Что может искусственный интеллект в медицине: ИИ-программы, разработки, условия

Искусственный интеллект в тренде. Он уже рисует картины, водит автомобиль и отвечает на звонки в организациях. Всё шире применяется он и в медицине, причём показывает высокую эффективность. И покажет ещё бо́льшую, если привлечь простых людей к сбору данных и изменить законодательство. Правда, некоторые связанные с его внедрением проблемы в рамках текущей мировой политэкономической ситуации кажутся неразрешимыми.

Медицина, ориентировавшаяся ранее, в основном, на лечение острых заболеваний, теперь больше внимания уделяет недугам хроническим, многие из которых не так давно и болезнями не считались. Врачи сталкиваются с необходимостью лечить ожирение, депрессии, болезни пожилого возраста. Диабет, сердечная недостаточность, аутоиммунные расстройства всё чаще диагностируются вне фазы обострения, на самых ранних стадиях, причём речь всё чаще идёт не только о поддерживающей терапии, но о возможности полностью излечить, исправить эти системные сбои организма.

Развивается превентивная медицина, позволяющая распознать предрасположенность к определённым типам заболеваний ещё до их проявления и принять меры. Быстро растут объёмы медицинских данных, и мы начинаем понимать, что от скорости и качества их анализа зависят наше здоровье и качество жизни. И что всё это — работа для искусственного интеллекта.

Что такое искусственный интеллект?

Здесь под искусственным интеллектом (ИИ) мы будем понимать способность машины имитировать умное поведение людей, то есть — умение ориентироваться в меняющемся контексте и принимать с учётом этих изменений оптимальные, позволяющие достичь цели решения.

Сегодня масштабно используются две технологии ИИ — экспертные системы и нейронные сети. В то время как экспертные системы отживают свой век, нейронные сети (НС) завоевали рынок благодаря способности учиться.

Выделяют несколько видов ИИ:

1. Узкий ИИ (narrow AI) — спроектирован, чтобы решать определённую задачу;
2. Общий ИИ (general AI, AGI) — сможет решать любые задачи, с которыми справится человек;
3. Superintelligence — будет опережать человека по сложности решаемых задач.

В данной статье под ИИ я буду подразумевать «узкий ИИ», реализованный на базе нейронных сетей. Механизм работы последних был вдохновлён биологическими нейронными сетями. В компьютерном виде НС представляют граф с тремя или более слоями нейронов, соединённых в слоях тем или иным образом. У соединений есть веса, играющие важную роль в обучении НС.

Примитивно обучение нейронных сетей можно представить так: на входные нейроны подаются данные, дальше они обрабатываются нейронами на внутреннем слое, и на выходных нейронах получаются некоторые значения. Если полученные значения нас не устраивают, мы меняем веса соединений в нейронной сети и заново её учим (подробнее об этом можно почитать в книге Дэвида Криселя (David Kriesel) A Brief Introduction to Neural Networks). Чем больше релевантных данных подаётся на входные нейроны, тем релевантнее выходит и результат работы сети.

Схема нейронной сети

Что необходимо сделать прямо сейчас?

Тонны медицинских карт пылятся на полках больниц и поликлиник. Между тем, если на их материале обучить нейронные сети, системы искусственного интеллекта многим спасли бы жизни и уменьшили затраты на лечение. Однако открыть сведения об истории болезней — смелый шаг, и многие ему воспротивятся, полагая, что их личные данные могут быть использованы им во вред.

Открытие данных должно происходить с соблюдением множества условий и сопровождаться подписанием различного рода соглашений, гарантирующих (возможно, при участии государств) использование строго по назначению. Но, так или иначе, сделать медкарты доступными для нейронных сетей — необходимо: сегодня «тренировочные сеты» информации — узкое место ИИ в медицине.

Что может ИИ в медицине?

Диагност и ассистент лечащего врача

Врачу бывает сложно верно диагностировать заболевание, особенно если у него не слишком много практики или конкретный случай далёк от его профессионального опыта. Тут на помощь может прийти искусственный интеллект, имеющий доступ к базам с тысячами и миллионами историй болезни (и другой упорядоченной информацией). С помощью алгоритмов машинного обучения он классифицирует конкретный кейс, быстро просканирует вышедшую за определённый интервал времени научную литературу по нужной теме, изучит имеющиеся в доступе похожие случаи и предложит план лечения.

