В год, когда мы отмечаем высадку Америки на Луну 50 лет назад, нам напоминают, что высокие цели и масштабное мышление привели к подвигам, которые когда-то казались невозможными. Но до того, как наши космонавты ступили на Луну, на стартовой площадке было много взорванных ракет.

Вот почему меня не беспокоят ни ажиотаж, ни разочарование по поводу искусственного интеллекта (ИИ) в здравоохранении. Хотя IBM Watson Health не оправдала ожиданий в отношении своей лунной цели — укротить рак с помощью ИИ, есть основания для оптимизма. Постепенный прогресс ИИ в здравоохранении может и не удивить, но, тем не менее, он очень многообещающий.

Как генеральный директор по технологиям, работающий в сфере здравоохранения и управляющий услугами по контракту с более чем 50 миллионами американцев, я регулярно разговариваю с людьми, которые выражают как волнение, так и тревогу по поводу ИИ. Несмотря на опасения людей, что ИИ сделает нас бесчеловечными, я считаю, что он укрепит нашу человечность, высвободив ресурсы, которые можно направить на взаимодействие более высокого уровня. ИИ любого времени никогда не превзойдет невероятную способность человеческого разума выполнять безумно сложные задачи. На самом деле ИИ будет побуждать нас мыслить и действовать более изощренно, как только мы избавимся от некоторых менее сложных задач.

Ценность и огромные наборы данных

Индустрия здравоохранения претерпевает резкий переход к ценностно-ориентированной помощи. Поставщики медицинских услуг и организации здравоохранения берут на себя больший финансовый риск для улучшения результатов лечения пациентов с более тесной связью между результатами и возмещением расходов. Это огромный сдвиг, и он создает огромное давление, стимулы, препятствия и непредвиденные последствия в уже обширной, фрагментированной и непредсказуемой отрасли, которая составляет почти 18% экономики США. Информационные технологии в этом секторе пытаются использовать огромные наборы данных таким образом, чтобы повысить эффективность и улучшить здоровье. ИИ может разбудить эти данные и воплотить их в жизнь.

Модели и прогнозы

Поскольку ни один клиницист не может угнаться за бурным потоком медицинской литературы, прогностическое моделирование для прогнозирования риска для здоровья очень полезно. Простым примером является использование машинного обучения (ML) для отправки электронного предупреждения врачу, когда диагноз диабета или ряд данных указывают на то, что механизм ML объединяет заявления и другие данные для выявления случая диабета. Предупреждение сообщает клиницисту, что они должны проверить пациента на депрессию, поскольку депрессия может усугубить диабет. При более сложном использовании ИИ в больнице Алабамы произошло снижение смертности от сепсиса на 53% за счет объединения электронного наблюдения в реальном времени, алгоритмов и чувствительной поддержки принятия клинических решений ИИ в мобильное приложение.

Планирование риска

ИИ хорошо работает при стратификации риска для здоровья населения, выявляя наиболее сложные с медицинской точки зрения и хрупкие части населения, на которые приходится самая высокая стоимость системы. ИИ используется для построения графиков популяций пациентов и сосредоточения интенсивных ресурсов на наиболее уязвимых. Американская медицинская ассоциация недавно дала толчок именно такому проекту, целью которого является улучшение выявления и клинического ведения больных сахарным диабетом с быстро прогрессирующим заболеванием почек. В процессе используются алгоритмы, смешивающие данные из электронных историй болезни с прогностическими биомаркерами из крови. Чтобы еще больше углубить понимание, планы здравоохранения и системы здравоохранения ищут способы сложить социальные факторы, такие как географическое положение и переменные окружающей среды, чтобы точно определить вмешательства и использовать модели ИИ, чтобы предложить соответствующие действия.

Повторная госпитализация в течение 30 дней после выписки является одной из самых дорогостоящих ошибок системы здравоохранения. В прошлом в отрасли применялись единые методы выписки для всей популяции пациентов, но теперь особое внимание уделяется нацеливанию на пациентов с самым высоким риском для проведения специальных вмешательств.

Текущий инструмент искусственного интеллекта в Детской больнице Питтсбурга смог предсказать с точностью 79%, какие пациенты подвергаются наибольшему риску повторной госпитализации. Медицинская система Университета Мэриленда использовала машинное обучение в исследовании 2016 года для получения оценок риска для более чем 16 000 выписанных пациентов, которые лучше прогнозировали риск повторной госпитализации, чем стандартные методы. И теперь есть возможность сочетать прогностическую информацию с такими программами, как Медицина Джона Хопкинса, которая отправляет медсестер в дома одиноких людей с ослабленным здоровьем. Правильные инструменты искусственного интеллекта выявят уязвимости, которые не столь очевидны.

Сущность человека

Еще один фактор, который удержит нас от антиутопического будущего ИИ в здравоохранении, заключается в том, что лучший способ повлиять на поведение пациентов в сторону лучшего выбора в отношении здоровья — это работать с человеческими эмоциями, чего технологии не могут сделать. Я читал Sapiens: A Brief History of Humankind Юваля Ноа Харари, в которой рассказывается об уникальной способности человека создавать истории с помощью воображения. Я считаю, что привязка этой способности к мотивационному интервьюированию могла бы изменить поведение пациентов. Выражение сочувствия и создание историй о преимуществах потери веса, например, будет более эффективным, если пациент будет рассматривать более здоровые привычки как средство для чего-то, что они уже ценят, например, возможность играть со своими внуками.

Я уважаю IBM Watson Health за ее амбициозный подход, но также важно отметить тех, кто добивается постепенного прогресса в других областях отрасли. Независимо от того, является ли прогресс маленьким шагом или гигантским скачком, есть огромные возможности использовать ИИ для оздоровления мира.

Эта история впервые появилась на Forbes.com 2 октября 2019 года: https://www.forbes.com/sites/forbestechcouncil/2019/10/02/why-artificial-intelligence-hype-in-health-care- не-плохо/#4b72ded37dca