ИИ как экосистема, бизнес и рынок

В последние годы интерес к решениям на базе ИИ в медицине растет. Объем финансирования в эту область стимулировали исследования, связанные с распространением эпидемий и COVID-19 в частности. В качестве факторов, сдерживающих применение ИИ в медицине, следует назвать проблемы, связанные с отсутствием прозрачности принятия решений на базе ИИ-инструментов (проблема объяснимости ИИ), критический характер медицинских данных и необходимость обеспечения их конфиденциальности, а также нерешенность ряда юридических вопросов в отношении ответственности за неверные решения, принятые на базе ИИ-инструментария.

Решения на базе ИИ применяются в целом ряде направлений, включая мониторинг пациентов, руководство хирургической помощью (включая робохирургию), прогнозирование траектории развития заболеваний, выработку рекомендаций по их лечению и так далее (см. рис. 3.22). Возможность предсказывать заболевания на основе исторических данных о состоянии здоровья, более оперативное обнаружение и диагностика, применение умной робототехники - все это позволяет раньше начать лечение и провести его более эффективно. Системы ИИ помогают врачам в обработке длительных физиологических сигналов, таких как, например, многочасовые записи ЭКГ.

Рис. 3.22. Типы приложений на базе ИИ, используемых в медицине. Источник: [148]

Кратко прокомментируем направления использования ИИ, показанные на рис. 3.22.

Комментируя тему "Поддержка управления здоровьем населения", в первую очередь следует сказать об административных приложениях на базе искусственного интеллекта. Это обработка заявлений, клинической, финансовой и медицинской документации, администрирование претензий и платежей, сопоставление данных в различных базах данных.

Страховщики и поставщики услуг, работающие в здравоохранении, должны проверять правильность миллионов заявлений, подаваемых ежедневно. Автоматизация данного рода задач с применением средств ИИ экономит время, деньги и ресурсы всех сторон. ИИ позволяет автоматизировать повторяющиеся задачи, такие как изучение рентгеновских снимков, анализов, компьютерных томограмм, ручной ввод данных и так далее, автоматизировать низко квалифицированную работу медиков, автоматизировать составление расписания приема пациентов, сбор отзывов пациентов, ответы на организационные вопросы и многое другое через телефон и сообщения ботов на базе ИИ. Говоря о направлении "Мониторинг пациентов", следует отметить, что в принципе задача мониторинга, предиктивной аналитики с целью оптимизации сроков проведения техобслуживания и ремонтов оборудования актуальна и для живого организма, то есть для человека. По сути, задача та же - накопить большой объем данных ("цифровую тень пациента") и на их основе построить модель, с помощью которой можно прогнозировать состояние этого пациента, планировать, когда лучше произвести профилактический осмотр, что и как "отремонтировать".

ИИ в сочетании с интернетом медицинских вещей (IoMT ^{29Internet of Medical Things (IoMT) - интернет медицинских вещей - представляет собой инфраструктуру умных устройств, ПО, систем здравоохранения и отдельных смарт-услуг. IoMT помогает предоставлять помощь удаленно, собирать больше информации о пациенте}) меняют парадигму с "реактивного" здравоохранения на "проактивное".

Дистанционный мониторинг пациентов с помощью подключенных устройств становится эффективным инструментом контроля за развитием хронических заболеваний, позволяет делать это на регулярной основе и без частых визитов к врачу. В последнее время появилось огромное количество бытовых датчиков и приборов, которые измеряют пульс, давление, температуру, отслеживают физическую активность, фазы сна и т. ?п. Традиционные носимые устройства добавляют к базовой функциональности дополнительные возможности мониторинга состояния организма. Так, например, уже появились наушники со встроенными датчиками сердцебиения, доступны устройства, которые имплантируются в тело человека (например, подкожный глюкометр).

Анализ может осуществляться по уже собранным данным. Например, существенная часть взрослых, страдающих диабетом, даже не знают, что он у них есть. Существуют приложения на базе ИИ, способные проанализировать данные пациентов, выявлять группы с похожими признаками, делать предположения о группах риска и проводить обследования целевой аудитории.

Хирургическая помощь с применением ИИ - это тема, которая связана с применением робототехнических комплексов на этапе диагностики (включая режим телеприсутствия), для хирургических операций, для проведения реабилитации и т. п.

