Разобраться • 15 ноября 2024
Как ИИ помогает диагностировать смертельные болезни и чего он пока не умеет
Как ИИ помогает диагностировать смертельные болезни и чего он пока не умеет
Текст: Камиль Вильданов, сооснователь сети клиник интегративной медицины Biorise
Фото: скриншот из сериала «Доктор Хаус»
Цифровая революция захватила большинство индустрий, в том числе и сферу здравоохранения. Внедрение искусственного интеллекта в медицинские учреждения становится все более актуальным, многие регионы России уже подписали соглашения о его интеграции. Растет число госзакупок умного софта для медучреждений — в 2023 году они увеличились в семь раз. Но насколько действительно эффективен ИИ в диагностике и назначении лечения, каковы его возможности и ограничения? Как нейросети могут помочь врачам в их работе и какие вызовы стоит преодолеть для эффективного использования новых технологий, разобрался для Inc. сооснователь сети клиник интегративной медицины Biorise Камиль Вильданов.
По данным Минздрава, уже 70 российских регионов внедряют решения с использованием искусственного интеллекта в медицине. В первую очередь это технологии, которые работают с медицинскими изображениями: маммографией, компьютерной томографияей органов грудной клетки и головного мозга, рентген-снимками органов грудной клетки. Примечательно, что большинство из 24 медицинских изделий с ИИ, зарегистрированных Росздравнадзором, — российской разработки.
Интеллектуальная диагностика
Регионы активно перенимают опыт друг у друга, делятся наработками. Так, Москва в 2024 году открыла доступ к платформе «МосМедИИ» для быстрой интерпретации компьютерных томограмм, рентгенограмм, флюорограмм и маммограмм. Регионы начали пилотное тестирование сервиса в июле.
Сегодня в медицинские информационные системы (МИС) внедряются различные сервисы и инструменты на основе ИИ и нейросетей, в основном направленные на диагностику. Среди них:
- инструменты машинного обучения от «СП.АРМ» —интеллектуальное определение длительности предстоящей госпитализации и кодирование диагноза кодами МКБ, что упрощает работу врачей и минимизирует ошибки;
- «ТОП-3 диагноза» от «Сбера» — сервис на базе искусственного интеллекта, помогающий врачам ставить предварительный диагноз по жалобам пациента;
- «КТ головного мозга» от «СберМедИИ» быстро оценивает объем ишемии или кровоизлияния при инсульте, помогая нейрохирургам оперативно принять решение.
Российские разработчики не стоят на месте. Например, ученые Новосибирского государственного университета (НГУ) разработали ИИ, который может очертить контур разных частей опухоли мозга за 10 минут. В будущем его обучат распознавать метастазы. А на выставке-форуме «Россия» были представлены новые инновационные решения с ИИ для здравоохранения — ИИ-ассистент при колоноскопии и помощник для автоматического расчета линейных размеров сердца.
Из реальных достижений ИИ в медицине сегодня уже можно назвать следующие:
- в 5–10 раз снизилась нагрузка врачей при анализе КТ и МРТ;
- экономический эффект от использования технологий ИИ составил более 13 млрд руб.
И в целом, по данным исследования АНО «Цифровая экономика», ИИ повышает качество медицинских услуг, делает их более персонализированными.
Полезные данные
Искусственный интеллект и нейросети в медицине работают на основе машинного обучения, анализируя большие объемы данных о пациентах. Алгоритм изучает огромное количество информации — в частности, снимков МРТ, КТ, рентгенографии с определенными патологиями. Снимки размечают и анализируют несколько независимых экспертов, и только если их результаты исследования совпадают, изображение передают нейросети на обучение.
Самую большую ценность приносят данные, в которых есть предварительное заключение специалиста: например, к рентген-снимку добавлено, что здесь позвонки смещены под определенным углом и диагностирована такая-то степень спондилолистеза.
Алгоритм во время работы с изображением фильтрует шум, корректирует яркость и контрастность. Дальше он автоматически выделяет зоны, которые требуют внимания, например участки разрушения позвонка или воспалительного процесса. Здесь ИИ опирается на заданные правила. Затем он распознает объекты, оценивает число патологических участков и их классифицирует. Итогом всех этих действий становится предварительное описание.
ИИ-обработка снимков снимает часть нагрузки на врача и частоту ошибок, которые связаны с человеческим фактором. Это позволяет повысить точность диагностики и улучшить качество медицинской помощи. Кроме того, алгоритм может увидеть то, что сложно распознать человеческому глазу, и помочь распознать болезнь на ранней стадии. По оценкам платформы для анализа цифровых медицинских исследований на базе искусственного интеллекта «Цельс», качество оценки снимков увеличивается на 15–20% при выявлении заболеваний на ранних стадиях, а время на интерпретацию исследования сокращается на 50%.
