Введение: ИИ — двигатель медицинского прогресса

Искусственный интеллект (ИИ) меняет медицину, открывая новые возможности для диагностики, лечения, работы с данными и научных исследований. Его влияние на отрасль сравнимо с важнейшими открытиями в истории медицины. ИИ помогает врачам организовывать и эффективно использовать огромные объемы данных, которые часто остаются незадействованными.

Мировой рынок ИИ в медицине стремительно растет. В 2024 году его объем составил 22 миллиарда долларов США, а к 2030 году ожидается увеличение до 130-160 миллиардов долларов США. В России также прогнозируется значительный рост рынка ИИ-медицины: к 2030 году он может вырасти в шесть раз, достигнув 50-80 миллиардов рублей.

Внедрение ИИ в медицину требует соблюдения строгих правил, которые касаются доверия со стороны людей, технологий и регулирующих органов. Доверие людей означает, что продукт ИИ должен быть удобным и понятным в использовании. Техническое доверие основано на использовании качественных и проверенных данных для обучения ИИ, а также на защите конфиденциальности информации. Доверие регулирующих органов требует, чтобы продукт соответствовал всем необходимым нормам.

Среди главных требований к ИИ-системам выделяют контроль человека над их работой, надежность и безопасность технологий, защиту данных, прозрачность, отсутствие дискриминации и справедливость, а также подотчетность. Особенно важен принцип объяснимости ИИ (XAI). Системы ИИ должны четко объяснять свои решения, быть понятными пользователям и работать только в тех условиях, для которых они были созданы.

Проблема прозрачности ИИ, особенно систем, работающих как «черные ящики», подрывает доверие врачей и пациентов. Если ИИ не может объяснить свои решения, это мешает его широкому внедрению в клиниках. Поэтому объяснимый ИИ — это не просто техническое требование, а важный этический и социальный вопрос. Успех ИИ в медицине зависит не только от точности алгоритмов, но и от их способности быть понятными, предсказуемыми и контролируемыми человеком.

ИИ в диагностике заболеваний: повышение точности и скорости

Искусственный интеллект значительно улучшает диагностику, делая ее точнее и быстрее. Он помогает медикам организовывать и эффективно использовать огромные объемы данных, которые часто остаются незадействованными. ИИ способен анализировать медицинские изображения, такие как рентген, КТ и МРТ, с высокой скоростью и точностью. Он выявляет даже мелкие детали и отклонения, которые человек может не заметить. Это позволяет врачам больше времени уделять лечению пациентов, а не только первичной постановке диагноза. Кроме того, ИИ может помочь восполнить нехватку квалифицированных специалистов.

ИИ не просто автоматизирует диагностику, но и улучшает ее, находя неочевидные закономерности в больших объемах данных. Например, в диагностике рака кожи ИИ превосходит дерматологов, а в случае рака легких он может обнаружить узлы размером от 4 мм. Человеческий глаз, даже у опытного специалиста, имеет свои ограничения, особенно при работе с огромным количеством изображений. ИИ, обученный на десятках и сотнях тысяч снимков, может «видеть» то, что ускользает от внимания человека, или делать это гораздо быстрее и без усталости. Это меняет роль врача-диагноста. Теперь врач становится «супервизором» и «интерпретатором» выводов ИИ, сосредотачиваясь на сложных случаях и проверке, а не на рутинном поиске. Это не замена, а дополнение, которое качественно меняет характер работы, повышая общую эффективность и снижая вероятность пропуска серьезных патологий.

