Здравеопазването залага на графични технологии в AI системите

„Вече ставаме свидетели на обещаващи разкрития за това по какъв начин изкуственият интелект може да помогне да постигнем един по-здрав свят от когато и да било” – Рамона Продеа, мениджър регион Източна Европа, AMD

Изкуственият или машинният интелект напоследък привлича сериозно внимание. И все пак, повечето от най-популярните примери, които сме виждали за демонстрация на неговите възможности, са от типа на езотеричните доказателства за концепцията – като самообучение на машината да играе шахмат или откриване на котката във видеоматериали, публикувани в интернет.

Докато тези приложения са помогнали да се проправи пътя за следващите открития, те също така карат много хора да се питат къде са осезаемите ползи и какво означава ерата на изкуствения интелект за реалния свят. Най-накрая стигаме до точката на пречупване, където усилията в областта на машинния интелект започват да отиват отвъд тези начални примери в посока на променящи живота открития, които могат да решават нерешими досега проблеми. Това най-ясно може да се види в здравеопазването.

Здравеопазването е една от областите, където се събират най-много данни. Поддържането на записи и регистри е неделима част от него, като последните са все по-достъпни с преминаването на здравните системи по света към електронни регистри. Диагностични изображения, рентгенови снимки, резултати от компютърна томография, ядрено-магнитен резонанс и други се съхраняват дигитално.

Докато всички тези усилия се правят с цел намаляване на разходите, увеличаване на ефективността и улесняване на грижата за пациентите, в ерата на изкуствения интелект те създават дълбоки езера от данни за анализ. Това дава възможност за нови изследвания и откриване на модели, които силно надвишават човешките способности.

Данните в здравеопазването сами по себе си не движат технологичните пробиви. На практика повечето от тази информация е дигитална от години. Алгоритмите обаче, които са използвани за анализ на данните, не биха могли да бъдат изпълнявани достатъчно бързо, за да се осигури ценна информация за необходимото кратко време. Това сега се променя, поради едно на пръв поглед нетипично приложение на графичните технологии.

Графичните процесори (GPU) традиционно се използват за рендериране на графика и видео. Те намират място в най-различни системи и устройства за възпроизвеждане на изображения – от телевизорите до поглъщащите компютърни игри. Сега силата на тези графични процесори се овладява от индустрията на здравеопазването, за да се използва в приложенията за изкуствен интелект.

С напредъка в технологията на графичните процесори, паралелната обработка на данни вече е бърза, мощна и евтина. В съчетание с намиращите все по-голямо разпространение софтуетни платформи с отворен код, изчислителната производителност най-накрая може да върви в крак с нуждите на алгоритмите на машинния интелект. Способността да се дешифрират огромни обеми от данни ще има дълбоко въздействие върху системите за здравеопазване, включително предсказването и лечението на болести.

Подобряване на превантивната медицина

Платформите за изкуствен интелект едва сега започват да доказват своята истинска стойност в помощ на превантивната медицина и спирането на заболяванията преди да са започнали, което е жизнено важен компонент в съвременната стратегия на здравеопазването. Седем от всеки 10 смъртни случая  сред американците всяка година се дължат на хронични болести (като рак и сърдечни заболявания) и почти всеки един от двама възрастни хора страда от поне една хронична болест; при това много от тези болести са предотвратими.

Изследователите наскоро създадоха алгоритъм за диагностика с помощта на изкуствен интелект, като програмираха графичния процесор да действа като неврална мрежа. Прилагайки „задълбоченото обучение” с използване на GPU, екипът обучи невралната мрежа да идентифицира и различава злокачествените от доброкачествените лезии на кожата. Резултатът на изследването показа, че алгоритъмът е толкова надежден, колкото и лекар-дерматолог при откриването на рак на кожата, при това с потенциала да осигурява диагнози с много по-голяма скорост и на по-ниска цена. При 5,4 милиона нови случаи на рак на кожата в САЩ всяка година, ранното откриване може да има огромен ефект върху резултатите.

Машинният интелект също вече се използва, за да предвижда бъдещото здраве на отделни хора и групи чрез анализа на клинични и извънклинични данни за идентифициране на пациентите във висок риск, преди да настъпи бедата. По-широкото възприемане на тези технологии може също да доведе до по-добри резултати за пациентите и да намали грешките в здравната система, като се адресират навреме проблемите и се осигурява своевременно необходимата грижа.

С по-широкия достъп до подобни услуги в бъдеще се предвижда задълбоченото самообучение да осигурява по-голяма точност, по-бърз анализ и в крайна сметка – по-ниски разходи в здравеопазването.

Поддръжка на изследванията и откритията

Изкуственият интелект проправя нов път там, където традиционните методи на изследване не са стигали до успех.

В исторически план, стойността на разработването на нови лечения за редки заболявания е огромна и често пъти възпрепятстваща. Броят на пациентите, живеещи с единична рядка болест, е малък, което създава затруднения при намирането на участници за скъпите клинични тестове и за фармацевтичните компании да си възвърнат разходите след като лекарството отиде на пазара.

Машинният интелект може да намали времето на пътя до пазара и ценовите бариери пред мадицинските изследвания, с което да даде тласък на напредъка в случаите, където има ограничени финансови стимули за фармацевтичните компании.

Някои компании-пионери вече осъзнават потенциала на тази технология, като комбинират биологичната наука със задълбоченото самообучение, за да открият нови начини на лечение на редки генетични болести, типично без продължителните и скъпи изследвания на новите медикаменти. Данните, генерирани от тези приложения, с времето също могат да бъдат източник за допълнителен софтуер за проучвания и да помогнат да се изясни защо някои лекарства работят, или да подскажат най-обещаващите пътища за провеждане на проучванията.

Отключване на технологичните пробиви в здравеопазването за всички

Не е случайно, че изследователите  сериозно разчитат на инициативите с отворен код в поддръжка на техните открития. Тенденцията към отворени екосистеми тепърва набира сила. С използването на безплатни, широко достъпни изображения в интернет, изследователите могат да си сътрудничат в рамките на цялата област на здравеопазването, за да подобряват резултатите за пациентите чрез изкуствения интелект.

GPU-базираните ускорители Radeon Instinct ще предложат повече избор на пазар, който преди беше заключен за някои вендори

Защо отворен код? Платформите с отворен код предлагат богат на функции софтуер и са създадени от общност от целево-насочени разработчици. Преносимостта на софтуера между производителите на хардуер избягва заключването на хардуера, като същевременно извлича от него оптимална производителност. Бизнесът, академичните и държавните организации не трябва да бъдат приковани към решение на един единствен вендор.

Отворените платформи като Radeon Open Compute Platform (ROCm) са от жизнено значение за подобряване на достъпа до математически библиотеки и да осигуряване на  богата основа от съвременни програмни езици, които могат да ускорят разработката на високопроизводителни, енергоефективни изчислителни системи. А гъвкавият, изчислително-ориентиран GPU хардуер, като ускорителите Radeon Instinct, ще предложи повече избор на пазар, който преди беше заключен за някои вендори.

По-нататък по пътя на ерата на изкуствения интелект новите GPU ускорители заедно с оптимизираните решения за задълбочено самообучение с отворен код ще помогнат да се решат някои от най-наболелите предизвикателства в здравеопазването. Ние сме само в началото на това вълнуващо пътешествие, но вече ставаме свидетели на обещаващи разкрития за това по какъв начин изкуственият интелект може да помогне да постигнем един по-здрав свят от когато и да било.