Сейчас мы находимся на этапе, когда в некоторых областях медицинской диагностики можно вложить не так много денег для значительной экономии как расходов на здравоохранение, так и жизни.
Много было написано о том, что искусственному интеллекту / машинному обучению предстоит пройти долгий путь с точки зрения замены общего интеллекта, выраженного нормальными людьми. Однако этот поток маскирует ряд областей, в которых программное обеспечение превзошло человеческие возможности, и с экспоненциальными характеристиками технологий программное обеспечение очень, очень быстро становится еще лучше.
По большей части там, где программное обеспечение превосходит человеческие возможности, граничные условия очень четкие (или довольно четкие), а данные не содержат значительных уровней шума (ошибок). Игры - это та область, где даже возвращение к Big Blue, победившему Каспарова в шахматах в конце 1700-х (да ладно, казалось, что это было давно!), Технологии взяли верх.
Лучшим примером, который я могу придумать в этой сфере, является азиатская стратегическая игра го. Первые данные заключаются в том, что в начале 2000-х лучшие специалисты по искусственному интеллекту считали, что Go не будет «решена» программным обеспечением еще 50–60 лет.
Затем в 2015 году гениальные люди из Deepmind создали AlphaGo, который был обучен 100000 играм в го, в которые играли люди. Эта программная версия Го взяла чемпиона мира и обыграла его со счетом 4: 1, а затем очистила его лицо во втором сете.
Вероятно, наиболее интересным (и менее известным) является то, что произошло в конце 2017 года. В четвертом квартале 2017 года Deepmind выпустила отчет об AlphaGo Zero, который был новой версией программного обеспечения. На этот раз программа была снабжена правилами Go и ничего больше! Никаких игровых данных, подсказок по стратегии и т. Д. Результат? AlphaGo Zero играла 1 миллион раз за 3 дня, а затем взяла AlphaGo ... Она победила AlphaGo 100–0.
В областях, где правила или процессы принятия решений довольно ясны, программное обеспечение может научиться принимать лучшие решения, чем люди.
Первая область за пределами игр, в которой мы увидим это выраженное, - это область здоровья. Большая часть диагностики заболеваний - это на самом деле просто распознавание образов, а в случае патологии, дерматологии и т. Д. Это просто распознавание изображений.
Во всем мире существует множество проектов, в которых команды Data Science используют хорошо структурированные и достаточные наборы данных для разработки более эффективных способов диагностики заболеваний. К сожалению, многие из существующих наборов данных полны шума (ошибок… где, например, конкретная МРТ помечена диагнозом, который в конечном итоге оказывается неправильным… не очень помогает).
Однако, несмотря на эту проблему, Deepmind проделывает потрясающую работу как с NHS (см. Эту ссылку, чтобы познакомиться с набором проектов, на который Deepmind ориентирован в области здравоохранения https://deepmind.com/applied/deepmind-health/).
Google также (отмечая, что Deepmind был приобретен Google, но еще не полностью интегрирован) занимается другими интересными проектами. Один из примеров, когда они достигают значительного прогресса, - это область диабетической ретинопатии (https://research.googleblog.com/2016/11/deep-learning-for-detection-of-diabetic.html), где кажется, что программное обеспечение для распознавания изображений намного лучше, чем группа врачей-офтальмологов.
Правительство Великобритании также решило сосредоточиться на этой области (https://www.theguardian.com/society/2017/sep/12/patients-illities-could-soon-be-diagnposed-by-ai-nhs - говорят лидеры ).
Конечно, диагноз болезни - это еще не окончательный ответ. В случае диабетической ретинопатии после того, как болезнь была диагностирована, некоторые очень умные и опытные специалисты должны разработать для пациента конкретные методы лечения, чтобы помочь им не потерять зрение. Возможно, мы переходим из того времени, когда были НЕКОТОРЫЕ болезненные состояния (где данные имеют низкий уровень шума), когда диагностика будет областью программного обеспечения, но выбор и проведение лечения останутся (по крайней мере, на какое-то время) областью хорошо подготовленных специалистов.
Где Австралия должна играть во всем этом? У Австралии есть два преимущества по сравнению с нашими небольшими масштабами, когда мы можем делать что-то глобально интересное. Во-первых, очень мало стран, в которых ведется обширная медицинская карта всего населения, охватывающая все виды лечения и все предоставленные лекарственные препараты. В Великобритании это есть с NHS, а у нас - с Medicare / PBS.
Это преимущество, поскольку программному обеспечению искусственного интеллекта / машинного обучения требуются небольшие группы специалистов по анализу данных для помощи в разработке наборов логических выводов, но они ДОЛЖНЫ иметь доступ к хорошо размеченным (малошумным) наборам данных, которые программа может использовать для обучения.
