УДК 004

Искусственный интеллект в медицине: этапы внедрения и возможности применения

Спиридонова Ольга Игоревна – бакалавр Санкт-Петербургского государственного университета аэрокосмического приборостроения

Аннотация: В статье рассматривается возможности и перспективы применения технологий искусственного интеллекта в медицине и здравоохранении. Приводятся основные моменты истории его создания и развития. Анализируются направления применения искусственного интеллекта в медицине и основные особенности по направлениям: организационному, диагностическому (инструментальному или лабораторному), клиническому (терапевтические и хирургические подходы) и фармакологическому. Отмечается, что наряду с преимуществами, метод имеет ряд недостатков, которые необходимо учитывать при дальнейшей разработке данного направления.

Ключевые слова: искусственный интеллект, медицина, машинное обучение.

Для решения основных проблем современного здравоохранения, таких как увеличение численности населения, снижение доступности медицинской помощи, увеличения продолжительности жизни людей и, как следствие, рост распространенности хронических заболеваний и др., актуальным является разработка и внедрение в медицину новых технологий, в частности – искусственного интеллекта (ИИ). «Отправной точкой» разработки концепции ИИ принято считать работы философов Р. Декарта «Рассуждение о методе» (1637) и Т. Гоббса «Человеческая природа» (1640). В 1830-х годах английский математик Ч. Бэббидж сформулировал теорию цифрового калькулятора – аналитической машины, способной самостоятельно рассчитывать ходы в игре в шахматы. А. Тьюринг в 1950 году в своем труде «Компьютеры и интеллект» представил тест, названный впоследствии его именем, позволяющий установить способность персонального компьютера к интеллекту человека. По прошествии шести лет, исследователем Д. Маккарти было предложено такое понятие, как «искусственный интеллект», под которым он понимал «науку и технику создания интеллектуальных машин» [1, 3]. Развитие ИИ происходило по нескольким направлениям: первый промышленный робот-манипулятор (Unimate; Unimation, Данбери, Коннектикут, США) обладал возможность выполнять различные пошаговые команды, а кроме того он выполнял автоматизированное литье под непосредственном давлением на сборочные линии компании «General Motors», а как следствие стал неким прообразом современных линий с ЧПУ. Результатом исследований в другом направлении стала Eliza, представленная в 1964г. Д. Вейценбаумом. Применяя обработку естественного языка в комплексе с методологией сопоставления шаблонов, она могла общаться посредством имитации человеческого разговора. Именно это и стало основой для создания в последующем времени чат-ботов [5]. История развития ИИ на территории России берет свое начало с 1954 г. Именно в упомянутом году в университете МГУ под непосредственным руководством профессора А. А. Ляпунова начал свою работу такой семинар, как «Автоматы и мышление», которое привлекло внимание физиологов, лингвистов, психологов и математиков. Однако стоит подчеркнуть, что достаточно долго это направление исследований не получало должной поддержки. Историю появления и применения ИИ в медицине в свою очередь принято отсчитывать от 1964 года, когда в Национальной медицинской библиотеке США появилась первая медицинская электронная система поиска литературных данных, получившая название MEDLARS (Medical Literature Analysis and Retrieval System). В 1971 году она была переведена в онлайн и преобразовалась в MEDLINE (MEDlars, onLINE). Данная система применяет в своей работе алгоритмы ИИ и машинного обучения, которая существует и продолжает развиваться и в современные дни [2]. Первый ИИ-помощник прикладного характера MYCIN был разработан в начале 1970-х гг. для помощи врачу в диагностике патогенных бактерий – возбудителей менингита или бактериемии и для вычисления наиболее оптимальных схем назначения антибиотиков. Помимо этого MYCIN выступил в качестве основы, применяемой при разработке таких систем, как EMYCIN и INTERNIST-1 [1,6]. В дальнейшем, с разработкой машинного и глубокого обучения, возможности применения ИИ в медицине расширялись, включая перспективы использования в персонализированной медицины. Отмечается, что использование ИИ повышает точность и скорость диагностики, оптимизирует мониторинг заболеваний и лечения пациентов и др. В качестве одного из протоколов, который демонстрирует упомянутые возможности ИИ выступала CASNET, которая была разработана в рамках университета Рутгенрса. Она представляет под собой причинно-ассоциативную сеть, которая состоит из следующих отдельных программ: формирование модели, консультация, пополняемая база данных. Представленная модель могла использовать информацию об отдельно взятом заболевании в отношении конкретных пациентов, а помимо этого давать врачам соответствующие советы по вопросу ведения этих больных. В 1986 году Массачусетский университет разработал и выпустил такую систему поддержки принятия решений, как DXplain. Представленная система для проведения дифференциальной диагностики применяет определенные симптомы. Кроме того, она стала в качестве некоего электронного медицинского учебника, который содержит в себе описания различных заболеваний, дополнительные ссылки и пометки: в первой версии в ней содержалась информации о 500 различных заболеваниях; сегодня она насчитывает свыше 2400 нозологий [4,6]. В 2007 году IBM сформировала открытую систему ответов на различные вопросы Watson. Данная система базируется на такой технологии, как DeepQA. Помимо этого представленная система применяет обработку естественного языка и всевозможные поиски для проведения анализа неструктурированного контента и получения соответствующих ответов (наиболее вероятных). Watson является более доступным и более простым в обслуживании, а также он считается наиболее рентабельным. Извлекая соответствующую информацию из электронной медицинской карты и иных специализированных электронных ресурсов, с учетом требований, представляемых со стороны доказательной медицины, он принимает клинические решения. Кроме того, в 2017 г. Баккар применяли упомянутую систему с целью идентификации новых РНК-связывающих белков, измененных при боковом амиотрофическом склерозе [6]. В 2017 году Arterys стала первой одобренной FDA системой ИИ для повышения точности визуализации результатов инструментальных исследований. В качестве первого продукта Arterys выступает CardioAI. Он за несколько секунд проводит анализ магнитно-резонансных изображений сердца, вычисляя фракцию сердечного выброса. В дальнейшем приложение расширялось посредством включения изображений таких внутренних органов человека, как печень и легкие, а кроме того рентгеновских изображений грудной клетки и опорно-двигательного аппарата, а кроме того неконтрастных изображений КТ головы, что расширяло его функциональные возможности. Знаковым в организационном и финансовом плане стал 2002 год, когда, признав актуальность направления, к программам внедрения ИИ в медицину подключились государственные структуры и IT-гиганты [1].