Конкретные примеры и показатели точности

• Рак кожи: В 2018 году нейросети распознали злокачественные образования в 95% случаев, тогда как дерматологи — в 86%. За последние 10 лет точность ИИ в выявлении рака кожи улучшилась на 9%.
• Рак легких: Модель Google Health выявляет на 5% больше случаев рака и снижает количество ложноположительных результатов более чем на 11% по сравнению с рентгенологами без ИИ. Нейросети способны выявлять минимальные узелковые новообразования в легких размером от 4 мм.
• Диабетическая ретинопатия и макулярный отек: Google и Verily разработали алгоритм машинного обучения для скрининга этих основных причин предотвратимой слепоты.
• Инсульт: Алгоритмы ИИ размечают зоны нарушенного кровообращения на КТ-снимках головного мозга. Внедрение таких систем сократило время постановки предварительного диагноза до 2 минут.
• Рак молочной железы: Сервис «Маммография» от СберМедИИ выявляет злокачественные опухоли с точностью 93%.
• Колоректальный рак: ИИ определяет злокачественность полипов прямой кишки с точностью 0.98, что немного превосходит 0.969 у патологоанатомов.
• Прогнозирование гипотонии во время операций: Алгоритм предсказал падение артериального давления в 87% случаев за 5 минут до события.
• Сепсис: Прогностическая модель ИИ показала 75% точность в обнаружении тяжелого сепсиса у недоношенных детей.
• Сердечно-сосудистые заболевания: ИИ выявляет факторы риска инсульта с точностью 87.6%. Более сложные методы машинного обучения достигают точности выше 90% в классификации сердечных заболеваний.
• Мобильные приложения: Приложения, такие как AI Resp для респираторных инфекций по аудиозаписям и AI Skin для первичной диагностики кожных заболеваний по фото, делают диагностику доступнее для пациентов.

Таблица 1: Точность искусственного интеллекта в диагностике распространенных заболеваний

Использование ИИ в лечении хронических болезней и персонализации терапии

ИИ меняет подход к управлению хроническими заболеваниями, такими как диабет, сердечно-сосудистые заболевания и гипертония. Вместо редких осмотров теперь возможно постоянное наблюдение. Носимые датчики и устройства непрерывно собирают данные о состоянии здоровья пациентов в реальном времени, например, уровень глюкозы, давление, пульс. Эти данные передаются в облачные хранилища для анализа ИИ. Такой подход позволяет рано выявлять и прогнозировать развитие хронических заболеваний, а также вовремя менять тактику лечения. Примеры включают системы, которые измеряют ключевые показатели здоровья с помощью ИИ и камер, а также интегрируются в цифровые платформы здравоохранения и телемедицину. Дистанционный мониторинг может снизить количество госпитализаций и экстренных визитов, делая управление хроническими заболеваниями более эффективным.

Традиционная медицина часто реагирует на уже появившиеся симптомы. ИИ же, благодаря постоянному мониторингу с помощью носимых устройств и способности предсказывать события, позволяет выявлять риски и прогнозировать развитие болезней еще до появления серьезных осложнений. Это видно на примере прогнозирования гипотонии во время операций или раннего обнаружения сепсиса. Такой переход к активной модели имеет огромное значение для здравоохранения. Он не только улучшает результаты лечения для каждого пациента, но и может снизить нагрузку на всю систему здравоохранения, предотвращая дорогостоящие госпитализации и экстренные вмешательства. Это также открывает двери для по-настоящему индивидуальной профилактики, где меры подбираются под уникальный профиль риска каждого пациента.

Персонализированные планы лечения и подбор терапии

ИИ играет ключевую роль в персонализированной медицине, подбирая лечение под особенности каждого пациента. Он учитывает генетическую информацию, историю болезни, образ жизни и влияние окружающей среды. Анализируя огромные объемы данных, ИИ может предсказать, как пациент отреагирует на конкретное лечение или столкнется ли он с побочными эффектами. В онкологии молекулярная диагностика с помощью ИИ помогает выбирать лучшие варианты лечения, давая каждому пациенту наилучшие шансы на выживание. Модели ИИ могут анализировать до 350 параметров для общего прогноза и предсказывать реакцию опухоли на иммунотерапию. ИИ также может оптимизировать дозы облучения, помогать в хирургических операциях и предлагать быстрые изменения в планах лечения.

Для лечения диабета ИИ-алгоритмы используются как системы поддержки врачей. Они анализируют данные, такие как уровень глюкозы, дозы инсулина, диета и физическая активность, чтобы давать индивидуальные рекомендации по инсулину и корректировать лечение. Системы, например MiniMed 780G, используют ИИ для прогнозирования изменений уровня глюкозы и автоматической корректировки подачи инсулина. Генеративный ИИ может предлагать реалистичные цели по уходу, основанные на истории пациента, его состоянии и образе жизни. Он также помогает врачам и координаторам по уходу находить нужные образовательные и пищевые ресурсы.

