Сервис интеллектуального анализа и интерпретации маммограмм
Сервис для выявления заболеваний органов грудной клетки
Сервис для выявления признаков SARS-COV-2 и онкологии
Сервис для выявления признаков кровоизлияний в головной мозг
Представляем вашему вниманию перевод статьи Гаурава Сингала - специалиста по информатике и врача Гарвардской медицинской школы. Ранее являлся директором по обработке данных Foundation Medicine - компании по диагностике рака. Также соавтором статьи стал Анупам Б. Йена - экономист, врач и профессор Гарвардской медицинской школы, соавтор книг “Случайные действия медицины: скрытые силы, которые влияют на врачей, пациентов и формируют наше здоровье” и the Random Acts of Medicine Substack. Оригинал размещен в журнале Los Angeles Times.
История медицинской диагностики - это путь кропотливого наблюдения. Древнеегипетские врачи впервые диагностировали инфекции мочевыводящих путей, наблюдая закономерности в моче пациентов. Для диагностики заболеваний сердца и легких средневековые врачи добавляли основные элементы физического обследования: пульс, пальпацию и перкуссию. В 20 веке появились лабораторные исследования, а в 21 веке - сложная визуализация и генетика.
Однако, несмотря на достижения, диагностика в значительной степени всегда была в ведении только рук человека, и врачи полагались на так называемые сценарии болезни — совокупности признаков, симптомов и диагностических заключений, которые являются отличительными признаками заболевания. Студенты-медики тратят годы на запоминание таких сценариев, тренируясь, например, определять субмиллиметровые колебания в измерениях волн на электрокардиограмме, которые могут предупредить их о сердечном приступе.
Иногда неправильный диагноз ставится из—за того, что врач что-то упускает из виду - когда характер болезни соответствует сценарию, но сценарий неправильно истолкован. По оценкам, это происходит в 15-20% случаев обращения к врачу. В других случаях ошибочный диагноз ставится из-за того, что у болезни есть признаки, которые не соответствуют известным закономерностям - они не укладываются в сценарий, например, когда сердечный приступ происходит без явных симптомов или результатов ЭКГ.
Искусственный интеллект может помочь решить эти две фундаментальные проблемы — при условии достаточной финансовой поддержки и правильного развертывания.
Во-первых, ИИ менее восприимчив к распространенным факторам, которые приводят врачей к диагностическим ошибкам: усталости, нехватке времени и когнитивных способностей при лечении многих пациентов, пробелам в знаниях и зависимости от предубеждений. Даже когда болезни соответствуют сценариям, компьютеры иногда лучше людей распознают признаки, скрытые в обширных медицинских данных.
Ишемический инсульт, например, представляет собой чрезвычайную ситуацию, опасную для жизни, когда закупоренная артерия препятствует притоку крови к мозгу. Томография головного мозга окончательно устанавливает диагноз, но эта томография должна быть выполнена и интерпретирована рентгенологом быстро и точно. Исследования показывают, что ИИ, благодаря сверхчеловечески быстрым и обширным способностям подбора паттернов, может выявлять инсульты через несколько секунд после проведения визуализации — на десятки минут раньше, чем часто занятые рентгенологи. Аналогичные возможности были продемонстрированы при диагностике сепсиса, пневмонии, образования тромбов в легких (тромбоэмболии легочной артерии), острого повреждения почек и других состояний.
Во-вторых, компьютеры могут быть полезны при заболеваниях, для которых мы еще не разработали правильные сценарии. Фактически ИИ может диагностировать заболевания, используя новые закономерности, слишком тонкие, чтобы их мог распознать человек. Рассмотрим, например, гипертрофическую кардиомиопатию, редкое генетическое заболевание, при котором сердечная мышца увеличивается больше, чем следовало бы, что в конечном итоге приводит к сердечной недостаточности, а иногда и к смерти. По оценкам экспертов, только 20% пострадавших получают диагноз, что требует консультации кардиолога, УЗИ сердца и часто генетического тестирования. Что же тогда с остальными 80%?
Исследователи по всей стране, в том числе из клиники Майо и Калифорнийского университета в Сан-Франциско, продемонстрировали, что ИИ может обнаруживать сложные, ранее нераспознанные закономерности для выявления пациентов с вероятностью гипертрофической кардиомиопатии, а это означает, что алгоритмы, управляемые ИИ, смогут выявлять это состояние на обычных ЭКГ.
ИИ смог распознать эти закономерности после изучения ЭКГ многих людей с этим заболеванием и без него. Быстрый рост объема медицинских данных, включая подробные электронные медицинские карты, изображения, геномные данные, биометрию и поведенческие данные, в сочетании с достижениями в области технологий искусственного интеллекта создали огромные возможности. Благодаря своей уникальной способности выявлять закономерности на основе данных, ИИ помог рентгенологам находить скрытые виды рака, патологам характеризовать фиброз печени и офтальмологам выявлять заболевания сетчатки.
Одна из проблем заключается в том, что ИИ является дорогостоящими все еще требует больших объемов данных для обучения компьютерных алгоритмов и итоговых ИИ-продуктов. Поскольку, эти ресурсы становятся все более распространенными, это может затруднить защиту связанной с ними интеллектуальной собственности, препятствуя частным инвестициям в эти продукты. В более общем плане диагностика долгое время считалась непривлекательным вложением средств. В отличие от своих терапевтических аналогов, которые получают около 300 миллиардов долларов инвестиций в исследования и разработки в год. Диагносты получают скромное частное финансирование в размере 10 миллиардов долларов (в 30 раз меньше).
Тогда возникает вопрос о том, кто конкретно платит за использование инструментов на основе ИИ в медицине?
Некоторые приложения, такие как обнаружение инсультов, экономят деньги страховщиков (предотвращая дорогостоящее пребывание в отделении интенсивной терапии и последующую реабилитацию). Эти технологии, как правило, окупаются быстрее. Но другие решения ИИ, такие как выявление гипертрофической кардиомиопатии, могут привести к увеличению расходов на дорогостоящие последующие методы лечения вновь выявленных хронических заболеваний. Хотя использование искусственного интеллекта может улучшить качество медицинской помощи и долгосрочные результаты в таких случаях, без финансовых стимулов для страховщиков возмещение расходов и, следовательно, внедрение может быть медленным.
Компании, занимающиеся биологическими исследованиями, в редких случаях соглашались субсидировать разработку или возмещение затрат на диагностику на основе искусственного интеллекта. Это поможет сократить разрыв, но федеральному правительству, возможно, потребуется сыграть большую роль. Федеральная поддержка диагностики COVID во время пандемии способствовала быстрой разработке критических тестов, а проект cancer moonshot помог стимулировать исследования и разработки в области скрининга и новых методов лечения.
Обычно сложно аккумулировать финансирование в масштабах, необходимых для выхода на новые рубежи медицины. Но Национальная медицинская академия США подсчитала, что десятки миллиардов долларов и бесчисленное количество жизней можно было бы спасти, улучшив диагностику в медицине.
Искусственный интеллект предлагает путь к этому. Он должен дополнять, а не заменять человеческий опыт, который уже спасает так много жизней. Будущее медицинской диагностики заключается не в передаче ключей ИИ, а, скорее, в использовании того, что он может делать, чего не можем мы. Это может стать особенным моментом для постановки диагноза, если мы вложим достаточно средств и сделаем все правильно.