В Австралии также есть медицинское исследовательское сообщество, масштабы и качество которого намного превосходят предполагаемый размер нашего населения.
Возможно, учитывая вышесказанное, мы должны попытаться сосредоточиться на тех областях, в которых наши наборы данных и возможности медицинских исследований дают нам преимущество - возможно, на областях, где Австралия чрезмерно представлена с точки зрения болезненных состояний.
Один явный победитель - Меланома.
В Австралии и Новой Зеландии уровень смертности от меланомы выше, чем где-либо еще в мире, и по сравнению с США наш относительный уровень смертности от меланомы почти в 3 раза выше, чем в США (https://www.aimatmelanoma.org/about-melanoma/melanoma -статс-факты-цифры / ).
На этом этапе позвольте мне заявить о своей личной заинтересованности, которая, как мне кажется, не омрачает мою точку зрения, а, скорее, лишь усиливает ее.
3 года назад моей средней дочери поставили диагноз «Меланома». К счастью, у нас был доступ к удивительным дерматологам (привет доктору Паскалю Гитера) и хирургам (привет доктору Джонатану Стретчу). Хорошая новость заключается в том, что рак не распространился, и наша дочь сейчас проходит регулярные проверки.
Когда я наблюдал, как наша дочь проходит процесс диагностики, и сравнивая его с тем, что я прошел 30 лет назад, когда мне отрезали ногу от Базельской клеточной карциномы, было ясно, что в основе первоначального диагноза меланомы лежит кто-то, внимательно просматривающий устройство с высоким разрешением, чтобы увидеть, выглядела ли родинка необычно по сравнению с другими родинками, которые они видели в своей карьере. Если это выглядело необычно, то за ним наблюдали, а если все еще не было так, то оно отрывается и переходит в патологию.
Меланома - ужасное заболевание, потому что если вы заразитесь ею на ранней стадии, показатели выздоровления очень высоки, но вы поймете ее чуть позже, и ваш прогноз ужасен.
Меланома стадии 0 - это просто аномальные клетки, расположенные на верхнем слое кожи и еще не прорастающие в эпидермис. 5-летняя выживаемость для стадии 0 составляет 100%.
Меланома 1 стадии. На стадии 1А опухоль имеет толщину до 1 миллиметра (мм). На нем также нет изъязвлений, что означает, что опухоль не прорвалась через кожу. Стадия 1B может означать две вещи: опухоль имеет толщину до 1 мм и некоторые изъязвления или она имеет толщину от 1 до 2 мм и не имеет изъязвлений.
Пятилетняя выживаемость для стадии 1A составляет 97 процентов и 92 процентов для стадии 1B. 10-летняя выживаемость составляет 95 процентов для стадии 1A и 86 процентов для стадии 1B.
Меланома 2 стадии. Меланома 2 стадии означает, что опухоль выросла более чем на 2 мм. Врачи также проанализируют опухоль, чтобы определить, есть ли в ней изъязвления. Операция по удалению раковой опухоли - это обычная стратегия лечения. Врач также может назначить биопсию сторожевого лимфатического узла, чтобы определить прогрессирование рака.
Пятилетняя выживаемость для стадии 2A составляет 81 процент и 70 процентов для стадии 2B. 10-летняя выживаемость составляет 67 процентов для стадии 2A и 57 процентов для стадии 2B.
Меланома 3 стадии. На этом этапе опухоль может иметь любой размер и форму. Чтобы считаться меланомой 3 стадии, рак должен распространиться на лимфатическую систему. Возможна операция по удалению раковой ткани и лимфатических узлов. Лучевая терапия и лечение другими сильнодействующими лекарствами также являются распространенными методами лечения стадии 3.
Пятилетняя выживаемость при меланоме 3 стадии колеблется от 40 до 78 процентов. 10-летняя выживаемость колеблется от 24 до 68 процентов.
Меланома 4 стадии. Меланома 4 стадии означает, что рак распространился на другие части тела, такие как легкие, мозг или другие органы и ткани. Возможно, он распространился на лимфатические узлы, находящиеся на значительном расстоянии от исходной опухоли. Таким образом, меланома 4 стадии часто трудно вылечить с помощью существующих методов лечения.
Пятилетняя выживаемость составляет всего от 15 до 20 процентов. 10-летняя выживаемость составляет от 10 до 15 процентов.