Более того, ИИ сможет обеспечить индивидуализированный подход, приняв во внимание сведения о генетических особенностях пациента, паттернах движения, собранных его носимыми устройствами, предыдущей истории болезней — всём анамнезе жизни. ИИ вероятно (по крайней мере, на текущем этапе развития технологий) — не заменит врача, но может стать — уже стал — полезным инструментом, помощником в деле диагностики и лечения.

Приведу некоторые примеры:

IBM Watson for Oncology

IBM Watson for Oncology. IBM Watson — суперкомпьютер, умеющий отвечать на вопросы, сформулированные на естественном языке (то есть не на языке программирования). У него есть доступ к различным источникам данных: энциклопедиям, базам научных статей, антологиям знаний. Благодаря огромным вычислительным мощностям, обработав источники, он выдаёт максимально точный ответ на заданный вопрос.

IBM Watson for Oncology — программа применения мощностей IBM Watson для определения оптимальной доказательной основанной на данных стратегии лечения рака. Перед запуском этой программы в Watson для обучения были загружены сотни тысяч медицинских документов, в том числе 25 тысяч историй болезни, более 300 медицинских журналов и более 200 учебников, всего около 15 млн страниц текста. В 2011 году было объявлено о совместном исследовательском проекте IBM и Nuance Communications, результатом которого должен был стать коммерческий продукт для клинического применения в области принятия врачебных решений. В подготовке к клинической практике суперкомпьютеру помогали исследователи-клиницисты из Колумбийского университета (Columbia University) и Университета Мэриленда в Балтиморе (University of Maryland, Baltimore).

С 2013 года IBM Watson используется в Мемориальном онкологическом центре им. Слоуна-Кеттеринга в Нью-Йорке (Memorial Sloan Kettering Cancer Center, MSK) для помощи в принятии управляющих решений (Utilization management) при лечении больных раком лёгких и уходе за ними. Разумеется, его база постоянно пополняется новыми историями болезни.

В том же году IBM и Онкологический центр им. М. Д. Андерсона (University of Texas MD Anderson Cancer Center) запустили пилотный проект «миссии по искоренению рака». Однако вскоре было объявлено, что проект (на который на тот момент уже было потрачено 62 млн долларов) не оправдал ожиданий и будет отложен.

В июле 2016 года программа IBM Watson for Oncology была запущена в коммерческую эксплуатацию на базе Manipal Hospitals (ведущая сеть больниц в Индии) — для помощи врачам и пациентам в определении персонализированных методик борьбы с раком. Также сеть Manipal Hospitals предлагает онкологическим больным узнать «мнение Ватсона» онлайн, на своём веб-сайте.

В феврале этого года Медицинский центр Джупитера (Jupiter Medical Center), Джупитер-Айленд, Флорида, США, также объявил о начале использования IBM Watson for Oncology. В пресс-релизе, посвящённом запуску программы, сообщалось, что «Ватсон» уже способен оказывать действенную помощь клиницистам в разработке планов лечения рака груди, лёгких, толстой кишки, шейки матки, яичников и желудка. До конца года IBM и MSK планируют обучить IBM Watson for Oncology лечению ещё 9 типов рака, покрыв тем самым потенциально 80% заболеваемости раком в мире.

IBM Medical Sieve

IBM Medical Sieve (проект в стадии разработки). Чтобы оценить результаты МРТ, рентген-снимков, кардиограмм, врачу в среднем нужно потратить значительно больше времени на изучение картинки, чем системе машинного обучения. При этом точность компьютерного анализа в среднем выше, что позволит выявить дефекты и образования, которые врач может и пропустить. Особенно под конец смены, когда медики устают и теряют концентрацию. Более того, за счёт уменьшения количества времени на распознавание и обработку данных, может быть обслужено больше пациентов.

Google DeepMind Health

Google DeepMind Health — подпроект Google DeepMind, применяющий технологии ИИ к медицине. В данный момент известно о сотрудничестве DM Health и лондонской больницей «Мурфилдс Ай» (Moorfields Eye Hospital): тысячи анонимных глазных снимков будут проанализированы с целью найти первичные симптомы слепоты. Также, в сотрудничестве с больницей Университетского колледжа Лондона (University College London Hospital), ИИ будет задействован в проекте по разработке алгоритма, который сможет автоматически различать здоровые и раковые ткани в области головы и шеи.

