Ильман Шажаев, соучредитель и генеральный директор Acoustery — серия интервью

Ильман Шажаев, соучредитель и генеральный директор акустика, компания, занимающаяся медицинскими технологиями, которая разрабатывает технологию искусственного интеллекта для раннего распознавания респираторных заболеваний.

Что изначально привлекло вас в компьютерных науках и технике?

Объем данных, доступных сегодня, больше, чем когда-либо, а технология ИИ, которая очень зависит от данных, за последние несколько лет добилась огромного прогресса. Вот почему исследования в этой области так интересны.

Сейчас я сосредоточен на проектах по работе с большими данными. Во время COVID-19 я стал соучредителем Acoustery: полностью автоматизированного решения на базе искусственного интеллекта для мониторинга здоровья человека на основе анализа его голоса, кашля и дыхания.

Следующим шагом было объединение исследований в области здравоохранения и игр. Почему? Объем данных, которые генерирует эта отрасль, уникален; более того, геймеры — первые пользователи, готовые делиться своими данными и вносить свой вклад в научный прогресс. В то же время количество текущих клинических испытаний невелико, прогресс идет медленно, а игровой сектор позволяет гораздо более динамично обрабатывать данные.

Не могли бы вы подробнее рассказать об истории возникновения Acoustery?

Как я уже упоминал ранее, Acoustery была запущена во время пандемии. Несмотря на то, что возможности для бизнеса в 2020 году были относительно ограничены, я остановился в Дубае, одном из немногих мест, где проект мог работать без сверхстрогих ограничений.

Мой соучредитель доктор Дмитрий Михайлов, профессор Национального университета Сингапура, и я взялись за новую задачу: раннее выявление COVID-19. В то время ОАЭ активно изучали технологии ранней диагностики и в значительной степени поддерживали проекты ИИ.

Благодаря этому мы получили доступ к одному из лучших испытательных центров в ОАЭ: военному госпиталю шейха Зайда, где у нас были данные сотен пациентов с COVID-19, на которых можно было обучить наш движок ИИ.

На следующем этапе испытания показали, что наша технология очень точна и имеет большой потенциал. Исследователи опубликовали свои результаты в ведущих журналах Японии и США, а наш метод тестирования использовался в нескольких азиатских странах во время пандемий в качестве экстренного инструмента.

Когда COVID-19 закончился, мы сосредоточились на выявлении астмы, используя тот же подход. Университет Шарджи, который в настоящее время ведет исследования в ОАЭ, одобрил эти тесты.

Насколько точна эта система для COVID-19 по сравнению с ПЦР, LFT и тестами на антитела?

Положительная прогностическая ценность Acoustery в контексте скрининга на COVID-19 в масштабах всего сообщества относительно высока (81%) по сравнению с Xpert MTB/RIF, новым тестом, который произвел революцию в выявлении и борьбе с туберкулезом, способствуя быстрой диагностике болезнь (61%) и ПЦР мазки из зева (71%).

Наши результаты показали, что программное обеспечение, разработанное Acoustery, можно использовать в качестве основного внелабораторного инструмента скрининга для выявления случаев COVID-19 и направления пациентов в лаборатории для ПЦР-тестирования.

Не могли бы вы рассказать нам больше о машинном обучении, используемом для обучения ИИ?

Мы предположили, что для получения точной скорости обнаружения COVID-19 мы могли бы обучить сверточные и рекуррентные сети диагностировать заболевание, анализируя спектрограммы кашля и дыхания пациентов. Спектрограмма — это визуальный способ представления уровня сигнала на различных частотах. Ряд медицинских исследований показал существенные различия между кашлем пациентов, у которых был COVID, и тех, у кого его не было, поэтому мы обучили наш ИИ-движок распознавать такие различия.

Разработки Acoustery можно использовать для диагностики болезни Альцгеймера, которая обычно воспринимается как неврологическое расстройство. Как именно это работает?

В нашем исследовании изучается, как показатели речи могут быть связаны с языковыми профилями у участников с болезнью Альцгеймера (БА) и как эти профили могут отличить БА от изменений, связанных с нормальным старением. Для этого наш ИИ анализирует простые предложения, произносимые пожилыми людьми с БА и без него, от процента и количества голосовых разрывов до мерцания (коэффициент возмущения амплитуды) и отношения шума к гармоникам. Точность этого анализа достигает 90%.

Позже мы использовали тот же подход в Лаборатории Фарканы — предприятие, ориентированное на сбор больших данных, генерируемых геймерами, для исследования прогрессирования заболеваний, особенно психических расстройств.

Какие еще заболевания можно диагностировать с помощью этого метода?

Астма сейчас является нашим ключевым приоритетом. Туберкулез является еще одним направлением, а также хронической обструктивной болезнью легких (ХОБЛ), легочным фиброзом, пневмонией и раком легких.

Насколько велики наборы обучающих данных для этих вариантов использования?

В нашей базе данных собраны тысячи записей о кашле за последние четыре года.

Каково ваше видение будущего медицинской диагностики по всем направлениям?

Данные, собираемые персональными устройствами, сыграют значительную роль в диагностике заболеваний на ранней стадии и предотвращении пандемий. Даже в наших мобильных телефонах есть несколько датчиков: микрофон — лишь один из них. Акселерометры, которые могут анализировать двигательные навыки и обнаруживать многочисленные заболевания, — еще один.

Хотя эти технологии не должны быть единственным источником диагностики, они могут существенно помочь в прогнозировании и предотвращении распространения высокоинфекционных респираторных заболеваний — а, следовательно, и новых пандемий. Акустерию также можно использовать в развивающихся странах, где доступ к ПЦР-тестированию ограничен.

Кажется, у вас есть несколько проектов на ходу; Какие еще интересные варианты использования ИИ вы видите?

Пространство ИИ уникально. Как исследователи ИИ, мы фокусируемся на нишах, которые генерируют большие данные, необходимые для любого исследования ИИ. Нам нужно много пациентов для сбора качественных наборов данных, поэтому мы параллельно проводим несколько исследований и изучаем несколько бизнес-вертикалей.

Мы рассматриваем игры как область, в которой генерируется огромное количество данных. Сегодня люди играют во множество видеоигр, что является ценным источником данных для исследований в области здравоохранения. Сбор данных с персональных и носимых устройств — еще одно направление со значительным потенциалом.

В целом, исследовать эту технологию сейчас очень интересно, и я считаю, что у нее есть гораздо больший потенциал, который еще предстоит использовать в других секторах.

Спасибо за отличное интервью, читатели, которые хотят узнать больше, должны посетить акустика.