Точный анализ
Другие направления медицины тоже хорошо укладываются в «понимание» ИИ, к примеру, дерматология, онкология. В этих областях речь тоже идет об анализе изображений, которые машина будет обрабатывать с большей точностью, чем человек. Однако не только анализ снимков служит основой работы медицинских ИИ. Обработка кардиограмм, результатов анализов и истории болезни машинным умом также позволяет ускорить и сделать более точными постановку диагноза и назначение терапии. Машинное обучение в медицине применяется и для поиска рисков и предсказания угрозы развития болезней. Специалисты могут выявить потенциально слабые места у пациентов и заранее разработать превентивные меры.
Упомянутые выше медицинские ИИ уже показывают впечатляющие результаты. Например, точность системы «КТ головного мозга» составляет 0,98 по ишемическому инсульту, а чувствительность по нему же — 0,89. Программа «Топ-3 диагноза» с октября 2020 года по май 2024 года помогла поставить более 14 млн предварительных диагнозов в московских поликлиниках. А определение продолжительности лечения, которое просчитывает алгоритм от «СП.АРМ», по предварительным данным, позволяет больнице принимать на 18% больше пациентов.
У ИИ в здравоохранении сегодня большой потенциал, и работа врача в связке с «умными» технологиями может значительно улучшить качество медицины. Процесс работы врача состоит из диагностики, сбора анамнеза, анализа и назначения. При этом есть большая зависимость от знаний врача, который делает назначение.
Доктор может быть не в курсе последних исследований или в большом наборе данных не обратить внимание на соотношение тех или иных параметров. И здесь ИИ снижает риски врачебной ошибки. А развертка ИИ-решений на базе собственного МИС в клиниках с разветвленной сетью позволяет стандартизировано собирать данные по пациентам, делать назначения и тем самым приводить качество услуг во всех точках сети к единому знаменателю.
Помощник, а не заменитель
Несмотря на огромный потенциал, ИИ и нейросети в медицине пока не могут полностью заменить врачей.
Существуют несколько ключевых ограничений:
- недостаток данных — для эффективного обучения нейросетей необходимо огромное количество качественных данных. В медицине эта проблема особенно актуальна, так как данные часто анонимны и доступны в ограниченном количестве;
- сложность диагностики — у многих болезней размытые симптомы, что требует комплексного подхода к диагностике. ИИ пока не способен учитывать все нюансы и принимать решения на основе интуиции и опыта, как это делает врач;
- отсутствие «общего интеллекта» — ИИ в медицине специализирован для решения конкретных задач, например, он распознает изображения. Но он не обладает «общим интеллектом» и не может принимать решения в широком диапазоне ситуаций.
Есть несколько примеров, которые показали, что замена врачей искусственным интеллектом невозможна. В 2018 году в Великобритании чатбот от компании Babylon Health, который должен консультировать людей по симптомам, неоднократно давал неправильные медицинские рекомендации. В одном из случаев ИИ предположил, что у мужчины с сильной болью в груди нет ничего серьезного, хотя такие симптомы могли указывать на сердечный приступ.
В том же году было опубликовано несколько отчетов о проблемах с диагностикой и рекомендациями решения Watson от IBM для онкологических больных. IBM признала, что Watson сделал несколько ошибок, и это вызвало большое беспокойство в медицинском сообществе. Об этом сообщалось в The New York Times.
В 2021 году исследование National Cancer Research Institute показало, что алгоритмы для диагностики кожных заболеваний могут быть менее точными для людей с более темной кожей, что приводит к неправильной классификации заболеваний.
Путь к совершенству
Проблема с несовершенством ИИ будет разрешаться с течением времени и с развитием технологий. Необходимый массив данных, особенно значимых для принятия врачебных решений, пока что оцифрован лишь частично и находится в МИС в неструктурированном формате. Например, пока мало внимания уделено оцифровке морфологии, профилю пациента — его жалобам и анамнезу. Все это требует времени.
Хороший пример подают научные институты. Например, Сеченовский институт предоставил Минздраву датасет со сканами гистологий. По ним нейросети смогут быстро обучаться. Это была большая работа — сотрудники тщательно и точно размечали материал, прежде чем открыть к нему доступ. В итоге это упростит будущую работу врачей и повысит точность постановки диагноза.
Еще одна немаловажная проблема нейросетей в медицине связана с безопасностью данных и приватностью пациентов. Обработка огромных массивов информации без контроля человека на каждом этапе сопряжена с рисками, и пациенты могут опасаться за сохранность своей личной информации. Но эта проблема актуальна для многих отраслей, а не только для здравоохранения. И в ответ на этот вызов на рынке будут появляться новые средства киберзащиты.
Искусственный интеллект уже делает первые шаги в российском здравоохранении. Программы, работающие с медицинскими изображениями, показывают впечатляющие результаты, увеличивая точность диагностики и освобождая врачей от рутинных задач. Однако умные системы пока не могут полностью заменить врача. Они не обладают «общим интеллектом» и не в состоянии учитывать все нюансы диагностики и лечения, особенно в нестандартных ситуациях. Для более эффективного использования нейросетей в медицине необходимо решать проблему недостатка данных и развивать технологии, которые будут позволять ИИ учитывать все факторы, влияющие на здоровье пациента.