NeuroLex.co

NeuroLex.co. Люди, когда говорят, сообщают значение произносимого не только словами, но и интонацией, промежутками между словами, скоростью и громкостью речи. Из психиатрической практики известно, что психические расстройства обычно сопровождаются определёнными речевыми изменениями. Поэтому можно научить нейронные сети расставлять соответствия между речевыми паттернами и диагнозами (на основе уже имеющейся клинической практики), таким образом сделать процесс установления диагноза более быстрым и точным.

Не следует путать NeuroLex.co и NeuroLex.org — wiki-проект по составлению актуального динамического лексикона нейронауки.

Face2Gene

Face2Gene — программа, позволяющая диагностировать по фото многие генетические заболевания (в основном, у детей). Целевая аудитория — практикующие врачи и исследователи. Подробнее см. в нашем материале «Диагностирование генетических болезней по фото».

Human Diagnosis project

Human Diagnosis project (Human Dx) — амбициозная инициатива молодых врачей из Сан-Франциско, сочетающая, по их словам, «усилия коллективного разума» и машинное обучение. На сайте Human Dx утверждается, что это «крупнейший проект в мире по числу участвующих авторов-клиницистов». Предполагается, что здесь будут собраны описания симптомов, результаты медосмотров, личные и семейные медицинские истории, показания диагностических приборов и носимых устройств, результаты лабораторных исследований, медицинские визуализации, генетические и эпигенетические данные, научные публикации в области биомедицинских наук, медицинская статистика и т. п. На основе всего этого будет разработана фундаментальная структура данных, к которой сможет обращаться любой врач, пациент, исследователь, вообще любые люди, организации, устройства или приложения. Краткосрочная цель проекта — оказывать помощь в своевременной и верной диагностике заболеваний и назначении лечения, а также в медицинском образовании. Долгосрочная — радикально изменить в лучшую сторону стоимость, доступность и эффективность медицинской помощи во всём мире.

Конечной цели у проекта нет. Предполагается, что он будет аккумулировать, систематизировать и стараться делать максимально доступными и легко применимыми все возможные медицинские данные до тех пор, пока у участников будут для этого средства и силы.

Это на словах. На деле, информацию в проект сейчас поставляют, по словам руководителя стартапа Джея Комарнери (Jay Komarneni), «тысячи врачей» из 400 учреждений в 60 странах. Это значит, что их может быть, например, две тысячи (или пять тысяч: именно такое число фигурирует в публикации 19 марта на сайте Американской медицинской ассоциации). Немало, но явно недостаточно, чтобы переломить ситуацию в мировой медицине. Якобы в базе проекта есть уже «сотни тысяч» описанных случаев, но и этого мало для функциональной классификации всех известных медицине диагнозов.

Не очень понятно, проводится ли уже на полученных данных обучение некоего ИИ или это тоже только в планах. Что точно есть, так это мобильное приложение, с помощью которого врачи-волонтёры могут отправлять информацию на серверы проекта. Основатели надеются в ближайшем будущем привлечь в свои ряды не менее ста тысяч волонтёров. И у них, видимо, есть на то основания: Human Dx финансируют сразу пять венчурных фирм. Одна из них, описывая вкратце политику инвестирования, сообщает, что вкладывает в компанию на всём этапе её развития от 50 до 100 млн долларов. На сайте другой написано, что она не даёт благотворительных грантов. То есть, «бизнес-ангелы» в Human Dx не только прилично вложились, но и, похоже, ожидают от него прибыли, а значит и развития, видят потенциал.

15 февраля этого года Human Diagnosis project был объявлен полуфиналистом конкурса Фонда Макартуров 100&Change. Всего полуфиналистов восемь. Победитель будет назван в сентябре и получит 100 млн долларов. Хочется верить, что если эти деньги попадут в руки Human Dx, они приблизят день, когда медицина в мире станет доступнее и эффективнее.

