알고리즘은 이미 많은 디지털 데이터가 있는 영역에서 작동하고 있습니다. 그러나 그것들을 구현하는 것은 어렵습니다.
— 있습니까?
— 새로운 능력의 출현으로 스스로 학습알고리즘이 점점 확산되면서 의학을 비롯한 모든 분야에서 급증하고 있습니다. 그러나 의학은 가장 보수적인 산업 중 하나인 특정 분야입니다. 이것은 이해할 수 있습니다. 사람들의 생명과 건강이 그것에 달려 있습니다. 여기에서 혁신은 스스로를 증명하기 전에 항상 먼 길을 갑니다. 의학은 많은 기술 회사를 끌어들이지만 실제로는 테스트가 더 어렵고 일부 영역이 항상 효과가 있는 것은 아닙니다.
AI가 작동하려면 어레이가 필요합니다.분석하고 배우십시오. 따라서 데이터가 원래 디지털이었던 영역에서 많은 발전 사례를 볼 수 있습니다. CT 스캐너, MRI, 초음파에서 데이터는 화면에서만 볼 수 있습니다. 그것들은 오랫동안 축적되어 지금은 훈련 및 알고리즘 생성에 사용됩니다. 의료 영상은 AI가 확산되고 권장 사항과 입증된 결과를 얻기 시작한 첫 번째 영역 중 하나입니다. 또한, 이미 응용 프로그램을 찾은 알고리즘(예: 얼굴 인식)이 여기에서 작동합니다.
또는 환자의 전자 의료 기록.이 또한 구조화된 디지털 정보로, 원래 감지되지 않은 의학적 진단을 찾는 데 사용할 수 있습니다. 하지만 기관마다 정보를 저장하는 방식이 다르기 때문에 연구자들이 실무에서 활용할 수 있는 데이터세트를 확보하기가 쉽지 않다. 그러나 이 분야에 대한 연구가 진행 중입니다.
디지털 데이터가 적은 곳에서는 AI가 여전히 어렵다용도 찾기 - 이를 위해 교육 및 테스트를 위한 세트가 충분하지 않습니다. 그리고 실제 실습에서 알고리즘의 정확도는 실험실에서 얻은 것과 다릅니다.
드미트리 리소고르
- 표본이 아직 적지만 일부 영역에서 진단이 더 효과적이라고 이미 말할 수 있습니까?
— 우리는 알고리즘이 무엇을 넣을지에 대해 이야기하지 않습니다.진단은 사람보다 정확합니다. 이제는 폐암을 찾기 위한 대량 스크리닝 연구와 같이 일상적인 수술이 많은 분야에서 성과를 거두고 있습니다. 위험에 처한 소수의 사람을 식별하려면 엄청난 양의 데이터를 살펴봐야 합니다. AI가 더 빠르게 처리할 것입니다.
또는 예를 들어 유방 조영술은 연구입니다.유방암 검진 프로그램으로 40세 이상의 여성에게 추천하는 프로그램입니다. 의사는 위험에 처한 소수의 사람들을 식별하기 위해 수백 또는 수천 개의 이미지를 살펴보아야 합니다. 알고리즘은 의사 결정과 진단이 필요한 연구를 분류하고 전문가의 관심을 끕니다. 이것은 이미 실행에 도입되고 있으며 의사의 작업을 크게 촉진합니다.
— 즉, 영역이 매우 보수적이지만 이미 작동하는 기술입니까?
— 기술 인정은 허가규제 기관. 러시아에서는 Roszdravnadzor, 미국에서는 FDA 등입니다. 그러나 큰 법적 충돌이 있었습니다. 자가 학습 시스템은 환자마다 변경되고 우리는 매일 다른 알고리즘을 사용하는 것으로 나타났습니다. 절충안이 발견되었습니다. 알고리즘이 "고정" 상태로 사용됩니다. 등록되고 학습 가능성이 꺼져 있습니다. 알고리즘은 규제 당국에 표시된 정확도로 사용됩니다.
FDA는 이미 수십 건의 등록을 발행했습니다.AI 기반 소프트웨어 솔루션에 대한 인증서가 러시아에서 6개 발급되었습니다. 기본적으로 알고리즘은 의료 영상 분석 또는 의료 기록 데이터 분야에서 작동합니다.
— 의료 기록 분석 시스템은 어떻게 작동합니까?
