Искусственный интеллект приближает врача к пациенту
Внедрение систем на базе ИИ – один из ключевых трендов российского здравоохранения. Замечательная способность искусственного интеллекта воспринимать огромные объемы данных, разбираться в изображениях и выявлять закономерности, ускользающие от даже самого опытного человеческого глаза, вселяет надежду на то, что эта технология изменит медицину. О перспективных направлениях, связанных с разработками в области искусственного интеллекта рассказывает Александр Гусев, член наблюдательного совета Ассоциации разработчиков и пользователей систем искусственного интеллекта в медицине «Национальная база медицинских знаний», директор по развитию бизнеса Webiomed, к.т.н.
Весь прошлый год мы говорили о влиянии пандемии на экономику. Как, на ваш взгляд, пандемия изменила развитие ИИ в вашей отрасли?
Пандемия заметно ускорила интерес к цифровым продуктам в сфере здравоохранения и в целом, и в ИИ, в частности. Государство за последний год заметно улучшило регулирование регистрации ИИ-систем как программных медицинских изделий. Министерство здравоохранения прорабатывает свой ведомственный ИИ-проект в рамках федерального проекта «Искусственный интеллект». Наши отечественные ИИ-стартапы привлекают инвестиции на развитие своих продуктов. Идут первые пилотные проекты в субъектах РФ, достаточно назвать московский эксперимент по внедрению ИИ в радиологию, а также такие примеры, как внедрение различных ИИ-продуктов на Ямале и в Кировской области. Это было запущено еще до пандемии, но именно из-за случившейся ситуации с COVID-19 мы увидели, что использование ИИ как вспомогательного инструмента позволяет в критической ситуации разгрузить врачей от рутинных задач или подстраховать их от возможных ошибок.
Насколько вырос интерес к решениям ИИ в здраве?
Здравоохранение – наверное, один из фаворитов. Именно здесь мы видим большие перспективы действительно эффективного внедрения различных ИИ-продуктов. В медицине врач в повседневной практике уже сейчас сталкивается с лавиной данных по пациенту, новых исследований и публикаций в научной литературе, множеств клинических рекомендаций и порядков оказания медицинской помощи. Все это уже просто физически невозможно удержать в голове и учесть при диагностике и лечении. Здесь остро нужен цифровой помощник в виде различных ИИ-продуктов, которые проанализируют доступную информацию, сократят время врача и руководителя на анализ данных и дадут ценные подсказки, подстрахуют от рутинной ошибки.
Сегодня часто говорят, что ИИ — это уже не отдельный стек технологий, а новый способ программирования, применимый в самых различных областях. Согласны ли вы с этим?
Да, полностью. В медицине есть масса задач, по которым невозможно привычным образом описать алгоритм анализа данных и принятия решения и затем реализовать его в виде программного кода. Например, анализ медицинских изображений. Или выявление подозрения на диагноз. Многие годы шли бесчисленные попытки создания систем поддержки принятия врачебных решений, но их львиная доля так и осталась на уровне интересных, но не внедренных в практику научных разработок. Очевидно почему: здоровье человека и взаимосвязи в организме настолько сложны (а порой не изучены или не поняты наукой), что в некоторых случаях их невозможно описать программированием и фиксированными алгоритмами. Слишком велико многообразие и непредсказуемость. Но создание алгоритмов путем машинного обучения способно решить эту проблему. Лишь бы было достаточное количество данных, а машина сама научится выявлять нужные зависимости и - пусть с какой-то вероятностью – но все-таки решать поставленную задачу.
Как изменились процессы получения данных? Стали ли они доступнее для среднего и малого бизнеса?
Никак. Проблема отсутствия качественных и пригодных для машинного обучения данных, по крайней мере в сфере здравоохранения, в России сейчас самая главная. Таких данных практически нет. И это главная причина нашего отставания в этой сфере от мировых лидеров.
Какие интересные и перспективные инновации на основе искусственного интеллекта появились в здравоохранении за последние год-полтора?
В здравоохранении в основном сохраняются акценты и приоритеты, наметившиеся в последние два-три года. Во-первых, это анализ медицинских изображений с целью сокращения затрат на диагностику и пропуска врачами признаков заболеваний на ранней стадии, автоматизация рутинных операций. Во-вторых, это прогнозная аналитика с целью усиления профилактики заболеваний и сокращения затрат на оказание медицинской помощи. В некоторых странах большим спросом стали пользоваться продукты, анализирующие счета на оплату медицинской помощи для автоматизации контроля качества и детекции необоснованных услуг. Очень интересным направлением выглядит применение ИИ в телемедицине и сервисах для пациентов, помогающих проанализировать жалобы пациента и его медицинские данные на предмет предварительной постановки диагнозов.
Какие новшества могут улучшить или облегчить жизнь пациентов?
В медицине есть сразу несколько ключевых перспективных новшеств. Во-первых, ИИ научили применять для ускорения разработки лекарств, что имеет огромное значение для сокращения сроков и стоимости вывода новых препаратов на рынок. А это в свою очередь может быть критически важным для лечения новых болезней или мутаций вирусных заболеваний. Второе направление – это исследования в области социальных детерминант, когда ИИ может анализировать не только исключительно медицинских данные, но и дополнительно учитывать такие вещи, как поведение пациента в социальных сетях, данные окружающей среды, покупательские особенности и т.д. Например, недавно вышла интересная работа американских исследователей, которые создали модель машинного обучения, умеющую удивительно точно анализировать поведение человека в социальной сети на предмет выявления рисков суицида или обострения психиатрического заболевания.
Решения на базе «периферийного ИИ», когда устройства сами обрабатывают данные без подключения к ЦОД, насколько они перспективны и применимы в медицине, когда к ним будет взлет интереса заказчиков?
Да, перспективно. Обработка медицинских данных с помощью ИИ может быть заметно улучшена, если часть вычислений будет проводится на месте возникновения первичных данных. Это может оказаться не только безопаснее, но и быстрее. Есть, конечно, технические нюансы, связанные с необходимостью обновления и обслуживания территориально-распределенных экземпляров ИИ-продуктов и моделей, но все это вполне решаемо.
Какие вопросы, связанные с ИИ нуждаются в государственном регулировании?
Главный вопрос – это доступ к данным. У нас в России сейчас парадоксальная ситуация: на фоне мировой гонки за будущие огромные ИИ-рынки мы нигде не просто не лидируем, а даже хотя бы номинально не присутствуем. Ни по публикациям, ни по патентам, ни по выручке от ИИ-стартапов – нас нигде нет. Мировые лидеры этих рынков – США, Китай и Великобритания – только усиливают свои инвестиции в это направление. Вместе с этим – у нас огромное количество данных. На примере здравоохранения: государство начиная с 2011 г. инвестировало в информатизацию государственного здравоохранения порядка 90 млрд руб. Повсеместно внедрены электронные медицинские карты, автоматизированы лабораторная и лучевая диагностика. Но все это мертвым грузом лежит в архивах и толком не используется ни для улучшения качества медицинской помощи, ни для создания ИИ-продуктов и исследований в сфере медицинского ИИ. Мы как собака на сене – ничего не делаем и другим не даем. И главный барьер тут – это рудиментарное законодательство в области персональных данных. Рынок уже давно призывает урегулировать эту проблему: дать возможность контролируемого и безопасного использования обезличенных медицинских данных для стартапов и ученых в сфере ИИ. Это сейчас главная проблема, которую должна урегулировать государство.
Опубликовано 30.05.2021
