Как применяется искусственный интеллект в медицине

Можете ли вы представить, что однажды врачи уступят место искусственному интеллекту (ИИ)? Пока это звучит как научная фантастика, но уже сейчас ИИ часто используется как вспомогательный инструмент для постановки диагноза, анализа схем терапии и разработки препаратов. «Карта жизни» рассказывает, какие преимущества и ограничения есть у ИИ в медицине и чего ждать в будущем.

Всего десять лет назад было трудно представить, как ИИ будет использоваться в медицине. Но уже сегодня это вполне реально.
Вот один из таких примеров: в Великобритании алгоритм научился выявлять пароксизмальную ночную гемоглобинурию (ПНГ) — редкое, опасное заболевание крови. Примерно 35% пациентов с ПНГ годами жалуются на симптомы, но диагноз им ставят слишком поздно или неверно. Алгоритм помог это исправить: он проанализировал данные из электронных медицинских карт и выделил тех, кому требовалось немедленное обследование [1].
Это пока не замена врачу, но инструмент, который сокращает путь к правильному диагнозу и спасает пациентам годы жизни.

ИИ улучшает диагностику

В медицине ИИ обучается распознавать патологии на основе огромных массивов данных — например, рентгеновских снимков. Для обучения нейросети показывают множество снимков с переломами костей и без. Так она учится видеть, где есть повреждения, а где все хорошо. Потом такие нейросети применяют для повторной проверки снимков после рентгенологов.

Анализ медицинских изображений

ИИ замечает мельчайшие детали, которые человек может упустить. Например, в дерматологии нейронные сети классифицируют снимки кожных поражений с точностью опытного дерматолога. Особенно это важно при диагностике меланомы — одного из самых агрессивных видов рака кожи [2].

Инсульт

Система ИИ меньше чем за 5 минут может обнаружить закупорку крупных сосудов при инсульте, что сокращает время от сканирования до оповещения врача с почти часа до нескольких минут [3].

Онкология

Колоректальный рак — вторая по смертности и третья по распространенности форма рака в мире. ИИ обучили на сотнях тысяч снимков, сделанных при обследовании кишечника (колоноскопии). Она научилась отличать злокачественные опухоли от доброкачественных. Оказалось, что ИИ может анализировать снимки с такой же точностью, как группа из пяти опытных врачей эндоскопистов [4].

Рак молочной железы — самый часто диагностируемый рак у женщин и одна из основных причин смертности от онкологических заболеваний во всем мире. Структура тканей груди у каждой женщины уникальна, и опухоли могут выглядеть по-разному, поэтому радиологи вынуждены искать даже малейшие изменения на снимках. ИИ обнаруживает тонкие признаки рака, которые сложно заметить человеку [5, 6].

Например, система, используемая в США, анализирует 3D-маммографию и присваивает каждому снимку оценку риска рака от 0 до 100. Исследования показывают, что у женщин с выявленным раком средние баллы выше, чем у здоровых, а резкое увеличение балла между скринингами может указывать на развитие опухоли [5, 6].

Кроме того, ИИ выходит за пределы «чисто визуального» анализа. Генеративные ИИ могут анализировать медицинские изображения и видео и находить нужные фрагменты и составлять отчёты. Еще они могут подсказывать прямо во время процедуры: предлагать возможные диагнозы, указывать какие участки стоит проверить тщательнее, находить изображения, которые могут помочь врачу в диагностике.

Такие системы упрощают диагностику, быстро находят похожие случаи и помогают обучать врачей [7].

Пневмония

В COVID-19 ИИ активно использовался для распознавания признаков вирусной пневмонии на рентгеновских и КТ-снимках. Это ускоряло диагностику и помогало врачам принимать решения о лечении [2].

Диабетическая ретинопатия

Диабетическая ретинопатия (ДР) — частое осложнение сахарного диабета и одна из ведущих причин потери зрения в мире. Ее сложно выявить вовремя, потому что ранних симптомов нет, а пациенты не всегда имеют возможность проходить расширенные осмотры. Обычно люди уверены, что хороший контроль глюкозы в крови полностью исключает риск заболевания, но это не так [8].
ИИ стал массово применяться в диагностике ДР: он может анализировать фотографии глазного дна и находить признаки заболевания. Алгоритмы быстро выявляют такие изменения, как микроаневризмы и кровоизлияния в сетчатке, которые являются признаками ДР. Эти системы показывают точность до 98% [8].

Редкие и сложные случаи

ИИ справляется даже там, где врачу бывает сложно поставить диагноз. В 2021 году система ИИ распознала редкие генетические заболевания у новорожденных в более чем 90% случаев — быстрее и точнее, чем это удавалось врачам при ручном анализе данных [9].

Автоматизация лабораторных тестов

ИИ уже сегодня превосходит ручную лабораторную диагностику. Помогает отслеживать эпидемии, прогнозировать их развитие и определять зоны риска. Пандемия COVID-19 показала, насколько ИИ полезен в анализе распространения вируса, оптимизации тестирования и мониторинге состояния пациентов [10].
В лабораторной диагностике ИИ [10]:

• анализирует результаты анализов крови, чтобы понять, есть ли у человека бактериальная или вирусная инфекция;
• анализирует фотографии изображений, сделанные под микроскопом, чтобы распознавать виды клеток и паразитов;
• определяет вид бактерий и их устойчивость к антибиотикам.

Помощь ИИ в определении вида инфекций, бактериальных или вирусных, важна для правильного назначения антибиотиков. В одном исследовании разработали модель машинного обучения, которая различает эти инфекции на основе 16 показателей общего анализа крови, уровня С-реактивного белка, пола и возраста пациента. Модель оказалась точнее традиционных методов, особенно в тех случаях, где врачи чаще всего сомневаются в диагнозе. Это поможет сократить ненужное назначение антибиотиков, и уменьшит риск антибиотикорезистентности [12].

ИИ инструменты в российской медицине. В России уже есть примеры использования ИИ в мобильных приложениях для пациентов. Умный помощник собирает данные с истории заказов пользователя, группирует выбранные анализы. На основе этой информации он предлагает дополнительные исследования, которые могут быть актуальны пользователю. Также приложение умеет распознавать рукописные назначения врача и превращать их в список анализов, а еще помогает интерпретировать результаты лабораторных тестов. ИИ объясняет отклонения и подсказывает, когда нужно обратиться к врачу. Сдавать анализы через такие приложения помогают лабоматы — автоматы, которые выдают наборы для сбора биоматериала и талоны в процедурный кабинет [11].

ИИ помогает персонализировать лечение

Представьте себе врача, который знает о вас всё: генетику, особенности организма, историю болезни и как именно ваш организм реагирует на разное лечение.
ИИ способен анализировать огромные массивы медицинских данных — от результатов анализов до записей в электронной медицинской карте. Это поможет врачам подбирать препараты и их дозировку точнее, подстраиваясь под особенности каждого пациента. Например, в онкологии уже используются системы, которые помогают точно рассчитывать дозу химиотерапии, снижая риск токсичных побочных эффектов [13].
Генетика и препараты. На разных людей одни и те же препараты могут действовать по-разному или вызывать побочные эффекты. ИИ анализирует ДНК, чтобы предсказать, как ваш организм усвоит препарат, и помогает врачу выбрать лекарство и дозу, которые подойдут именно вам [13].
Риск опасных сочетаний. Если человек принимает несколько препаратов, существует риск, что они будут плохо взаимодействовать друг с другом. ИИ умеет «сверять» все ваши препараты и предупреждать врача о риске токсичности или нежелательных взаимодействий ещё до назначения лечения [13].
Мониторинг состояния. Есть приложения, которые помогают следить, принимает ли человек препараты вовремя. Они используют камеру смартфона и технологии распознавания лиц, чтобы убедиться, что пациент действительно выпил таблетку. Это особенно важно для людей, которым нужно строго соблюдать график приема препаратов [13].

