В Facebook научились прогнозировать состояние больных COVID-19

Facebook работала над исследованием совместно с учеными из отделов прогнозной аналитики и радиологии Нью-Йоркского медицинского университета Лангоне (NYU Langone Health). Ожидается, что программное обеспечение может помочь врачам не отправлять домой пациентов из группы риска слишком рано, а также помочь больницам планировать потребности в кислороде.

В работе приняли участие 10 исследователей - 5 из Facebook и 5 из NYU Langone Health.

"Наша модель, использующая последовательные рентгеновские снимки грудной клетки, может прогнозировать ситуацию до 4 дней (96 часов) вперед, если пациенту может потребоваться более интенсивная терапия, что обычно превосходит прогнозы врачей", - заявили авторы исследования в своем блоге

По словам профессор радиологии Уильяма Мура, с использованием этого алгоритма ИИ серийные рентгенограммы грудной клетки могут предсказать необходимость в эскалации помощи пациентам с COVID-19.

"Поскольку COVID-19 продолжает оставаться серьезной проблемой для общественного здравоохранения, способность прогнозировать потребность пациента в повышении уровня медицинской помощи, например, в приеме в реанимацию, будет иметь важное значение для больниц", - отметил Мур.

Чтобы научиться делать прогнозы, в систему ИИ были переданы два набора данных рентгеновских снимков грудной клетки пациентов без COVID и набор данных из 26 838 рентгеновских снимков грудной клетки от 4914 пациентов с COVID.

Исследователи использовали техникуИИ, называемую "импульсным контрастом", чтобы обучить нейронную сеть извлекать информацию из рентгеновских снимков грудной клетки.

Сама нейронная сеть представляет собой вычислительную систему, которая может выявлять закономерности и распознавать взаимосвязи между большими объемами данных.

Исследование было опубликовано Facebook на этой неделе, но эксперты уже задались вопросом, насколько эффективным может быть программное обеспечение ИИ на практике.

"Эти модели - не продукты, а скорее исследовательские решения, предназначенные для помощи больницам в ближайшие дни и месяцы с планированием ресурсов. Хотя в больницах есть свои уникальные наборы данных, у них часто нет необходимых вычислительных мощностей. Мы открываем исходный код для наших предварительно обученных моделей и публикуем наши результаты, чтобы больницы с ограниченными вычислительными ресурсами могли точнее настраивать модели, используя свои собственные данные", - пояснили авторы исследования.