Эта статья изначально была опубликована в блоге Encord, который вы можете прочитать здесь.
Директор отделения гастроэнтерологии и эндоскопии больницы Королевского колледжа доктор Бу Хайи, мягко говоря, занятой человек. Как практикующий врач и доцент, он имеет ряд конкурирующих интересов: академические, стратегические, исследовательские и клинические.
Помимо наблюдения за студентами и лечения пациентов, он тесно сотрудничает с NHS England над их цифровыми путями и преобразованиями, и он глубоко заинтересован в том, как новые технологии, такие как искусственный интеллект и компьютерное зрение, могут повысить эффективность ухода за пациентами.
В 2020 году доктор Хэйи помогал контролировать сотрудничество между Королевским колледжем Лондона и Encord — платформой для компьютерного зрения, ориентированного на данные, — которое было направлено на повышение скорости, с которой врачи могут аннотировать полипы в видеороликах колоноскопии (данные для обучения для модели компьютерного зрения, обнаруживающие предраковые полипы)
Недавно мы встретились с доктором Хэйи, чтобы узнать больше о его мыслях о роли глубокого обучения в медицинской диагностике, его сотрудничестве с Encord и меняющемся ландшафте медицинского ИИ.
Следующее интервью было отредактировано для ясности и длины.
Encord. Как эволюционировал медицинский ИИ на протяжении вашей карьеры?
Доктор. Бу Хайи: Это очень ново. Мы начали видеть практическое применение медицинского ИИ в моей специальности около трех лет назад. Эндоскопия очень хорошо подходит для компьютерного зрения, потому что это специальность, ориентированная на изображения. Диагностика и оценка пациентов и состояний, которые у них могут быть, зависят от анализа изображений, поэтому компьютерное зрение набирает все большую популярность в этой области.
Хотя я давно интересовался машинным обучением и тем, как его можно использовать для улучшения ухода за пациентами, к сожалению, до недавнего времени такие проекты машинного обучения выполнялись медленно, потому что для обучения модели требуются миллионы и миллионы точек данных. .
Подготовка этих данных требует трудоемкой аннотации изображений и длительного контроля качества. Эти барьеры затрудняют перевод модели из стадии исследования в производство. Эти препятствия также означают, что эта технология в основном была прерогативой крупных отраслей, в отличие от других, более мелких участников, которые были отговорены от использования глубокого обучения из-за проблем, связанных с курированием обучающих данных и разработкой моделей.
Кодирование. Вы упомянули аннотирование данных как трудоемкий процесс. Не могли бы вы описать, каково это — аннотировать эти изображения вручную?
Доктор. Хэйи:Это психологическая пытка. Аннотации — просто одна из самых болезненных задач, которые нам приходится выполнять в исследованиях на основе изображений.
Маркировка данных занимает много времени и требует внимания человека, который достаточно хорошо разбирается в предмете, чтобы аннотировать изображения. Надежные и высокоточные аннотации являются основой процесса машинного обучения, поэтому маркировка должна выполняться правильно. Одним из вариантов является передача изображений компании, предоставляющей услуги аннотирования, но, поскольку эти аннотаторы не имеют медицинского образования, клиницисты должны знакомить их с данными, что само по себе является трудоемкой задачей. В качестве альтернативы, больница может платить высококвалифицированному медицинскому работнику с двумя степенями последипломного образования, чтобы он сидел перед экраном и часами щелкал мышью, что не является эффективным или экономически выгодным использованием времени.
Encord. Как инструменты Encord изменили для вас процесс аннотирования изображений?
Хейи: встроенные инструменты позволили нам быстро аннотировать большое количество точек данных. Раньше использование клиницистов для аннотирования видео с предраковыми полипами требовало непомерно высоких затрат из-за большого количества наборов данных, необходимых для обучения модели. С помощью Encord мы аннотировали данные в шесть раз быстрее, чем при использовании традиционных методов.
Это фантастический результат, потому что при таких темпах мы все еще можем задействовать высококвалифицированных медицинских специалистов для аннотирования данных, но мы не отнимаем у них много времени. Большая часть задачи переносится на обеспечение качества, что намного быстрее, чем аннотирование, поскольку микромодели Encord автоматически генерируют 97% этикеток. Вместо того, чтобы действовать как аннотаторы, мы становимся людьми в цикле, которые проверяют вывод машины, в данном случае метки, на предмет точности.
По сравнению с другими инструментами поддержки этикеток, с которыми мы работали, пользовательский интерфейс Encord намного удобнее. Интерфейс интуитивно понятен, поэтому требуется совсем немного обучения, чтобы стать своего рода «экспертом» в использовании всех функций.
Это то, чего ты хочешь, верно? Отличительной чертой отличного продукта во многом является его удобство использования. Например, вы подключаете свой смартфон, он работает, и вам не нужно много учиться, чтобы им управлять. Именно такой UX мы ожидаем в 21 веке. Когда дело доходит до внедрения медицинского ИИ, нам понадобится такой опыт, потому что врачи не программисты. Мы конечные пользователи, и нам не нужно учиться программировать, чтобы эффективно использовать продукт. Мы хотим, чтобы продукт дополнял наш медицинский опыт и улучшал нашу медицинскую практику, не требуя от нас стать экспертами в области компьютерных наук.