С помощью роботов научились проводить минимально инвазивные хирургические процедуры. Роботы обеспечивают лучший контроль над обычными процедурами, позволяют устранять тремор в руках, предотвращать случайные неверные движения. Использование интеллектуальных роботизированных систем позволяет врачам с меньшим опытом по проведению той или иной процедуры выполнять операции на более высоком профессиональном уровне. Роботы с использованием ИИ активно применяются в микрохирургических процедурах.

Существует целая группа так называемых "робопациентов" - тренажеров, имитирующих пациента, есть тренажеры для стоматологов, проктологов, акушеров и т. п. Применяются роботы-тележки для обхода больных, способные вносить данные в истории болезни на основе распознавания речи. Используются роботы, предназначенные для реабилитации пациентов, робопротезы, медицинские экзоскелеты, роботы-сиделки и прочее [149].

Прогнозирование траектории развития заболевания и выработка рекомендаций по лечению - широкая тема. ИИ создает новый подход к диагностике. Опираясь на исторические данные и машинное обучение, позволяет выявить и предсказать возможное заболевание на ранней стадии и провести эффективное лечение. Активно применяются технологии компьютерного зрения для анализа различного рода медицинских снимков, например для распознавания потенциально раковых поражений на радиологических изображениях. Глубокое обучение все чаще применяется при обнаружении клинически значимых особенностей в данных визуализации за пределами того, что может воспринимать человеческий глаз. Кроме того, ИИ позволяет существенно минимизировать степень облучения и оптимизировать точность изображений, устранить технологические погрешности, вносимые в изображения [150].

Сегодня инструменты визуализации в медицинских приложениях генерируют столь большие объемы данных, что последние становятся неуправляемыми для врачей. По данным Немецкого центра исследования рака Deutsches Krebsforschungszentrum, только в 2019 году радиологи сгенерировали в общей сложности 675 экзабайт визуальной информации, что соответствует примерно 13,5 триллионам томографических снимков - и только около 7% этих данных врачи были способны использовать в лечении [151]. ИИ позволяет существенно автоматизировать процесс обработки медицинских изображений.

Однако не следует думать, что в ближайшем будущем алгоритмы ИИ смогут заменить врачей. В отличие от ИИ люди обладают здравым смыслом, эмпатией, моралью и творческими способностями. Все эти качества очень важны в медицине, поэтому ИИ пока может играть только ассистирующую и дополняющую роль, никак не заменяя, а только помогая врачу [152].

Распространенным применением машинного обучения является предсказание того, какие протоколы лечения, скорее всего, будут успешными для пациента на основе различных характеристик этого пациента.

Перспективным является направление использования ИИ для работы с медицинскими текстами на естественном языке для автоматизации ввода извлеченных из текстов данных в медицинские информационные системы.

Кроме того, ИИ применяется для извлечения знаний и закономерностей из больших массивов медицинских текстов. Здесь можно упомянуть датасет CORD-19, собравший весь набор публикаций по теме коронавирусов за последние годы, и ведущиеся на базе него исследования по извлечению и анализу закономерностей [153].

Активно развивается направление по использованию цифровых помощников на базе ИИ, которые позволяют автоматизировать сбор симптомов у пациента с помощью систем распознавания речи, проанализировать историю болезни человека, сравнить новые данные с историческими и выдать рекомендации.

ИИ позволяет автоматизировать процесс сбора, категоризации, анализа и документирования симптомов, истории болезни и отзывов пациентов. Врачи могут сосредоточиться на осмотре пациента, перекладывая часть рутинных функций на интеллектуальные системы. Использование подобных решений во время пандемии помогает избежать коллапса медицинских учреждений, минимизировать риск заражения или инфицирования других людей, поскольку пациенту не нужно покидать свой дом.

Искусственный интеллект в виде умного помощника пациента способен облегчить жизнь пациентам, страдающим хроническими заболеваниями, требующими длительного дистанционного ухода. Существует класс решений для длительного наблюдения за пациентом, сбора жалоб и симптомов пациента с использованием технологий распознавания речи. Подобные приложения используют машинное обучение для составления предложений по лечению и многого другого.