Примеры систем и приложений

• MDDC Кардио от СберМедИИ ускоряет кардиологическую диагностику, анализируя ЭКГ, выявляя нарушения ритма, острый коронарный синдром и хронические сердечно-сосудистые заболевания. В Ярославской области за 2023 год с помощью этой системы обработано более 145 тысяч ЭКГ, что помогло обнаружить нарушения в 13% случаев и рекомендовать экстренную госпитализацию почти 1 тысяче пациентов.
• Виртуальные медсестры на базе ИИ помогают общаться с пациентами, отвечают на их вопросы, помогают врачам узнавать о состоянии пациентов, сокращают число визитов в больницу и снижают нагрузку на врачей.
• Система поддержки принятия врачебных решений «ТОП-3» от СберМедИИ анализирует электронные медицинские карты и историю болезни пациента, предлагая врачу три наиболее вероятных диагноза.
• Мобильное приложение BeaGL (Metabolic Watchdog) для диабетиков использует машинное обучение для отправки предупреждений о предстоящих изменениях уровня глюкозы на смарт-часы, снижая нагрузку на пациентов.

ИИ в предотвращении эпидемий и разработке лекарств

Искусственный интеллект играет ключевую роль в эпидемиологическом надзоре. Он помогает сделать его более эффективным и экономит время и ресурсы, необходимые для разработки мер по борьбе с эпидемиями.

Раннее выявление вспышек и прогнозирование распространения эпидемий

Предиктивная аналитика на основе ИИ может анализировать сложные данные из разных источников: геномные последовательности, медицинские, социальные и экологические данные. Это позволяет выявлять закономерности и прогнозировать вспышки заболеваний. Системы раннего предупреждения на базе ИИ могут отслеживать спутниковые снимки, социальные сети, геномные данные и данные о возбудителях болезней. Например, цветение водорослей и повышение температуры прибрежных вод могут указывать на вспышки холеры. Система HealthMap, использующая ИИ, обнаружила начало гриппа H1N1 в Мексике.

ИИ-модели успешно прогнозировали вспышки COVID-19 и отслеживали распространение Эболы, а также предсказывали будущие тенденции гриппа. Модели ИИ, объединяющие сверточные и рекуррентные нейронные сети, достигали 95% точности в прогнозировании пиков вспышек COVID-19. Анализ геномной последовательности вируса позволяет предсказывать его поведение, включая устойчивость к противовирусным препаратам и способность обходить иммунную систему человека. ИИ также помогает оптимально распределять ресурсы во время эпидемий, например, выявляя «горячие точки» инфекции, связанные с авиаперевозками. Это может помочь властям принимать решения о контроле воздушного движения.

Роль ИИ в ускорении поиска, дизайна и тестирования новых молекул

Разработка новых лекарств — это сложный, долгий и дорогой процесс с высоким риском неудач. Около 90% кандидатов не проходят доклинические или клинические испытания. ИИ значительно ускоряет этот процесс и снижает риски на каждом этапе.

• Поиск новых молекул и соединений: ИИ, используя машинное обучение, анализирует миллионы химических соединений, чтобы найти перспективные вещества. Это позволяет ученым сосредоточиться на самых эффективных вариантах, значительно ускоряя поиск новых лекарств. Пример — компания Atomwise (США) использует виртуальный скрининг.
• Дизайн новых молекул и соединений: Нейросети в молекулярном моделировании создают структуру, предсказывают активность веществ и могут имитировать их синтез. ИИ помогает создавать молекулы, которые воздействуют на несколько целей или избирательно взаимодействуют с конкретными мишенями. Генеративные модели ИИ могут создавать новые молекулы, которые эффективнее взаимодействуют с нужными целями в организме.
• Прогнозирование свойств соединений: ИИ помогает оценить токсичность, эффективность и фармакокинетические свойства соединений, что значительно сокращает количество лабораторных исследований.
• Доклинические и клинические исследования: Алгоритмы ИИ помогают выбирать нужных пациентов для клинических испытаний, анализируют их реакцию на лечение и выявляют побочные эффекты препаратов на ранних стадиях. Компания Pfizer в партнерстве с IBM Watson применяет этот подход. Успешность препаратов, разработанных с помощью ИИ и прошедших Фазу I испытаний, составляет 80-90%, что намного выше 40% для традиционных методов.

