Сбер создал медицинское решение на основе искусственного интеллекта (ИИ), которое позволяет моделировать состояние здоровья пациентов на основе их электронных медицинских карт. Это было объявлено на международной конференции AI Journey первым заместителем Председателя Правления Сбербанка Александром Ведяхиным.
Специалисты банка использовали современную нейросетевую архитектуру Transformers для работы с последовательностями диагнозов пациентов. Этот подход позволил получить формальное представление медицинских профилей пациентов в виде эмбеддингов, которые полезны для множества научных и практических задач.
Это решение открывает возможности для моделирования дальнейшего развития состояний пациентов. Модель успешно прошла проверку в задаче предсказания следующего диагноза и подтверждена высокими метриками в эксперименте на публичном датасете медицинских записей MIMIC-III.
«Это уже не первое прорывное MedTech-решение Сбера и наших компаний-партнёров. В России всё шире применяются разработанные Сбером AI-сервисы: компьютерное зрение для расшифровки медицинских изображений (КТ, рентген, маммография), автоматическое заполнение врачебной документации (из голоса — в текст), диагностика заболеваний и другие. Мы также изучаем возможности прогностических моделей, которые работают с медицинскими данными. Как показывает практика, такие решения могут быть востребованы не только в медицине, но и в смежных областях. Это ещё один вклад в сохранение человеческих жизней и развитие здравоохранения» — Александр Ведяхин, первый заместитель Председателя Правления Сбербанка.
Модель Сбера может быть использована и в страховом скоринге. С помощью этой модели можно получить значимый прирост в точности оценки страховых рисков относительно традиционных методов, что открывает новые возможности для персонализации тарифов и сокращения издержек. В настоящее время модель работает с историческими данными, следующим этапом будет обучение ее работе в онлайн-режиме с данными, получаемыми от клиентов для принятия решений в момент обращения.
В ходе исследования был предложен H2D-метод (Harbinger Disease Discovery) поиска предвестников заболеваний, который позволяет автоматически генерировать гипотезы о взаимосвязях между болезнями. Благодаря этому удалось обнаружить сильную зависимость между группой психологических расстройств и раком молочной железы у женщин. Эта гипотеза была подтверждена в смежных научных исследованиях. В результате ученые сформировали новый набор гипотез о предвестниках пяти наиболее распространенных видов онкозаболеваний. Метод H2D поможет врачебному и научному сообществу в поиске новых направлений медицинских исследований.
Научная работа была опубликована в высокорейтинговом международном журнале IEEE Journal of Biomedical and Health Informatics, а текст публикации и исходный код были выложены в открытый доступ.