Dijagnoza srčane insuficijencije primenom mašinskog i dubokog učenja

Abstract

Veštačka inteligencija (VI) nalazi primene u medicine već više od pola veka. Sedamdesetih godina 20. veka, ekspertski sistem MYCIN vršio je dijagnozu uzroka infekcija krvi i preporučivao antibiotike značajno bolje od mlađih lekara bez kliničkog iskustva. Iako nikada nije korišćen u praksi zbog tehnoloških, etičkih i pravnih prepreka, MYCIN je demonstrirao neke od brojnih koristi od upotrebe VI u medicini: brza obrada velikih količina podataka, mogućnost kombinovanja celokupne zdravstvene istorije pacijenta sa bazama podataka koje se odnose na čitavu populaciju, stalna dostupnost, skalabilnost, itd. Međutim, naglu ekspanziju primene u medicini VI doživljava tek sa naprecima u oblasti dubokog učenja (DU), koje se zasniva na višeslojnim veštačkim neuralnim mrežama i dostupnošću velikih baza podataka. Arterys (danas Tempus Radiology) je prvi sistem zasnovan na DU koji je dobio zvanično odobrenje američke FDA 2017.godine, a koristi se za analizu rendgenskih, CT i MR snimaka. Metode VI, prevashodno DU, našle su primenu u dermatologiji, gastroenterologiji, onkologiji, oftamologiji, kardiologiji, farmakologiji, neurologiji, psihologiji, personalizovanoj medicini, epidemiologiji, pa čak i u administraciji i edukaciji (automatsko ažuriranje elektronskih zdravstvenih kartona, virtuelni asistenti i chatboti itd). U ovom predavanju najpre ćemo objasniti i razgraničiti osnovne pojmove iz oblasti VI (ekspertski sistem, mašinsko/duboko učenje), i principe na kojima se zasnivaju uspešne aplikacije poput sistema za kompjutersku viziju i obradu prirodnih jezika (chatboti). Zatim ćemo navesti neke uspešne primere primene ovih tehnika u medicini. Konačno, predstavićemo projekat SensSmart, finansiran od strane Fonda za nauku, koja za cilj ima razvoj višesenzorskog polikardiografa (stetoskop, EKG, akcelerometar, PPG) i pratećeg algoritma zasnovanog na mašinskom i dubokom učenju za ranu dijagnozu srčane insuficijencije. Uz to, u okviru projekta SensSmart biće prikupljena i učinjena javno dostupnom baza snimaka bolesnih i zdravih ispitanika, čime će biti dat doprinos rešavanju jedne od najvećih prepreka u daljoj široj primeni mašinskog učenja u medicini, a to je nedostatak adekvatno anotiranih i javno dostupnih medicinskih podataka.