67 гостей
Штучний інтелект з прискоренням на GPU розпізнає аритмію
Штучний інтелект з прискоренням на GPU розпізнає аритмію
Штучний інтелект швидко перетворюється в технологію, яка рятує життя.
Два окремі проекти на комерційній і науковій арені наблизили нас до можливості значно знизити частоту розвитку серцево-судинних захворювань, які є основною причиною смерті в світі. Команда дослідників зі Стенфордського університету під керівництвом Ендрю Ина (Andrew Ng) і стартап з Кремнієвої долини використовують можливості штучного інтелекту, щоб удосконалити процес виявлення серцевих патологій і підвищити точність діагностики.
Компанія з виробництва медичних пристроїв AliveCor з Маунтін-В'ю розробляє алгоритми глибокого навчання, які дозволять людям відслідковувати свій серцевий ритм за допомогою датчиків, вбудованих в наручний годинник Apple Watch. Вони можуть навіть попередити користувача про необхідність негайно зробити ЕКГ за допомогою додатка на Apple Watch і спеціально розробленого ремінця з вбудованим сенсором.
AliveCor вже вплинула на ринок кардіографів, випустивши пристрій KardiaMobile, яке разом з додатком на смартфоні дозволяє записувати й аналізувати результати ЕКГ користувача. Продукт був представлений п'ять років тому, і в його основі лежить модель глибокого навчання, яка була натренована на AWS на базі GPU NVIDIA Tesla. Вона створює персональний профіль серця користувача і потім порівнює з ним всі наступні ЕКГ.
Більш того, додаток автоматично виявляє нового користувача, забезпечуючи цілісність профілю основного користувача.
Виявлення необхідності проведення ЕКГ
Завдяки своєму новому продукту, схваленому FDA, яке носить назву KardiaBand, AliveCor значно зменшила розмір KardiaMobile, вбудувала його в ремінець Apple Watch і інтегрувала з численними сенсорами самих годин. Однак віце-президент компанії Френк Петтерсон (Frank Petterson) заявив, що справжня інновація KardiaBand полягає в програмі штучного інтелекту SmartRhythm.
SmartRhythm, натренований на прискорювачах для дата-центрів NVIDIA Tesla V100, співвідносить частоту серцевих скорочень з поточною діяльністю користувача і іншими факторами. Таким чином, програма визначає, є аномальні свідчення варіантом норми або ознакою для занепокоєння.
«Ми можемо запускати нейронну мережу в Apple Watch кожні п'ять секунд протягом всього дня, класифікуючи всі вступники дані про частоту серцевих скорочень і активності, - розповів Петтерсон. - Алгоритми здатні зрозуміти, чи нормальні патерни серцевої діяльності, і якщо немає, відправляють повідомлення про необхідність зробити ЕКГ ».
Петтерсон пояснив, що він не може публічно обговорювати, де AliveCor надалі планує використовувати свої технології. Але він згадав про співпрацю з клінікою Mayo Clinic, де ЕКГ використовуються для контролю рівня електролітів і потенційного запобігання нападам вродженого синдрому подовженого інтервалу QT, захворювання, через якого здаються здоровими люди (наприклад, атлети), непритомніють або навіть раптово вмирають.
За словами Петерсона, «ЕКГ містить більше даних, ніж багато хто припускає».
Робота Ендрю Ина в області електрокардіографії
Тим часом, в Стенфордському університеті команда дослідників під керівництвом Ендрю Ина, професора і колишнього наукового керівника Baidu, застосовує алгоритми штучного інтелекту для автоматизації читання та інтерпретації результатів ЕКГ. Вони прагнуть прискорити і поліпшити точність діагностики аритмій і звільнити медичний персонал, щоб той міг зосередитися на більш складних випадках або проводити більше часу з пацієнтами.
Це класичний випадок використання штучного інтелекту для допомоги людям.
«У лікарнях, де проводять ЕКГ, лікарі все ще читають їх вручну», - розповів Авні Ханнан, член наукової команди Ина.
Дослідники працюють спільно з iRhythm, компанією, яка виробляє носяться кардіомонітори для виявлення аномальної серцевої активності і має в своєму розпорядженні величезною базою даних ЕКГ. Вони вирішили спільно працювати над автоматизацією процесу виявлення порушень серцевого ритму.
Вони зібрали 60000 записів ЕКГ тривалістю 30 секунд у більш ніж 30000 пацієнтів і застосували для обробки цих даних 34-шарову модель глибокого навчання, яку розгорнули на графічних процесорах NVIDIA.
Ця модель, детально описана в статті , Опублікованій в минулому році, здатна розпізнавати 14 видів аритмії, даючи кардіологів більш чітке уявлення про те, що відбувається з серцем пацієнта. Результати обробки ЕКГ нейронною мережею потім порівнюються з результатами аналізу експертів-кардіологів, щоб зрозуміти, які з них точніше.
Нейронна мережа показала в багатьох випадках більш точний результат, ніж лікарі. Однак Ханнан заявив, що команда продовжить роботу щодо вдосконалення алгоритму.
«Точність виявлення аритмії впливає на те, чи отримає людина необхідне йому лікування чи ні, - пояснив Ханнан. - Поки наш алгоритм стане нормальним результати, що перевершують експертів, ми продовжимо свою роботу ».
