AI-система для армии США, позволяющая быстро идентифицировать инфекции

Компания Philips, американское Агентство по снижению военной угрозы (Defense Threat Reduction Agency, DTRA) и подразделение по инновациям Министерства обороны США (Defense Innovation Unit, DIU) объявили основные результаты 18-месячного проекта, направленного на разработку алгоритма раннего предупреждения для обнаружения инфекции до появления первых признаков или симптомов у человека.

Проект "Экспресс-анализ возникновения угрозы" (Rapid Analysis of Threat Exposure, RATE) является первым крупномасштабным исследованием возможности прогнозирования предсимптомной инфекции у людей и является частью усилий по повышению готовности, и предназначен для широкого применения в медицинских учреждениях. Подобная система раннего предупреждения, которая облегчает быструю диагностику и начало лечения инфекции, может сократить время ожидания лечения пациентом и помочь сдержать распространение инфекционного заболевания, как можно быстрее изолируя людей, подвергшихся воздействию.

Разработанный прототип решения, использующий технологию искусственного интеллекта (artificial intelligence, AI) для изучения определенных комбинаций жизненно важных параметров человека и других биомаркеров, позволяет точно предсказать вероятность инфицирования за 48 часов до появления клинических признаков, включая наблюдаемые симптомы. Кроме того, ученые установили, что комбинации жизненных параметров и биомаркеров варьировались в зависимости от времени, предшествовавшего появлению клинических признаков приобретении больничных инфекций.

В настоящее время планируются дальнейшие исследования для использования этой информации в качестве алгоритма, который будет интегрирован в носимое устройство, что позволит неинвазивно контролировать здоровье солдата и заблаговременно оповещать о потенциальной инфекции. Эту технологию предполагается также применять в гражданском качестве, помогая проводить мониторинг пациентов больниц для обнаружения инфекций до появления клинических симптомов.

Традиционные подходы к диагностике инфекций основаны на распознавании явных признаков, что может означать принятие медицинских контрмер после того, как люди уже подверглись опасности и потенциально начали заражать других лиц. Обнаружение признаков, указывающих на инфицирование с использованием механизмов искусственного интеллекта, может помочь сократить время диагностики и лечения, но, как и в случае с любой подобной системой, этот процесс требует большого объема надежных данных.

В отличие от других попыток предсказать инфицирование человека, в этом проекте используется машинное обучение на базе большого объема данных и анализ по 165 различным биомаркерам из богатого набора данных Philips, включающего более 41 000 случаев больничных инфекций. Набор данных был выделен из большого хранилища данных, в котором хранится информация о более семи миллионах пациентов.

Решение будет дорабатываться с включением в него сценариев, в которых жизненные показатели и биомаркеры будут изменяться в зависимости от ряда факторов, таких как, например, физические нагрузки и тепловой стресс.