На сегодняшний день компьютерные технологии и ИИ включены в различные области медицины что, такие как:

Диагностика: приложения и программные продукты, предназначенные для распознавания различных медицинских изображений (например, снимки МРТ, заключения УЗИ), позволяющие проводить анализ данных и выявлять признаки заболевания на самых ранних стадиях. Например, Ezra применяет ИИ в рамках проведения анализа МРТ-сканов всего человеческого тела для того, чтобы помочь специалистам выявить рак на ранних стадиях. Генная диагностика: алгоритмы ИИ предоставляют возможность прогнозировать возможности влияния на организм редактирование генома в каждом отдельно взятом случае.

Терапия: стартапы по лечению раковых заболеваний (GNS Healthcare, Oncora Medicals или SOPHiA AI - приложение по диагностике рака, анализирующее состояние пациента и корректирующее исходя из него схему лечения); подбор эффективных схем терапии и оптимальных дозировок лекарств (параболическое персонализированное дозирование (PPD);

Хирургическая помощь: в том числе применением инновационных технологий машинного обучения в области протезирования (робот хирург DaVinci);

Телемедицина (удаленная помощь/консультирование): самообслуживание пациента без визита к врачу позволяет сэкономить время и финансовые ресурсы;

Документооборот в медицинских организациях: технологии автоматизации процессов (RPA) направлены на автоматизацию рутинных операций с документами (включая и отчетность отдельной медицинской организации);