— 주요 아이디어는현재 진단뿐만 아니라 소급적으로. 의사에게 올 때 약속 시간은 12-15분입니다. 이것은 전체 이력을 검토하기에 충분하지 않습니다. 환자가 3-10년 전에 왔던 것과 그가 연락한 전문가는 무엇입니까? 예를 들어, 만성 질환의 발병을 놓치지 않으려면 전체 데이터 배열을 취합해야 합니다. 이 시스템을 통해 더 깊이 파고들면 의사가 단서를 보고 최종 결정을 내립니다.
데이터를 수집하기 위해서는 각 환자의 허락을 받아야 합니다. 하지만 그건 바뀔 수 있어
– 이 상호 작용에는 환자도 있습니다 – AI에 대한 태도에 대한 연구를 수행 했습니까? 그들은 데이터와 기술에 대한 잠재적 치료법을 기꺼이 신뢰합니까?
— Philips는 연례 연구를 실시합니다.미래 건강 지수 - 의사, 클리닉 리더 또는 환자 그룹에 질문을 하는 곳입니다. 2018년과 2019년에는 AI에 대한 환자의 태도에 초점을 맞춘 연구가 있었습니다. 환자들은 주의를 기울이고 자신의 데이터가 알고리즘에 사용된다는 사실에 대해 우려를 표명합니다.
흥미롭게도 해당 분야의 전문가들은건강 관리는 이 문제를 공유하지 않습니다. 최신 연구인 2021년 미래 건강 지수(Future Health Index 2021)는 업계 리더인 클리닉 리더, 수석 의사 및 부서장 등의 의견을 조사했습니다. 러시아 응답자는 원격 의료 및 AI 도구의 실제 도입 전망을 긍정적으로 평가합니다. 따라서 응답자의 53%는 오늘날 가장 많은 리소스를 투자하고 싶은 디지털 의료 기술 중 하나로 원격 의료를 꼽았습니다. 그리고 3년 안에 설문에 응한 응답자의 85%가 AI에 대한 투자를 우선시할 것이라고 답했습니다.
환자에 대한 두려움은 무지와 관련이 있습니다.그들은 기계가 진단을 내릴 것이라고 생각하지만 의사와 이야기하는 것은 효과가 없을 것입니다. 그렇지 않습니다. 컴퓨터 프로그램은 이전에 의사 결정에 관여해 왔으며, 그렇게 크게 언급된 적이 없었습니다. 예를 들어 모스크바 지역에서는 의사와 약속을 잡는 기술이 도입되었습니다. 환자는 봇과 전화로 의사소통을 하여 어떤 전문가에게 어떤 긴급 상황에 의뢰해야 하는지 분류합니다. 통계에 따르면 환자의 80%가 이런 식으로 의사와 약속을 잡았고 아무도 AI에 대해 질문하지 않았다. 따라서 최종 결정은 항상 의사의 몫이라는 점을 감안할 때 오히려 심리적 장벽입니다.
- 환자들이 데이터의 안전성에 대해 우려를 표명했는가?
- AI는 다음과 같은 측면에서 그렇게 많은 위험을 가져오지 않습니다.사이버 보안. 알고리즘을 훈련하거나 테스트하는 데 사용되는 많은 데이터가 익명화됩니다. 폐 스캔에서 환자의 이름이 제거되면 연구원은 실제 환자와 연락이 끊어집니다. 물론 일부 알고리즘의 경우 진단이 확인되었는지 여부를 확인해야 하지만 과학자들은 데이터 보안에 대해 엄격한 프로토콜을 가지고 있습니다.
무단으로 데이터 수집 및 축적환자는 아직 없습니다. 주 차원에서 의무적 허가 없이 익명화된 데이터 세트를 생성하기 위해 가능한 법률 변경 사항이 논의되고 있습니다. 의학을 더 개발하는 동안 AI를 사용하지 않는 옵션은 없습니다. 따라서 이들의 발전을 가로막는 입법적 장벽을 제거할 필요가 있다. 예를 들어, 익명화된 데이터를 환자의 허가 없이 연구원이 사용할 수 있도록 하는 것입니다.
지금은 다르게 작동합니까? 훈련과 테스트를 위해서는 많은 양의 데이터가 필요합니다. 각 환자에게 허락을 구합니까?
- 다른 방법은 없습니다. 허용되는 유일한 방법입니다.방법. 데이터 세트의 부족은 AI 개발의 가장 큰 문제이자 장애물 중 하나입니다. 이것은 러시아에만 국한된 문제가 아니라 전 세계적인 문제입니다. 일부 권위주의 국가에서는 이를 강제로 수행합니다. 중국에서는 허가 없이 사용할 수 있습니다. 그러나 러시아는 환자의 개인 데이터에 대해 신중합니다.
