Розробники систем штучного інтелекту (ІІ), які досі вважалися найбільш невдалими гравцями ринку IT-рішень у охороні здоров'я, несподівано отримали карт-бланш. Опікунами та партнерами асоціації «Національна база медичних знань», в яку вирішили об'єднатися виробники та потенційні користувачі медичних ІІ-систем, стали такі стейкхолдери як Адміністрація Президента РФ, Російська венчурна компанія, МОЗ та Росздравнагляд. За інформацією Vademecum, впливові куратори націлюють учасників нової НКО на технологічний прорив: асоціації належить зібрати по клініках «очищений масив» медичних даних, наситити цими відомостями ІІ, здатний підтримувати прийняття лікарських рішень, і перетворити цю IT-систему на продукт, який можна буде тираж. у вітчизняній індустрії охорони здоров'я, а в перспективі – експортувати.

ЗА НІШУ, ЯКІ ПІДПИСАЛИСЯ

Ідею створення НКО «Асоціація розробників і користувачів штучного інтелекту «Національна база медичних знань», яка б об'єднала представників IT‑компаній, клінік та інших операторів індустрії, які цікавляться впровадженням ІІ‑систем, була озвучена на Всеросійському консиліумі «Медицина народної довіри», що пройшов у червні.

«Одна із сесій була присвячена системам штучного інтелекту в медицині, – розповів Vademecum засновник компанії Botkin.AI Сергій Сорокін, який був присутнім на консиліумі. – Там зібралися ключові розробники та клініки, які діють у цій ніші, які домовилися в результаті створити асоціацію, яка б займалася популяризацією та системним розвитком ІІ в охороні здоров'я».

Тему відразу підхопили організатори консиліуму – спільнота заслужених лікарів Росії та «Національне агентство соціальних комунікацій», які включили її до програми «Медицина народної довіри», підтриманої Адміністрацією Президента РФ (АП).

Вже у липні ініціатори створення НКО представили на тематичному засіданні в АП «дорожню карту» розвитку систем штучного інтелекту у охороні здоров'я. Журі, що складається із сенаторів, депутатів, чиновників МОЗ, ФФОМС та інших держструктур, заявку схвалили. В Адміністрації Президента РФ на запит Vademecum не відповіли.

Крім АП, асоціацію готові патронувати Російська венчурна компанія, Агентство стратегічних ініціатив, МОЗ, Росздравнагляд, інші зацікавлені відомства та держкомпанії. «Така підтримка говорить про те, що держава буде системно розвивати проекти та стартапи, пов'язані з ІІ у охороні здоров'я. У перспективі стоїть амбітне завдання налагодити експорт цих технологій та вивести Росію у лідери інновацій у цій сфері», – каже директор з управління проектами «Національної технологічної ініціативи» АТ РВК Андрій Алмазов.

Заявку на реєстрацію НКО «Асоціація «Національна база медичних знань» подано до Мін'юсту. Відомо також, що об'єднання очолить керівник напряму цифрової медицини ТОВ «Інвітро» Борис Зінгерман, а до Наглядової ради НКО увійдуть президент Національної асоціації заслужених лікарів Росії Віктор Єгоров; директор МОНІКИ ім. М.Ф. Володимирського Дмитро Семенов; директор Центру компетенцій з імпортозаміщення у сфері ІКТ Ілля Массух та інші авторитетні галузеві персони. За словами Бориса Зінгермана, про готовність вступити в асоціацію вже заявили представники близько 50 IT-компаній та державних медичних центрів.

Штучний інтелект у медицині, або система підтримки прийняття лікарських рішень, - це комплекс програм, що дозволяють на основі обробки великих масивів даних ставити діагнози, будувати прогнози та припущення щодо лікування пацієнта. За даними РВК, зараз у Росії на різних етапах реалізації знаходяться близько 20 тематичних стартапів. Рідкісні та роз'єднані гравці цієї ніші традиційно відставали від передової когорти IT-операторів у охороні здоров'я, головним чином через консервативність лікарської спільноти та відсутність продуктивного діалогу між медиками та розробниками. Найяскравіший приклад – звільнення у липні 2017 року з НМІЦ серцево-судинної хірургії ім. О.М. Бакульова керівника лабораторії математичного моделювання та моніторингу Володимира Ліщука. Відомий кібернетик після відставки об'ємну монографію, де докладно описав фатальні, на його погляд, помилки співробітників Бакулівського центру щодо лікування критичної серцевої недостатності та інших кардіологічних захворювань.