Применение ИИ в перепрофилировании существующих лекарств

ИИ позволяет находить новые способы применения для уже известных лекарств. Это более дешевая и быстрая стратегия, чем создание новых препаратов с нуля, так как данные о безопасности уже есть. Например, BenevolentAI с помощью ИИ подтвердила, что препарат Барицитиниб, изначально предназначенный для лечения ревматоидного артрита, может быть эффективен в уменьшении воспаления у пациентов с COVID-19.

ИИ в разработке вакцин

ИИ ускоряет разработку вакцин, помогая оптимизировать экспрессию генов и прогнозировать антигены, что очень важно для обратной вакцинологии. Проект RAPTER, объединяющий 14 учреждений, использует ИИ и лабораторные эксперименты для создания инструмента, который помогает найти лучшую комбинацию платформы вакцины, возбудителя и антигена для любой известной или новой угрозы. ИИ-модели могут анализировать научную литературу и государственные базы данных, чтобы собрать информацию о существующих исследованиях вакцин, включая используемые антигены, дозировки и наблюдаемые иммунные ответы.

Традиционные процессы разработки лекарств и реагирования на эпидемии очень медленны и дороги. ИИ, благодаря своей способности быстро анализировать огромные, сложные и разнообразные данные (геномные, медицинские, социальные и экологические), значительно сокращает сроки. Он позволяет выявлять скрытые закономерности для раннего предупреждения эпидемий и ускорять каждый этап создания лекарств, от поиска молекул до клинических испытаний. Это не просто улучшение, а фундаментальное изменение подхода. В условиях глобальных угроз, таких как пандемии, скорость реагирования становится критически важной. ИИ делает возможным то, что раньше было немыслимо: быстрое выявление угроз, оперативное прогнозирование их распространения и ускоренную разработку ответных мер, таких как вакцины и лекарства. Это напрямую влияет на глобальную безопасность в области здравоохранения и способность человечества противостоять новым вызовам.

Влияние ИИ на систему здравоохранения: перспективы и вызовы

Улучшение здравоохранения: повышение эффективности, доступности и качества медицинской помощи

Искусственный интеллект оказывает многостороннее положительное влияние на систему здравоохранения. Он автоматизирует рутинные и административные задачи, такие как планирование приемов, выставление счетов и ведение электронных медицинских карт. Это значительно снижает нагрузку на персонал и уменьшает количество ошибок. В результате медицинские работники могут сосредоточиться на более сложных клинических случаях и прямом общении с пациентами.

ИИ повышает точность диагностики, позволяя выявлять заболевания на ранних стадиях, что очень важно для успешного лечения. Он помогает создавать персонализированные планы лечения, учитывающие индивидуальные особенности пациента. Это приводит к более эффективной и целенаправленной терапии.

Виртуальные ассистенты и телемедицинские решения на базе ИИ значительно увеличивают доступность медицинских услуг, особенно для пациентов в отдаленных районах. Они также сокращают количество очных визитов. ИИ может помочь восполнить нехватку квалифицированных кадров, что является актуальной проблемой для многих систем здравоохранения. Оптимизация работы, предотвращение госпитализаций и более эффективное использование ресурсов могут привести к значительной экономии средств в здравоохранении. Освобождение врачей от бумажной работы позволяет им проводить более глубокие и продолжительные беседы с пациентами, что улучшает отношения между врачом и пациентом.

Основные вызовы и ограничения

Несмотря на все преимущества, внедрение ИИ в здравоохранение сталкивается с рядом серьезных проблем.

Проблемы конфиденциальности и безопасности медицинских данных

ИИ-системы требуют огромных объемов конфиденциальной информации, что создает риски утечек данных, неправомерного использования и кибератак. Существует риск де-анонимизации данных, когда обезличенная информация может быть связана с конкретным человеком. Хотя конкретных случаев утечек, напрямую вызванных ИИ, в предоставленных данных нет, упоминаются общие крупные утечки медицинских данных, например, инцидент с Catholic Health, где данные 483 000 пациентов были непреднамеренно раскрыты. Это подчеркивает уязвимость больших объемов данных, с которыми работает ИИ, и необходимость усиленных мер безопасности.

