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).
Александр Ведяхин, первый заместитель Председателя Правления Сбербанка:
«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 ещё один вклад в сохранение человеческих жизней и развитие здравоохранения».
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.
Научная работа опубликована в высокорейтинговом международном журнале IEEE Journal of Biomedical and Health Informatics. Текст публикации и исходный код выложены в открытый доступ.
