Скайнет или Матрица? Бэймакс из Большого Героя 6? Те Срединные заливы из Элизиума? Или, может быть, высокотехнологичный лазарет из «Звездного пути»? Много воображения уходит на то, чтобы сформировать видение искусственного интеллекта для здравоохранения в будущем, но насколько это реально достижимо сейчас? Насколько хорошо нынешний ИИ интегрирован в реальную повседневную клиническую практику? На что нам следует обратить внимание и чего нам следует ожидать?

Итак, что мы можем сделать в настоящий момент?

Несмотря на то, что они заядлые пользователи социальных сетей, поисковых систем и онлайн-телевидения, многие могут не знать, что ИИ уже является неотъемлемой частью нашей повседневной жизни. Однако стоит упомянуть, что ИИ в этом смысле - это гораздо меньше научно-фантастического, всемогущего, разумного программного обеспечения и гораздо больше математики, прикладной статистики и алгоритмов, работающих в фоновом режиме. Однако что интересно, так это все более широкое применение тех же алгоритмов в областях медицины. Эти модели машинного обучения умеют брать миллионы изображений и превращать их в ядро, важные функции для определения того, что на них изображено. Это означает, что они идеально подходят для того, чтобы делать то же самое в здравоохранении с его огромными объемами данных, атрибуты которых людям трудно обобщить. В частности, эти типы алгоритмов уже получили распространение в радиологии, дерматологии и офтальмологии.

Это также верно для огромных массивов текстовых данных, ежегодно генерируемых в форме электронных медицинских карт (EHR). Только в США 1 миллиард ежегодных посещений задокументирован в действующих системах EHR. Ряд общепринятых алгоритмов, обычно используемых для моделирования языка при переводе и автокоррекции, а также анализа тональности и прогнозирования тем документов, также используются для понимания сильно неструктурированных данных EHR. Поскольку эти данные EHR содержат всю историю болезни пациента, включая результаты скрининга, диагностики и лечения, исследователи показали, что можно получить представление о начале и прогрессировании заболевания из миллионов доступных профилей пациентов.

Кто уже этим пользуется?

Что ж, уже есть несколько довольно революционных приложений искусственного интеллекта, которые работают над улучшением результатов лечения пациентов и повышением производительности врачей, которые за ними ухаживают. Например, Face2Gene, который может предсказать, есть ли у человека генетическое заболевание на основе определенных черт лица, почти так же, как алгоритмы Facebook могут отличить лицо одного человека от лица миллионов других.

Затем был факт, что Arterys, специализирующаяся на ИИ для медицинской визуализации легких, кардио и печени, в начале этого года получила одобрение FDA для своего набора онкологических инструментов. Это большая новость, учитывая, что этот допуск был первым для клинического программного обеспечения для глубокого обучения на основе облачных вычислений. В том же ключе мы в Maxwell Plus применяем ИИ для медицинской визуализации и других биомаркеров для более раннего выявления заболевания и более эффективного скрининга, а также для диагностики рака груди, простаты и легких с большей скоростью и точностью, с целью достижения пост-дефицита здоровье".

Еще одна группа, которая преодолевает препятствия, связанные с нормативными актами, но уже оказывает большое влияние, - это WinterLight Labs, стартап из Торонто, использующий ИИ для выявления маркеров когнитивных нарушений в речи, которые люди даже не слышат. Это огромный шаг на пути к диагностике болезни Альцгеймера и деменции на более ранней стадии, когда вмешательства могут применяться с большим успехом, особенно с учетом того, что современные методы тестирования являются грубыми и требуют шести месяцев между оценками.

Чего нам нужно остерегаться?

Важно отметить, что не все будет гладко на пути ИИ в здравоохранении. Некоторые проблемы, которые обычно возникают, связаны с ошибками и неточностями в данных, используемых для обучения этих моделей. Во-первых, так называемая наземная истина, используемая для оценки производительности определенных алгоритмов, также должна быть оценена на предмет ее надежности и правильности, особенно с учетом того, что врачи тоже могут ошибаться, поскольку они всего лишь люди. Однако включение в набор данных слишком большого количества таких неверных диагнозов и ошибок может привести к неправильной работе алгоритмов при тех же обстоятельствах. Во-вторых, существует также риск того, что использование имеющихся данных может еще больше уменьшить неравенство в доступности и качестве медицинской помощи для лиц различного расового, гендерного и сексуального происхождения. Сообщество ИИ в целом было активными сторонниками того, чтобы все поддерживали осведомленность и строили меры защиты от нежелательных эффектов предвзятости в моделях ИИ.

Существует также постоянно обсуждаемая тема этики и правил, регулирующих использование искусственного интеллекта в здравоохранении. Существуют четко определенные законы, касающиеся того, что происходит, когда медицинский работник делает ошибку, которая стоит человеческой жизни, но этот уровень вины менее очевиден, когда дело доходит до ошибочного вывода алгоритма ИИ. Определенно существует огромная потребность в правилах подотчетности и ответственности. Таким образом, кажется, что правовые аспекты ИИ остаются на переднем крае, чтобы гарантировать, что любые недостатки в будущих достижениях не проскользнут через пробелы. Регулирующие органы во всем мире также прилагают усилия для решения гигантской задачи по обеспечению максимально полной и тщательной оценки ИИ, используемого в этих критических и потенциально опасных для жизни сценариях.

Чего нам ждать?

Несмотря на все те захватывающие вещи, которые мы уже можем сделать с помощью ИИ в здравоохранении, трудно поверить, что на горизонте есть еще более поразительные разработки. Однако творческий подход к применению стандартных алгоритмов в новых областях дал любопытные результаты. Как и ранее в этом году, исследователи обнаружили, что сканирование глазного дна сетчатки (показывающее заднюю часть глаза) содержит предикторы возраста, пола, статуса курильщика, сердечно-сосудистого риска и других биомаркеров, связанных с диабетом. Это действительно невероятно, учитывая, что ранее считалось, что эти особенности невозможно измерить на таких изображениях. Сейчас идет гонка, чтобы увидеть, какие еще полезные прогнозы можно сделать с помощью аналогичных методов медицинской визуализации и может ли этот подход привести к открытию новых индикаторов болезни.

По мере увеличения усилий по включению так называемых «мультимодальных» данных, то есть из различных типов источников, таких как изображения, текст, метки категорий и генетическая информация, становятся возможными более интересные приложения. Исследователи уже могут создавать подписи к изображениям, а также к обратным изображениям, поэтому применение этого метода к медицинским данным для автоматического создания отчетов для врачей или прогнозирования того, как будет выглядеть сканированное изображение человека на основе существующего отчета, будет большим преимуществом. Кроме того, использование комбинации данных, таких как визуализация и генетика, для прогнозирования других измерений, таких как маркеры крови или риск заболевания, означает, что потенциально инвазивные тесты будут нужны все меньше и меньше. Это также открывает путь к персонализированной медицине, когда все данные о пациенте могут быть собраны и преобразованы в то, что лучше всего подходит для этого человека.

Итак, как упоминается в видео выше, у нас может не быть всего сверхвысокотехнологичного оборудования и программного обеспечения научно-фантастического будущего из фильмов, но, как вы можете видеть, оно уже очень мощное и готово продолжать улучшаться и помогать человечеству, как никогда раньше. . Действительно, будущее у ИИ в здравоохранении и для всех людей, жизнь которых улучшит его применение, радует.