Искусственный интеллект в медицине: перспективы, риски и вклад в здоровье

Искусственный интеллект уже меняет медицину: согласно отчету Smart Ranking, медтех-рынок в России вырос на 40% всего за 2024 год, и эта тенденция только набирает обороты. 

Сегодня алгоритмы анализируют медицинские снимки, помогают ставить диагнозы и даже ассистирует на операциях. Почему технологии и медицина неразделимы — рассказывает Кирилл Левин, сооснователь и CEO компании NLABTEAM. 

Точность машинного обучения: новые стандарты в распознавании аномалий на снимках

Видят ли начинающие врачи то, чего не замечает даже опытный специалист? Искусственный интеллект выявляет незначительные изменения на рентгене или кардиограмме, которые могут быть упущены врачом. Такой подход особенно ценен в условиях диспансеризации: когда проводят массовое обследование пациентов, многие из которых не имеют явных симптомов заболеваний. 

Технически это достигается с помощью алгоритмов машинного обучения, таких как, например, искусственные нейронные сети. Они обучаются на больших объемах аннотированных данных и на изображениях выявляют индикаторы заболеваний.

Пример. Возвращаясь к кардиологии, ИИ может анализировать электрическую активность сердца, выявлять аритмию и ишемию на ранних стадиях. В результате шансы на эффективное лечение увеличиваются.  

ИИ против человеческого фактора: меньше ошибок на приеме

Врач, сталкиваясь с жалобами пациента, зачастую опирается на шаблонные модели мышления: «У вас температура и кашель — вероятно, это ОРВИ». В этом случае ИИ подскажет: «Спросите про Х, назначьте анализ Y, а Z не нужно — вероятность низка». Такой подход минимизирует человеческий фактор и позволяет врачу принимать более обоснованные решения.

Пример. В 2024 году данные посетителей поликлиник Москвы были обработаны нейросетью AIDA, которая помогла терапевтам установить более трех миллионов диагнозов с точностью свыше 80%, а по некоторым — более 90%. Эксперимент признан успешным, и планируется расширение использования цифровых ассистентов в регионах.

Анализ данных в реальном времени: когда врач рядом, даже если физически это не так

Сегодня лечащий врач может следить за вашим здоровьем в реальном времени с помощью современных носимых устройств — от умных часов до датчиков глюкозы.

Пример. Умные часы способны фиксировать частоту сердечных сокращений, уровень кислорода в крови и даже артериальное давление. В США в госпиталях уже давно используют Apple HealthKit: данные с носимого устройства могут быть интегрированы в платформы телемедицины через API, что позволяет врачу получать актуальную информацию без необходимости личного визита пациента.

Роботы-хирурги: врачи используют цифровых ассистентов на операциях 

Врачи все чаще используют цифровых ассистентов как помощников в сложнейших вмешательствах. При проведении операции на головном мозге надо аккуратно продвигаться на миллиметр, чтобы избежать повреждения критически важных структур.

Пример. Система NeuroArm от Университета Альберты позволяет нейрохирургам проводить операции с точностью до микрометра, анализируя сосуды и нервы с помощью алгоритмов машинного обучения и минимизируя риск повреждения здоровых тканей.

Мечта о персональном враче: ИИ анализирует данные всей жизни

Персонализированная медицина — это индивидуально подобранное лечение на основе уникальных генетических и физиологических данных пациента. Мечта о семейном враче, знающем всю историю здоровья, становится реальностью.

Искусственный интеллект способен интегрировать и анализировать огромные объемы данных из различных источников, включая электронные медицинские карты и даже данные о школьных медосмотрах. 

Пример. Компания IBM несколько лет назад представила свою платформу Watson, и одно из её ключевых направлений — IBM Watson for Oncology. Эта система использует данные клинических исследований и истории болезни пациентов для создания персонализированных рекомендаций по лечению рака. Это значит, что подход к каждому пациенту становится уникальным, учитывая его конкретные диагнозы и раннюю диагностику.

Система оповещения: машинное обучение за контролем соблюдения регламентов

Приведу пример совместного проекта INENEX, в ходе которого вместе с врачами Ярославской онкологической больницы мы создали ML-решение, которое дает подсказки в ходе проведения колоноскопии. 

Колоноскопия — это процедура для диагностики заболеваний толстого кишечника, включая рак. Важно контролировать соблюдение регламентов, чтобы эндоскоп прошел все отделы кишечника, так как неопытный или усталый врач может ошибочно пропустить потенциально опасные участки.

