторство-то?
Новаторство в том, что это больше, чем экспертная система (точнее, ЭС - лишь часть этой разработки, причем не самая большая). Система делает большую работу по классификации и структурированию данных и учится в процессе работы без участия человека. Т.е. врач может открыть запись пациента в базе данных клиники и просто нажать кнопку "Диагноз" и он получит полноценный диагноз. Который, тем не менее, может оказаться неверным. Но как информация для принятию решения - вполне себе подспорье для врача, особенно молодого Другое дело, что современная медицина и так скатывается к формализации постановки диагнозов, и внедрение .такой системы вкупе с "медицинским стандартом" вообще отучит врачей думать.. Но это уже другая тема.
Не факт, что эта система с нуля сама на пустом месте начала классифицировать разные заболевания, наверняка была вводная информация, потом большой массив данных для анализа и лишь затем она стала "обученная". Но мне это так напоминает базы знаний и ЕС, что я что-то сомневаюсь наличии элементов ИИ ну кроме возможно блока распознания текста (рукописного-ли?). И более того всё это решается безо всякого ИИ. Прикручивать тут ИИ это как картошку с дачи возить на бентли.
Дело в том, что кроме схемы, там еще 12 страниц текста и его тоже полезно прочитать. На мой взгляд, разделы NLP model construction и Lexicon construction (стр.7) описывают не что иное, как создание классической ЭС с участием экспертов.
Так ведь читал.
Что NLP, что lexicon, что schema не являлись ЭС, NLP использовал сырые данные, вы должны были это увидеть если сами читали, эти данные далее обрабатывались в lexicon, потом в schema.
Да, там сказана что три врача контролировали этот процесс, но они не прописывали код как таковой, схема вопрос-ответ формировалась автоматически.
В ЭС эксперты никогда ничего не программируют, они составляют классификатор и правила работы с данными. Программируют программисты - там один тоже упомянут ("one informatician"). Смысл в том, что формируются пары "вопрос-ответ", на основании которых и принимаются решения. В подготовке этих пар непосредственное участие принимают эксперты. И хотя в статье этот процесс аккуратно назван "курированием", сути дела, на мой взгляд, не меняет.
Не соглашусь.
Там, на предпоследней странице, где описывается NLP, указаны компоненты NLP (lexicon, schema, embedding word, tokenization), сказано что NLP модуль строит из сырых данных пару вопрос-ответ.
при этом этот процесс курируют три врача. Я понял это так, что пары вопрос-ответ строятся автоматически. Эксперты при этом корректируют наверное правильность этих пар, но не, создают это взаимосвязи сами. Если хотите это следующий уровень создания ЭС. Автоматизированный, без участия эксперта напрямую, только в качестве контролёра.
Прошу прощения, у меня поздно. Я спать.
С такой трактовкой готов согласиться :) Я думаю, что эксперты от медицины участвуют также и в построении модели машинного обучения. По этой модели система формирует пары "вопрос-ответ". Эксперты анализируют результат и вносят коррективы (вероятно, не только в конкретные пары, но при необходимости и в саму модель тоже). То есть да, можно сказать что это следующий уровень создания ЭС, где ИИ участвует в создании самой ЭС. И да, созданная таким образом ЭС (если продолжать использовать этот термин, что не факт что правильно в данном случае) лишь часть системы и не самая главная.
Достаточно интересная разработка, на самом деле. Другое дело что понимание этого ко мне пришло только после прочтения оригинала :) Реферат не дает полного представления. В любом случае, спасибо за статью и комментарии.
PS: и кстати камень в огород некоторых экспертов на АШ, которые считают, что китайцы "могут только копировать". В IT китайцы уверенно выходят в лидеры. Вот например, пару месяцев назад пришлось анализировать очередной взлом Android приложения, разработанного моей компанией, так вот выяснилось что оригинальную технику взлома разработал именно китайский программист, а наши пираты ее просто скопировали.
Вам спасибо за интересное обсуждение.
Перспективный чат детектед! Сим повелеваю - внести запись в реестр самых обсуждаемых за последние 4 часа.
Полагаю, у нас есть все основания назвать это ИИ. Система сама выбирает из миллиона вариантов тот один-единственный, который и выводится на экран. При этом она ещё и сама расставляет коэффициенты над вариантами на пути поиска решения. То есть, ведёт себя как нейронная сеть.
Впрочем, мы уже знакомы с жизнедеятельностью AlphaZero, этой программы для нейронных сетей, которая довольно-таки неплохо играет в шахматы. Да, неплохо для тупой железяки, которой безусловно является машина. Но куда ей до живого гроссмейстера?)
В простонародье это называют "гуглить".
А доктору-человеку не нужен хлам из 1 200 000 записей.
Это и есть различие между интеллектом и гугелем.
Закономерно.
Врачи пойдут тропою большой авиации.
китайские хотелки ;))
сделай и демонстрируй как в моей команде http://www.traumacalc.org/traumacalc/
;))
Ух ты, круто!
Страницы