Що ж так зацікавило АП у безнадійній, як нещодавно здавалося, і вузькій галузевій ніші?

МОБІЛІЗАЦІЙНИЙ ЗБІР

За словами співрозмовників Vademecum, одним із стимулів до форсованого створення НКО «Асоціація «Національна база медичних знань» став висновок у травні цього року між СК «Сбербанк». Страхування життя» та IBM договору на використання російськими страховиками розробленої американською корпорацією системи Watson for Oncology, що є ІІ для вироблення рекомендацій щодо лікування онкозахворювань. Як говориться в спільному повідомленні компаній, на практиці їхнє партнерство виглядатиме так: якщо клієнту Ощадбанк. Страхування життя» буде поставлений первинний онкологічний діагноз, IBM Watson, яка обробляє інформацію в деперсоніфікованому вигляді і використовує дані більш ніж 300 медичних журналів, 200 підручників і безліч інших матеріалів, протягом декількох секунд видасть рекомендації щодо протоколів лікування для цього пацієнта. Як повідомили Vademecum у IBM Watson, аналогічний проект зараз готується до запуску у Казахстані.

«Цей проект став серйозним ударом для всіх стартапів у сфері ІІ в Росії: уклавши договір із Ощадбанком, IBM отримує доступ до великого обсягу даних, що дає їй серйозну конкурентну перевагу. Окремі розробники не здатні змагатися з американською корпорацією, конкурувати з нею може лише держава», – пояснює Віктор Єгоров.

Щоб не допустити зміцнення позицій IBM на російському ринку, у найближчий рік учасники асоціації мають намір зосередити колективні зусилля на трьох основних проектах, які можуть суттєво розширити вітчизняні розробки у сфері штучного інтелекту в медицині. Головним завданням стане створення єдиної бази даних, що акумулює медичну інформацію медичних організацій.

Основою цього інформаційного масиву може стати «Об'єднана база медичних даних», яку створили співробітники НМІЦ ССГ ім. О.М. Бакульова – для розвитку власного дата-центру ними ще рік тому створили компанію «Соцмедика», яка стала резидентом «Сколково». «Наша база фактично є семантичним ядром для національної бази. Вона містить класифікатори, регістри моделей пацієнта та іншу прикладну інформацію. На цей каркас вже «нанизуватимуться» дані пацієнтів», – пояснює директор АТ «Соцмедика» Геворг Бледжянц.

Опитані Vademecum представники держмедустанов, підтримуючи ініціативу щодо будівництва медичної ІІ-системи в цілому, зізнаються, що поки що не готові ділитися даними. «Ідея нам цікава, і у разі забезпечення всіх необхідних умов МОНІКИ може стати ідеальним майданчиком для розвитку таких технологій, адже ми маємо великий масив рентгенівських та інших зображень, які можна використовувати для розробки систем штучного інтелекту. Однак зараз для цього немає законодавчої бази, зокрема, закон про персональні дані не дозволяє нам надавати такі відомості», – каже директор інституту Дмитро Семенов.

Керуючий партнер бюро «Адвокатська група Онєгін» Ольга Зінов'єва вважає, що непереборних бар'єрів для передачі медичних даних чинне законодавство не ставить. «Наприклад, п. 4 ст. 13 Федерального закону №323 «Про охорону здоров'я громадян» надає медичним організаціям здійснювати інформаційний обмін даними. Більш складною проблемою тут, швидше, стане недостатня правова грамотність контролюючих органів, які можуть вивести застосування ІІ-систем на практиці в зону судових прецедентів, – міркує Зінов'єва. – Але якщо творці асоціації зможуть домогтися оформлення своєї діяльності в окремий нормативний акт, проблему буде знято».

За словами ініціаторів створення асоціації, вони не відкидають підготовку та видання такого документа. Швидке вирішення виникаючих дорогою до створення продукту протиріч обіцяє сам факт підключення до реалізації задуму потужного адміністративного ресурсу. Та й сам формат проекту передбачає чіткий поділ зусиль та відповідальності: «Національна база медичних знань» буде організована на засадах державно-приватного партнерства, в якому держава забезпечить потік та захист даних, а інвестор – фінансування та ведення розробок.