А пока Human Dx пытается делать полезное теми средствами, которые у него уже есть: каждое утро проект рассылает в сотни клиник так называемый «ежеутренний кейс» — описание случаев неочевидной диагностики из присланных волонтёрами. Также ссылки на кейсы регулярно выкладываются в твиттере проекта. Правда, сами кейсы доступны только зарегистрированным на сайте врачам.

ИИ-программы, обеспечивающие условия «домашнего стационара»

Как я уже говорила, в настоящее время фокус лечения сместился с острых заболеваний (распространённость которых, благодаря прогрессу в медицине за последнее столетие, удалось значительно сократить) на хронические. И «хроническим» больным необходимо быть постоянно осведомлёнными о состоянии собственного здоровья. Им на помощь приходят носимые устройства (wearables), которые позволяют мониторить пульс, давление, дыхание и другие показатели здоровья.

Согласно полученной информации эти устройства извещают владельцев о действиях, которые необходимо совершить в данный момент (принять лекарство, изменить тип физической активности и т. д.). Показатели, снимаемые этими приборами, могут передаваться через смартфон непосредственно врачу, чтобы тот всегда «держал руку на пульсе» и мог давать рекомендации по ходу изменения показателей. Простейшие советы могут быть «зашиты» непосредственно в приложения и реагировать на получаемые данные автономно и быстро. Но главное — с помощью таких носимых устройств и мобильных приложений как раз и можно собирать массивы данных, по мере роста которых будет расти и качество работы обучающегося на них ИИ.

Sense.ly

Sense.ly (iOS, Android) — это «приложение-медсестра». На экране телефона — анимированное изображение медсестры, она спрашивает, как вы сегодня себя чувствовали сегодня, хорошо ли спали, в норме ли давление, нет ли жалоб. Отвечать можно вслух — ИИ распознаёт речь и сразу же отправляет информацию лечащему врачу.

Если в вашем ответе есть триггеры, соответствующие тем или иным симптомам, на экран будет выведена краткая справка по ним, после чего «сестра» напомнит о приёме лекарств или процедурах или поинтересуется, не хотите ли вы связаться с врачом. Если хотите, приложение немедленно соединит вас по видеосвязи.

AiCure

AiCure (iOS, Android) — нужно сфотографировать приём таблетки; приложение визуально распознает тип лекарства, определит время приёма и отправит эту информацию врачу. Задача приложения — обеспечить регулярность приёма лекарств.

Babylon Health

Babylon Health (iOS, Android) — мобильное приложение, позволяющее из любой точки Земного шара, в любой день и любое время суток получить онлайн-консультацию британского или ирландского врача с врачебным стажем не менее 10 лет. На английском, разумеется. Вы спросите: при чём тут искусственный интеллект? При том, что перед консультацией можно пройти, здесь же, в приложении, нехитрый тест, а также загрузить параметры ежедневной активности, в т. ч. непосредственно с различных носимых устройств. Система проанализирует данные и выдаст вам предварительный диагноз, а врача порекомендует, уже опираясь на него. Если верить разработчикам, практика показывает, что предварительные диагнозы Babylon Health уже сейчас ставит не хуже опытного терапевта.

К сожалению, некоторые из перечисленных выше приложений (такие как AiCure или Sense.ly) приспособлены для работы с медициной «западного типа», то есть системой, где у пациента есть постоянный лечащий врач (general practitioner, GP), которому есть дело до состояния здоровья пациента. В России и других странах, где массовая медицина построена на других основаниях, они едва ли применимы. С другой стороны, приложения для диагностики заболеваний как раз могут сильно пригодиться и российским участковым, и врачам, работающим в африканской глубинке, где перед ними проходят тысячи пациентов, постоянно новых, с незнакомыми симптомами, и где нет даже нормальной лаборатории, чтобы сделать анализы.

ИИ в научных разработках в области медицины

Помимо клинической практики, ИИ находит применение в проведении биомедицинских исследований. Например, система машинного обучения может использоваться для проверки совместимости лекарств или для анализа генетического кода (да для чего угодно, на самом деле — для любых задач, требующих глубокого обучения, поиска корреляций в больших данных, визуального и аудиального распознавания и т. п.).

Deep Genomics

Deep Genomics — это проект системы, которая позволит изучить, предсказывать и интерпретировать, как генетические вариации изменяют важные клеточные процессы, такие как транскрипция, сплайсинг и др. Изменение в этих процессах может вести к болезням, а соответственно знание причины болезни может сделать терапию более эффективной.

