Tomorrow’s Dentistry Today, или Сегодняшняя стоматология – завтра

Tomorrow’s Dentistry Today, или Сегодняшняя стоматология – завтра. Какой она будет? Это волнует каждого, кто является представителем стоматологического сообщества сегодня – в эру революционного развития цифровых технологий, и тем более нашу газету «Стоматология Сегодня». «Пунктирным» панорамным видением взглянем на сегодняшний стоматологический пейзаж и его перспективы.

1. Искусственный интеллект и нейронные сети.

Сегодня в отечественных и зарубежных научных кругах революционно-активно изучается и резонансно обсуждается возможность внедрения и использования интеллектуальных компьютерных технологий для изучения биологических объектов, физиологических и патологических процессов, взаимодействия элементов биологических систем, основанных на новейших современных разработках аппаратного и программного обеспечения для  медицинских целей, в том числе в стоматологической сфере; широко используются искусственные нейронные сети. Сегодня и в ближайшем будущем это одно из приоритетных направлений в области исследований искусственного интеллекта (ИИ; англ. artificial intelligence, AI).

Нейронные сети – одно из направлений в разработке систем искусственного интеллекта. Идея заключается в том, чтобы максимально близко смоделировать работу человеческой нервной системы, а именно ее способности к обучению и исправлению ошибок. В этом состоит главная особенность любой нейронной сети – она способна самостоятельно обучаться и действовать на основании предыдущего опыта, с каждым разом делая все меньше ошибок.

Нейросеть имитирует не только деятельность, но и структуру нервной системы человека. Такая сеть состоит из большого числа отдельных вычислительных элементов («нейронов»). В большинстве случаев каждый «нейрон» относится к определенному слою сети. Входные данные последовательно проходят обработку на всех слоях сети. Параметры каждого «нейрона» могут изменяться в зависимости от результатов, полученных на предыдущих наборах входных данных, изменяя таким образом и порядок работы всей системы.

Нейросети лежат в основе большинства современных систем распознавания и синтеза речи, а также распознавания и обработки изображений. Они применяются в некоторых системах навигации, будь то промышленные роботы или беспилотные автомобили; алгоритмы на основе нейросетей защищают информационные системы от атак злоумышленников и помогают выявлять незаконный контент в сети и пр.

Все задачи, которые могут решать нейронные сети, так или иначе связаны с обучением; а среди основных областей применения нейронных сетей – прогнозирование, принятие решений, распознавание образов, оптимизация, анализ данных.

2. Перспективы ИИ и НС для медицины и стоматологии.

Безусловно, в медицине, в том числе и ее области – стоматологии, привлекают необозримые перспективы использования компьютерных технологий – компьютерного зрения – для расширения аналитических возможностей, основанных на принципах функционирования; способности с невероятной быстротой интерпретировать неточную информацию, поступающую из органов чувств; способности обучаться самостоятельно; формировать собственные представления об устройстве окружающего мира; развивать способности, в том числе и пользователей, использующих эти технологии.

Пока еще многое в работе высшей нервной системы для ученых остается загадкой; представления о работе мозга и составляющих его нейронов неполны. Однако уже сейчас созданные человеком по образу и подобию мозга искусственные нейронные сети выполняют множество функций, которые были ранее прерогативой только человека. Каждый день публикуются результаты новых исследований, каждый год появляются новые методы и технологии лечения. Конечно, практикующему врачу сложно оставаться на пике технологического процесса. И все же… технология тогда будет глубоко востребована, когда она сможет грамотно и эффективно помогать и управлять решениями, которые принимают врачи.

3. Немного истории.

Первой попыткой создания искусственной системы, работающей и устроенной по принципу взаимодействия нейронов, считают работу Дж. Маккалока (J. McCulloch) и У. Питтса (W. Pitts) «Логическое исчисление идей, относящихся к нервной деятельности». Еще в 1943 году авторами были сформулированы основные принципы построения искусственных нейронов и нейронных сетей. Эта работа положила начало многим идеям, которые остаются актуальными и по сей день.

В СССР искусственным интеллектом в медицине занимались с конца 1970-х годов – в московском Институте прикладной информатики и в Институте кибернетики Украинской РАН. Сейчас над этой темой работает академик Александр Кулешов, ректор Сколковского института науки и технологий.

