Руководитель фронтирной лаборатории в исследовательском центре «Сильный ИИ в промышленности» ИТМО Николай Никитин вместе с командой разработал экосистему методов и алгоритмов машинного обучения для научных исследований. Она помогает автоматизировать применение методов искусственного интеллекта для решения задач из разных областей науки и техники и, что самое главное, открыта для всех — ей пользуются не только исследователи из ИТМО, но и научные команды в России и по всему миру.
В частности, команда Георгия Григорьева (PhD) из Калифорнийского университета в Беркли и Университета Цинхуа применила эволюционный алгоритм для проектирования микрогидродинамических ловушек для эритроцитов в виде микрофлюидного чипа. На их основе можно будет сделать носимое устройство, которое по капле крови определит пациентов из группы риска за долго до того, как у них произойдет ишемический инсульт
Существующие на рынке устройства, как правило, успешно диагностируют уже начавшийся инсульт. Например, голосовой помощник распознает нарушение речи, а селфи-камера на телефоне увидит нарушение симметрии лица. Но это уже признаки развивающегося инсульта.
Разработка заключается в создании специального чипа, который поможет диагностировать возможное возникновение инсульта сильно заранее, чем позволяют это делать современные методы. Нейросеть применялась для проектирования конструкции для улавливания эритроцитов, которую теперь, в теории, возможно произвести, прокомментировал новую технологию СЕО группы компаний ST IT, эксперт рынка TechNet НТИ Антон Аверьянов.
Нейросетевые технологии действительно сейчас сильно помогают на этапе проектирования инженерных конструкций. Так, в данном случае всего за 40 человеко-часов (одна рабочая неделя) и 60 часов непрерывных вычислений (менее трех суток) они позволили получить результат, на который ушло бы несколько месяцев проектирования, — сказал эксперт.
По его словам, теперь у команды разработки чипа начнется следующий этап — необходимо воспроизвести, протестировать и поставить на производство полученный с помощью нейросети результат. Если всё будет успешно, продукт дойдет до конечного потребителя, но будет это не быстро.
— Вероятно, ИИ может повысить точность превентивной диагностики заболеваний, но важно понимать, на базе каких данных будут обучаться системы и какими данными они в последующем будут пользоваться, — подчеркнул руководитель лаборатории персональных медицинских помощников Центра компетенций НТИ «Бионическая инженерия в медицине» на базе СамГМУ Петр Кшнякин.
При наличии качественных данных можно добиться достаточно высокой точности работы систем, которая будет как минимум не хуже квалифицированного врача, а в ряде случаев на самом деле даже его превосходить, по крайней мере в будущем, резюмировал специалист.
Источник: Известия
Свежие комментарии