Последние сообщения

Полезная тема. Создание собственного маркетплейса, как и запуск любого бизнеса — процесс рискованный и ответственный, для успешного старта нужно иметь четкий план действий

Советую брать Yandex Cloud, на данный момент самое лучшее решение на рынке, легко масштабировать, мощные сервера, стабильная работа и качественная техническая поддержка

Какие рутинные задачи можно автоматизировать с помощью ИИ в системе управления контентом?

ИИ может автоматизировать публикацию контента, классификацию и тегирование материалов, модерацию комментариев, обновление информации на сайте и другие повторяющиеся процессы. Это позволяет снизить нагрузку на администраторов сайта и повысить точность выполнения задач.

А какие рутинные задачи можно автоматизировать с помощью ИИ в системе управления контентом?

ИИ может автоматизировать публикацию контента, классификацию и тегирование материалов, модерацию комментариев, обновление информации на сайте и другие повторяющиеся процессы. Это позволяет снизить нагрузку на администраторов сайта и повысить точность выполнения задач.

Какие рутинные задачи можно автоматизировать с помощью ИИ в системе управления контентом?

А какие рутинные задачи можно автоматизировать с помощью ИИ в системе управления контентом?

Насколько я понимаю, существуют модули DST Marketing и DST AI. Если они интегрированы в одну CMS, это, безусловно, впечатляет. Однако возникает вопрос: как искусственный интеллект может помочь улучшить SEO на сайте, управляемом CMS?

Андрей Незлобин

Искусственный интеллект может анализировать текущие тренды ключевых слов, оптимизировать контент под поисковые запросы, проводить автоматический контент-аудит и предлагать изменения в стиле письма для лучшего соответствия интересам аудитории. Это повышает видимость сайта в поисковых системах и привлекает больше целевого трафика.

Искусственный интеллект может анализировать текущие тренды ключевых слов, оптимизировать контент под поисковые запросы, проводить автоматический контент-аудит и предлагать изменения в стиле письма для лучшего соответствия интересам аудитории. Это повышает видимость сайта в поисковых системах и привлекает больше целевого трафика, ну о том что DST AI умеет генерить контент разного типа и говорить нечего, это умеют уже многие ИИ приложения, тут уже больше удобно что он сразу в панели управления

Насколько я понимаю, существуют модули DST Marketing и DST AI. Если они интегрированы в одну CMS, это, безусловно, впечатляет. Однако возникает вопрос: как искусственный интеллект может помочь улучшить SEO на сайте, управляемом CMS?

Конечно ДСТ Мед Центр, это только пол дела, нужно еще все правильно организовать на сайте, вот по моему мнению некоторые признаки хорошего медицинского сайта:

1. Правильно сгруппированный и оформленный контент

Даже не мечтайте, что люди будут читать все, что вы написали. Пользователи не любят читать, они просматривают текст по диагонали, цепляясь взглядом за заголовки, списки и начала абзацев.

Вывод: весь текст, который мы хотим показать, разбиваем на небольшие абзацы по 4-5 строк, не больше, делаем больше подзаголовков, а все перечисления выводим списком. Весь полученный текст пишем темными буквами на светлом фоне.

2. На правильном медицинском сайте весь текст не только легко прочитать, но и легко запомнить.

Для этого пишем все простым и понятным ребенку языком. Например, тот факт, что при повышении межстрочного интервала и интервала между отдельными словами повышается общая запоминаемость прочитанного, можно записать такой простой фразой: «сделайте расстояния между словами больше и люди быстрее запомнят такой текст».

То же самое касается сложных медицинских терминов, если нельзя объяснить что-то просто, лучше и не начинать объяснять.

3. На хороший сайт хочется вернуться. На лучшем медицинском сайте предусмотрена возможность это сделать.

Никто не будет запоминать ваш адрес в сети, а может и не запомнит название компании, но дайте возможность добавить его в закладки, подписаться на рассылку или другим способом оставить след, и многие это сделают.

4. Всегда должен быть короткий путь до цели.

Не все хотят «лазить» по ресурсу клиники или порталу, особенно в поисках контактов при желании воспользоваться вашими услугами. Многие хотят просто прийти получить свое и уйти. Поэтому контакты всегда должны быть на видном месте, а навигация максимально проста и понятна.

5. Никакой flash-анимации и дизайна ради красоты.

