Лаборатория
по искусственному интеллекту (ИИ) Сбера
разработала медицинское решение, которое
моделирует состояние здоровья пациентов
по данным их электронных медицинских
карт. Об этом рассказал первый заместитель
Председателя Правления Сбербанка
Александр Ведяхин в рамках международной
конференции AI
Journey.
Специалисты
банка адаптировали современную
нейросетевую архитектуру Transformers для
работы с последовательностями диагнозов
пациентов. Данный подход позволил
получить формальное представление
медицинских профилей пациентов в виде
эмбеддингов (embedding — вложение, числовой
вектор признаков), полезных для множества
научных и практических задач.
Это
решение открывает возможности для
моделирования треков дальнейшего
развития состояний пациентов. Такое
свойство модели проверено в задаче
предсказания следующего диагноза и
подтверждено высокими метриками в
эксперименте на публичном датасете
медицинских записей MIMIC-III (открытая
база данных с информацией о пациентах,
поступивших в отделения интенсивной
терапии крупного медицинского центра).
«Это
уже не первое прорывное MedTech-решение
Сбера и наших компаний-партнёров. В
России всё шире применяются разработанные
Сбером AI-сервисы:
компьютерное зрение для расшифровки
медицинских изображений (КТ, рентген,
маммография), автоматическое заполнение
врачебной документации (из голоса — в
текст), диагностика заболеваний и другие.
Мы также изучаем возможности прогностических
моделей, которые работают с медицинскими
данными. Как показывает практика, такие
решения могут быть востребованы не
только в медицине, но и в смежных областях.
Это еще один вклад в сохранение
человеческих жизней и развитие
здравоохранения», – отметил
Александр Ведяхин, первый заместитель
Председателя Правления Сбербанка.
Модель
Сбера имеет потенциал применения и в
страховом скоринге. С помощью данной
модели удастся получить значимый прирост
в точности оценки страховых рисков
относительно традиционных методов, а
это новые возможности для персонализации
тарифов и сокращения издержек. Сейчас
модель работает с историческим данными,
следующим этапом будет обучение её
работе в онлайне с данными, получаемыми
от клиентов для принятия решения в
момент обращения.
Также
в ходе исследования предложен H2D-метод
(Harbinger Disease Discovery) поиска предвестников
заболеваний, позволяющий автоматически
генерировать гипотезы о взаимосвязях
между болезнями. Так, благодаря нему
удалось обнаружить сильную зависимость
между группой психологических расстройств
и раком молочной железы у женщин.
Достоверность этой гипотезы подтверждается
в смежных научных исследованиях. В
результате учёные сформировали новый
набор гипотез о предвестниках пяти
наиболее распространённых видов
онкозаболеваний. Метод H2D поможет
врачебному и научному сообществу в
поиске новых направлений медицинских
исследований.