Предвзятость алгоритмов ИИ и ее влияние на справедливость

ИИ-модели обучаются на исторических данных, которые могут содержать существующие социальные, расовые, гендерные или экономические предубеждения. Это может привести к неточным или дискриминационным результатам, особенно для уязвимых групп населения.

Примеры вреда от предвзятости:

• Алгоритм прогнозирования рисков систематически недооценивал потребности чернокожих пациентов в лечении, рекомендуя более здоровых белых пациентов для программ управления рисками, потому что они прогнозировались как более дорогостоящие.
• Системы диагностики рака кожи обучались на данных, где темнокожие пациенты были сильно недопредставлены, что снижает точность диагностики для них.
• Алгоритмы дозирования варфарина плохо работали для афроамериканцев из-за игнорирования важных генетических различий.
• Пульсоксиметры переоценивают уровень кислорода в крови у людей с темной кожей.

Необходимость объяснимого ИИ для повышения доверия

Многие ИИ-системы работают как «черные ящики», что затрудняет понимание их внутренних процессов и решений. Отсутствие прозрачности подрывает доверие пациентов и медицинских работников, особенно когда решения ИИ могут иметь серьезные последствия для жизни и здоровья. Объяснимый ИИ стремится предоставить четкие и понятные объяснения для ИИ-решений, что очень важно для подотчетности и справедливости.

Высокие затраты на внедрение и техническая совместимость

Разработка и внедрение ИИ требуют значительных инвестиций в инфраструктуру, обучение и обслуживание, что может быть очень дорого для многих медицинских учреждений. Разрозненность здравоохранения и использование устаревших систем создают проблемы с доступностью и качеством данных, а также с совместимостью ИИ-платформ.

Влияние на отношения «врач-пациент» и роль человеческого суждения

Хотя ИИ может освободить врачей от рутинных задач, есть опасение, что чрезмерная зависимость от технологий может снизить ценность человеческого суждения, эмпатии и клинической интуиции. Некоторые эксперты опасаются, что ИИ может «укоротить» традиционные процессы обучения для врачей, что потенциально приведет к снижению навыков критического мышления. Несмотря на высокую точность ИИ, большинство врачей считают, что ИИ должен быть помощником, а не заменой человеческому суждению, особенно при сообщении сложных прогнозов пациентам, что может вызвать психологические проблемы.

ИИ очень эффективен в обработке данных и автоматизации рутинных задач, что повышает скорость и точность. Однако медицина — это не только наука, но и искусство, требующее эмпатии, тонкого суждения и способности к невербальному общению, что ИИ не может воспроизвести. Чрезмерная зависимость от ИИ может привести к снижению критического мышления у врачей и потере доверия пациентов, если они чувствуют, что их обслуживает «машина», а не человек. Это создает важную проблему для внедрения ИИ: как максимально использовать его преимущества в эффективности, не жертвуя при этом человеческим фактором, который является основой качественной медицинской помощи и доверия? Решение, вероятно, заключается в создании «человеко-ориентированных ИИ-систем», где ИИ выступает как мощный инструмент поддержки, а не как самостоятельный принимающий решения субъект. Обучение врачей должно включать понимание как возможностей, так и ограничений ИИ.

Регулирование и этические принципы: текущие подходы и будущие направления

Регулирование ИИ в медицине происходит по трем основным направлениям: нормативно-правовое (например, для программных медицинских изделий), техническое (стандарты) и этическое (кодексы и принципы). В России принята Национальная стратегия развития ИИ до 2030 года, а также федеральные проекты, направленные на создание экспериментальных правовых режимов для инноваций.