На медицинском сайте лучшим должен быть сервис и конверсия в клиента, а не атрибутика и внешнее оформление.

Про будущее не готов судить. Наверное, у разработчиков ИИ должна быть такая же ответственность, как и у разработчиков различного медицинского оборудования (изделий) или лекарственных препаратов. Но пока за всем стоит врач и решение принимает врач.

А вот про настоящее:С апреля 2022 года алгоритм обработал 2988 КТ снимков, в которых выявил 151 случай возможных новообразований и направил их на дополнительную верификацию врачам-консультантам MDDC. После проверки специалистами 78 результатов КТ лёгких были переданы врачам Нижегородского областного клинического онкологического диспансера для принятия решения по дальнейшей маршрутизации и дообследованию пациентов.

С одной стороны, врачи описали изначально эти 2988 исследований шире и подготовили полноценное заключение, что ИИ пока сделать не может. Но с другой стороны, проверив ретроспективно конкретным алгоритмом, который может выявлять только одну патологию, получилось выявить онкологию на ранней стадии, которую врачи изначально пропустили. Вот в этом и помощь врачу от ИИ в настоящее время.

Так же вот еще пример с учетом особенностей нашей страны. Есть места, где не хватает врачей, но есть возможность провести исследование. Его проводят, отправляют сначала на рассмотрение ИИ, а потом с учетом полученных результатов по основным нозологиям, уже перепроверяет врач и готовит полноценное заключение.

Пока ответственность будет нести врач и медицинская организация. Возможно регрессом еще и разработчик ИИ. В настоящее время ИИ все же помощник для врача и медицинской организации. Особенно для рутинных и объемных задач. Но не более. 

Вот, например, ИИ может выявить поражение легких или образования, но пока он не сможет описать рентгенографическое исследование органов грудной клетки с учетом всех возможных патологий, как это бы сделал врач.

Дмитрий Аксёнов

Т.е. Вы думаете, что в будущем мы сможем все-таки перенести ответственность с врача на другой персонал (разработчик модели, отладчик, может ответственный за адекватность). Просто в данный момент наблюдаю, что системы «помощники» не могут противоречить мнению врача (ЛПР), а, следовательно, их работа бессмысленна. Но, повторюсь без иронии, достижения в области именно диагностики (не принятия решения, а подсвечивания областей, быстрого отсева нормальных данных, быстрого выявления патологий) ИИ действительно впечатляют.

Пока ответственность будет нести врач и медицинская организация. Возможно регрессом еще и разработчик ИИ. В настоящее время ИИ все же помощник для врача и медицинской организации. Особенно для рутинных и объемных задач. Но не более. 

Вот, например, ИИ может выявить поражение легких или образования, но пока он не сможет описать рентгенографическое исследование органов грудной клетки с учетом всех возможных патологий, как это бы сделал врач.

Дмитрий Аксёнов, хотелось бы обсудить вопрос: Кто несет ответственность за действия искусственного интеллекта. А то получается ситуация, что если обязать врача следовать рекомендациям системы, то за проблемы с пациентом врач не должен нести ответственность. А если ИИ является только рекомендательной системой, то врач, как говорится, «знает лучше» и имеет свое мнение, а вводить его в заблуждение альтернативным мнением может быть чревато. Но достижения в области диагностики конечно впечатляют.

Искусственный интеллект, внедряемый в узкоспециальных областях, оказывается перспективнее более общих проектов, недостатки которых мы рассмотрели в предыдущей статье на примере беспилотных автомобилей. На этот раз разберем медицинские технологии. И для начала один любопытный график, который дает наглядное представление об уровне развития технологий машинного обучения в медицине. За 15 лет (с 2005 по 2020 гг.) количество случаев внедрения ИИ в медицинские процессы выросло почти в 62 раза. 

Столь значительный рост, наблюдавшийся за последнюю отчетную пятилетку, может говорить только об одном: ранние технологии принесли определенные успехи, что открыло ученым возможности для массового внедрения ИИ. Рассмотрим, в каких областях медицины применяются сегодня алгоритмы машинного и глубокого обучения и проиллюстрируем каждую часть конкретными примерами.