ТУГІ І РИЗИКИ

Що ж до не гіпотетичних, а реальних нормативних перепон, які стають по дорозі розробників медичних ІІ‑систем, то творці асоціації вже звернули увагу регуляторів деякі застарілі і тому шкідливі регламенти. Ініціатори проекту вже розпочали консультації з чиновниками щодо зміни статусу IT-продуктів у сфері охорони здоров'я – згідно з чинним наказом МОЗ №4н від 6 червня 2012 року «Про затвердження номенклатурної класифікації медичних виробів» будь-яке програмне забезпечення, що застосовується в галузі, має реєструватися як медвиріб.

«Ця норма фактично вбиває ринок. Але нам вдалося налагодити діалог з Росздравнаглядом та виробити порозуміння у цьому питанні. Проблема в тому, що зараз немає прозорих та зрозумілих методичних рекомендацій щодо проведення випробувань програмного забезпечення. Тому ми запропонували спеціальну процедуру ретроспективних клінічних випробувань для таких продуктів без участі людини на основі заздалегідь підготовлених еталонних даних. Росздравнагляд цю ідею підтримав», – каже один із ініціаторів асоціації експерт компанії «К-МІС» Олександр Гусєв.

Представники служби на запитання Vademecum не відповіли.

Ще одна пріоритетна для асоціації тема – створення національного ризик-офісу, тобто системи запобігання захворюванням. Цей напрямок учасники НКО вестимуть разом з експертами Всеросійського союзу страховиків (ВСС). «На практиці ідея ризик-офісу працює так: вам дзвонить менеджер і інформує вас про те, що якщо орієнтуватися на те, як ви працюєте і живете, у вас можуть розвинутись такі захворювання, і відповідно рекомендує вам пройти діагностику або лікувальні процедури. Фактично це предиктивна аналітика, превентивна медицина, що ґрунтується на великих обсягах даних. Такий підхід може перевернути систему страхування – ми йтимемо не від страхового випадку, коли людина вже хвора, а працюватиме над попередженням хвороби», – пояснює віце-президент ВСС Максим Данилов.

Нарешті, асоціація підтримуватиме стартапи у сфері медичних ІІ-систем – надаватиме їм очищені дані, просуватиме їх розробки, допомагатиме у пошуку інвесторів.

ПОРЯСКИЛИ МОЗКАМИ

Російські стартапи в галузі ІІ в медицині

«Ідея створення єдиної бази медичних даних видається цікавою, такі дані можуть стати безцінним матеріалом для всіх розробників, які працюють у цій сфері. Запитання в нюансах. Ідеальним варіантом було б, якби в цю базу можна було інтегрувати дані з історії хвороби, включаючи діагностичні дані приладів, але проблема полягає в тому, що зараз не існує єдиного технічного стандарту з формування історій хвороби, який дозволив би об'єднати всі ці дані. Другий момент – ризик витоків даних, зараз, як відомо, витоку інформації з держустанов відбуваються досить часто, тому тут необхідне формування надійної системи захисту», – ділиться резонними сумнівами Богдан Севрюков, директор компанії Ocutri, яка створює ІІ рішення для медицини.

Опитані Vademecum представники профільних IT-компаній сходяться на думці, що ініціатива щодо створення НКО «Національна база медичних знань» є дещо запізнілою спробою наповнити держпрограми з інформатизації охорони здоров'я актуальним інноваційним змістом.

Недовга історія дигіталізації галузі, доводиться визнати, сповнена провалів та невиправдано різких поворотів. Достатньо озирнутися на півтора роки тому.

Розпорядженням Уряду РФ №1632р від 28 липня 2017 року заходи з інформатизації охорони здоров'я були затверджені як невід'ємна частина програми «Цифрова економіка». Тоді ж Дмитро Медведєв назвав серед цілей інформатизації розвиток систем штучного інтелекту в охороні здоров'я, а також розробку інноваційних рішень для превентивної та персоналізованої медицини.

Але ще через рік прем'єр-міністр доручив уряду інтегрувати галузевий «цифровий контур» у новий нацпроект «Охорона здоров'я», і задум знову зазнав коректив. Як випливає з останньої версії, заходи програми, на виконання якої до 2024 року буде направлено близько 130 млрд рублів, не мають на увазі створення ІІ-систем в медицині, а спрямовані виключно на доопрацювання та завершення злощасного довгобуду ЄДІСМ.