Телемедицина и виртуальные помощники. Виртуальные помощники помогают консультировать пациентов, отслеживают симптомы, могут ответить на вопросы о назначенных препаратах или подсказать, когда стоит срочно обратиться к врачу. А также быстро организуют запись на прием [13].
Анализ медицинской литературы. Каждый день появляются новые научные статьи, отчеты о препаратах, клинические испытания и руководства. ИИ быстро изучает эти данные и помогает врачам принимать обоснованные решения и следить за новыми методами терапии [13].

ИИ ускоряет открытие новых препаратов

Открытие новых препаратов — сложный, долгий и дорогостоящий процесс. Но алгоритмы машинного обучения помогают искать новые препараты и создавать их всего за несколько месяцев [14].
ИИ помогает на всех этапах разработки. Например, он изучает огромные базы данных, чтобы найти важные белки или гены, играющие ключевую роль в развитии заболеваний. Компания AstraZeneca собирается к 2026 году проанализировать с помощью ИИ до двух миллионов ДНК. Цель: найти гены, связанные с заболеваниями, предсказать, как заболевание будет развиваться и какой будет реакция на лечение [14].
Теперь препараты можно «проектировать» с помощью ИИ. Так, компания с помощью ИИ разработала потенциальный препарат от фиброза легких всего за 18 месяцев. Для этого ученые с помощью ИИ перебрали миллиарды молекул и выбрали лучшие еще до начала экспериментов [14].
Благодаря искусственному интеллекту появились роботы, которые проводят химические эксперименты без помощи человека. Например, они используют ИИ, чтобы самостоятельно управлять химическими реакциями. Это ускоряет лабораторную работу и помогает быстрее создавать реальные молекулы на основе компьютерных моделей [14].
Препараты, созданные с помощью ИИ, показывают успех в первых испытаниях в 80–90% случаев. Обычно это происходит только в 40–65% случаев. Если так будет и дальше, вероятность того, что новый препарат дойдет до рынка, может вырасти с 5 до 18% [14].

ИИ предсказывает риск возникновения заболевания до появления симптомов

Современные технологии позволяют заранее определить, кто из пациентов находится в группе риска. Для этого используют историю заболевания, результаты анализов, информацию о возрасте, образе жизни и другие данные. Раньше заболевания обнаруживали, когда уже появлялись симптомы, а иногда — слишком поздно для эффективного лечения. Сегодня, благодаря анализу больших данных, можно выявлять скрытые закономерности, прогнозировать развитие заболеваний и предотвращать их. Например:

• люди с высоким риском диабета могут получить рекомендации по питанию и физической активности;
• пациенты, у которых есть угроза сердечного приступа, могут вовремя пройти обследование и начать лечение [15].

Алгоритмы анализируют данные о пациенте [15]:

• историю заболевания и результаты анализов;
• демографическую информацию (возраст, пол и др.);
• факторы образа жизни — питание, физическую активность, вредные привычки;
• социальные и психологические факторы.

ИИ помогает оценить риск и подсказывает врачам, кому нужна дополнительная помощь или профилактика [15].
Примеры применения [15]:

• Диабет. Машинное обучение помогает прогнозировать уровень глюкозы в крови, выявлять диабет на ранних стадиях и предотвращать осложнения, например, проблемы со зрением.
• Сердечно-сосудистые заболевания. Искусственный интеллект анализирует показатели сердечного ритма и артериального давления, чтобы предупредить о риске инфаркта.
• Болезнь Альцгеймера. Анализ голосовых данных и изображений мозга позволяет выявлять первые признаки деменции задолго до серьезного ухудшения памяти.
• Инсульт. Каждая минута промедления может стоить пациенту до 2 миллионов погибающих клеток мозга. Программы распознают признаки закупорки артерии, снабжающей кровью головной мозг, и могут срочно уведомить врача о необходимости экстренной помощи [15, 16].