Encord. Какую наибольшую пользу может принести ИИ в целом и компьютерное зрение в частности?
Доктор. Хэйи:Короче говоря, время — время как для пациентов, так и для врачей. Мы сможем в режиме реального времени показывать пациентам изменения того, что мы видим на экране. Мы сможем визуально обнаруживать аномалии с большей надежностью и большей скоростью, вместо того, чтобы ждать микроскопического подтверждения. Когда дело доходит до ухода за пациентами, у врачей будет больше времени, чтобы посвятить план лечения, потому что нам не придется зависеть от текущих путей, которые мы используем для диагностики, таких как ожидание гистологии биопсии, которую мы взяли для вернуться из лаборатории, прежде чем мы составим план управления уходом.
ИИ будет невероятно полезен в поддержке принятия решений. Это не замена решения. Машина не заменит врача и сама поставит диагноз пациенту, но даст, так сказать, вторую пару глаз уже образованному клиницисту. Аппарат может подтвердить диагноз врача, повышая уверенность врача, чтобы он мог составить план лечения и немедленно начать лечение пациента. В качестве альтернативы, если машина обнаруживает что-то отличное от того, что предполагал врач, врач может проявлять немного больше осторожности, быть немного более осторожным и исследовать немного более тщательно, прежде чем ставить диагноз и разрабатывать план лечения. Оба этих сценария положительны в моей книге.
Encord: как, по вашему мнению, пациенты и медицинские работники относятся к использованию ИИ для лечения?
Я думаю, что есть некоторая путаница в отношении роли технологии. Даже называя эту технологию искусственным интеллектом, мы без необходимости вызываем раздражение, потому что многие люди связывают искусственный интеллект с Терминатором и iRobot — двумя худшими фильмами, в которых искусственный интеллект стал общеизвестным, потому что они увековечивают такой негативный, нереалистичный взгляд на технологию и то, что она делает.
Когда я разговариваю с людьми об ИИ, я говорю: «Послушайте, это не мыслящие машины и не всевидящие глаза. Они даже не так сообразительны, как трехлетний ребенок, кладущий кубики в яму. Они не заменят врачей или медсестер».
Медицинские работники будут чувствовать себя комфортно, ежедневно работая с ИИ. Со временем компьютерное зрение станет тем, чем сегодня являются для нас наши калькуляторы Texas Instrument. Это сделает нас лучше и быстрее в нашей работе. Я могу выполнять простое сложение без калькулятора, но калькулятор дополняет то, что я делаю, и улучшает мою производительность. Это то, что ИИ собирается сделать для здравоохранения. Врач всегда будет принимать решение, но ИИ предоставит нам дополнительную информацию для принятия этого решения, аналогично тому, как мы принимаем решения о лечении на основе результатов анализа крови.
Encord: ранее вы упомянули, что время было самым большим преимуществом, которое ИИ мог дать пациентам. Можете ли вы представить, что ИИ в конечном итоге окажет существенное влияние на раннюю диагностику заболеваний?
Доктор. Хэйи: Можно было бы на это надеяться.
Не подхватить болезнь, пока не стало слишком поздно, диагностировать рак на поздней стадии, когда ранняя диагностика могла бы спасти жизнь, — вот те вещи, которые не дают врачам спать по ночам. Они ужасны, и, к сожалению, у большинства из нас есть с ними личный опыт. Врачи постоянно задаются вопросом, как они могут предотвратить такие вещи.
Прямо сейчас у нас недостаточно доказательств, чтобы с уверенностью сказать, что ИИ сможет это сделать, но если вы логически посмотрите на то, что ИИ намеревается делать, то, надеюсь, это будет только вопросом времени, когда мы сможем окончательно доказать. что ИИ спасает жизни
В здравоохранении одной из самых сильных и слабых сторон является большой объем данных, которые мы генерируем. Если бы мы знали, как использовать его, я уверен, что это могло бы помочь нам решить многие из этих проблем. Это может быть стратегический актив, который позволит нам помочь нашим пациентам, а не просто цифры на странице.
Такие продукты, как Encord, помогут нам в этом, потому что они позволяют нам быстрее раскрывать потенциал этих данных и более демократичным способом. Отсутствие необходимости быть высококвалифицированным программистом, чтобы начать работу над проектом или предложением ИИ, открывает всевозможные возможности для инноваций и новых идей от новых участников. Это должно быть путем вперед. Если мы собираемся добиться прогресса, мы не можем вечно концентрировать эти усилия в больших бункерах и больших компаниях. Нам необходимо больше участия широких масс, и такие продукты, как Encord, помогут сделать это участие возможным.
Команды машинного обучения и обработки данных любого размера используют приложения Encord для совместной работы, функции автоматизации и API-интерфейсы для создания моделей, аннотирования, управления и оценки своих наборов данных. Загляните к нам здесь.
