Как искусственный интеллект меняет будущее медицины и здравоохранения

За последние месяцы было объявлено о скорых запусках ряда проектов по использованию технологий искусственного интеллекта (ИИ) в системах здравоохранения в целом и непосредственно в лечении пациентов. «Ъ» рассказывает о последних примерах интеграции нейросетей в медицине.

ИИ-врача вызывали?

На минувшей неделе Национальная служба здравоохранения Великобритании (NHS) анонсировала запланированный на конец лета запуск первой физиотерапевтической клиники с цифровыми врачами платформы Flok Health. Впервые британские регуляторы одобрили к использованию технологию, которая позволит ML-сервису (Machine Learning, машинное обучение) консультировать пациентов с жалобами на проблемы с опорно-двигательным аппаратом.

Пациенты с жалобами на боли в спине, ногах, руках, во всем, что связано с опорно-двигательным аппаратом, могут обратиться к сервису напрямую через приложение, либо через направление местного терапевта. Человек излагает цифровому врачу свои проблемы, тот задает уточняющие вопросы, анализирует в реальном времени поступающие от пациента данные, сверяется с историей болезни, если таковая имеется, и дает рекомендации по лечению, по снятию боли, выполнению лечебной гимнастики и т. д. Если проблема, с которой обратился пациент, не решается физиотерапией, ИИ-врач перенаправляет пациента к нужному специалисту.

По итогам тестирования Flok Health четыре из пяти пациентов сообщили об улучшении состояния после выполнения рекомендаций цифрового врача. 92% пациентов получили направление на физиопроцедуры, еще 5% было рекомендовано обратиться к терапевтам.

Важно, что прием ИИ-врача происходил в тот же день и час, когда пациенту нужна консультация, а не тогда, когда у специалиста будет свободное «окно» для записи. И разработка справляется с главной задачей — сократить очереди на получение медицинской помощи по физиотерапевтическому профилю и снизить нагрузку на обычных врачей.

ИИ-консилиум и практикум

В Китае пошли дальше. Специалисты из Университета Цинхуа разработали больничный комплекс, в котором могут трудиться как ИИ-врачи и ИИ-медсестры, так и обычные медработники. Да и пациенты могут быть как виртуальными, так и реальными.

Во-первых, такой больничный комплекс может использоваться как виртуальная платформа с цифровым персоналом и пациентами. В таких условиях нейросети проходят основательное обучение, отрабатывая весь процесс обследования, диагностирования заболеваний, консультирования и лечения пациентов с последующей реабилитацией. Поскольку пациенты тоже виртуальные, их диагнозы можно бесконечно изменять и расширять, что также способствует обучению алгоритмов.

Разработчики подсчитали, что обученный таким образом «врач» способен всего за несколько дней «принять» 10 тыс. пациентов и обеспечить им лечение. У обычного врача на это уходит не менее двух лет.

Интересно, что ML-сервис при проверке его знаний по системе профессионального медицинского трехэтапного экзамена USMLE (United States Medical Licensing Examination), который сдают все будущие врачи в США и который считается самым сложным медицинским экзаменом в мире, дал правильные ответы на 93,06% вопросов.

Во-вторых, на платформе больничного комплекса могут работать обычные врачи или студенты медицинских вузов, но лечить они будут виртуальных пациентов, отрабатывая навыки диагностики заболеваний и терапии. Плюс такого формата в том, что неопытный врач не может «залечить» виртуального пациента или нанести реальный вред здоровью человека, если назначит ошибочное лечение.

Предусмотрен и третий вариант, когда реальных пациентов лечит нейросеть. В распоряжении обученных на больших массивах данных программ будет обширная медицинская информация, которую они могут использовать при оказании помощи пациентам. В таком формате ML-сервисы способны обслуживать тысячи пациентов в день.

Эта же модель больничного комплекса способна выполнять и ряд других задач. Например, подбирать оптимальный набор врачей и медсестер для достижения конкретных целей в конкретных медицинских учреждениях.