Ограничения ИИ в медицине

Несмотря на огромный потенциал, ИИ пока далеко не всесилен. Вот основные его слабые места.

Угроза конфиденциальности пациентов

Чтобы ИИ «учился», нужны данные о тысячах пациентов. Однако защита конфиденциальности пациентов ограничивает объем доступных для ИИ сведений. Если данных мало или они недоступны, модель ИИ не может научиться работать точно [17].

Одна из угроз состоит в том, что ИИ раскроет личность пациента даже после удаления всех идентификаторов из его данных. Исследования показывают, что современные алгоритмы способны распознавать до 85% взрослых и почти 70% детей даже в анонимных наборах данных [17].
Возможное решение — применять генеративные модели, которые создают искусственные медицинские данные, не связанные с реальными людьми. Такие данные могут использоваться для обучения ИИ без прямого доступа к оригинальной информации. Но даже эти методы требуют начального доступа к реальным данным и не лишены рисков [17].

ИИ может ошибаться

ИИ может повторять ошибки и предвзятость, если обучен на «кривых» данных. Например, модель, обученная на данных пациентов одного возраста, может оказаться неэффективной для других возрастных групп. Или если в исходных данных были ошибки — например, неправильно введён диагноз — ИИ «учится» этим ошибкам и будет воспроизводить их в своих собственных прогнозах или классификациях [18].
ИИ-модели для диагностики поражений кожи, обученные преимущественно на данных белокожих пациентов, показывают значительно сниженную точность для темнокожих пациентов. Это приводит к поздней диагностике меланомы у темнокожих, у которых смертность от этого заболевания выше [18].
Алгоритмы прогнозирования сердечных приступов, обученные на данных мужчин, могут быть менее точными для женщин, поскольку симптомы сердечно-сосудистых заболеваний у полов различаются. Это ведет к ошибочной диагностике у женщин [18].

Непрозрачность решений ИИ

Часто врачи не могут понять, почему ИИ сделал именно такой вывод. Алгоритмы могут быть слишком сложными и непрозрачными. Это создает недоверие и опасность ошибок. Например, если ИИ советует одно лечение, а врач — другое, кто прав? Врачу нужно уметь проверить логику машины, а пока это возможно далеко не всегда [19].

Разрозненность данных мешает ИИ учиться

Каждый госпиталь или лаборатория хранит свои данные в разных системах. Обмен ими часто ограничен правилами приватности. Из-за этого сложно собрать достаточно информации для качественного обучения ИИ [19].

Сможет ли ИИ заменить врачей?

Иногда кажется, что машины скоро заменят врачей. Но это заблуждения. ИИ — это вспомогательный инструмент, как, например, КТ-сканер: он помогает врачу, но не заменяет его и не действует самостоятельно [19].
Он отлично справляется с узкими задачами [19]:

• распознаёт изображения (например, находит опухоли на снимках);
• быстро анализирует большие объемы данных;
• прогнозирует риск заболеваний.

Но ИИ не понимает пациента как личность — его эмоции, жизненные обстоятельства, историю болезни. ИИ не умеет сопереживать, внимательно слушать и учитывать чувства и потребности пациента. ИИ помогает врачу быть точнее и быстрее, но именно человек принимает окончательные решения [19].
Еще многие думают, что врач должен стать программистом, чтобы использовать ИИ. Это не так [19].
Для создания ИИ нужны программисты и специалисты по анализу данных. А врачу нужно понимать, как ИИ может помочь в клинической практике, и сотрудничать со специалистами по ИИ. Вместе они определяют, какие данные использовать, как обучить модель и как интерпретировать ее результаты [19].
Кроме того, появляются визуальные инструменты, не требующие навыков кодирования. Использовать ИИ врачи могут через удобные интерфейсы и готовые программы. Например, существует визуальный инструмент, в котором можно обучить модель распознавать изображения без кода. В медицине таких простых решений становится всё больше [19].

Главное — врачу понимать, что может ИИ, а что нет, и уметь интерпретировать полученные результаты.