4. Сферы применения нейросетей.

Сферы применения нейросетей уже достаточно широки и постоянно развиваются. Многие пользователи уже не удивляются скорости программ-транслейтеров (переводчиков на лету); навигаторов с Алисой, говорящей цифровым голосом и подсказывающей маршрут; скоростным буквенным, словесным и даже текстовым подсказкам при написании собственных текстов.

Риторический вопрос – чему же научились нейросети за последние годы?! Да многому. Вот некоторый крошечный перечень приложений с использованием алгоритмов, основанных на использовании нейросетей (но если по-честному – пока число нареканий на многие из перечисленных программ достаточно, большинство алгоритмов используются для игровой сферы, но это лишь начало):

• Prisma (iOS, Android): приложение, которое превращает фотографии пользователя в картины известных художников; предоставляет возможность автору фотографии почувствовать себя художником, превратив одним нажатием собственные фотографии в уникальные произведения искусства: так, НС позволяют получать достаточно быстро картины, по стилю копирующие картины Кандинского, Ван Гога, Хокусайи и многих других художников; с помощью данного алгоритма такие картины, на которые у классиков ушли бы месяцы, выполняются за несколько минут. Самое крутое здесь то, что конечный результат не выглядит как фильтр фотошопа, это почти настоящее полотно великого художника.
• Pix2Pix (браузер): этот алгоритм превращает наспех нацарапанные рисунки в фотореалистичные картины. (Алгоритм находится пока в развитии, получается с временным успехом, да и опытные пользователи утверждают, что пока можно рисовать только туфли, котят и фасады зданий, но и это уже что-то.)
• • Fabby (iOS, Android): разрешает проблему аккуратного вырезания фона с фотографии и замены его на что-нибудь более яркое. Можно даже устанавливать на задний план какую-то анимацию. (Пока нередко получаются замыленные края, но человека нейросеть определяет с поразительной точностью.)
• FaceApp (iOS, Android)Н программа позволяет молодого состарить, старого – омолодить, хмурого – заставить улыбаться, возможно – изменить пол. (По утверждению юзеров, похожие программы уже давно заполонили магазины приложений для смартфонов, но только когда в игру вступили нейросети, результат получился по-настоящему убедительный).
• В области творчества таланты нейросетей не ограничиваются лишь обработкой изображений. Отвечая на вечный вопрос персонажа Уилла Смита из известного фильма I, Robot (художественный фантастический фильм, вышедший в 2004 году, в котором робот превращает кусок холста в шедевр искусства): «Да, робот может написать симфонию и сотворить шедевр!» В музыкальном сочинительстве подтянулись некоторые нейросети, решив, что музицируют ничем не хуже классиков: одна написала ноты на «манер Скрябина», а другая нейросеть «притворилась» Бахом и практически «мало уступила» творениям великого композитора.
• PFNN: нейронная сеть, называемая «Фазовая нейронная сеть» – для создания контроллера персонажа, участвующего в игре. Контроллер быстро вычисляет параметры во время выполнения задания и генерирует высококачественные движения во многих сложных ситуациях; представляет метод для подгонки ландшафтов из виртуальных сред к отдельно полученным данным движения. Алгоритм позволяет автоматически создавать реалистичные движения персонажей, причем движения будут генерироваться в зависимости от поверхностей, по которым перемещается та или иная модель. Такая технология позволяет значительно сэкономить на анимации персонажей. В ближайшем будущем PFNN собираются встраивать в видеоигры, а затем приспособить и для кино. (Может, в перспективе это будет  использовано для имитации работы ВНЧС?)
• GAN-технология: поможет игровым разработчикам и кинематографистам. Эта нейросеть может создавать более реалистичные 3D-объекты, причем делать это автоматически на основе реальных фотографий.
• FindFace (браузер): один из самых важных для будущего нейросетей сервисов FindFace помогает найти человека по фотографии. Большой резонанс алгоритм получил после истории разработчика, который нашел двух девушек спустя шесть лет после того, как сделал свой случайный снимок.