Кроме того, с помощью этой модели можно прогнозировать сценарии развития, например, вспышек инфекционных болезней в конкретных регионах и условиях и вырабатывать меры борьбы с ними.

Специалисты Университета Цинхуа готовы запустить свою разработку уже в ближайшие месяцы. При условии получения разрешения регуляторов больничный комплекс может работать в любых регионах.

ИИ-диагностика аутизма и контроль работы хирурга-онколога

Еще один способ использования ML-моделей в диагностике предложили специалисты Медицинского института южнокорейского Университета Ёнсе. Разработанный ими метод позволяет диагностировать аутизм у детей с помощью анализа изображений сетчатки глаза.

Нейронная сеть проходила обучение на снимках сетчатки почти 1000 детей, из которых у половины уже были поставлен диагноз аутизм.

В ходе тестирования после обучения ИИ со 100-процентной точностью определял аутизм.

В эксперименте участвовали дети в возрасте от четырех лет, поскольку до этого возраста сетчатка у ребенка еще растет.

По мнению разработчиков, вполне эффективно уже сейчас использовать эту модель для проверки детей в возрасте от четырех лет, также стоит провести дополнительные исследования, чтобы оценить, насколько точно ИИ сможет выявлять аутизм у детей младше четырех лет. Но в любом случае эта разработка уже значительно улучшает ситуацию с диагностированием аутизма, что дает родителям больше возможностей найти необходимых специалистов для помощи ребенку в раннем возрасте.

К настоящему моменту ИИ-модели уже умеют в реальном времени прогнозировать, насколько качественно врач удалил пораженные ткани во время хирургического лечения рака молочной железы. Этому ИИ научили специалисты Медицинского института Университета Северной Каролины (США). Для обучения использовались данные маммографии — более 820 снимков, сделанных сразу после операции по резекции молочной железы.

Эти данные сопоставлялись с заключением врачей, обследовавших удаленные ткани. Кроме того, алгоритм учитывал данные о возрасте, расе пациентки, а также о типе и размере опухоли.

Сравнивая работу нейросети и человека по проверке качества операции, разработчики отмечают, что ИИ показывал результаты не хуже, чем специалист, а зачастую даже лучше.

«Некоторые виды рака можно чувствовать и видеть,— отмечает одна из авторов разработки Кристалин Галахер.— Но нельзя увидеть микроскопические раковые клетки, которые могут остаться после удаления хирургом части тканей. А какие-то виды рака всегда микроскопические».

По ее словам, ИИ-модель позволяет более точно анализировать в реальном времени удаленные раковые образования и тем самым повышает шансы того, что все пораженные ткани будут удалены за одну операцию. Тогда пациенту не придется ложиться под нож второй или третий раз.

Не коллега, но надежный помощник

В целом авторы практически всех этих разработок сходятся в том, что ML-сервисы не могут полностью заменить человека в медицине, во всяком случае пока. Технологии машинного обучения обладают гораздо более широкими интеллектуальными пределами и возможностями. Однако каждый пациент с его набором диагнозов, психологических, социальных факторов и т. п. уникален, а искусственный интеллект не способен к проявлению той степени человеческого сострадания и понимания, которая есть у человека.

Но как помощник, который может неустанно анализировать, проверять, собирать данные, предлагать варианты и выполнять сотни других важных работ, он уже незаменим.

При этом качество работы врача, использующего ИИ-помощника, значительно улучшается, а его нагрузка снижается. Это подтверждается недавними исследованиями. Так, в Швеции сравнили качество анализа результатов маммографии, который в одном случае проводили два врача-рентгенолога вместе, а во втором случае — один врач-рентгенолог и ИИ-помощник. Вторая пара выявила на 20% больше случаев рака молочной железы.

Это исследование очень актуально для Швеции, где на всю страну всего несколько десятков врачей рентгенологов-маммологов. И, как показало исследование, использование искусственного интеллекта в их работе снижает нагрузку на врача на 44%.

Алена Миклашевская