Разбираем на примерах, как Data Science трансформирует сектор здравоохранения. В статье представлены различные концепции науки о данных, используемые в медицине и биотехнологиях. Обсудить

Традиционно медицина полагается исключительно на экспертизу врачей. Доктор должен предложить пациенту подходящее лечение, основанное на симптомах и результатах исследований. Учитывая различные обстоятельства, решения и мнения профессионалов не исключают возможность ошибки и неправильного диагноза. Возможности науки о данных приходят на помощь врачам и пациентам, предоставляя более точные диагностические показатели. В небольшом обзоре мы собрали для вас примеры применения новых технологий в медицине.

Медицинская визуализация и анализ изображений

Одни из самых распространенных способов использования Data Science в здравоохранении – медицинская визуализация. Ее методы включают обработку результатов рентгенографии, магнитно-резонансной томографии (МРТ), ультразвукового исследования, компьютерной томографии и т.д. Эти техники неинвазивного исследования внутренних органов человека позволяют идентифицировать аномалии и диагностировать заболевания.

В прошлом врачи вручную проверяли полученные во время исследования изображения и находили в них нарушения. В случае микроскопических отклонений при таком подходе велика вероятность ошибки и неправильного диагноза. С появлением технологий глубокого обучения стало возможным находить такие аномалии с высокой точностью. Их поиск теперь осуществляется с помощью сегментации изображений и их обработки с помощью способов, вроде распознавания нарушений с использованием метода опорных векторов (SVM).

Существует несколько других методов, которые применяются для улучшения изображений и повышения точности результата. Например, платформа для обработки больших данных Hadoop применяет MapReduce для поиска параметров, которые могут быть использованы в различных задачах.

Для энтузиастов и специалистов, которые хотят получить практический опыт работы с анализом медицинских изображений, существует множество открытых наборов данных:

• BrainWeb
• IXI Dataset
• fastMRI
• OASIS
• CT Medical Images

Важно понимать, что мы говорим не только о перспективных, но и о реально применяющихся технологиях. В крупных российских клиниках уже можно пройти исследования на томографах, оснащенных пакетами экспертных программ.

Геномика

Геномика – раздел молекулярной генетики, посвященный изучению генома и генов живых организмов. Наука о данных и большие данные стали активно использоваться для оптимизации этих исследований с появлением Human Genome Project – международного проекта по исследованию последовательности нуклеотидов.

До появления возможности мощных вычислений, анализ последовательности генов был утомительным, долгим и дорогостоящим процессом. Теперь с помощью передовых инструментов обработки данных можно анализировать информацию о человеческом геноме гораздо быстрее и с меньшими затратами. Целью исследований является анализ геномных нитей и поиск в них нарушений и дефектов. Это необходимо для нахождения связи между генетикой и заболеваниями, которые таким образом можно предотвратить или вылечить на ранних стадиях.

Как правило наука о данных нужна, чтобы определить корреляцию между параметрами генетических последовательностей и различными заболеваниями. Исследования в области геномики также включают поиск инструментов, которые смогут обеспечить более глубокое понимание воздействия препаратов на конкретную генетическую проблему. Одна из самых новых и актуальных дисциплин, объединяющая Data Science и генетику, называется биоинформатикой – эта наука занимается анализом молекулярно-биологических данных.

Существует несколько инструментов Data Science, которые используются для обработки данных в геномике:

• MapReduce обрабатывает данные и сокращает необходимое для обработки генетических последовательностей время.
• SQL – язык структурированных запросов, который используется для работы с геномными базами данных.
• Galaxy – приложение с открытым исходным кодом для биомедицинских исследований, которое позволяет выполнять различные операции с геномами.
• Bioconductor – это программное обеспечение с открытым исходным кодом, разработанное для анализа и понимания геномных данных.

Выявление заболеваний

Наука о данных играет ключевую роль в мониторинге здоровья пациента и уведомлении врачей о вариантах предотвращения потенциальных проблем. Специалисты по обработке данных используют мощные прогностические инструменты для раннего выявления хронических и системных заболеваний.

В некоторых случаях болезни сложно выявить на ранней стадии. Это приводит к пагубным последствиям не только для здоровья пациента, но и для его кошелька, поэтому наука о данных играет важную роль и в оптимизации расходов на здравоохранение.

