Big data в медицині: п`ять прикладів вдалого і невдалого використання
Стало звичним, що так звані великі дані скоро зроблять переворот в лікарській науці. Адже безліч медичних відомостей про безліч людей: результати КТ-МРТ, генетичних та інших аналізів, електронні медичні картки, дані про роботу, спосіб життя, улюблені страви - не можуть не допомогти в пошуку причин хвороб і методів лікування. Питання в тому, коли ж здійсниться цей довгоочікуваний прорив. Ми підібрали кілька прикладів того, на що здатні великі дані вже зараз.
Twitter проти лихоманки
Один з найбільш ранніх прикладів використання того, що можна з деякою натяжкою назвати big data, - пророкування спалахів лихоманки денге за допомогою Twitter. Лихоманка денге приходить до Бразилії майже щорічно, як грип до України. Але епідемії починаються кожен раз в новому місці. Швидко реагувати не виходить: від спалаху захворювання до відповідної реакції державної медицини проходять тижні. У 2009 році два бразильських дослідні інститути створили програму аналізу захворюваності через твіти. У загальному потоці повідомлень програма виловлює слово denge і географічні прив‘язки. Аналізуючи структуру фрази, програма визначає, чи йде мова про персональний досвід автора твіту, або він, наприклад, обговорює політику міністерства охорони здоров‘я в цій сфері. У 2009 році програма проаналізувала 2500 твітів і зуміла передбачити, в яких районах будуть спалахи епідемії. Робота тривала і в наступні роки. У 2017 році група вчених підвела підсумок цієї твіт-діагностики. У 2016 році, наприклад, релевантних твітів зі словом denge було 475 тис., і 74% з них містили географічну прив‘язку. Дослідження підтвердило, що аналіз твітів дозволяє не тільки отримати експрес-картину поширення лихоманки, а й передбачити спалах максимум за два місяці до її початку. Втім, повноцінної програми використання цього моря інформації в бразильськії охороні здоров‘я поки не створено.
Big data та дієта
Це дослідження про вуглеводи - чемпіон за кількістю учасників - було опубліковано в серпні минулого року. У першій частині об‘єктом спостереження були 15 400 американців у віці від 45 до 64 років. Всі вони відповіли на питання про своє харчування на початку дослідження і через шість років. Спостереження ж за ними тривало 25 років. В результаті з‘ясувалася проста річ: і бідна вуглеводами дієта (коли організм отримує з них менше 40% енергії), і багата (більш 70%) скорочують тривалість життя. Найкраще золота середина - отримання з вуглеводів 50-55% енергії. 50-річний учасник дослідження, споживаючий вуглеводів в такій розумній кількості, міг сподіватися прожити ще 33 роки. Бідна вуглеводами дієта обіцяла громадянину такого ж віку 29 років життя. Багата - 32 роки.
У другій частині дослідження ці результати перевірялися на більшій кількості учасників і одночасно вивчалося питання, чим же відсутні вуглеводи замінити. Кількість учасників склала 432 тис. осіб з 20 країн. Точніше сказати, це було мета-дослідження, котре об‘єднало результати восьми окремих робіт. Висновок: якщо вже замінювати чимось вуглеводи, то білками і жирами рослинного походження (горіхи і т. п.), а не тваринного. Звичайно, думка сама по собі не дуже нова - але тут важлива не новизна, а доказова сила великих даних.
Кишківник в цифрах
Те, як слід було б використовувати великі дані, показали японці. Вони вивчили ризики правосторонньої геміколектомії - видалення правої частини ободової кишки (ободова кишка - головна частина товстої кишки). Робота ця дуже показова за кількістю даних і по непередбачуваності результату. Дослідники зібрали дані про 1,2 млн випадків хірургічного втручання в 3500 японських лікарнях протягом 2011 року і виділили серед них всі випадки правосторонньою геміколектомія. Їх виявилося 19 070. Аналіз даних довірили комп‘ютеру. Він вирахував рівень смертності (2,3% при звичайній операції і 6% - при термінової), а потім на основі записів в історіях хвороби самостійно виділив цілих 26 факторів ризику (недостатнє згортання крові, ниркова недостатність, попередні захворювання периферичних судин, і т.д. і т.п.) і розрахував внесок кожного з них в результат операції. Автори заявляють, що їхня робота, на той момент не мала прецедентів за розміром і строгості підходу, визначила на наступні роки шляху розвитку хірургії. Правда, лише у вузькому сегменті медицини.
