Машинное обучение все чаще находит применение в медицине

N+1Hi-Tech

«Искусственный интеллект в медицине»

Машинное обучение все чаще находит применение в медицине. В обозримом будущем алгоритмы не заменят врачей, но помогут им с рутинной работой и компенсируют недостатки людей, которым свойственно уставать, лениться и пытаться упростить себе жизнь. В книге «Искусственный интеллект в медицине: Как умные технологии меняют подход к лечению» (издательство «Альпина Паблишер»), переведенной на русский язык Александром Анваером, профессор молекулярной медицины, кардиолог и исследователь Эрик Тополь рассказывает об алгоритмах, меняющих современную диагностику и лечение. N + 1 предлагает своим читателям ознакомиться с отрывком, в котором рассказывается, как машинное обучение упрощает исследование основ геномных болезней.

Важнейшие открытия

Огромные массивы данных, которые имеются на сегодня в биологии и медицине, настоятельно требуют внедрения машинного обучения и искусственного интеллекта. Возьмем для примера «Атлас ракового генома» (TCGA), содержащий многомерные биологические данные, охватывающие множество «-омик» — геномику, протеомику и так далее. Всего в атласе содержится более 2,5 петабайт информации, извлеченной из данных по более чем 30 тысячам пациентов. Ни одному человеку не под силу просмотреть и проанализировать все эти данные. Онколог Роберт Дарнелл, работающий в настоящее время на факультете нейробиологии Рокфеллеровского университета, заметил: «Мы, как биологи, можем лишь указать, например, на биологические основы аутизма. Мощь машины, которая может задать триллион вопросов там, где мы успеваем задать всего десять, меняет правила игры».

Правда, в отличие от тех осязаемых и зримых изменений, которые уже сегодня ощущают в связи с применением искусственного интеллекта специалисты таких отраслей медицины, как рентгенология и патологическая анатомия (то есть там, где требуется распознавание сложных образов), наука стоит особняком: искусственный интеллект пока не посягает на статус-кво ученых, ИИ может им только помочь. Как выразился Тим Аппенцеллер в материале для журнала Science, искусственный интеллект — это пока «подмастерье» ученых. Но искусственный интеллект уже может предложить им весьма ощутимую помощь: на обложке одного из номеров Science 2017 г. так и было написано — «Искусственный интеллект преображает науку». Оказывается, ИИ не только «породил нейробиологию» (как мы скоро сами убедимся), но и «перезагрузил процесс открытия». В самом деле, Science разглядел там, за горизонтом, нечто по-настоящему новое — «перспективу полностью автоматизированной науки», и это, по мнению авторов статьи, означало, что «неутомимый ученик очень скоро может стать равноправным коллегой».

ИИ-«коллега» — это, на мой взгляд, дело довольно далекого будущего, но его проникновение в науку происходит быстрыми темпами, независимо от того, сможет ли он когда-нибудь потеснить ученых. И действительно, ИИ в приложении к биологическим наукам развивается быстрее, чем в приложении к здравоохранению. В конце концов, данные фундаментальной науки далеко не всегда требуют валидации на̀ основании клинических испытаний. Фундаментальная наука не нуждается в одобрении со стороны медицинского сообщества, ее не нужно внедрять в практику, она не обязана соответствовать строгим требованиям регулирующего законодательства. Впрочем, несмотря на то, что наука не всегда способна пробиться в клиническую практику, в конечном счете все передовые достижения — будь то открытие новых, более эффективных лекарств или выявление биохимических механизмов, отвечающих за здоровье и болезни, — так или иначе повлияют на практикующих медиков. Давайте посмотрим, чего же добился наш «подмастерье».

Биологичекие «-омики» и рак

В геномике и биологии искусственный интеллект — незаменимый партнер ученых, так как машины обладают зрением, способным различать вещи, недоступные человеческому глазу, и просеивать огромные массивы данные, непостижимые человеческим разумом.

Богатая данными геномика представляет собой идеальное поле приложения компьютерных методов. Каждый из нас — это сокровищница генетических данных, в диплоидном (от отца и матери) хромосомном наборе каждого из нас содержится 3,2 млрд пар различных сочетаний нуклеотидов: А (аденин), Ц (цитозин), Г (гуанин) и Т (тимин), причем 98,5 процента этого генома не кодирует никаких белков. То есть спустя 10 с лишним лет после полной расшифровки человеческого генома функция всего этого материала остается непонятной. Одна из первых попыток глубокого обучения, касающегося генома, Deep-SEA, была посвящена выяснению функции элементов, не принимающих участия в кодировании белков. В 2015 г. Цзянь Чжоу и Ольга Трояновская из Принстонского университета опубликовали алгоритм, который после обучения на основе данных каталогизации десятков тысяч нуклеотидов, не кодирующих белки, оказался способным предсказать, как именно последовательности ДНК взаимодействуют с хроматином. Хроматин состоит из крупных макромолекул, которые обеспечивают «упаковку» ДНК для хранения, а также помогают развертывать ее нить для транскрипции РНК и (в конечном счете) для трансляции белков. Таким образом, взаимодействие между хроматином и последовательностями ДНК играет важную регуляторную роль. Сяохуэй Се, специалист по ИТ из Калифорнийского университета в Ирвайне назвал это «важной вехой на пути приложения глубокого обучения к геномике».

Авторизуйтесь, чтобы продолжить чтение. Это быстро и бесплатно.