Таким образом, между толщиной меланомы 1 мм и толщиной 2–3 мм ваша 10-летняя выживаемость колеблется от 95% до 15%. Довольно дерьмовые шансы. Вот почему с меланомой не морочат голову, а потенциальные меланомы лечатся быстро и действенно.
Итак, предположим, что дерматолог (или терапевт) видит родинку, которую он считает подозрительной. Если они не обнаружат это как меланому (ложноотрицательный), то в течение нескольких месяцев без лечения этот пациент перейдет от здорового к неизлечимому (хорошо, есть некоторые удивительные иммунотерапевтические препараты, такие как Keytruda, для поздней стадии меланомы, но они работают только примерно в 40%). случаев, поэтому перспективы универсальной иммунотерапии не за горами).
Если врач обеспокоен, он назначает биопсию. Текущие протоколы требуют наблюдения за родинками, которые выглядят подозрительно, а затем назначают биопсию. Стоит отметить, что новые технологии, такие как дерматоскопы, помогают увеличить количество правильных диагнозов примерно на 20%. Так что у нас есть лучшее наблюдение (если вы находитесь очень близко к великим дерматологам или имеете к ним доступ). Даже в этом случае, если у вас есть биопсия, и она заканчивается доброкачественной (ложноположительной), то объективно говоря, пациент пережил некоторый уровень ненужной боли и уродства, и кучу долларов за здоровье было потрачено впустую.
Стоит отметить, что для того, чтобы стать лучшим в своем классе дерматологом, вам, вероятно, потребуется увидеть около 10 000 очагов поражения (я не придумывал это число, а скорее получил его от одного из ведущих дерматологов Австралии. ) - чтобы вы могли развить тонкую нюансированную способность отличать хорошее от плохого. Если вы обычный врач общей практики, ваши шансы увидеть такое количество поражений близки к нулю, и поэтому ваши шансы на успешное обнаружение меланомы низки.
Неудивительно, что великие дерматологи проводят биопсию 5 родинок, из которых 1 - меланома (1 из 5 случаев), а врачи общей практики в Австралии получают примерно 1 из 10 родинок. . Очень много ложных срабатываний.
Полные данные как о ложноотрицательных, так и о ложных срабатываниях в лучшем случае отрывочны. Несколько исследований (одно здесь http://www.practiceupdate.com/content/use-of-skin-biopsies-among-dermatologies/54169) показывают, что от 40% до 90% биопсий кожи не требуется. Нет данных о людях, которых отпустили, когда у них действительно была меланома, но другие исследования точности процессов визуального принятия решений предполагают, что это немалое число.
В лучшем мире мы находим способ свести к минимуму ложноотрицательные и ложные срабатывания, а также гарантировать, что такой же уровень диагностики доступен тем, кто живет по соседству с ведущими дерматологами в Австралии, и тем, кто живет в провинциальном городе.
В феврале 2017 года в журнале Nature была фантастическая статья, в которой проблема рака кожи и распознавания изображений упоминалась в отношении программ, обученных искать необычные родинки. ЛУЧШЕЕ резюме этой статьи (привет Тому Спейсеку) было написано доктором Люком Окден-Райнером, кандидатом наук в области медицинского искусственного интеллекта / распознавания изображений.
Для тех, кто не утруждает себя прочтением резюме Люка, подчеркивается, что … они достигли лучших результатов, чем большинство отдельных дерматологов, а также« среднего дерматолог, из их панели, которую они представили для сравнения ».. Вот его рецензия. Стоит прочитать .. https://lukeoakdenrayner.wordpress.com/2017/06/05/the-end-of-human-doctors-the-bleeding-edge-of-medical-ai-research-part- 2 /
Итак, мы знаем, что фундаментальный прорыв в расширении масштабов использования распознавания изображений AI / ML в области рака кожи - это не мечта о каком-то выходе, а в пределах досягаемости.
И что?
Что, если бы мы могли использовать эту технологию, чтобы легко значительно снизить затраты для системы здравоохранения?
Что, если бы мы могли лучше решить, кому делать биопсию?
Что, если бы мы могли использовать эту технологию для реального спасения жизней?
Совет по раку Австралии (http://www.cancer.org.au/about-cancer/types-of-cancer/skin-cancer.html) предполагает, что 750 000 австралийцев в год проходят лечение от немеланомного рака кожи. и около 14 000 для меланомы. Простая математика предполагает, что если существует 14 000 процедур лечения меланомы в год, то ежегодно должно выполняться от 70 000 до 140 000 биопсий (от 1 до 5 или от 1 до 10).
