Крис Хаузер Университет Индианы
Крис Хаузер: «Моделирование позволяет увидеть больше возможностей и спрогнозировать результат их использования»

Технологии, родственные алгоритмам распознавания голоса и выявления мошенничеств с кредитными картами, позволят уменьшить стоимость и улучшить результативность лечения больных почти в полтора раза, — на это указывают результаты исследования, проведенного в Университете Индианы.

Авторы пришли к выводу, что симуляционное моделирование с использованием данных о пациентах и алгоритмов машинного осмысления способно радикально удешевить здравоохранение и улучшить его качество.

Разработанные исследователями компьютерные модели проверяли многочисленные варианты лечения и оперативно перепланировали терапию по мере поступления новой информации. Другими словами, модель способна «думать» как врач, полагают ученые.

Искусственный интеллект в медицине применяется не впервые. В прошлом году в корпорации IBM предложили использовать суперкомпьютер Watson для выбора вариантов лечения рака с помощью базы знаний по доказательной медицине. Решения Watson принимает за считанные секунды. Вначале он был предложен Лос-Анджелесскому онкологическому институту Сэмуэля Осчина, затем суперкомпьютер перевели в онкоцентр Memorial Sloan-Kettering для помощи врачам в диагностике и лечении.

Исследование, проведенное в Университета Индианы, не концентрируется на каком-то отдельном заболевании: предложенная методика будет действенной для любого вида диагностики или болезни, достаточно подключить соответствующую базу знаний. Исследование нацелено на решение трех проблем американского здравоохранения: рост расходов, которые, как ожидается, к 2050 году достигнут 30% ВВП; недостаточное качество обслуживания — в первый визит пациентам верно ставят диагноз и назначают лечение меньше чем в 50% случаев; задержка в 13-17 лет между научными изысканиями и началом использования их результатов в клинической практике.

В исследовании принимали участие 500 случайно отобранных пациентов. Устроители имели доступ к клиническим данным, а также к демографической и иной информации о 6,7 тыс. пациентов, предоставленной институтом психотерапии Centerstone Research Institute. От 60 до 70% пациентов имели диагноз «большое депрессивное расстройство» плюс хронические заболевания, такие как диабет, гипертония и др.; все это учитывалось при моделировании.

Пользуясь данными по реальным пациентам, исследователи сопоставили результативность решений, принимаемых врачами и компьютерными моделями. У системы искусственного интеллекта количество положительных исходов лечения оказалось на 30-35% выше.

«Мы пришли к выводу, что подстройка определенных параметров модели позволяет улучшить этот показатель до 50%, а затраты снизить примерно наполовину», — утверждает Кейси Бенетт, аспирант Университета Индианы. По его словам, расходы на компьютерную диагностику и лечение пациента составили в среднем 189 долл., тогда как обычное лечение обходится в 497 долл.

«Наша модель по всем статьям с легкостью превзошла традиционный терапевтический процесс», — добавляет Беннет.

В своей работе исследователи опирались на методы математического моделирования — марковский процесс принятия решения и динамические сети принятия решений. Компьютерные модели просчитывали все возможные последовательности действий и их влияние на результат, в том числе когда это влияние могло быть неоднозначным, пояснил Беннет.

«Моделирование позволяет увидеть больше возможностей и спрогнозировать результат их использования, — добавил Крис Хаузер, преподаватель компьютерной науки в Университете Индианы. — Врачам делать то же самое гораздо труднее — у них нет всего объема необходимой информации».

Предыдущие работы Хаузера и Беннетта показали, как с помощью методов машинного осмысления можно определить оптимальное лечение для конкретного пациента в определенный момент времени. На этот раз исследователи впервые применили компьютерное моделирование для большой группы пациентов.