Діагностика

За даними компанії Frost & Sullivan1, ринок штучного інтелекту в медицині зростає на 40% на рік, і до 2021 року його оборот складе близько $6,6 млрд. Насамперед машинне навчання змінить три галузі медицини: покращить можливості діагностики, полегшить роботу рентгенологів та патологів, що зробить більш ефективним прогнозування хвороб.

Про це пишуть Зіад Обермайер із Гарвардської медичної школи та Єзекіїль Емануель із Пенсільванського університету у статті для The New England Journal of Medicine (NEJM)2. На їхню думку, вже найближчим часом машинне навчання стане незамінним інструментом лікарів, які по-справжньому хочуть зрозуміти своїх пацієнтів. Штучні нейронні мережі вже зараз можуть діагностувати метастази раку молочної залози не гірше, ніж досвідчений лікар. Рак молочної залози - один із найпоширеніших видів злоякісних новоутворень. Тільки у 2012 році у світі було зареєстровано понад 1,6 млн нових випадків цього захворювання. У 6-10% випадків звернень вже у момент постановки первинного діагнозу пухлина встигла метастазувати. Для діагностування цього процесу використається біопсія регіонарних лімфовузлів.

Кожен зразок вилученого матеріалу оглядається під мікроскопом лікарем-патологом. В ідеальних умовах і за необмеженого часу лікар припускає дуже мало помилок. У реальному житті лікарі-патологи можуть переглядати та описувати десятки препаратів щодня.

Група дослідників з Радбаудського університету в Нідерландах ініціювала створення спеціального змагання-челленджа Camelyon3, в рамках якого сучасні алгоритми змагаються у виявленні метастазів раку молочної залози. Команди навчають моделі розпізнавати рак серед здорових тканин на 400 знімках раку молочної залози, потім результати порівнюються на контрольних знімках, доступу до яких у моделей під час навчання не було.

Торік у челендже Camelyon перше місце посіла нейронна мережа стартапу PathAI4 – партнера компанії Philips з розробки додатків штучного інтелекту в медицині. Вчені з PathAI з великим відривом випередили інші команди. Їх алгоритм припускався помилок лише в 35 випадках з 1000: цей показник трохи нижче, ніж у справжнього лікаря. При цьому, якщо лікар вдавався до підказок нейронної мережі, кількість помилок знижувалася з 3% до 1%.

Останніми роками з'явилося багато прикладів успішного розпізнавання медичних зображень нейронними мережами. Нейронні мережі з високою точністю визначають рак простати та рак легені по біопсії і не гірше за дерматолога визначають рак шкіри за звичайними фотографіями.

Крім класифікації зображень, штучний інтелект може вирішувати й інші завдання: вибирати лікування або уточнювати прогноз. Один із ранніх прикладів - експертна система Mycin5, розроблена в 1970-і роки в Стенфорді. Її завданням було підбирати найбільш підходящі антибіотики на лікування інфекційних захворювань. Вже тоді вона пропонувала вдалі поєднання, ніж лікар. Тим не менш, ця система жодного разу не була використана у реальній клінічній практиці.

Система Mycin відповідала на запитання "так" і "ні" в рамках заданого набору правил, щоб знайти правильну відповідь. Сучасні експертні системи працюють схожим чином, проте найчастіше перед ними стоїть завдання автоматично інтегрувати дані про пацієнта, а потім подати їх лікарю у зручній формі із власними підказками.

Так працює, наприклад, система моніторингу реанімації, розроблена Philips. Система збирає та інтегрує всі доступні дані про пацієнта та допомагає лікареві швидко прийняти поінформоване рішення. За словами керівника відділу медичної інформатики компанії Philips Сергія Лаванова, система здатна безперервно відслідковувати динаміку критичних для життя пацієнта показників та повідомляти лікаря про наближення загрозливої ​​ситуації.

Штучний інтелект, що дозволяє працювати з великими масивами різноманітних індивідуальних даних, має стати запорукою більш точної діагностики та доступного лікування.