Возможности искусственного интеллекта показывают высокую эффективность в выявлении заболеваний на ранней стадии. Исследователи из Университета Кампинаса в Бразилии разработали платформу, которая может диагностировать вирус Зика на ранней стадии с помощью метаболических маркеров. Несколько других компаний, таких как IQuity, также используют машинное обучение для создания алгоритмов выявления аутоиммунных заболеваний.

Создание лекарств

Фармакологическое исследование – трудоемкий, дорогостоящий и очень длительный процесс, включающий помимо создания препарата и его долгосрочное тестирование. Фармацевтическая отрасль в значительной степени полагается на науку о данных, чтобы его оптимизировать.

Наука о данных и алгоритмы машинного обучения произвели революцию в процессе создания лекарств, предоставив способы оптимизации исследовательских процессов и повышения вероятности их успеха. Фармацевтические компании используют информацию о пациентах, такую как профили мутаций и метаданные для разработки моделей, а также для нахождения статистических взаимосвязей между атрибутами. Производители теперь разрабатывают препараты, которые устраняют ключевые мутации в генетических последовательностях. Кроме того, алгоритмы глубокого обучения могут определить вероятность развития заболевания в организме человека.

Алгоритмы обработки данных также помогают смоделировать, как именно лекарства будут действовать на организм человека. Это позволяет компаниям сократить длительные лабораторные эксперименты и снизить затраты. Благодаря сочетанию генетики и данных о связывании лекарств с белками разрабатываются инновационные препараты для лечения тяжелых заболеваний.

Прогнозная аналитика в медицине

Здравоохранение – важная прикладная область для прогнозной аналитики. Прогностическая модель использует исторические данные, извлекает из них паттерны и закономерности, корреляции и ассоциации симптомов для генерации более точных прогнозов течения заболеваний.

Прогностическая аналитика играет важную роль в улучшении ухода за пациентами, лечении хронических болезней и повышении эффективности цепочек поставок в фармацевтической логистике. Управление здоровьем населения становится все более популярной темой – это основанный на данных подход, который ориентирован на профилактику заболеваний.

С помощью науки о данных больницы могут прогнозировать ухудшение состояния здоровья пациента, принимать профилактические меры и начинать раннее лечение, которое поможет снизить риск ухудшения состояния здоровья пациента. Кроме того, прогностическая аналитика играет важную роль в мониторинге логистического снабжения больниц и фармацевтических отделений.

Мониторинг состояния здоровья

Наука о данных также играет важную роль в мониторинге состояния здоровья пациентов. Например, выполненные в виде переносных медицинских гаджетов устройства IoT (интернета вещей) отслеживают сердцебиение, температуру и другие медицинские параметры пользователей. Это могут быть глюкометры, смарт-часы, гаджеты для анализа крови, мониторинга температуры, давления, пульса и т.д.

Полученные с помощью носимых устройств данные позволяют врачам отслеживать циркадный цикл пациента, его кровяное давление, а также потребление калорий. Помимо носимых датчиков мониторинга, врач может контролировать состояние здоровья пациента с помощью домашних приборов. Для пациентов с хроническими заболеваниями существует несколько систем, которые отслеживают движения пациентов, контролируют их физические параметры и анализируют присутствующие в данных паттерны. Они используют аналитику в режиме реального времени, чтобы предсказать, столкнется ли пациент с какой-либо проблемой.

Виртуальная помощь

С помощью прогностического моделирования заболеваний специалисты по обработке данных разработали комплексные виртуальные платформы для оказания помощи пациентам. На основании введенных симптомов можно получить представление о наличии у пациента заболеваний на основе коэффициента достоверности.

Также существуют виртуальные помощники в повседневных задачах для пациентов с психологическими проблемами, вроде депрессии, тревоги или нейродегенеративных заболеваний.

Некоторые популярные виртуальные помощники:

• Ada – базирующийся в Берлине стартап, который разработал приложения для предсказания заболевания на основе симптомов пользователя.
• Woebot Health – разработанный в Стэнфордском университете чат-бот предоставляет терапевтические процедуры страдающим депрессией пациентам.

Заключение

Медики активно используют науку о данных для улучшения жизни пациентов и прогнозирования заболеваний на ранней стадии. Достижения в области анализа изображений произвели революцию в диагностировании микроскопических опухолей и помогли спасти тысячи жизни. Сфера здравоохранения остается одной из самых востребованных областей применения Data Science и постоянно нуждается в специалистах. Если вы изучаете науку о данных и пока не определились со специализацией, присмотритесь к этому направлению повнимательнее. Удачи в обучении!