Ханна Фрай - Hello World. Как быть человеком в эпоху машин

На поле боя, где врачи десятилетиями бьются над вопросом, почему одно отклонение от нормы опаснее другого, алгоритм, которому не разъяснили, что именно искать, может проявить себя с лучшей стороны. Если только вам удастся собрать для обучения алгоритма достаточно обширную коллекцию снимков биоптатов — как неизбежно метастазирующих (то есть поражающих и другие органы) опухолей, так и не дающих метастазов, — абсолютно свободный от теоретических предубеждений алгоритм смог бы выудить скрытые наводки на прогноз вашего здоровья. Как говорит Джонатан Каневски, “алгоритму вполне по силам найти на каждом изображении характерные особенности, по которым будет понятно, даст ли опухоль метастазы” [176].

С таким алгоритмом тип биоптата уже не имеет ключевого значения. Уже не так интересно, почему да отчего — вы сразу получаете ответ на самый волнующий вопрос: нужно вам лечиться или нет?

Отрадно, что подобные алгоритмы разрабатываются. Уже знакомый нам патолог из Гарварда и директор компании PathAI Энди Бек недавно опробовал свой алгоритм на серии образцов, взятых у пациентов из Нидерландов, и обнаружил, что самые точные прогностические показатели выживаемости были получены не из биоптатов опухоли, а из образцов прилегающих тканей с отклонениями от нормы [177]. Это большой шаг вперед — впечатляющий пример самостоятельной исследовательской работы алгоритмов и подтверждение их способности находить паттерны, благодаря чему наши прогнозы становятся более надежными.

Само собой, при этом мы получаем колоссальный объем информации. Благодаря массовым маммографическим обследованиям в разных странах мы имеем больше снимков молочных желез, чем любого другого органа. Я не врач клинической диагностики, но все специалисты, с кем я говорила, уверяли меня, что уже в обозримом будущем мы сможем достоверно предсказывать, переродится ли сомнительное новообразование в рак. Очень может быть, что к тому времени, когда моя книга выйдет в мягкой обложке, кто-нибудь где-нибудь уже воплотит в жизнь эту революционную идею.

Цифровая диагностика

Все это касается не только рака груди. Нейросетям, которые создают Энди Бек и другие ученые, все равно, что разглядывать. Вы можете велеть им расписать по классам что угодно — собак, головные уборы, сыры. Они научатся, лишь бы вы дали им понять, когда они угадали, а когда нет. Теперь, когда алгоритмы этого семейства стали достаточно хороши для практического применения, они вмешиваются в самые разные области современной медицины.

Одно из недавних достижений принадлежит команде проекта Google Brain (“Гугл-мозг”), создавшей программу для скрининга на диабетическую ретинопатию — самую распространенную причину потери зрения, которую, однако, можно предупредить. При этой патологии поражаются сосуды в светочувствительной зоне глаза. Если это осложнение выявлено, зрение удастся спасти с помощью инъекций, но, если его вовремя не обнаружить, последствия будут необратимы. В Индии, где не все могут получить квалифицированную помощь в диагностике этой патологии, 45 % людей с диабетической ретинопатией обречены на частичную потерю зрения еще до того, как они узнают о своем состоянии. Сегодня алгоритм, разработанный сотрудниками Google Brain совместно с индийскими медиками, диагностирует диабетическую ретинопатию не хуже офтальмолога.

Существуют такие же программы для диагностики сердечно-сосудистых заболеваний [178], эмфиземы легких [179], инсульта [180]и меланомы [181]. Созданы даже такие системы, которые распознают полипы прямо во время колоноскопии.

Факт тот, что если можно сделать снимок и пометить изображение патологического изменения, то можно и создать алгоритм, который его найдет. Вероятно, тогда удастся поставить диагноз более точно, а может, и раньше, чем это сделает человек.

Но как быть с другими медицинскими данными, подчас имеющими странные форматы? Можно ли расширить возможности алгоритмов, так чтобы они решали не только какие-то конкретные задачи в узких областях? Скажем, можно ли создать программу для расшифровки каракулей вашего доктора? Или такую, которая выловит самые мелкие характерные детали в ваших жалобах на боль?

Как вам такая картина из жанра научно-медицинской фантастики: в приемной врача вас внимательно выслушивает компьютер, и он же изучает вашу историю болезни? Можно ли представить себе машину, в совершенстве владеющую всеми тонкостями самой современной диагностики? Машину, которая ставит точный диагноз и предлагает индивидуально подобранный план лечения?

Иначе говоря, можно ли создать нечто вроде маленького компьютерного доктора Ватсона? Элементарно, Ватсон!

Однажды в 2004 году Чарльз Ликел ужинал с коллегами в нью-йоркском ресторане. Где-то посередине трапезы он заметил, что народу в зале поубавилось. Чарльз удивился, пошел вслед за всеми и увидел столпившихся перед телевизором людей, увлеченно наблюдавших за популярным шоу Jeopardy! [182]. Знаменитый чемпион Кен Дженнингс, который выигрывал уже полгода кряду, готовился побить собственный рекорд, и зрители не хотели пропустить это событие.

Чарльз Ликел был вице-президентом IBM по программному обеспечению. Прошло несколько лет с тех пор, как Deep Blue обыграл в шахматы Гарри Каспарова, и все это время руководство IBM жаждало получить от Чарльза новую оригинальную идею, достойную внимания корпорации. Там, в нью-йоркском ресторане, видя, с каким азартом его компаньоны следят за победителем телевикторины, Ликел и задумался о том, нельзя ли создать компьютер, который обставил бы Дженнингса.

Задача не из легких. Целых семь лет, с того самого ужина, Чарльз Ликел вынашивал концепцию компьютера, впоследствии получившего название Watson . И в конце концов в специальном выпуске телешоу Watson сразился с Кеном Дженнингсом и одержал уверенную победу над человеком в его же игре. По ходу дела команда IBM твердо решила попытаться сконструировать первый в мире полнофункциональный компьютер-диагност. Скоро мы к этому вернемся. Сначала я объясню вам основной принцип деятельности машины-победителя, который лег в основу алгоритма для медицинской диагностики.

Справка для тех, кто впервые слышит об этой игре: Jeo-pardy! — популярное в Америке телевизионное шоу, так сказать, викторина наоборот, когда трем игрокам задают вопросы в форме толкования слова, то есть как бы ответа, а свои ответы они должны сформулировать в виде вопросов. Например, в теме “Слова, содержащие в себе противоречия”, может быть такой вопрос:

Крепление для соединения вещей; или это могло бы означать “согнуть”, “деформировать при нагревании или силой и нечаянно продавить”.