Проведение хирургических операций

Уже в 2018 году было задействовано более 5 тысяч роботов, которые ассистировали хирургам более чем в 1 млн операций различной степени сложности. При этом создания полноценных роботов-хирургов в ближайших планах разработчиков пока нет, что вполне разумно, учитывая, какие ошибки порой может допускать ИИ (смотрите нашу предыдущую статью про беспилотные автомобили). А вот в качестве ассистентов роботы могут стать незаменимыми для специалистов и вполне способны улучшить статистику проведения многих операций. Особенно это касается такой области, как микрохирургия.

Хирургические роботы хорошо подходят для процедур, требующих одних и тех же повторяющихся действий, поскольку, в отличие от человека, роботы могут работать без устали. Кроме того, ИИ может выявлять закономерности в хирургических процедурах, чтобы повысить точность управления роботами до субмиллиметровых значений.

В качестве примера успешной работы роботов-ассистентов приведем исследование, в котором приняли участие 379 пациентов, перенесших ортопедические вмешательства, и было задействовано девять операционных. Исследование показало, что использование роботов с искусственным интеллектом в качестве ассистентов привело к пятикратному снижению осложнений по сравнению с операциями, выполняемыми хирургами в одиночку. В этой же статье указывается, что при правильном применении роботизированная хирургия с помощью ИИ также может обеспечить сокращение продолжительности пребывания пациентов в больнице после операции. Сократить это время можно на 21% в результате меньшего количества осложнений и ошибок в лечении, что даст ежегодную экономию в отрасли в размере 40 миллиардов долларов.

А в мае 2022 года ученые из американского Northwestern University представили свою новейшую разработку: крошечного робота-краба толщиной всего лишь 0,5 мм. Этот «малыш», разглядеть которого без специальной оптики практически нереально, способен не просто двигаться, но также крутиться на месте, подпрыгивать и даже ползать. Мини-крабик стал первым изобретением, о котором заговорили как о прототипе роботов будущего. Такие роботы будут способны ремонтировать что угодно: вспомните наноботов из различных компьютерных игр и фильмов — теперь это вряд ли покажется кому-то фантастикой. И при достаточном уровне ИИ эти маленькие помощники смогут под контролем хирурга проводить малоинвазивные процедуры, избавляя пациентов от закупорки артерий или даже от злокачественных новообразований. Перспективы диагностики последних, кстати, тоже стали выглядеть весьма радужно благодаря изобретению ученых из Бостонского университета, о котором мы расскажем ниже. А пока вернемся к нашему «малышу».

В конструкции крабика отсутствуют электросхемы — он выполнен из металлического сплава с хорошим эффектом памяти формы. Этот сплав имеет свойство изменять форму при нагреве, а при охлаждении принимает первоначальную. При этом материал, из которого изготовлен робот-краб, позволяет менять состояние достаточно часто для того, чтобы микроробот мог ходить и прыгать. Форму материала меняет лазерный луч, «уколы» которого в соответствующие точки на «теле» крабика заставляют последнего выполнять различные действия.

Как отмечает руководитель проекта Джон Роджерс, эта технология уже позволяет создавать роботов практически любого размера и формы: например, червяков, жуков и кузнечиков они с коллегами уже сделали. Интересно, что 4 года назад исследователи из Гарвардского университета представили робота-паука толщиной 1 см, для контроля которого использовались те же принципы управления состоянием материалов. При этом в Гарварде также подчеркивали, что целевой областью этой разработки является именно медицина.

Следующее изображение даст вам наглядное представление о том, какой миниатюризации удалось достичь ученым всего за несколько лет. Впрочем, миллиарды транзисторов в современных процессорах уже никого не удивляют, так почему же должен удивить полумиллиметровый робот-краб? Наверное, потому что он такой первый, представленный широкой общественности.

Терапевтические назначения и лечение отдельных заболеваний

В этой области методы искусственного интеллекта применяются, в частности, для решения проблемы ошибок в дозировке лекарств. И результаты показали, что искусственный интеллект может назначать дозировки более точно, чем терапевты, повышая эффективность лечения и попутно экономя значительные суммы для клиник.

Так, один из подходов, называемый параболическим персонализированным дозированием (PPD), основан на алгебраических уравнениях для связи фенотипа с концентрацией препарата (в исследовании рассматривались иммунодепрессанты). Путем исследования реакций пациента во время курса лечения по выведенному уравнению создается двумерная парабола, указывающая на следующую дозу, которую должен получить пациент. Подход PPD был протестирован на четырех пациентах, а затем его сравнили со стандартными методами терапии, когда лекарства назначались по рекомендации врача. Пациенты, лечение которых осуществлялось по PPD, выходили за пределы минимально необходимых дозировок реже и в течение более коротких периодов времени, чем контрольная группа под руководством терапевта, что позволяет предположить, что уравнение точнее предсказывает следующие дозы.