Регистрируясь, я принимаю условия использования

Рекомендуемые статьи

Зима близко: руководство по тренировкам в холодную погоду Зима близко: руководство по тренировкам в холодную погоду

Занятия в холодное время года дают особые преимущества

Men’s Health
Модный оракул Модный оракул

Выясняем, каково это — быть гуру стиля для нескольких поколений

Glamour
Интернет-портрет Интернет-портрет

О чем говорит наше поведение в социальных сетях

Лиза
Выбираем качественный кабель для зарядки смартфона: на что обратить внимание Выбираем качественный кабель для зарядки смартфона: на что обратить внимание

Как выбрать подходящий кабель для зарядки вашего смартфона

CHIP
Лучшие игрушки в СССР — железные дороги и модели из ГДР Лучшие игрушки в СССР — железные дороги и модели из ГДР

Рассказываем, на что спускали все деньги советские мальчики

Maxim
Проблема жъжъь Проблема жъжъь

Что такое «кризис опыления» и как с ним быть

N+1
«Никто не может нас обидеть, кроме нас самих»: почему это неправда? «Никто не может нас обидеть, кроме нас самих»: почему это неправда?

Нельзя заставить кого-то обидеться без его согласия?

Psychologies
Цветок, из которого готовят синий «чай» Цветок, из которого готовят синий «чай»

Цветки клитории используют в кулинарии для придания необычной синей окраски

Наука и жизнь
«Ты красивее моей сестры»: 10+ историй о самых глупых причинах расставания «Ты красивее моей сестры»: 10+ историй о самых глупых причинах расставания

Истории о самых нелепых поводах для расставания

Cosmopolitan
Ассирийцы построили осадную насыпь для взятия Лахиша из 19 тысяч тонн камня Ассирийцы построили осадную насыпь для взятия Лахиша из 19 тысяч тонн камня

На строительство 80-метрового сооружения у ассирийцев ушло меньше месяца

N+1
Как строили Бурдж-Халифа и почему он до сих пор не упал: занимательное видео Как строили Бурдж-Халифа и почему он до сих пор не упал: занимательное видео

Как строили высочайшее здание в мире — Бурдж-Халифа

Популярная механика
Семь советов, чтобы похудеть к Новому году Семь советов, чтобы похудеть к Новому году

Как легко похудеть на 5-6 килограмм?

Здоровье
Эмили Ратаковски выпустила книгу Эмили Ратаковски выпустила книгу

Интервью с Эмили Ратаковски в преддверии выхода ее книги "Мое тело"

Esquire
Как понять, что аромат тебе не подходит: 5 правил, которые помогут выбрать духи Как понять, что аромат тебе не подходит: 5 правил, которые помогут выбрать духи

Осознать, что парфюм тебе не очень подходит, действительно сложно

Cosmopolitan
Пластический хирург Тимур Хайдаров — Forbes: «Покажи, что ты гений» Пластический хирург Тимур Хайдаров — Forbes: «Покажи, что ты гений»

Пластический хирург — как выделиться из толпы в условиях жесткой конкуренции

Forbes
Когда мы будем летать на аэротакси, как Брюс Уиллис в Когда мы будем летать на аэротакси, как Брюс Уиллис в

Какое аэротакси ожидает нас в ближайшем будущем?

Популярная механика
Сохранить в закладки: 5 нескучных книг об экологии Сохранить в закладки: 5 нескучных книг об экологии

Как связаны экономика, политика и экология? Нескучные книги об экологии

Популярная механика
Перестройку доменов в сегнетоэлектрике увидели в реальном времени Перестройку доменов в сегнетоэлектрике увидели в реальном времени

Физики выделили механизмы, происходящие при перестройке доменной структуры

N+1
Музыкант и поэт Вадик Королев — о голосе-маске Музыкант и поэт Вадик Королев — о голосе-маске

Вадик Королев, участник групп OQJAV и «Королев Попова», размышляет о голосах

РБК
Лесные дали Лесные дали

Лучший шеф-повар России снимает шляпу перед грибами

Tatler
Cтоит ли смотреть «Не время умирать»? Рассказываем об этом без спойлеров Cтоит ли смотреть «Не время умирать»? Рассказываем об этом без спойлеров

Последний «Агент 007» накрутил финальной эпичности в духе «Мстителей»

Maxim
Какие животные умеют петь? Какие животные умеют петь?

Поставленным голосом могут похвастаться даже некоторые грызуны

Популярная механика
«Я вложила деньги в финансовую пирамиду» «Я вложила деньги в финансовую пирамиду»

«Я вложила деньги в финансовую пирамиду»

Cosmopolitan
Молодо — зелено Молодо — зелено

Каково влияние ESG-трендов на жизнь людей сегодня и завтра

РБК
Дети, разводы и лишние килограммы: легендарные «Друзья» 27 лет спустя Дети, разводы и лишние килограммы: легендарные «Друзья» 27 лет спустя

Как выглядят и чем живут актеры «Друзей»?

Cosmopolitan
Зеленый маршрут: как начать свой путь в эковолонтерстве и увидеть мир Зеленый маршрут: как начать свой путь в эковолонтерстве и увидеть мир

Как присоединиться к эковолонтерскому проекту?

Популярная механика
Чем загрязнен Байкал Чем загрязнен Байкал

Озеро Байкал уже очень сильно загрязнено микропластиковым мусором

Наука
Рафинированные углеводы нарушили память старых крыс Рафинированные углеводы нарушили память старых крыс

Диета с рафинированными углеводами нарушили память старых крыс

N+1
Хочешь сладких апельсинов? Хочешь сладких апельсинов?

Истории людей, которые решили разнообразить свою сексуальную жизнь

Лиза
«У нас общий бюджет»: Ханна и Пашу тратят на домашний персонал 2 млн в месяц «У нас общий бюджет»: Ханна и Пашу тратят на домашний персонал 2 млн в месяц

Ханна (Анна Иванова) и Пашу (Павел Курьянов) готовы щедро платить за комфорт

Cosmopolitan
Открыть в приложении