- 얼마나 많은 데이터를 말씀하시는 건가요? 알고리즘은 얼마나 많은 데이터를 학습해야 합니까?
- 알고리즘에 따라 다르지만 수백 가지를 이야기하고,수천 건의 연구가 아니라면. 알고리즘을 훈련하기 위해 천 개의 연구가 필요하지만 테스트를 위해서는 동일한 수의 연구가 필요하다고 가정해 보겠습니다. 그들에 대해 훈련된 알고리즘은 정확성을 확인하거나 확인하지 않습니다. 그런 다음에야 실제로 응용 프로그램에 대해 이야기 할 수 있습니다. 그리고 그곳에서 그는 수만 번의 연구에 직면할 것이며 그의 정확성은 다양할 것입니다.
- 당신은 의료의 보수주의를 언급했습니다. 의료 분야에 AI 시스템을 도입하려는 이니셔티브는 어디에서 오는가?
— 두 개의 극지 캠프가 있다고 말할 수는 없습니다.그러나 많은 노력과 마찬가지로, 그들은 제품을 만들고 그 용도를 찾는 기업가와 기술 회사에 의해 주도됩니다. 주요 동인은 다양한 규모의 창작자 회사이며 IBM, Google, Microsoft, Philips와 같은 신생 기업 및 대규모 기술 회사가 될 수 있습니다. 우리는 또한 알고리즘을 만들고 임상 실습에 들어가는 방법을 찾도록 돕습니다.
의사는 기술에 반대하지 않습니다. 그러나 의학의 주요 개시자는 임상의 자신이 아니라 의료 관리자로서 시스템의 효율성을 개선하는 방법에 대해 생각해야 합니다.
생생한 예가 있습니다.모스크바 의료 시스템에서 의료 이미지 분석을 위한 AI 도입 실험. 이는 작년에 시에서 시작한 대규모 프로그램으로 현재 2단계 연구가 진행 중입니다. 21개 서비스는 Philips를 포함하여 13개 방향에서 참여하며 이미 알고리즘을 사용하여 200만 개 이상의 연구를 수행했습니다. 결과는 환자와 함께 일하고 권장 사항을 고려할지 여부를 결정하는 의사에게 제공됩니다.
알고리즘은 모든 병원에서 작동할 수 있습니다. 그러나 그들은 의사를 대체하지 않습니다.
- AI 구현을 위해 장비와 인프라를 구매해야 합니까? 아니면 기관에 비용이 많이 들지 않습니까?
— 많은 알고리즘이 로컬 없이 제공됩니다.의료 기관 측의 인프라 - 처음에는 클라우드를 기반으로 하며 액세스만 필요합니다. 또 다른 문제가 있습니다. 의료 영상은 이미 어딘가에 저장되어 있고, 통합 문제를 해결해야 합니다. 그러나 그 외의 모든 것은 기관에서 추가 컴퓨팅 클러스터를 생성하지 않도록 외부 용량에서 처리됩니다.
기술은 병원에 어떤 영향을 미칠까요? 직원이 줄어들까요? 의학 교육이 바뀔 것인가? 진단에 대한 접근 방식이 변경됩니까? 이에 대해 어떻게 예상하십니까?
— 기술이 너무 빨리 발전하여 전화를 걸었습니다.그것은 예측이 아니라 비전일 것입니다. 미래에는 AI를 사용하지 않는 의사가 AI를 사용하는 의사로 대체될 것입니다. 알고리즘이 인간 전문가를 대체할 것이라고 말하는 사람은 아무도 없습니다. 의료 전문 분야는 마스터하기 가장 어려운 것 중 하나이며 많은 훈련과 실습이 필요합니다. 이 때문에 많은 분야에서 전문의가 충분하지 않습니다. 의약품에 대한 수요와 가용성이 증가하고 인구가 고령화되고 질병이 더 많아지고 발견률이 향상되고 있습니다. 그러나 의사의 수는 같은 속도로 증가하지 않습니다.
AI는 업무의 효율성을 높일 것이므로그들의 수를 줄이는 것에 대해 이야기하는 것은 불가능합니다. 기술은 환자와의 의사 소통에서 결정을 내리고 진단을 내려야 하는 상황에 초점을 맞추는 데 도움이 될 것입니다. 이것은 매우 중요합니다. 대화가 없으면 진단을 내리고 치료를 처방하고 진행 상황과 품질을 확인하는 것이 매우 어렵습니다. 기술은 보다 인간적인 진단과 치료를 위한 시간을 확보해야 합니다.
