Финляндия сделала ставку на свои сильные стороны в области здравоохранения, квантовых технологий и математики, стремясь стимулировать промышленное восстановление, которое не наблюдалось со времен упадка национального чемпиона Nokia в эпоху смартфонов. Исследовательский проект, нацеленный на создание первой в мире национальной системы искусственного интеллекта (ИИ) в сфере здравоохранения и ее использование для прогнозирования риска развития любого из 200 заболеваний у каждого жителя страны, стал одним из шести, которые национальное агентство по торговле и инвестициям профинансировало в июне для стимулирования промышленного роста. Четыре из шести проектов касались биотехнологий — области, где национальные системы данных и правовая база Финляндии, по утверждению участников, уникально хорошо сформированы. Два проекта напрямую нацелены на долгосрочное развитие индустрии квантовых технологий, возникшей благодаря научному лидерству Финляндии, сосредоточенному в Лаборатории низких температур Университета Аалто, в области физики сверхнизких температур, криогенной техники, сверхпроводящих квантовых цепей и наноэлектроники. Мировое лидерство Финляндии в области обратной математики и вычислений, которая решает дьявольски сложную задачу расчета причин по наблюдаемым следствиям, привело к созданию проекта по усовершенствованной медицинской визуализации с использованием дешевых, низкокачественных сканеров. Business Finland выбрало из почти 200 предложений те, которые с наибольшей вероятностью достигнут стратегических целей, поставленных в прошлом году, в соответствии с правительственной политикой по стимулированию промышленного восстановления, диверсифицирующего экономику от ИКТ, где она долгое время была сильно сконцентрирована и, следовательно, уязвима. Расходы Финляндии на НИОКР, достигшие пика в конце 2000-х годов, были самыми высокими в мире по отношению к ВВП, за исключением Израиля, согласно данным ОЭСР. Это в значительной степени было обусловлено частными инвестициями в сектор ИКТ, и в основном компанией Nokia, на которую приходилось более 40% всех финских НИОКР. Ее расходы резко сократились после того, как Nokia продала свое мобильное подразделение компании Microsoft в 2013 году, поскольку инновационная экосистема страны ослабла и наступила «долгая экономическая стагнация». Nokia по-прежнему доминирует. «У нас есть академические сильные стороны. Мы хотим превратить их в промышленные, чтобы создать большее разнообразие в финской промышленности», — сказала Карин Викман, главный советник по инновациям Business Finland, работавшая над фондом Rise to Challenge. Она отметила, что фонд выделил 30 миллионов евро шести проектам с самыми смелыми видениями, которые обещали стимулировать самый широкий промышленный рост. Агентство выделило финансирование проекту в области ИИ для здравоохранения FINe-Health Foundry, поскольку он опирается на сильные стороны Финляндии в области медицинских данных и на срочность его миссии по сокращению расходов и увеличению пропускной способности системы здравоохранения, перегруженной стареющим населением, сказала Викман. Это соответствует приоритетным секторам, установленным правительством для его стратегии промышленного восстановления в ноябре.
Модель здравоохранения
Команда FINe-Health намерена создать то, что, по их утверждению, станет первой в мире национальной моделью ИИ для здравоохранения, что стало возможным благодаря централизованной системе медицинских карт Финляндии. Проект вырос из FinRegistry — проекта, который собрал 19 национальных источников медицинских данных по всем 5,6 миллионам жителей Финляндии. Сюда входили данные от рецептов, заболеваний, лабораторных отчетов, посещений клиник, социально-экономические данные и семейные связи, чтобы исследователи в области медицинских вычислений могли использовать их для обучения моделей машинного обучения. Он также будет включать геномную базу данных, содержащую записи примерно о десятой части финнов. Результатом станет базовая модель ИИ, более совершенная, чем модели машинного обучения, которые до сих пор обучались на изолированных когортах — подмножествах записей пациентов — для достижения конкретных клинических целей, таких как прогнозирование смертности, сказал профессор Арто Клами, работающий над FINe-Health в Хельсинкском университете. По его словам, это было бы невозможно в большинстве стран мира, поскольку системы медицинских карт, как правило, фрагментированы, защищены местными больницами и клиниками и недоступны в масштабах всей страны. FINe-Health потратит три года на создание и обучение модели на национальных медицинских данных, а также на работу с клиницистами и планировщиками для картирования их рабочих процессов и определения способов, которыми ИИ может им помочь, сказал Клами. Будут созданы прототипы для проверки того, насколько хорошо ИИ отвечает этим потребностям. Затем планируется стимулировать компании, занимающиеся медицинскими технологиями, к разработке полноценных приложений. «Базовая модель в изоляции, находящаяся в какой-либо защищенной вычислительной среде, ничего не делает», — сказал Клами. «Мы увидим общественную пользу только в тот момент, когда она станет доступной, когда возникнет реальная потребность, клинический рабочий процесс или практика, которую мы хотим улучшить. Собрать все части воедино будет сложной головоломкой, и многое из этого не может быть сделано университетским исследовательским проектом. Это затрагивает множество государственных и частных игроков». Первое вероятное применение системы — анализ на уровне населения, который планировщики и политики смогут использовать для таких задач, как прогнозирование заболеваний, выявление уязвимых групп и распределение бюджетов. Команда FINe-Health намерена помочь врачам принимать решения. Это будет сложно, сказал Клами, поскольку это поднимает этические вопросы, выходящие за рамки технологической задачи FINe-Health по разработке и проверке технологии. Существующие системы ИИ в здравоохранении ограничены фундаментальной технологией, с помощью которой базовые модели в основном учатся выводить корреляции из данных, сказал профессор Самуэль Каски, основатель Института ELLIS в Финляндии, который руководит проектом. FINe-Health, пытаясь создать модель, которую можно использовать в клинических решениях, также должна уметь рассуждать о причинно-следственных связях. Как обучать модели улавливать причинность и делать на ее основе обоснованные выводы, было одной из фундаментальных исследовательских задач в машинном обучении, добавил он: «Хотя частичные решения были предложены, это далеко не решенная проблема. Мы не единственные, кто работает над этим, но наш проект намерен внести вклад, который особенно необходим в здравоохранении, где абсолютно важно, чтобы решения о лечении пациентов, например, основывались на механизмах заболевания, а не на ложных корреляциях». FINe-Health также попытается создать модель совместной работы человека и ИИ и принятия решений. Вклад медицинских работников будет жизненно важен, сказал Каски.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Mark Ballard