Ключевые этические принципы включают:

• Защита человеческой автономности: Люди должны сохранять контроль над системами здравоохранения и медицинскими решениями.
• Содействие благополучию и безопасности: Технологии ИИ не должны причинять вред, должны быть безопасными, точными и эффективными.
• Прозрачность, объяснимость и доходчивость: ИИ-системы должны быть понятны разработчикам, врачам, пациентам и регуляторам.
• Ответственность и подотчетность: Люди несут ответственность за то, чтобы ИИ выполнял задачи в нужных условиях и использовался обученными специалистами.
• Инклюзивность и справедливость: ИИ должен быть разработан для широкого, справедливого использования и доступа, без дискриминации по возрасту, полу, доходу, расе и этнической принадлежности.

Конфиденциальность медицинских данных — это основа. Обработка персональных данных требует явного и информированного согласия пациента. Необходимы строгие меры безопасности: шифрование, контроль доступа, регулярные проверки. В России действует требование о хранении данных граждан на серверах внутри страны.

Проблемы регулирования включают разрозненность законодательства, где несогласованность законов между регионами создает пробелы в соблюдении. Быстрое развитие технологий также означает, что технологические достижения опережают регулирование. Компании часто внедряют продукты без достаточных доказательств клинической эффективности, а страховые компании могут быть не заинтересованы во внедрении ИИ-продуктов, если они не видят прямой экономической выгоды. Пути решения этих проблем включают поддержку масштабных клинических испытаний, создание систем мониторинга ИИ-инструментов, независимое тестирование алгоритмов и усиление сотрудничества между политиками, технологами и медицинскими работниками.

В таблице ниже представлены этические принципы применения искусственного интеллекта в здравоохранении и связанные с ними вызовы.

Таблица 2: Этические принципы применения искусственного интеллекта в здравоохранении и связанные с ними вызовы

Заключение: Будущее здравоохранения с искусственным интеллектом

Искусственный интеллект уже изменил медицину и продолжает это делать, предлагая новые возможности для улучшения диагностики, персонализации лечения, ускорения разработки лекарств и предотвращения эпидемий. Его внедрение ведет к повышению эффективности, доступности и качества медицинской помощи, а также к снижению затрат. Однако, чтобы полностью использовать потенциал ИИ, необходимо внедрять его ответственно. Это значит учитывать и уменьшать серьезные проблемы, такие как конфиденциальность данных, предвзятость алгоритмов, необходимость прозрачности и сохранение человеческого участия в уходе. Будущее здравоохранения с ИИ требует баланса между инновациями и этикой, а также постоянного развития правовой базы и стандартов.

Прогнозы экспертов показывают значительный рост рынка ИИ в медицине. Глобальный рынок, оценивавшийся в 22 миллиарда долларов США в 2024 году, к 2030 году увеличится до 130-160 миллиардов долларов США. Общая доля медицины в рынке ИИ составит 8%. Российский рынок ИИ-медицины, по прогнозам, вырастет в шесть раз к 2030 году, достигнув 50-80 миллиардов рублей. Главными двигателями роста в России станут цифровые ассистенты, ИИ-помощники врача, клинические сводки и сервисы контроля качества. Оптимистичный сценарий развития возможен, если появятся новые игроки, способные адаптировать ИИ-продукты к нуждам медицинских учреждений и интегрировать их в клинические процессы. Важно отметить, что значительный рост рынка возможен только при условии полного развития и утверждения нормативно-правовой базы для ИИ-решений в медицине и здравоохранении.

Несмотря на огромный потенциал и быстрый рост инвестиций, эксперты подчеркивают, что значительный рост рынка возможен только при условии полного развития и утверждения нормативно-правовой базы. Это связано с тем, что медицинская сфера строго регулируется, и вопросы безопасности, конфиденциальности, ответственности и этики являются препятствиями для широкого внедрения без четких правил. Скорость развития ИИ в медицине может быть ограничена скоростью развития законодательства и этических норм. Инновации, которые не могут быть безопасно и ответственно интегрированы в существующую систему, не смогут получить широкое применение. Таким образом, диалог и сотрудничество между разработчиками ИИ, медицинским сообществом, регуляторами и обществом становятся абсолютно необходимыми для формирования будущего здравоохранения.

Таблица 3: Прогноз развития рынка искусственного интеллекта в медицине

📲 Подпишитесь, чтобы получать ещё больше полезных материалов

— Телеграм-канал
— Группа ВКонтакте
— Канал на Дзен

Следите за новыми статьями, подборками и обзорами каждый день!​