На відміну від традиційних експертних систем, сучасний штучний інтелект використовує дуже багато даних і здатний навчатися на реальних прикладах. Це дозволяє знаходити в даних складні та неочевидні для людини асоціації та допомагає фахівцям приймати клінічні рішення. Наприклад, у недавньому дослідженні, опублікованому в журналі PLOS ONE6, нейронні мережі навчалися прогнозувати розвиток серцево-судинного захворювання або його ускладнення. Нейронні мережі тренувалися на трьохстах тисячах електронних карт пацієнтів, що відображають розвиток та результат захворювання. Як тест мережа отримувала доступ тільки до одного раннього запису і генерувала прогноз, а дослідники порівнювали його з результатом захворювання за пізнішими записами в медичній карті.

Фактично нейронна мережа мала сама знайти список правил, за якими потрібно оцінювати ризики серцево-судинних захворювань. Внаслідок цього вона передбачила на 7,6% більше випадків розвитку ускладнень серцево-судинних захворювань, ніж сучасні керівництва. Це приблизно еквівалентно 355 життям, які можна було врятувати.

Стівен Венг, фахівець з епідеміології Ноттінгемського університету, у своєму інтерв'ю журналу Science News7 зазначив, що якщо додати в моделі генетичні фактори або дані про спосіб життя людини, то прогноз може бути ще точнішим.

Інтегрувати дані аналізів, що носиться електроніки, медичних карт намагаються навіть такі гіганти з індустрії, як IBM, Alphabet (Google) і Philips. Наприклад, компанія Philips розвиває інфраструктуру, що дозволяє працювати з даними, отриманими з пристроїв, що носяться, і медичних карт пацієнтів. З її допомогою лікарі зможуть точно вибудовувати персоналізовані рекомендації та прогнози для конкретних пацієнтів. Рішення, яке вже існує сьогодні, вміє одночасно працювати з даними медичної візуалізації та новими, в тому числі експериментальними, статистичними моделями. У майбутньому це дозволить лікарям використати нові системи штучного інтелекту у своїй роботі.

В інтерв'ю CNBC8 Франс ван Хаутен, генеральний директор компанії Philips, наголошує, що сьогодні, коли вік населення стає більшим, а його чисельність зростає, Philips робить ставку на охорону здоров'я, виділяючи технології діагностування та профілактики як одні з найбільш перспективних.

1 За матеріалами презентації компанії Frost & Sullivan («Фрост енд Салліван»), представлених на конференції в Лондоні, 4 жовтня 2016 р. 2 «Нью Інгланд Джорнал оф Медісін».3 «Камеліон». 4 «ПАТАІ». 5 "Міцин". 6 "Плос Уан". 7 «Саєнс Ньюс». 8 «СіЕнБіСі».

Штучний інтелект (ІІ, англ. Artificialintelligence,AI) - наука та технологія створення інтелектуальних машин, особливо інтелектуальних комп'ютерних програм. ІІ пов'язаний із подібним завданням використання комп'ютерів для розуміння людського інтелекту, але не обов'язково обмежується біологічно правдоподібними методами

Єдиної відповіді питанням, чим займається штучний інтелект, немає. Майже кожен автор, який пише книгу про ІІ, відштовхується в ній від будь-якого визначення, розглядаючи в його світлі досягнення цієї науки.

Можна виділити два напрями розвитку ІІ:

вирішення проблем, пов'язаних із наближенням спеціалізованих систем ІІ до можливостей людини, та їх інтеграції, що реалізована природою людини;

створення штучного розуму, що становить інтеграцію вже створених систем ІІ в єдину систему, здатну вирішувати проблеми людства.

Але зараз у сфері штучного інтелекту спостерігається залучення багатьох предметних областей, мають швидше практичне ставлення до ІІ, а чи не фундаментальне. Багато підходів були випробувані, але до виникнення штучного розуму жодна дослідна група поки що так і не підійшла.

Області робототехніки та штучного інтелекту тісно пов'язані одна з одною. Інтегрування цих двох наук, створення інтелектуальних роботів становлять ще один напрямок ІІ.

Робототехніка спирається такі дисципліни як електроніка, механіка, програмування. Виділяють будівельну, промислову, побутову, авіаційну та екстремальну (військову, космічну, підводну) робототехніку.

Інтелектуальність потрібна роботам, щоб маніпулювати об'єктами, виконувати навігацію з проблемами локалізації (визначати місцезнаходження, вивчати найближчі області) та планувати рух (як дістатися мети).