Барьеры

К сожалению, очень часто люди не готовы брать на вооружение новые технологии. Как и вокруг любой инновации, вокруг ИИ в медицине бытует множество как предрассудков, так и обоснованных опасений.

Боязнь восстания машин

Известный страх — вера в то, что ИИ — это сверхинтеллектуальный робот, который может стать угрозой человечеству (стереотип, навязанный, в основном, популярным кинематографом). Слыша выражение «искусственный интеллект», люди вспоминают SkyNet из «Терминатора», пугаются и выступают против.

Чиновники в правительствах часто тоже являются носителями вышеописанного стереотипа. Поэтому одной рукой подписывают инновационные программы и перспективные планы, другой же — законы и подзаконные акты, душащие всякую реальную инновацию в колыбели.

Утрата контроля над личными данными и неясное распределение ответственности за это

В случае ИИ в медицине (и не только в медицине) добавляется реальная проблема нарушения приватности ради эффективности.

Следствием утраты приватности могут стать реальные проблемы и непосредственно для пациентов. Так, данные из истории болезни, используемые для обучения искусственного интеллекта, могут попасть в руки, допустим, страховой компании, с ожидаемым последствием повышения цены медицинского полиса и страхования жизни (если, например, человек не ведёт «здоровый», с точки зрения страховщиков, образ жизни). Работодатель может отказать соискателю, если будет знать, что тот страдает хроническими болезнями или генетически предрасположен к тем или иным видам заболеваний.

И, в конце концов, становится непонятным: кто владелец медицинских данных — пациент, врач, клиника, вычислительный сервис или кто-то ещё? И кто, в какой мере может ими распоряжаться?

Киберпреступность и кибертерроризм

Бре́ши в информационной безопасности ИИ-систем и их периферии чреваты не только нарушением приватности, но и прямыми угрозами жизни и здоровью. Самые популярные у алармистов примеры: удалённый взлом кардиостимулятора и намеренное «переучивание» диагностическо-рекомендательной системы на предложение смертельно опасного лекарства или процедуры. В критическом случае это может привести к массовым убийствам. Поэтому носимые устройства должны быть надёжно защищены от внешних атак. Но какую защиту считать надёжной? И кто оценивает надёжность? А кто будет отвечать, если что-то такое всё же произойдёт? Врач? Клиника? Разработчик интеллектуальной системы? Специалист по информационной безопасности?

Самолечение и сокращение числа рабочих мест в медицине

Вряд ли средний врач обдумывает возможность стать виноватым из-за ошибки ИИ, но в целом у врачей тоже отсутствует стимул к внедрению интеллектуальных систем. Где-то функционирует система, согласно которой вознаграждение врача прямо пропорционально затраченному на пациента времени, и, если ИИ будет ставить правильный диагноз за пять секунд, услуги врача немедленно обесценятся, как минимум, «в среднем по больнице». И если один врач, благодаря ИИ, сможет принимать в пять раз больше пациентов, четверых из-за этого придётся уволить.

Есть также целые регионы, жители которых уже сегодня массово предпочитают врачу поиск в Google. Если же им будет доступен искусственный интеллект, ставящий диагноз и предлагающий терапию, при рабочих местах там из медиков останутся разве что хирурги, стоматологи и процедурные сёстры. Не факт, что это пойдёт на пользу общему уровню здоровья, но — как убедить ходить к врачу человека, который и раньше ему не доверял, а теперь ещё и имеет доступ к машинной диагностике? И куда деваться тем медикам, которые останутся из-за ИИ без работы?

«Серая» правовая зона и законодательные барьеры

Гигантские массивы данных, в т. ч. персональных, всё равно, так или иначе, собираются и используются — в эпоху глобальных информационных сервисов с миллиардами пользователей иначе и быть не может, но легальность этого — под вопросом. Права собственности, права на использование открытых для ИИ персональных данных, а также вопросы разграничения ответственности при эксплуатации искусственного интеллекта в медицине требуют законодательного регулирования.

И тому, чтобы это регулирование происходило быстро, трезво, эффективно и с пользой для людей, есть несколько серьёзных препятствий.

