Интервью с командой Flame. Технологический конкурс НТИ Up Great AI'm Doctor

Как вы узнали о конкурсе и почему решили принять в нем участие?

Я работаю разработчиком машинного обучения в технической компании и постоянно совершенствуюсь и развиваюсь. Стараюсь мониторить различные конкурсы. Задача этого конкурса мне близка и интересна, так как она связана с обработкой естественного языка. И моя цель заключалась в разработке качественного решения и совершенствовании своих навыков в НЛП (нейролингвистическое программирование).

Расскажите про всю команду

У нас получилась семейная команда – я и моя супруга. Она мне очень помогала: искала врачебные нюансы, мониторила информацию по диагнозам, которая может влиять на обучение моделей, а я работал с данными и алгоритмами.

Расскажите про свое решение. У вас до конкурса уже была разработана программа?

Мы уже участвовали в конкурсе отдельных заданий (КОЗ) – AI’m finder, где вышли в финал. Поэтому примерное представление, как работает платформа, было. На основе этих наработок мы продолжили дальнейшее участие, и я уже примерно понимал, как будет выглядеть решение. Организаторы предоставили нам датасет, на котором мы обучили свой алгоритм, а затем все связали и внедрили в нашу платформу.

Что для вас было самым сложным в конкурсе?

Самое сложное – это маленький объем данных. Для качественного решения нужен большой объём данных. Чем больше образцов, тем качественнее решение.

В какой области сложностей больше – в технической или медицинской?

Я подходил к решению как ML-инженер и анализировал данные. Хотелось бы дальше продолжить сотрудничество и взаимодействие с экспертами в этой области, потому что там есть нюансы. Я вывел закономерность в своём решении, но также нужны дополнительные консультации по медицинской части.

Как вы видите дальнейшее развитие своей технологии?

Помимо основных заболеваний конкурса по нозологии, были ещё сопутствующие заболевания и осложнения. Было второе решение, которое можно доработать, и оно будет находить другие заболевания. Самое главное, как я сказал ранее, нужен больший объём данных. Так получится более качественное решение и можно будет применить еще и другие подходы.

А с точки зрения медицины вам что-то новое здесь открылось?

С точки зрения медицины, да. Если врач качественно собрал анамнез, это на 80% указывает на успешность модели. Главное – это качественная работа врача, который собирает данные, в таком случае модель подает уже хороший сигнал и может поставить диагноз.