Мы разработали алгоритм, который в реальном времени распознаёт купол слепой кишки. Чтобы соблюсти протокол исследования, врач должен выполнить четкий снимок купола слепой кишки, а ИИ подтвердить, что нужная точка достигнута. Также ПО позволяет контролировать время, затраченное на исследование каждого сегмента кишечника. Если врач превышает нормальную скорость движения датчика — увеличивается риск пропуска полипов, включая раковые опухоли.

Кроме того, некоторые медицинские исследования требуют предварительной подготовки: голодания, введения контрастного вещества. Эти этапы не менее важны, чем основное исследование.  Искусственный интеллект может взять на себя контроль за этими подготовительными процессами. 

Пример. При колоноскопии учитывается качество очистки кишечника. Если оно оказывается недостаточным — система может оповестить об этом врача, так как в таком состоянии визуализировать патологические изменения и тем более ставить диагноз (или сказать о его отсутствии) некорректно.

Вам также может быть интересен материал Компас CIO:

ИИ-мониторинг и DataHub в Европейском Медицинском Центре

Познакомьтесь с внедрением ИИ-технологий в ЕМС: системой мониторинга для предотвращения падений пациентов и приложением EMC Connect, собирающим показатели с носимых устройств. ИТ-директор Егор Сафрыгин делится, как эти решения повышают безопасность пациентов (экономия 15+ млн руб/год), интегрируются в защищенный цифровой контур и помогают врачам получать полную картину состояния пациента еще до консультации.

Вопрос доверия: готовы ли пациенты и врачи полагаться на цифровых ассистентов

Внедрение ИИ в медицинскую практику продвигает ее на годы вперед, но есть ряд проблем, которые нельзя игнорировать.

Проблема 1. Отсутствие стандартизированных и объективно размеченных данных для обучения ИИ. Когда в России только начали говорить об использовании ИИ, ведущие специалисты предложили обучить системы распознавать заболевания легких. Однако возник вопрос о наличии размеченной базы данных, где врачи четко указывают, какое затемнение соответствует той или иной болезни. 

Оказалось, что интерпретация рентгенограмм варьируется в зависимости от школы и опыта врача. Один специалист может видеть одно, другой — совершенно иное. Это приводит к тому, что ИИ, обучаясь на выданных ими данных, начинает повторять ошибки живых врачей, что может быть опасно в контексте диагностики.

Проблема 2. Конфиденциальность данных. Для создания точной модели ИИ необходимо иметь доступ к полному набору медицинских данных пациента — от рождения до самых свежих анализов. Для сохранения врачебной тайны они должны быть обезличены. Однако процесс анонимизации не регламентирован, и огромные массивы медицинских документов до сих пор недоступны для исследователей.

Проблема 3. Консерватизм в медицинской профессии. Многие врачи скептически относятся к новым технологиям и не доверяют цифровым решениям. Они опасаются, что их внедрение может угрожать рабочим местам и привести к снижению зарплат, увеличению нагрузки. 

Проблема 4. Разрозненность данных. Часто пациенты сталкиваются с необходимостью повторного прохождения обследований: сделав рентген в одной клинике, они не могут получить его в другой, так как история болезни хранится отдельно в каждом лечебном учреждении, а стандарты работы с данными отсутствуют.

Тем не менее предпринимаются шаги для улучшения ситуации. Например, Департамент здравоохранения Москвы организовал платформу для сбора рентгеновских данных со всех медицинских учреждений города. Это позволяет врачам анализировать снимки независимо от места их получения, а аннотированные данные становятся доступными для исследователей.

Партнерство ИИ и медицинского сообщества: как сохранить ценность человеческого труда?

Россия обладает мощным потенциалом: количество данных, создаваемых медицинскими работниками, ждет своей цифровой трансформации. Переход к исключительно электронному документообороту и полная цифровизация архивов — это необходимость, которая качественнее всего будет осуществляться под руководством государства. 

Эффективное решение — создать многозвенную структуру, где на первом уровне находится автоматизированная диагностика:

• При поступлении в медицинский центр пациента будут проверять по установленным стандартам на наличие заболеваний. Все собранные данные будут поступать в единую информационную систему.

• Далее обобщенные данные в обезличенном виде (без фамилий и имен) будут передаваться исследователям. Они получат доступ ко всему объему данных, относящихся к каждому пациенту. На основе этой информации они смогут разрабатывать новые алгоритмы диагностики, ассистирования врачей и создания новых лекарств.

На 2024 год средняя продолжительность жизни россиян составляет 73 года. К 2030 году предполагается, что средняя продолжительность жизни россиян вырастет до 78 лет, а к 2036 году — до 81 года. Достигнуть таких амбициозных целей невозможно без внедрения инновационных технологий в области диагностики, медицинского оборудования, производства медикаментов и других сферах.