Вопросы приоритезации и медицинской сортировки в реальном времени: Enlitic Curie проводит сканирование поступающих больных, проводит обработку клинических данных (даже предыдущих медицинских карт), а помимо этого определяет профиль заболевания и направляет к соответствующему специалисту);

Уход за пациентами: Medicare (Wellframe) разработано для сиделок и медсестер, также некоторые функции могут быть использованы маломобильным пациентом самостоятельно (например, напоминание о том, что настало время принять лекарство);

Приложения для здоровья: IoMT (Internet of Medical Things) в комплексе с ИИ выпускает «умные» приложения для обеспечения контроля всевозможных параметров человеческого организма, а кроме того осуществляет контроль за его состоянием здоровья в целом;

Чат-боты для обслуживания клиентов: с их помощью пациенты могут получать ответы по записи к врачам, оплате медицинских услуг, а помимо этого назначений или пополнения запасов лекарственных препаратов.

Исследование рынка медицинских услуг: исследование рынка ЛС для определения наиболее оптимальной стоимости лечения в условиях повышенной конкуренции (ПО от MD Analytics);

Фармация: стартапы для разработки лекарств, то есть анализ данных микроскопического исследования, изучение эффективности лекарственных средств, исследование вирусов и бактерий для создания вакцин). Технология AIDD использует большие объемы данных (BigData) и ИИ для наиболее оперативного выявления связи между лекарствами и заболеваниями на уровне системы;

Базы научной литературы: PubMed, Scopus и др. позволят врачам быстро получать актуальную информацию по медицинским проблемам.

При этом нельзя забывать и о недостатках использования ИИ в медицине, основными из которых признаны:

Финансовые моменты: высокая стоимость разработки, внедрения и обслуживания программ;

Несовершенство программ: примитивность некоторых функциональных параметров и процессов;

Снижение критического подхода к полученным с помощью ИИ данным и ошибки.

Выводы

Все более широкое использование ИИ в медицине способствует повышению точности диагностики и терапии, облегчению жизни пациентов с различными заболеваниями, увеличению объемов разработки и выпуска новых лекарств и оптимизации организации медицинской помощи.

Список литературы

  1. Борисов И. В., Бондарь В.А., Кудинов Д. А., Некрасова Ю. Ю., Канарский М.М., Прадхан П., Сорокина В.С., Редкин И.В., Гречко А.В., Петрова М.В. Проблемы и перспективы информационных технологий в здравоохранении России: современные реалии Физическая и реабилитационная медицина, медицинская реабилитация. Т. 4 (№ 4): 271–282. DOI: https://doi.org/10.36425/rehab110384.
  2. Гусев А.В. Перспективы нейронных сетей и глубокого машинного обучения в создании решений для здравоохранения Искусственный интеллект в здравоохранении 2017; 3:92-105.
  3. Рязанова С. В., Мазаев В.П., Комков А.А. Новые тенденции становления искусственного интеллекта в медицине. CardioСоматика. 2021; 12 (4): 227–233. DOI: 10.17816/22217185.2021.4.201264.
  4. Борисов И. В., Бондарь В. А., Кудинов Д. А., Некрасова Ю. Ю., Канарский М. М., Прадхан П., Сорокина В. С., Редкин И. В. Проблемы и перспективы ИТ в здравоохранении России: современные реалии. Медицина 2022; 10 (4): 10-30 doi: 10.29234/2308-9113-2022-10-4-10-30.
  5. Dzobo K, Adotey S, Thomford NE, Dzobo W. Integrating artificial and human intelligence: a partnership for responsible innovation in biomedical engineering and medicine 2020 May; 24 (5): 247-263. doi: 10.1089/omi.2019.0038.
  6. Shaban-Nejad A, Michalowski M, Peek N, Brownstein JS, Buckeridge DL Seven pillars of precision digital health and medicine Artif Intell Med. 2020 Mar; 103: 101793. doi: 0.1016/j.artmed.2020.101793.

Интересная статья? Поделись ей с другими: