17. Несколько успешных примеров ИИ-проектов — 3
Текст видео

Всем привет, это Роман Душкин, и мы на курсе по основам Искусственного Интеллекта. Сегодня у нас семнадцатое занятие, и мы заканчиваем рассматривать различные проекта ИИ-систем. На вкусненькое я приготовил для вас нечто интересное, но при этом и не забыл про свои шкурные интересы. Так что сегодня я расскажу вам про свою собственную разработку — это проект Джейн, Искусственный Интеллект для персональной медицины.

Немного истории. Мы начали разрабатывать Джейн в 2014 году, поставив перед собой цель сделать систему, которая смогла бы давать пациентам с тяжёлыми заболеваниями возможности по диагностике, ведению заболевания, контроля назначения и приёма лекарственных препаратов и прогнозированию. Начали с эпилепсии, поскольку это одно из тяжёлых заболеваний нервной системы, которое чаще всего поражает детей, имеет неясную природу и часто тяжело поддаётся лечению. Сегодня уже созданы сегменты базы знаний, которые включают в себя три области — неврологию, кардиологию и эндокринологию, что позволяет охватывать эпилепсию или любые судорожные состояния, артериальную гипертензию, ишемическую болезнь сердца и сахарный диабет. При этом сама система является универсальной, её алгоритмы и эвристики могут использоваться в любой медицинской области — вопрос только в подключении новых сегментов.
Архитектура Джейн основана на гибриде двух парадигм Искусственного Интеллекта — восходящего и нисходящего. С одной стороны в ней используются нейросети глубокого обучения и эволюционные алгоритмы, которые позволяют находить закономерности в огромном массиве входных данных, которые Джейн обрабатывает. С другой стороны в центре её разума находится универсальная логическая машина вывода, использующая такие типы логик, как булева, нечёткая и темпоральная. Это позволяет Джейн не только выводить заключения на основании фактов о пациенте, но и использовать скрытые закономерности в этих фактах и в их взаимосвязи с огромным количеством иных факторов для более тонкой подстройки под персональные особенности пациента. А самое главное — Джейн может объяснить то, как она получила предлагаемый результат.

Джейн обладает набором моделей, которые позволяют ей обрабатывать всю медицинскую информацию о пациенте, находить мельчайшие нюансы, проверять диагнозы и назначенные программы лечения, а главное — прогнозировать развитие состояния и предупреждать пациента о «плохих» днях. Как я уже сказал, сегодня речь идёт не только об эпилепсии — Джейн постоянно учится новым знаниям о человеке, медицине и конкретных заболеваниях. И дальше она будет всё умнее и умнее. И тогда каждый пациент, который обратится к ней, сможет получить полноценное системное медицинское обслуживание с учётом всех его персональных особенностей.
Но довольно рекламы. Давайте я немного расскажу, что у Джейн внутри. Для того чтобы обладать максимально полной информацией о своём пациенте, Джейн постоянно собирает у него все возможные данные о том, что происходит. Это так называемый дневник здоровья, в который вносятся клинические события, приём лекарств и всевозможные измерения и анализы. Идеальным вариантом, конечно, является ввод всей возможной информации о человеке с рождения, но это доступно сейчас только тем, кто родился недавно. Впрочем, в дневник здоровья Джейн можно вводить историческую информацию, если она имеется. Также Джейн может собирать сырые и обработанные данные с разного рода носимых устройств и приборов. И Джейн также постоянно собирает всю возможную информацию об окружении пациента — от погодной до субъективной вплоть до оценки настроения.

Эти большие данные Джейн использует для того, чтобы выполнять три важных для персонального подхода к пациенту функци. Во-первых, это подготовка «второго мнения» относительно диагноза пациента. В этом вопросе Джейн уже помогла нескольким людям, найдя такие нюансы в их состояниях, которые позволили уточнить диагноз и скорректировать лечение. Во-вторых, Джейн контролирует назначение лекарственных препаратов, используя персонифицированную информацию о пациенте для определения персональных рисков приёма и сопоставляя побочные эффекты с физиологическими и патологическими состояниями, которые уже есть у пациента. Это также позволяет Джейн практически мгновенно определять проявления побочных эффектов от приёма препаратов и сигнализировать об этом врачу. В-третьих, Джейн может прогнозировать как ближнесрочное, так и более далёкое состояние пациента или развитие болезни. В частности, Джейн может сигнализировать о «тяжёлых» днях на основе прогноза погоды и геомагнитной обстановки, местоположения пациента и других факторов. Это позволяет, как минимум, подготовиться, а в некоторых случаях и предотвратить развитие кризисов.
Фактически, Джейн является достаточно универсальной и развитой системой поддержки принятия решений. Она обрабатывает символьную информацию из своих баз знаний, сопоставляет её с персонифицированными данными пациента и постоянно отслеживает наличие разного рода воздействий извне. Некоторые факторы проводятся через нейронные сети, для некоторых типов данных созданы автоматические краулеры, которые постоянно обновляют информацию в базе данных Джейн. Например, специальный модуль постоянно отслеживает сигналы о появлении новых лекарственных средств, и как только информация о них появляется в базах данных, она скачивается оттуда, проводится синтаксический анализ, все данные раскладываются по полочкам и сразу же используются для работы. Это значит, что сама Джейн постоянно обучается, при этом обучение является дедуктивным и часто автоматическим, не требующим вмешательства инженера по знаниям.

Наконец, Джейн предоставляет несколько разных интерфейсов для работы со своей функциональностью. Сегодня мы заострили своё внимание на разработке чат-бота, который позволит общаться с Джейн на структурированном естественном языке, и таким образом в гаджетах у пользователей появится, так скажем, персональный помощник в области здоровья. Чат-бот не только примет информацию в дневник здоровья, но и будет постоянно подсказывать, что делать и как быть — напомнит о приёме лекарства, спросит про настроение, уточнит результаты сданного анализа крови и так далее. Всё это скоро будет доступно любому человеку, так что следите за эфиром.

На этом всё. Если вас заинтересовала наша разработка, то непременно спрашивайте. А пока переходите к чтению дополнительных материалов и ответу на вопросы теста. Всем добра.
Интересные вопросы курсантов
(орфография и пунктуация курсантов сохранены)
Очень интересно конкретику узнать, про Джейн. Получается, что ждем блоков-модулей, которые будут выполнять определенные действия. И потом комбинируем их для собственных целей?
Джейн — система с довольно сложной архитектурой, которая использует и символьную математику, и нейросети. Кроме того, у неё база знаний устроена таким образом, что на ней можно автоматически строить деревья решений для диагностики и продукции для контроля применения лекарственных препаратов. Также там используются семантические сети на верхнем уровне, а на самом нижнем — сценарии на специальном DSL. В общем, всё очень сложно, и некоторые вещи я вообще раскрывать не готов, поскольку это наше ноу-хау. Но могу поделиться презентацией проекта.
...Или каждого чат-бота нужно учить? Но если учить, то дело опять в стандартных наборах данных (типа сета на 100 000 картинок)
Чат-боты могут быть устроены двояко:
1) На основе формальных сценариев (так, к примеру, устроен чат-бот Джейн).
2) На основе анализа естественного языка.
Второй подход также может быть разделён на два варианта — анализ при помощи формальных грамматик и анализ при помощи нейросетей. Все три подхода используются очень активно и повсеместно. Более того, они комбинируются (и мы будем внедрять в следующую версию своего чат-бота элементы анализа ЕЯ). Так что обучать нужно только тех, кто использует нейросетевой подход.

Тоже самое с историями болезней - почему нельзя выучить ИИ диагноста - запустив туда сотню миллионов историй болезней?
Скорее всего потому, что нет формализованных сотен миллионов историй болезней. IBM Watson пытается сделать что-то подобное, и ему скормили какие-то сотни тысяч анамнезов по раку чего-то там. Но результатов пока не видно. Мне сложно представить архитектуру нейросети, которая смогла бы поглотит сотни миллионов анамнезов в разных областях медицинских знаний, как-то их дифференцировать и потом использовать. Но я думаю, что работы в этом направлении активно ведётся. Не то, что будет универсальный ИИ-диагност, но в отдельных областях медицины это вполне возможно.
Ну вот опять возвращаясь к Джейн — в её базе знаний есть описания 70 эпилептических синдромов. При помощи нечёткой математике и деревьев решений она может сопоставить клиническую картину пациента с каждым из 70 описаний, после чего выдать ранжированный список с рекомендациями. Но перед этим ей необходимо сказать простую вещь: «Это пациент с эпилепсией», после чего она подключит неврологический картридж и выполнит диагностику.

доступ к Джейн можно как-то подучить?
Доступ к Джейн получить можно. WEB-адрес: https://beta.jane.expert/. Чат-бот в Телеграме: @janeexpertbot (https://t.me/janeexpertbot).
Когда, где и за сколько я бы смогла воспользоваться услугами Джейн? И когда это будет доступно широкому зрителю? Где она сейчас используется?
С Джейн можно поработать по адресу https://beta.jane.expert/ — там надо зарегистрироваться и заполнить анкету в личном кабинете. Потом будет доступна функция ведения дневника здоровья. Другие функции, о которых я упоминал в лекции, там пока предоставлены в очень урезанном варианте. Ну а пообщаться с Джейн можно и в Телеграме: @janeexpertbot.
Может ли в Джейн произойти какой-то сбой, и она намеренно будет травить, например, человечество?
Джейн — это представительница XAI, то есть eXplainable AI, объяснимый искусственный интеллект. Нет, там есть и нейросети, но только на самом нижнем уровне. На уровне принятия решений используются формализмы, которые позволяют отследить принятое решение от посылок к заключениям и, соответственно, понять, как решение было принято. Поскольку в явном виде знаний о том, как травить людей, у Джейн нет, то она не будет этого делать. К тому же, она очень добрая и людей любит.
Можно ли получить презентацию по Джейн?
Самостоятельная работа
Задание 1

Прочесть все материалы по ссылкам выше

Задание 2

Сдать проверочный тест
Есть вопросы? Отлично, задавайте!
Предыдущие уроки
Урок № 1: ИИ и две зимы здесь
Урок № 2: ИИ и междисциплинарные исследования здесь
Урок № 3: Две парадигмы здесь
Урок № 4: Интуитивный подход и тест Тьюринга здесь
Урок № 5: Символьный и логический подходы здесь
Урок № 6: Агенты и роевой интеллект здесь
Урок № 7: Гибридный подход здесь
Урок № 8: Гибридный подход здесь
Урок № 9: Некоторые мифы об ИИ — 1 здесь
Урок №10: Некоторые мифы об ИИ - 2 здесь
Урок №11: Некоторые мифы об ИИ — 3 здесь
Урок №12: Правда об ИИ - 1 здесь
Урок №13: Правда об ИИ - 2 здесь
Урок №14: Правда об ИИ - 3 здесь
Урок №15: Несколько успешных примеров ИИ-проектов — 1 здесь
Урок №16: Несколько успешных примеров ИИ-проектов — 2 здесь