- AI가 환자와 의사의 접촉을 대체할 것인가? 그리고 일반적으로 객관적인 데이터와 데이터 배열의 분석에 기반한 연구가 미래에 얼마나 중요합니까?
- 의사와 환자의 접촉이 중요하다.같은 진단을 가진 사람들은 없으며 항상 뉘앙스가 있습니다. 감기에 대해 이야기하는 경우 그렇게 중요하지 않습니다. 그러나 환자뿐만 아니라 환자의 환경에도 장기적인 영향을 미칠 수 있는 종양학적 질환이나 심혈관계 질환인 경우 전문가의 의사소통을 대체할 수 없습니다. 그는 복잡한 치료 또는 수술과 같은 추가 경로를 위해 모든 사람을 올바르게 준비해야합니다.
- AI가 의사의 급여와 의학 전반에 걸친 역할에 영향을 미칠까요?
– 나는 이것에 위험이 있다고 생각하지 않습니다 – 작업량변경되지 않습니다. 예를 들어, 오늘날의 폐 검사에서는 의심되는 결핵을 식별하기 위해 수천 개의 형광도를 조사해야 합니다. 의사는 일주일 안에 의심되는 몇 명의 환자만 식별할 수 있습니다. 이렇게 하면 진단, 치료 시작이 지연되며 때로는 치명적일 수 있습니다. 미래에는 결과가 동일할 것이지만 알고리즘이 주의를 기울일 가치가 없는 이미지를 제거하기 때문에 더 빨리 달성할 것입니다. 그러나 진단은 의사에게 남아있을 것이며 그의 일은 덜 책임감이 생기거나 자격이 줄어들지 않을 것입니다.
— 팬데믹 기간 동안 알고리즘을 테스트하거나 훈련할 수 있는 엄청난 양의 데이터가 나타났습니다. 이 데이터를 사용할 수 있었습니까?
— 정전과 관련된 정전을 찾은 의사COVID-19는 결핵이나 폐암과 관련된 덩어리를 놓쳤을 수 있습니다. 따라서 AI는 2차 연구, 수반되는 질병의 탐지에 사용됩니다. 우리는 수십 가지 알고리즘의 통합을 피할 수 있는 서비스를 제공합니다. 우리 플랫폼을 한 번 연결하면 충분하며 이를 통해 고객은 시장 형식의 다른 개발자 알고리즘에 액세스할 수 있습니다. 이를 통해 폐 사진을 한 장 찍을 수 있으며 AI는 결핵이나 암과 같은 다양한 이상을 찾습니다.
— 의학 분야의 AI에 대한 수백 개의 출판물이 있습니다.외부에서 어떤 분야가 유망하고 어떤 분야가 너무 과대평가되었는지 평가하는 것은 거의 불가능합니다. 예를 들어, 방사선학에 대해 많은 이야기가 있습니다. 그곳에서 정말 큰 돌파구가 생길까요? 따라야 할 다른 영역은 무엇입니까?
- 방사선학은 다음과 같은 이유로 유망해 보입니다.원래 디지털화. 데이터는 이미 디지털이므로 알고리즘을 만들고 구현하는 것이 더 쉽습니다. 아마도 이 영역에서 매우 큰 변화가 일어나고 많은 신생 기업이 등장하고 기술 거물이 등장할 것입니다. 예를 들어, Microsoft는 최근 음성 분석 및 의료 이미지 인식 회사를 인수했습니다.
관련 분야에서 AI의 사용은 유망해 보입니다.영역 — 신약 검색. 알고리즘을 사용하면 특정 구성 요소에 대한 신체의 반응을 시뮬레이션할 수 있습니다. 많은 수의 실험 동물을 사용하지 않고 실험실에서 기존의 작업 방식을 피한 분자에 대한 뉴스가 이미 있습니다. 물론 이 분자는 여전히 임상 시험의 모든 단계를 거치지만 개발 주기를 크게 단축시킵니다. 아마도 AI의 도움으로 아직 치료할 수 없는 질병에 대한 치료법을 찾을 수 있을 것입니다.
더 읽어보기
달에서 토성이 어떻게 보이는지보십시오. NASA 궤도선이 찍은 사진
허블은 외부 태양계를 통한 여행을 완료합니다: 그가 그곳에서 본 것
핵융합로 KSTAR는 기록을 세웁니다. 그 어느 때보다 플라즈마를 오래 유지합니다.