Прощавай, слух, привіт, депресія
Дуже важливий плюс big data - можливість зв‘язати між собою параметри, які зазвичай аналізують і вважають тільки окремо. У січні 2019 було опубліковано дослідження про зв‘язок проблем зі слухом з іншими захворюваннями. Об‘єктом дослідження стали 154 414 осіб у віці 50 років і старше, що зверталися до лікаря з приводу погіршення слуху. З‘ясувалося, що ризик розвитку у таких людей деменції і депресії протягом п‘яти років після звернення на 50% і 40% відповідно вище, ніж у людей, що на слух не скаржилися. На додаток була вивчена і фінансова сторона питання: якщо у людини виникли проблеми зі слухом, але ніяких заходів вжито не було, то витрати на його лікування в наступні десять років виявляються на 46% вище, ніж в середньому в цьому віці.
Лікування від IBM: швидко, але з помилками
Компанія IBM посилено намагається проникнути в медицину за допомогою свого суперкомп‘ютера IBM Watson. Це найпотужніша машина, що складається з декількох десятків серверів і при цьому націлена на розуміння природної людської мови. Медичний підрозділ програми, Watson Health, або - у вільному перекладі - доктор Уотсон, намагається домогтися від комп‘ютера, щоб він допомагав лікарям у прийнятті рішень. Передбачається, що машина, що володіє всією повнотою інформації про пацієнта і про захворювання, може принаймні прискорити цей процес. Результати поки двоїсті. З одного боку, як розповідає сама IBM, при аналізі геномної інформації, що дозволяє точніше визначити метод лікування гліобластоми, доктор Уотсон за десять хвилин виконав роботу, на яку живий експерт витратив би 160 годин. З іншого боку, недавно стало відомо, що суперкомп‘ютер часто помиляється буквально на рівному місці. Наприклад, при кровотечі радить препарат, який може цю кровотечу посилити.
На думку експертів, справа в тому, що при навчанні доктора Вотсона в IBM часто використовували не історії справжніх пацієнтів, а створені на їх основі синтетичні образи. В результаті знання Уотсона виявилися відірваними від реальності. IBM є над чим попрацювати, а великим даним є куди рости.
Ілюстрація: pixabay.com
Читайте також: Чи запрацює система трансплантації в Україні?
Twitter проти лихоманки
Один з найбільш ранніх прикладів використання того, що можна з деякою натяжкою назвати big data, - пророкування спалахів лихоманки денге за допомогою Twitter. Лихоманка денге приходить до Бразилії майже щорічно, як грип до України. Але епідемії починаються кожен раз в новому місці. Швидко реагувати не виходить: від спалаху захворювання до відповідної реакції державної медицини проходять тижні. У 2009 році два бразильських дослідні інститути створили програму аналізу захворюваності через твіти. У загальному потоці повідомлень програма виловлює слово denge і географічні прив‘язки. Аналізуючи структуру фрази, програма визначає, чи йде мова про персональний досвід автора твіту, або він, наприклад, обговорює політику міністерства охорони здоров‘я в цій сфері. У 2009 році програма проаналізувала 2500 твітів і зуміла передбачити, в яких районах будуть спалахи епідемії. Робота тривала і в наступні роки. У 2017 році група вчених підвела підсумок цієї твіт-діагностики. У 2016 році, наприклад, релевантних твітів зі словом denge було 475 тис., і 74% з них містили географічну прив‘язку. Дослідження підтвердило, що аналіз твітів дозволяє не тільки отримати експрес-картину поширення лихоманки, а й передбачити спалах максимум за два місяці до її початку. Втім, повноцінної програми використання цього моря інформації в бразильськії охороні здоров‘я поки не створено.
Big data та дієта
Це дослідження про вуглеводи - чемпіон за кількістю учасників - було опубліковано в серпні минулого року. У першій частині об‘єктом спостереження були 15 400 американців у віці від 45 до 64 років. Всі вони відповіли на питання про своє харчування на початку дослідження і через шість років. Спостереження ж за ними тривало 25 років. В результаті з‘ясувалася проста річ: і бідна вуглеводами дієта (коли організм отримує з них менше 40% енергії), і багата (більш 70%) скорочують тривалість життя. Найкраще золота середина - отримання з вуглеводів 50-55% енергії. 50-річний учасник дослідження, споживаючий вуглеводів в такій розумній кількості, міг сподіватися прожити ще 33 роки. Бідна вуглеводами дієта обіцяла громадянину такого ж віку 29 років життя. Багата - 32 роки.