Нейросеть анализирует множество данных на загруженном фото, вплоть до угла наклона бровей, а потом ищет совпадения среди фотографий в интернете, которые лежат в открытом доступе. Несмотря на паранойю, которую породило приложение, в будущем этот алгоритм может использоваться для поиска преступников, потерявшихся родственников или, например для искусства: один фотограф создал проект, где сравнил людей в метро и их снимки в социальных сетях, таким образом он хотел показать разницу между тем, как мы выглядим в реальности и как мы выглядим на своих страничках в интернете.

Программы-переводчики. Разработчики Google Translator (браузер) твердо уверены, что нейросеть можно научить чему угодно, например, переводить слова с такой точностью, с какой это способен сделать живой переводчик. Алгоритм теперь действует при поддержке нейронных сетей, качество перевода значительно улучшилось. Машина обучается в реальном времени и лишь немного уступает переводчику-человеку: это обусловлено необходимостью искать компромисс между точностью и вычислительной мощностью.

5. Нейросети в медицине. Международный опыт.

Сегодня одной из важнейших сфер применения нейросетевых алгоритмов стала медицина и ее важнейшая область – онкология. Уже сегодня точность при диагностике опухолей по радиологическим изображениям превышает 90%. Объем рынка ИИ, составлявший в 2014 году 600 млн долларов, по прогнозам, в 2021 году увеличится до 6,68 млрд. В сочетании с телемедицинскими технологиями системы ИИ смогут распознавать тревожные симптомы в результатах анализов, распознавать Rg-, КТ- и МРТ-изображения, заполнять медицинские карты на основе технологии распознавания голоса, подбирать идеальные лекарства для пациента по его запросам (цене, эффективности и т.д.), анализировать данные с носимых пациентами гаджетов и выдавать им экспертные решения и прогнозы врачей. Первостепенные по значимости задачи анализа звуков и изображений широко распространены в медицинской диагностике – это рентгены, УЗИ, КТ/МРТ, анализы крови и т.д. Можно научить нейронную сеть выявлять патологии лучше опытных медсестер и лаборантов. Машина учится непрерывно 24 часа в сутки, не устает и не болеет.

В ближайшей перспективе ИИ поднимет диагностику на другой уровень, спасет жизни многих людей, не говоря уже об улучшении качества жизни. Анализ изображения является одной из актуальных задач медицинских исследований. Нейронным сетям прежде всего отдается предпочтение в большом классе задач распознавания образов, с которыми плохо справляются другие типы компьютерных программ. Применение НС на практике позволяет избежать субъективности, повысить точность, сократить время определения показателя, сформулировать результаты диагностики заболевания, решить задачи хранения медицинских данных. Словом, применение нейронных сетей в медицинских исследованиях является одним из перспективных и интенсивно развивающихся направлений, впечатляющих своей широтой и разносторонностью. НС используются для диагностики и сегментации изображения, обнаружения краев биологических объектов и для предварительной обработки изображения. Сегодня уже с помощью НС выявляют и дифференцируют разные типы раковых заболеваний кожи на цифровых снимках (Salah et al., 2011). Нейронные сети применяют для выделения кровеносных сосудов на цифровых фотографиях (Marin et al., 2011); используют в стоматологии при анализе цифровых фотографий ротовой полости для оценки наличия у пациента зубных камней (Luan et al., 2007). С помощью НС дифференцируют элементы костной ткани на рентгенографических снимках (Christopher, Ramakrishnan, 2008); повышают качество изображений (Jiang, Trundle, Ren, 2010). Исключительно полезен для практических врачей ресурс Face2Gene (Face to gene): программа позволяет диагностировать по фотографиям многие генетические заболевания (в основном, у детей). Целевая аудитория – практикующие врачи и исследователи.

Каждый день публикуются результаты новых исследований, каждый год появляются новые методы и технологии лечения, и практикующему врачу сложно оставаться на пике технологического процесса.

По мнению специалистов, на Западе вершиной подобных разработок стал суперкомпьютер IBM Watson. Он умеет анализировать медкарты и выявлять потенциальные риски для конкретного пациента. Также система оказывает информационную поддержку онкологам, помогая им подобрать варианты лечения. Этим она повышает компетенцию врачей – IBM Watson сопровождает свои заключения ссылками на релевантные научные статьи и клинические случаи. Сейчас эта платформа помогает ставить диагнозы в 16 онкологических центрах США и Канады.