Во-первых, это недостаточный уровень экспертизы, понимания законодателями и правительственными чиновниками, что собственно нужно сделать, так как отрасль новая и готовых кейсов попросту не существует. Придётся действовать методом проб и ошибок, а ошибки в деле здравоохранения особенно опасны, ведь идёт о жизни и здоровье людей.

Во-вторых, национальные государства не очень-то охотно отдают права на оперирование данными граждан кому-то, кроме более или менее подконтрольных им структур. Особенно опасаются они делиться этим ресурсом с международными организациями и частными, более всего — иностранными, компаниями. Им видится в этом, и не без оснований, частичная потеря суверенитета над гражданами, потеря существенного ресурса и утрата толики властных функций. Именно отсюда проистекает, например, вся отечественная катавасия последних лет — с «иностранными агентами» и требованием к транснациональным сервисам держать серверы с данными граждан РФ на её территории.

Наконец, законодатели, как и простые люди, в какой-то степени находятся в плену стереотипов и страхов, начиная от страха перед реальными опасностями, тем же кибертерроризмом, тем возможным ростом безработицы среди медиков, и заканчивая элементарными неофобией и мракобесием.

При отсутствии же законодательного регулирования, тот, кто взялся бы развивать и продвигать ИИ-сервисы на конкретной территории (развитие клиентской базы, налаживание взаимодействия со структурами местной здравоохранительной системы, языковая локализация и т. п.), вынужден был бы действовать на свой страх и риск и быть готовым к тому, что в любой момент всё, что он делает, может оказаться уже не в «серой», а в «чёрной» зоне, то есть вне закона. Со всеми вытекающими экономическими, правовыми и моральными последствиями.

Безусловно, прогресс не остановить, потребность в широком медицинском применении ИИ существует, основанные на нём услуги всё чаще востребованы и так или иначе будут оказываться. Но если они окажутся на символической территории «чёрного рынка», это не только отпугнёт от данной отрасли многих специалистов и пациентов, но и лишит людей гарантий контролируемого стандарта и защиты, создаст условия для процветания имитаторов и поставщиков заведомо некачественных услуг.

Заключение

Несмотря на все описанные проблемы, сама логика развития технологий и общества позволяет надеяться на лучшее. В конце концов, никакие усилия RIAA, РАО и т. п. не убили ни звукозаписывающую технику, ни файлообменные сети, интернет развивается вопреки «великому китайскому файрволу», Роскомнадзору и различным ограничивающим актам национальных государств, антиГМО-алармисты не могут остановить развитие генетики. Так и искусственный интеллект уже пришёл в медицину, уже работает с данными и остановить это нельзя. Можно лишь сделать его дальнейшее проникновение более быстрым, комфортным и безопасным — либо же наоборот — замедлить, затруднить, наломать дров.

И в силах каждого — работать на первый сценарий и противостоять второму. Для этого:

1. Помогать организациям, разрабатывающим медицинские ИИ-системы, собирать данные, для этого использовать носимые устройства и упомянутые в этой статье приложения и подобные им.
2. Обращаться за помощью к уже существующим ИИ-системам при диагностировании, будь вы пациент или врач, показывать их своим лечащим врачам.
3. Формировать позитивное общественное мнение в отношении использования искусственного интеллекта в медицине, вести разъяснительную работу, помогать людям преодолевать фобии и стереотипы.
4. В странах, где законодатели реально зависят от избирателей, стараться инициировать принятие невраждебных к медицинскому ИИ законодательных актов, регулирующих неясные на сегодня вопросы (например, вопрос о приватности информации о состоянии здоровья, вопрос открытия для ИИ-систем историй болезни, вопрос разграничения ответственности в различных ситуациях, возникающих при использовании искусственного интеллекта в диагностике и лечении).

И если широкое общественное движение сформирует многомиллионный и постоянно растущий спрос, если люди массово поймут, что им это нужно, и начнут пользоваться и требовать, ситуация сама будет способствовать выработке социального консенсуса по вопросам, пока что ставящим в тупик, а за ним неминуемо подтянутся и законодательная база, и всенародное участие в сборе данных. И тогда, скорее всего, инвестиции, осуществляемые сейчас в ИИ в медицине, дадут желаемый результат.

Автор: Александра «Renoire» Алексеева
Источник: https://22century.ru/