Розробка та виробництво медичних роботів у XXIстолітті досягли таких технічних та економічних успіхів, що інформація про них з кожним роком дедалі менше здається науковою фантастикою.

Досягнення в галузі робототехніки та систем штучного інтелекту з кожним днем ​​надають все більшого впливу на життя людей у ​​прямому розумінні цього слова. Технічні та економічні успіхи роботобудування призвели до того, що медицина стала все частіше вдаватися до допомоги роботів. Сьогодні медичні роботи здатні проводити складні хірургічні операції, допомагають ставити точні діагнози, доглядають хворих і цим список їх можливостей не обмежуються.

Як ми вирішуємо свої проблеми зі здоров'ям, особливо якщо вони серйозні? Все починається з пошуку гідної клініки та провідного спеціаліста у своїй галузі. І ось уявіть собі таку картину.

Клініка знайдена, фахівець – найуспішніший у цій галузі та приймає він …. цілодобово!

У нього немає ні прізвища, ні по батькові. А лише найменування моделі. Це Робот!

Ось, загалом, перспектива на найближче майбутнє. А поки що роботи працюють під чуйним керівництвом досвідченого лікаря.

Розділи:

Роболікарі

Робокомплекси

Робосестри

Робопротези

Роботи всередині нас

Реабілітаційні роботи

Робопосібники

Що таке медичні роботи і навіщо вони потрібні

Медичний робот – робот, який створений для виконання будь-яких дій, пов'язаних із медициною взагалі та здоров'ям людини зокрема. Десятки фантастів у сотнях своїх творів докладно описали всі можливі функції, завдання медичних роботів і навіть особливості їхнього пристрою. Відповідно до цих описів робомеди майбутнього постають у різних образах. Це і складні мініатюрні, але дуже розумні аптечки, вмонтовані в скафандр і стаціонарні медичні комплекси, які здатні і мертвого підняти. Розроблено фантастами та десятки моделей роботів помічників, нянечок та інших санітарних працівників. Є навіть варіант нанороботів постійно присутніх у крові людини, які здатні виводити токсини, заліковувати рани та робити героїв фантастичних бойовиків непробивними у прямому розумінні.

Насправді медичні роботи розвиваються за подібними напрямками. По-перше, це хірургічні комплекси. І нехай самостійність у прийнятих рішеннях у них є чисто умовною, але на рахунку цих медичних роботів уже сотні успішних операцій.

Другим основним напрямком сьогодні можна назвати клас роботів-помічників. Ці автоматизовані медбрати та медсестри мають гуманоїдний і не дуже вигляд, але роблять великі успіхи у наданні допомоги людському медперсоналу та хворим.

Третій напрямок пов'язаний, насамперед, із протезуванням, розробкою замінників кінцівок людини та створенням екзоскелетів. Штучні «розумні» кінцівки як допомагають конкретним хворим, але служать й у відпрацювання нових технологій роботобудування.

Дещо осторонь основної маси роботизованих пристроїв медичного призначення знаходяться засоби пересування для людей, які втратили здатність рухатися самостійно. Будь то інвалідне крісло з інтелектуальним управлінням або засіб для евакуації поранених із поля бою.

Ну і як обійтися без роботизованих навчальних посібників для майбутніх медиків? Ці медичні роботи корчать від зубного болю, «народжують» дітей і стійко переносять інші тяготи, що випали на їхню частку.

Наведений вище перелік напрямів розвитку медичних роботів може бути відповіддю питанням – а навіщо взагалі потрібні медичні роботи.

Григорій Колесников, керівник акселераційної програми G4A (Grants4Apps) Bayer у Росії, розповідає, що заважає впровадженню в медицині, і розмірковує, чи можливо стартапам у цій сфері подолати такі перешкоди.

Як ІІ допомагає медичним фахівцям

Нещодавно Google розповів про запланований вихід на ринок систем штучного інтелекту, що дозволяють позбавити телефонні розмови від фонових шумів (скажімо, гавкаючи собак). Як нам обіцяють, алгоритми на базі штучного інтелекту всередині смартфона максимально допомагатимуть здійснювати рутинні операції. Перспективи вражають, адже сучасні люди проводять кілька годин на день перед екранами своїх пристроїв. І такі технології вже міцно входять у наше життя.

Сьогодні штучний інтелект активно застосовується для розробки побутової техніки, особистих голосових помічників, в охоронних системах. Там, де потрібна обробка великого обсягу інформації.