6. Российский опыт использования НС в медицине. 

Сегодня российские эксперты активно обсуждают будущее искусственного интеллекта в медицине на конференции в «Яндексе», организованной порталом MedAboutMe. Rusbase записал самые важные тезисы о том, как айтишники помогут отечественным врачам лечить лучше своих пациентов:

• Основная задача – «обучить» ИИ в формате big data с использованием принципа нейросетей – чем больше база знаний, тем выше и точнее верификация данных. Для этого в здравоохранении должен произойти определенный кадровый сдвиг: сегодня отрасли нужны профессиональные программисты, математики, специалисты по компьютерным нейросетям. Необходимо переориентировать учебные программы технических и медицинских вузов на подготовку таких специалистов.
• Медицина, ориентировавшаяся ранее, в основном, на лечение острых заболеваний, теперь больше внимания уделяет недугам хроническим, многие из которых не так давно и болезнями не считались. Врачи сталкиваются с необходимостью лечить ожирение, депрессии, болезни пожилого возраста. Диабет, сердечная недостаточность, аутоиммунные расстройства все чаще диагностируются вне фазы обострения, на самых ранних стадиях, причем речь все чаще идет не только о поддерживающей терапии, но о возможности полностью излечить, исправить эти системные сбои организма. Развивается превентивная медицина, позволяющая распознать предрасположенность к определенным типам заболеваний еще до их проявления и принять меры.
• Быстро растут объемы медицинских данных; и не только медицинское сообщество начинает понимать, что от скорости и качества анализа данных зависят здоровье и качество жизни людей. И что все это – работа для искусственного интеллекта («поле непаханное»).

7. Ну, а теперь – еще ближе к стоматологии.

На практике чтение снимков сегодня в большей части субъективно и зависит исключительно от опыта и квалификации врача. Многие стоматологи испытывают сложности с распознаванием патологий и их корректным отображением в медицинской карте.

Если кому и доверять свои мысли, то лучше сделать выбор в пользу компьютера, особенно если он умеет «думать» с помощью нейросетей и экспертных алгоритмов в них заложенных. Неудивительно, что алгоритмы по поиску оптимальных решений крайне актуальны.

8. Чему научились нейросети за последние годы? Какие стоят сейчас задачи?

Программа Diagnocat (распознавание и диагностика по томографическим снимкам) задумана как масштабный совместный проект специалистов различных профилей. Сейчас в Diagnocat более 20 экспертных сотрудников – специалистов в сфере Data Science, в том числе нейросетевые специалисты, инженеры; врачи, в том числе стоматологи и рентгенологи, работу которых возглавляет известнейший стоматолог и организатор сети «Дентал Фэнтези» Владимир Александровский, и аннотаторы. Команда Diagnocat опубликовала две научные статьи и подала заявку на патент в США. Программа распознает томографические исследования, помогает поставить диагноз и дает врачам рекомендации по лечению – автоматически за очень короткое время. Выдавая качественное объективное описание КЛКТ, полезное для использования на практике, она проводит аналитику точнее и быстрее, чем это сейчас происходит в большинстве клиник при описании снимков «в ручном режиме». Разработчики программы Diagnocat планируют весной 2019 года подготовить первую итерацию проекта – в стадии, близкой к готовности. (Планируется анонсировать программу релизами. И первый состоится не позднее марта 2019 года. Программа пока продолжает учиться – по словам технического директора и сооснователя проекта Матвея Ежова, сервис определяет на изображении анатомические структуры (зубы, суставы, количество корней и каналов) уже не хуже доктора, но в диагностике заболеваний пока еще иногда ошибается. Пока что Diagnocat находится в стадии тестирования – стоматологи и рентгенологи загружают томограммы и оценивают, насколько точно нейросети удалось диагностировать заболевание.

Подобный сервис с И.И. будет способен помогать докторам принимать правильные клинические решения».

Пока на этом материал закончу. Жду обещанной поддержки от своих друзей – стоматологов.

От души желаю разработчикам творческих дерзаний в современных прорывных технологиях ИИ с использованием НС – достижений высококачественных результатов, которые выведут практику совсем на другой интеллектуальный уровень в различных сферах их широчайшего прикладного применения.

Материал подготовила Галина Масис

Читать издание полностью ->