Подход PPD впервые был опробован в трансплантационной медицине, однако прогнозируется его широкое применение за пределами этой области, в том числе и обычными терапевтами. Дело в том, что параболическое персонализированное дозирование не зависит от механизма заболевания или выбора препарата и, таким образом, может определять оптимальные схемы лечения для многих типов пациентов. Например, применение PPD возможно и в тех случаях, когда пациент подвергается таким процедурам, как гемодиализ, которые могут препятствовать распределению лекарства в организме. Это возможно, поскольку парабола смещается по мере того, как добавляются новые лекарства или убираются уже не нужные, или когда пациент проходит дополнительные клинические процедуры.

Из других примеров можно отметить компании GNS Healthcare и Oncora Medicals. Первая использует машинное обучение, чтобы подбирать для пациентов наиболее эффективные методы лечения. А программное обеспечение второй, разработанное на основе ИИ, анализирует и изучает данные и ресурсы, которыми располагают конкретные клиники, специализирующиеся на борьбе с онкологией, чтобы обеспечить пациентам наилучшее лечение в определенных условиях. Как указано на сайте Oncora, «улучшение качества лечения и результатов для больных раком требует тесного сотрудничества между врачами, учеными, онкологическими центрами и пациентами. Платформа Oncora позволяет всем заинтересованным сторонам собирать и применять реальные данные для принятия любых решений, связанных со здравоохранением, на благо пациента».

Ряд систем ИИ позволяют медицинским учреждениям детально анализировать клинические данные и получать более глубокое представление о здоровье пациентов. Это дает возможность снизить стоимость медицинской помощи, используя ресурсы более эффективно, и значительно упростить заботу о здоровье населения. На развитии этих технологий для клиник специализируется компания Zakipoint Health. Их продукт отображает всю важную информацию на одной панели инструментов и предлагает индивидуальные программы лечения. Таким образом, современные медицинские программы на основе ИИ находят лучшие планы лечения в соответствии с клиническими данными пациентов и могут гибко изменять эти планы под влиянием сопутствующих факторов, что снижает затраты и повышает эффективность лечения. 

Диагностика заболеваний

Чат-боты уже могут с высокой эффективностью помогать пациентам самостоятельно ставить диагноз, а также помогать в постановке диагноза и врачам. Например, ИИ компании Babylon Health предоставляет соответствующую информацию о здоровье на основе симптомов, описанных самим пациентом. Понятно, что симптомы могут быть описаны неверно или пациент может попытаться ввести ИИ в заблуждение умышленно. Поэтому в компании прямо заявляют, что их компьютерный ассистент не ставит диагноз. Это сделано для того, чтобы свести к минимуму юридическую ответственность компании, но в будущем мы наверняка увидим, как чат-боты будут ставить диагнозы по мере повышения точности их работы.

А на перспективы ИИ в Babylon Health смотрят оптимистично, заявляя, что они уже доказали эффективность своего ИИ в первичной медико-санитарной помощи, а также смогли создать такую систему искусственного интеллекта для медицины, которая не является «черным ящиком». Это отличает их, например, от Alphabet, материнской компании Google, представители которой еще сравнительно недавно заявляли о том, что до сих пор не знают, что конкретно изучают их модели машинного обучения, о чём мы писали в статье, посвященной LLM. И пока сложно сказать, насколько они продвинулись в понимании алгоритмов работы своих программ глубокого обучения. А вот исследователи из Babylon Health продвинулись совершенно точно.

Также современные ИИ решают проблемы приоритизации и медицинской сортировки. Рекомендации на основе глубокого анализа данных поступающих пациентов для обеспечения точной приоритизации и медицинской сортировки ИИ дает очень быстро в режиме реального времени. Наиболее известные решения для этих целей предлагает Enlitic. ИИ Enlitic Curie сканирует поступающих пациентов, обрабатывая множество клинических данных (в том числе учитываются и старые диагностические карты) и определяя приоритет на лечение, после чего сразу же направляет больных к наиболее подходящему врачу. Трудно переоценить пользу этих алгоритмов, исключающих из анализа человеческий фактор, ведь после того как они будут усовершенствованы, они помогут спасти тысячи жизней. Более подробно о комплексных решениях Enlitic Curie можно прочитать здесь.

Стоит рассказать и о новом алгоритме ИИ, который поможет диагностировать рак легких. Много лет человечество проигрывало борьбу с онкологическими заболеваниями, которые ежегодно убивают около 10 миллионов человек по всему миру. Одной из самых страшных форм онкологии является рак легких, распознавание которого на ранних стадиях и до сих пор является для ученых сложнейшей задачей. Но весьма вероятно, что справиться с этим человеку поможет искусственный интеллект.

Исследователи из Бостонского университета разработали ИИ, который долгое время обучался на полноформатных фотографиях легочных тканей пациентов (размеры таких изображений составляют обычно более 1 Гб, что делает их анализ человеком крайне сложным). ИИ на примере фото обучали распознавать аденокарциному легкого, плоскоклеточный рак легкого и соседнюю не раковую ткань. Результаты обучения оказались положительными: алгоритм смог продемонстрировать более высокую эффективность, чем другие современные методы распознавания патологий на полноформатных слайдах.

На данный момент новый алгоритм планируется внедрить в помощь патологоанатомам, однако при успешном внедрении возможности ИИ могут быть расширены, ведь главное — научиться диагностировать опасные заболевания на самых ранних стадиях, пока сохраняются высокие шансы на полноценное излечение.

Существуют и компании, специализирующиеся на разработке ИИ-продуктов для ранней диагностики различных заболеваний. Они позволяют анализировать хронические состояния, используя лабораторные и другие медицинские данные, чтобы выявлять опасные болезни как можно раньше. Так, программное обеспечение от Ezra использует ИИ при анализе МРТ-сканов всего тела, чтобы помочь специалистам в раннем выявлении рака. Их слоган говорит сам за себя: «Мы обнаружили самую большую слабость рака — раннее обнаружение». С помощью алгоритмов, разработанных командой Ezra, удалось выявить рак на ранней стадии у 13% людей, обследовавшихся при помощи этого ПО. И это большой успех, ведь согласно статистике, раннее выявление онкологии обеспечивает 80% выживаемость по сравнению с менее чем 20% при обнаружении рака на поздних стадиях.

SkinVision — компания, занимающаяся диагностикой рака кожи на основе медицинской визуализации, то есть диагностикой по фото. ИИ, разработанный командой SkinVision, позволяет обнаруживать рак кожи на ранней стадии по фотографиям, сделанным на телефон. Умные алгоритмы после исследования очередного фото просигнализируют о том, если с кожей что-то не так. Таким образом, пациент сможет вовремя обратиться в клинику за помощью. Медицинская визуализация на основе ИИ также широко используется для диагностики ОРВИ и выявления пациентов, которым требуется клиническая поддержка. Например, китайская компания Huiying Medical разработала решение для медицинской визуализации на основе искусственного интеллекта с точностью определения пневмонии 96%, что позволит спасти драгоценные часы для своевременного лечения.

Уход за пациентами

Системы ИИ уже нашли широкое применение и в этой сфере. Например, компания Wellframe предоставляет мобильное ПО Medicare, разработанное специально для сиделок и медсестер. Ряд клинических модулей, разработанных на основе доказательной медицины, позволяет специалистам по уходу за пациентами находить индивидуальный подход к каждому. При этом приложение существенно облегчает жизнь не только сиделкам, но и не выходящим из дома пациентам, которые могут пользоваться им самостоятельно. В функции Medicare входят напоминания о приеме лекарств, возможность оперативных консультаций с различными специалистами, подбор полезной медицинской литературы и многое другое.

А в Positronic разработали перспективное решение в области глубокого обучения, которое точно предсказывает возможный исход, прежде чем пациент попытается покинуть палату. Это позволяет улучшать профилактику заболеваний и осложнений в больницах и домах престарелых. На главной странице сайта компании на самом видном месте красуются гордые цифры: более 3,7 Пб обработанных данных, более 67 миллионов сделанных прогнозов и почти 19 тысяч сэкономленных часов. Тестируемые возможности тоже впечатляют: определение патологий по снимкам, открытие новых лекарств, обучение алгоритмов с целью улучшения профилактических возможностей ИИ.