У медицині штучний інтелект дозволяє підвищити ефективність діагностики завдяки можливості роботи з більшими обсягами. Відомий випадок, коли розумний сервіс діагностики IBM Watson виявив у 60-річної пацієнтки з невірним діагнозом рідкісну форму лейкемії. Для цього система за 10 хвилин вивчила 20 мільйонів наукових статей про рак.

Як результат – ІІ дозволяє зменшити обсяг повсякденних рутинних завдань, які змушені вирішувати медфахівці. І здатний звести до мінімуму можливі помилки. А ще відкриває можливості для появи нових професій з обслуговування цифрових систем у медицині.

Чому не все так гладко

Програми та апарати зі штучним інтелектом сьогодні використовуються в аналізі рентгенівських, КТ- та МРТ-знімків (достатньо завантажити зображення в систему, після чого ІІ проведе аналіз та дасть висновок). «Інтелектуальну» медицину застосовують у телемоніторингу хронічних захворювань та при оцінці необхідності госпіталізації людей, у робот-асистованій хірургії. Нові технології освоїли і фармацевти – ІІ застосовують у розробці нових лікарських засобів.

Так, компанія Semantic Hub нещодавно створила сервіс на базі штучного інтелекту для автоматизації оцінки потенціалу медичних препаратів перед випуском ринку. Система збирає та аналізує мільйони документів, у тому числі наукових публікацій, пов'язаних із хворобою, призначенням та дією ліків, що розробляються. Потім аналізує інформацію та робить висновок про потенціал препарату з урахуванням усіх факторів ризику та конкурентних переваг. Раніше розробникам ліків вдавалося вивчити "вручну" лише 1% подібних документів.

«Розумні» медичні продукти, послуги та процеси зараз розробляють практично всі лідируючі «цифрові» корпорації. Загалом, за даними дослідницької компанії Venture Scanner, такі розробки ведуть понад 800 компаній у всьому світі.

Багато експертів пророкують стрімке збільшення ринку штучного інтелекту – приблизно на третину на рік. За оцінками BIS Research, до 2025 року загальний ринок ІІ в охороні здоров'я сягне $28 мільярдів.

Але не все так безхмарно. На шляху впровадження технологій ІІ у медицині виникають перешкоди. І найчастіше питання виникають у самих медичних фахівців, у яких нововведення можуть викликати обґрунтовану недовіру.

У чому причина проблем, що виникли? Спробуємо розібратися.

Перешкоди для штучного інтелекту у медицині

1. Інформація «другої свіжості»

Мова, безумовно, ведеться про якість та обсяг медичної інформації. Накопичені в медкартах пацієнтів дані можуть бути неповними, містити помилки, неточності та нестандартні терміни. У них недостатньо записів про життя пацієнта, його звички та поведінку. Ефективних механізмів збору цієї інформації поки що просто не існує.

Результати аналізу, заснованого на таких даних, завжди викликатимуть обґрунтований скепсис, а спроби підвищити якість цього аналізу впираються в трудомісткість процесу.

Для вирішення цієї проблеми зараз пропонуються варіанти навчання штучного інтелекту на невеликих обсягах інформації. Як успішні приклади такого навчання можна назвати принцип роботи клавіатури смартфонів, коли система запам'ятовує і аналізує введені раніше слова і може прогнозувати зміст наступних текстів. На подібних технологіях засновані програми для розпізнавання облич та музики.

При успішному запровадження медицину система машинного навчання здатна вирішувати багато завдань: перевіряти сумісність ліків, ставити діагнози з урахуванням генетичного аналізу. Як приклад можна навести рішення компанії Droice Labs, яке робить багато з перерахованого вже практично в Росії.

2. Неговіркі роботи

Друге обмеження пропонованих інновацій у медицині – відсутність прозорості процесу прийняття рішення інтелектуальним ядром системи. Штучний інтелект працює за принципом «чорної скриньки». Якщо в алгоритмі є помилка і система прийняла неправильне рішення, то відповісти на запитання «чому» буде вкрай важко.

Наразі ведуть розробки машин, здатних розкривати причини своїх рішень. До висновку такого продукту ринку наближаються американські вчені. Зокрема, Агентство перспективних досліджень в галузі оборони (DARPA) підтримує 13 дослідницьких груп, які стурбовані вирішенням цієї проблеми.

