Алгоритмы ИИ для диагностики рака

Dbrain изначально позиционирует себя как разработчик блокчейна именно для машинного обучения, а LigoLab создает ИТ-решения для лабораторий анатомии и клинической патологии в США. В данном случае речь идет об использовании искусственного интеллекта для ранней диагностики онкологии, важность которой сложно недооценить.

Традиционно задача диагностики рака возложена на онкологов и патологоанатомов. После взятия проб на биопсию результаты анализа передаются доктору, который изучает образцы и принимает решение о том, какие зоны требуют более подробного изучения. Более глубокий анализ отдельных областей и органов патологоанатомом позволяет выявить наличие или отсутствие злокачественных опухолей. Но многое здесь зависит от опыта и навыков самого доктора. Степень подготовки медицинского персонала в целом не всегда гарантирует высокий уровень профессионализма, и даже самые лучшие и опытные врачи не застрахованы от человеческих ошибок и фактора усталости.

Учитывая оптимизации в системе здравоохранения и множество рутинных процедур онкологи и патологоанатомы часто работают в условиях высокой нагрузки. Это значит, что у них не так много времени для изучения образцов тканей, которые поступают в огромном количестве. И если наличие опухоли не очевидно с первого взгляда, то с большой долей вероятности она останется незамеченной на первом этапе.

Новые технологии позволяет повысить точность диагностики более простым, надежным и более дешевым способом. Dbrain и LigoLab предлагают использовать для этого совместные разработки в сфере блокчейна и ИИ. Распределенная сеть Dbrain поможет хранить результаты анализов и исследований, формируя необходимую базу для дальнейшего машинного обучения алгоритмов LigoLab. По мере того как будут накоплены определенные результаты, LigoLab сможет использовать свои методики ИИ и предложить готовое ПО для медицинских учреждений, которое будет определять вероятность наличия онкологии и каждого пациента. По мере увеличения базы данных, хранящейся в блокчейне Dbrain, точность диагностики будет увеличиваться, сокращая риски человеческих ошибок. По результатам экспресс-анализа и рекомендациям информационной системы врачи смогут более точно определять зоны тела, нуждающиеся в дополнительном осмотре и анализе.

Конечно, ИИ не сможет полностью заменить онкологов или патологоанатомов, по крайней мере в ближайшей перспективе. Человеческий интеллект и рассудительность по-прежнему будут играть ключевую роль в диагностике, но система ИИ, правильно обученная и запрограммированная, может стать к ним полезным дополнением. ИИ и машинное обучение могут стать основой для поддержки человеческой экспертизы в тех сферах, где человеческих сил, внимания и точности просто не хватает для принятия сложных решений и внести реальные, позитивные изменения в здравоохранение.