У другій частині дослідження ці результати перевірялися на більшій кількості учасників і одночасно вивчалося питання, чим же відсутні вуглеводи замінити. Кількість учасників склала 432 тис. осіб з 20 країн. Точніше сказати, це було мета-дослідження, котре об‘єднало результати восьми окремих робіт. Висновок: якщо вже замінювати чимось вуглеводи, то білками і жирами рослинного походження (горіхи і т. п.), а не тваринного. Звичайно, думка сама по собі не дуже нова - але тут важлива не новизна, а доказова сила великих даних.
Кишківник в цифрахТе, як слід було б використовувати великі дані, показали японці. Вони вивчили ризики правосторонньої геміколектомії - видалення правої частини ободової кишки (ободова кишка - головна частина товстої кишки). Робота ця дуже показова за кількістю даних і по непередбачуваності результату. Дослідники зібрали дані про 1,2 млн випадків хірургічного втручання в 3500 японських лікарнях протягом 2011 року і виділили серед них всі випадки правосторонньою геміколектомія. Їх виявилося 19 070. Аналіз даних довірили комп‘ютеру. Він вирахував рівень смертності (2,3% при звичайній операції і 6% - при термінової), а потім на основі записів в історіях хвороби самостійно виділив цілих 26 факторів ризику (недостатнє згортання крові, ниркова недостатність, попередні захворювання периферичних судин, і т.д. і т.п.) і розрахував внесок кожного з них в результат операції. Автори заявляють, що їхня робота, на той момент не мала прецедентів за розміром і строгості підходу, визначила на наступні роки шляху розвитку хірургії. Правда, лише у вузькому сегменті медицини.
Прощавай, слух, привіт, депресія
Дуже важливий плюс big data - можливість зв‘язати між собою параметри, які зазвичай аналізують і вважають тільки окремо. У січні 2019 було опубліковано дослідження про зв‘язок проблем зі слухом з іншими захворюваннями. Об‘єктом дослідження стали 154 414 осіб у віці 50 років і старше, що зверталися до лікаря з приводу погіршення слуху. З‘ясувалося, що ризик розвитку у таких людей деменції і депресії протягом п‘яти років після звернення на 50% і 40% відповідно вище, ніж у людей, що на слух не скаржилися. На додаток була вивчена і фінансова сторона питання: якщо у людини виникли проблеми зі слухом, але ніяких заходів вжито не було, то витрати на його лікування в наступні десять років виявляються на 46% вище, ніж в середньому в цьому віці.
Лікування від IBM: швидко, але з помилками
Компанія IBM посилено намагається проникнути в медицину за допомогою свого суперкомп‘ютера IBM Watson. Це найпотужніша машина, що складається з декількох десятків серверів і при цьому націлена на розуміння природної людської мови. Медичний підрозділ програми, Watson Health, або - у вільному перекладі - доктор Уотсон, намагається домогтися від комп‘ютера, щоб він допомагав лікарям у прийнятті рішень. Передбачається, що машина, що володіє всією повнотою інформації про пацієнта і про захворювання, може принаймні прискорити цей процес. Результати поки двоїсті. З одного боку, як розповідає сама IBM, при аналізі геномної інформації, що дозволяє точніше визначити метод лікування гліобластоми, доктор Уотсон за десять хвилин виконав роботу, на яку живий експерт витратив би 160 годин. З іншого боку, недавно стало відомо, що суперкомп‘ютер часто помиляється буквально на рівному місці. Наприклад, при кровотечі радить препарат, який може цю кровотечу посилити.
На думку експертів, справа в тому, що при навчанні доктора Вотсона в IBM часто використовували не історії справжніх пацієнтів, а створені на їх основі синтетичні образи. В результаті знання Уотсона виявилися відірваними від реальності. IBM є над чим попрацювати, а великим даним є куди рости.
Ілюстрація: pixabay.com
Читайте також: Чи запрацює система трансплантації в Україні?