В зависимости от платы за консультацию и т. Д. И того, какая лаборатория патологии использовалась, общая стоимость (стоимость системы) биопсии составляет от 350 до 1000 долларов. Таким образом, австралийцы тратят от 30 до 140 миллионов долларов на биопсию в год. Из них приходилось в лучшем случае 20% расходов.
Конечно, несмотря на то, что прямая стоимость биопсии составляет от 350 до 1000 долларов, общая стоимость должна включать в себя перерыв на работу для проведения процедуры и любое время отбытия на рабочем месте, а также некоторый способ компенсации боли и обезображивания пациентов.
Цена ложных негативов для семей намного выше. Опять же, используя простую математику, онкологический совет сообщает, что около 2500 человек ежегодно умирают от меланомы. Учитывая, что мы знаем, что если меланома обнаружена на стадии 0, то 10-летняя выживаемость близка к 100%, очевидно, что (вероятно), по крайней мере, 2000 жизней в год можно было бы спасти, убедившись, что каждая родинка может быть точно обнаружена и помечена.
Если вы откажетесь от спасенных жизней, устранение ложноотрицательных результатов также может сэкономить сотни миллионов долларов на лечении людей, у которых диагностирована меланома 2–4 стадии и которым нужно время, чтобы умереть. При 14 000 новых случаев меланомы в год, начинающих свой путь лечения, по текущим оценкам, в Австралии более 100 000 человек находятся на каком-то этапе своего пути к лечению меланомы.
С одной стороны, это человек, которому удалили меланому и который теперь проходит 3 ежемесячных осмотра (ежегодная стоимость около 500 долларов). С другой стороны, люди, которые принимают дорогие иммунотерапевтические препараты после многих дорогостоящих операций и курсов химиотерапии (тысячи долларов в год. Поэтому предположить, что с помощью ранней диагностики мы могли бы сэкономить 100 миллионов долларов или больше на затратах на лечение), не кажется авантюрой.
Конечно, к сожалению для многих на беговой дорожке для лечения это еще не конец. Множественные операции и медикаментозное лечение, сильная боль и дальнейшее обезображивание, а потом ты умрешь, и все потому, что мы изначально неправильно диагностировали глупую родинку.
Таким образом, просто обеспечивая более точный диагноз, мы можем сэкономить, возможно, 100 миллионов долларов на ненужных биопсиях, преодолев ложноположительные соотношения, а затем, возможно, еще сотни миллионов долларов и более 2000 жизней на ложноотрицательной стороне.
Возможно, неудивительно, что Австралия является мировым лидером по распространенности меланомы - побочного продукта жизни на земле с отличной погодой! Поэтому неудивительно, что Австралия в целом является мировым лидером в исследованиях рака кожи. Как упоминалось выше, у нас есть выдающиеся исследователи.
Похоже, что Австралия - идеальное место для внедрения самых эффективных в мире возможностей распознавания изображений рака кожи с помощью искусственного интеллекта и машинного обучения.
Мы знаем, каковы будут преимущества такой услуги (см. Выше!). Так что насчет затрат.
Что ж, чтобы создать что-то значимое, нам понадобится доступ к большим наборам данных о помеченных кротах (вероятно, ›100 000). Эти данные имеются в наличии, поскольку такие группы, как Австралийский институт меланомы, работают с другими (ISIC - Международное сотрудничество по визуализации кожи http://isdis.net/isic-project/) для агрегирования наборов данных.
Нам также нужна команда дерматологов-исследователей и группа специалистов по обработке данных, которые будут сотрудничать для создания этого прикладного уровня поверх одной из глобальных платформ распознавания изображений (Google, вероятно, является лидером на данном этапе). Нам не нужны десятки людей. Может быть, горстка исследователей и горстка специалистов по анализу данных.
И нам, вероятно, нужно изыскивать, может быть, 5-7 миллионов долларов в год для реализации этого проекта, пока он не станет самофинансируемым за счет глобальной коммерциализации своего предложения… Итак, допустим, 30 миллионов долларов в течение 5 лет, чтобы быть консервативным. Мы сосредоточены только на проблеме более эффективного использования программного обеспечения для распознавания образов и машинного обучения для повышения точности (и доступа!) Диагностики меланомы.
Как выглядит окупаемость инвестиций. Мы инвестируем 30 миллионов долларов в течение 5 лет, и по завершении у нас, возможно, будет продукт, который сэкономит сотни миллионов долларов на ненужных биопсиях, а затем (с другой стороны) на дорогостоящем лечении людей с диагнозом меланома и, возможно, 2000 жизней в год навсегда !! ! … Мне кажется, что это не проблема.
Моя семья готова вложить в этот проект 2 миллиона долларов. Кому-нибудь еще интересно?