Вітчизняна компанія «Інтеледжик» у своєму патенті також заявляє про використання медичних онтологій для підготовки математичних моделей та для представлення результатів відпрацювання нейромережевих моделей. Такий підхід за заявами авторів патенту дозволить лікарям розуміти шлях прийняття рішень машиною та значно знизити кількість даних, необхідну для навчання моделей.

Складність підходів до обробки даних на основі штучного інтелекту породжує іншу проблему: підбір та розвиток персоналу, здатного ефективно використовувати та обслуговувати системи з нетривіальними алгоритмами.

3. Розумним машинам – розумний підхід!

Крім безпосередньо самого алгоритму, який може проводити аналіз із високим ступенем точності, для успішного впровадження нововведення у практику потрібна сильна проектна команда. Успіх такого проекту у медицині залежить від того, наскільки продуктивно взаємодіють учасники.

Команда повинна включати фахівців із широким спектром компетенцій у предметній галузі, математичних алгоритмах та підходах до захисту інформації, з навичками програмування та наочного подання даних. Вкрай бажано, щоб учасники володіли не однією, а кількома різними компетенціями, щоб добре розуміти та доповнювати один одного.

4. Ціна та цінність

Виникаючі складнощі підвищують вартість розробки, застосування та застосування рішень з урахуванням штучного інтелекту. Висока вартість проектів пов'язана з необхідністю налаштування нової системи під дані, накопичені в конкретній медустанові, формування кваліфікованої та мотивованої команди.

А це, у свою чергу, ставить під сумнів можливості швидкого масштабування технологій, що пропонуються стартапами. Масштабування можливе, наприклад, у разі обробки медичних зображень одного виду, але потреби виходять далеко за ці межі.

Галузеві експерти сходяться на думці: у короткостроковій перспективі впровадження штучного інтелекту не призведе до помітного зниження витрат. Треба продовжувати шукати зони, де застосування технологій штучного інтелекту приноситиме вищу цінність.

5. Хто захистить від хакерів?

Не можна забувати і про те, що для забезпечення роботи штучного інтелекту потрібно забезпечити доступ до високопродуктивних обчислювальних потужностей, яких найчастіше в медичних установах немає. Відповідно, масиви даних доведеться виводити за периметр установи, а це загрожує безпеці зберігання, що має бути першим пріоритетом. Невипадково багато проектів впровадження штучного інтелекту було зупинено через ризики щодо інформаційної безпеки.

Один із яскравих прикладів, коли Департамент у справах ветеранів США після початку успішної співпраці розірвав угоду зі стартапом Flow Health – розробником системи інтелектуальної діагностики хвороб. Як пояснили в міністерстві охорони здоров'я Штатів, контракт було розірвано, коли стало відомо про обробку системою даних конфіденційного характеру. У відомстві вважали це порушенням безпеки персональної інформації пацієнтів-ветеранів. До речі, витоків так і не виявили.

Дорогу інтелекту!

Експертна спільнота чудово усвідомлює існуючі проблеми та намагається реагувати на них: продумує принципи конструювання роботизованих систем, пропонує обговорити питання етики застосування штучного інтелекту на практиці, розробляє нові варіанти впровадження технологій. Але скажемо прямо: для адекватного опрацювання підходів та стандартів потрібен час.

Більшість питань, що уповільнюють використання рішень на основі штучного інтелекту в медицині, зовсім не пов'язана з технологічною стороною відносини. Найчастіше це етичні та адміністративно-процедурні проблеми, складності збору та обробки даних (надання лікарю необхідного часу для внесення інформації до бази), проблеми поділу зон відповідальності, розуміння механізмів роботи штучних систем.

Які перспективи?

Незважаючи на всі складнощі, перспективи проекти мають. Вважаю, у найближчі кілька років технології штучного інтелекту зможуть знайти свого споживача серед фармкомпаній, при пошуку нових молекул та біологічних мішеней, у віртуалізації доклінічних випробувань, а потім при аналізі даних клінічних досліджень. Найчастіше під час роботи з великими компаніями вдається забезпечити всі необхідні умови для успішного запуску проекту.

Усі питання вирішуються. Головне, щоб із застосуванням нових підходів ми змогли просунутися вперед, а не вистрілили собі в ногу.