Microsoft представляет расширения для Fabric и Azure для искусственного интеллекта в сфере здравоохранения

Эти новые предложения направлены на объединение различных модальностей медицинских данных для более глубокого анализа, а также на предоставление клиницистам в качестве вторых пилотов больших языковых моделей.

Сфера здравоохранения все больше привлекает усилия наиболее известных компаний в области искусственного интеллекта, последним примером является Microsoft.

На прошлой неделе компания объявила о расширении Fabric, платформы анализа данных, которую она представила в мае, чтобы позволить Fabric выполнять анализ различных типов медицинских данных. Microsoft также анонсировала новые услуги в своей службе облачных вычислений Azure, среди прочего, для использования больших языковых моделей в качестве помощников врача.

«Мы хотим создать единую, мультимодальную основу данных в Fabric One Lake, где вы сможете унифицировать все эти различные модальности данных, чтобы затем можно было анализировать эти данные, запускать модели ИИ и так далее», — сказал Умеш Рустоги, генеральный директор менеджер Microsoft Cloud for Healthcare в интервью ZDNET.

По словам Рустоги, тенденция мультимодальности, которую ZDNET исследовала в тематической статье об искусственном интеллекте в этом месяце, становится все более важной в здравоохранении. «Мы слышали это от нескольких клиентов, которые считают, что если объединить несколько модальностей данных, это может открыть новые идеи, что невозможно, проводя исследования только на одной модальности данных», — сказал Рустоги.

Умеш Рустоги, генеральный менеджер Microsoft Cloud for Healthcare.

Примеры таких комбинированных методов включают в себя «простые вещи, такие как создание когорт пациентов на основе критериев результатов их визуализации и их клинических результатов, [что] является одним из очень распространенных желаемых вариантов использования, который сегодня не очень легко реализовать», — сказал он. Рустоги привел в качестве примера то, что некоторые хотели бы провести исследование 2020 года, опубликованное в престижном журнале Nature. В этой статье представлен обзор методов «объединения данных», которые можно «применить для объединения медицинских изображений с электронными медицинскими картами [электронными медицинскими записями]».

Еще одна из новых возможностей Fabric — это «служба деидентификации», которая использует формы машинного обучения искусственного интеллекта для очистки клинических данных и сокрытия личности пациентов в таких данных, как записи врачей. «Для отрасли оказалось очень сложной проблемой: как взять эти неструктурированные клинические записи, а затем деидентифицировать их таким образом, чтобы они по-прежнему имели значение для исследовательского сообщества», — сказал Рустоги.

Коллега Рустоги, Хадас Битран, руководитель подразделений Microsoft по искусственному интеллекту в сфере здравоохранения и наук о жизни и здравоохранении, обсудил несколько новых предложений для ИИ в сфере веб-сервисов Azure.

Предложение Azure AI Health Insights состоит из готовых моделей искусственного интеллекта машинного обучения. Первоначально на стадии предварительного просмотра предлагаются три модели:

• Временная шкала пациента, которая «использует генеративный искусственный интеллект для извлечения ключевых событий из неструктурированных данных, таких как лекарства, диагноз и процедуры, и организует их в хронологическом порядке, чтобы дать врачам более точное представление об истории болезни пациента и лучше информировать планы лечения»;
• Упрощение клинических отчетов, которое «использует генеративный искусственный интеллект, чтобы дать врачам возможность использовать медицинский жаргон и преобразовывать его в простой язык, сохраняя при этом полную суть клинической информации, чтобы ею можно было поделиться с другими, включая пациентов»;
• Информация о радиологии, которая «обеспечивает проверку качества посредством обратной связи об ошибках и несоответствиях. Модель также определяет последующие рекомендации и клинические результаты в клинической документации с измерениями (размерами), документированными радиологом».

Эти три модели добавляются к нескольким готовым моделям, которые уже предлагались для сопоставления клинических испытаний и моделей, основанных на онкологических фенотипах.

Новое предложение под названием Azure AI Health Bot использует технологию большой языковой модели для получения ответов на медицинские вопросы из источников, включая собственную базу данных организации здравоохранения или Национальные институты здравоохранения США и Управление по контролю за продуктами и лекарствами США.

«Идея состоит в том, что этот сервис помогает клиентам создавать специализированные возможности второго пилота», — сказал Битран ZDNET в том же интервью «Рустоги».

«Что еще интересно, так это то, что вы можете создавать каскадный эффект», — сказал Битран. «Итак, используйте свои собственные источники, и если в ваших собственных источниках ничего нет, вы также можете дать ответы, основанные на заслуживающих доверия источниках, а затем, если в заслуживающих доверия источниках ничего нет, вы можете просто вернуться к общему отвечать."

Конечно, в настоящее время существует большой скептицизм по поводу использования генеративных форм ИИ, таких как большие языковые модели, в таких чувствительных практиках, как здравоохранение. Как Microsoft относится к таким опасениям?

Хадас Битран, глава подразделения искусственного интеллекта в сфере здравоохранения и наук о здоровье и жизни Microsoft.

«Это очень хороший и очень актуальный вопрос», — сказал Битран. «Я определенно разделяю мнение, что большим языковым моделям нужно что-то в дополнение к ним, чтобы обеспечить хорошие результаты».

«Мы подходим к этому так: для каждой модели, которую мы создаем, если мы используем большие языковые модели, они всегда будут сопровождаться мерами безопасности, специфичными для здравоохранения», — сказал Битран.

«Один из наиболее интересных подходов [к мерам защиты] — это использование меньших моделей и моделей, основанных на правилах, в гибридной модели с LLM, чтобы сохранить честность LLM, если хотите», — сказал Битран.

Например, в заранее созданной модели для упрощения клинических отчетов «мы не просто просим языковую модель объяснить мне это; мы также реализуем множество логики предварительной и постобработки, которая позволяет нам возьмите результат упрощения, измерьте его в соответствии с показателями эффективности упрощения», — объяснил Битран. «Затем мы применяем к нему перекрестные ссылки, чтобы увидеть, являются ли результаты на самом деле упрощением источника или есть какие-то выдумки или чего-то, чего не хватает».

Битран отметил, что работа в сфере здравоохранения ведется в рамках того, что Microsoft назвала своей «структурой ответственного искусственного интеллекта», которая продолжает оцениваться.

«Эта ответственная структура искусственного интеллекта касается не только конфиденциальности, безопасности, доступности, прозрачности и т. д.», — сказал Битран. «Речь идет также о корректности, подотчетности и справедливости».

«И последнее, но не менее важное: наши модели не предназначены для замены врача», — сказал Битран. «Всегда существует человек; они предназначены для того, чтобы снабдить врачей инструментами, которые облегчили бы бремя и помогли бы им в их работе».