В 2016 году британский когнитивный психолог и специалист по информатике Джеффри Хинтон призвал прекратить подготовку новых радиологов. Поскольку новые приложения для радиологии на основе ИИ постоянно становятся все более эффективными, Хинтон считает, что ИИ может взять на себя значительную часть работы в радиологии [1].

ИИ обещает оказать аналогичное влияние на сферу лабораторной диагностики, но, как и в радиологии, некоторые виды лабораторных работ более подвержены автоматизации, чем другие.

Диагностические задачи, требующие триангуляции между множеством различных наборов данных, будет относительно сложно автоматизировать. Например, если система искусственного интеллекта научится с нуля диагностировать рак молочной железы, ей придется учитывать более 30 переменных при каждой попытке постановки диагноза. Сюда входит структурированная информация, полученная в результате сканирования изображений и генетических тестов, а также неструктурированные рассказы пациентов и семейные истории. По оценкам специалистов, чтобы достичь того же уровня экспертизы, что и опытный врач, системе искусственного интеллекта придется проанализировать 7 миллиардов уникальных образцов рака молочной железы.

Другие диагностические задачи могут быть более поддающимися автоматизации. По сравнению с раком молочной железы, при диагностике ишемической болезни сердца, определении тенденций распространения гриппа или распознавании аритмии на ЭКГ необходимо учитывать меньшее количество переменных. За последние два года две команды показали, что ИИ не уступает опытному врачу в диагностике рака кожи, а другая команда из Стэнфорда продемонстрировала то же самое в отношении пневмонии [2].

ИИ также способен изменить сферу лабораторной диагностики двумя более широкими способами: улучшая доступ к диагностическим услугам в условиях нехватки ресурсов и создавая новые возможности для непрерывного мониторинга пациентов.

Предоставление диагностических услуг тем, кто их лишен

Во многих развивающихся странах и в отдаленных частях развитого мира миллионы людей не имеют доступа к базовым диагностическим услугам, включая консультации с врачами, которые могут выдавать, интерпретировать и объяснять результаты лабораторных исследований. Взяв на себя часть этой работы и снизив стоимость диагностики, ИИ может сыграть большую роль в решении этой проблемы.

В то время, как одни диагностические системы с поддержкой ИИ могут ставить положительные диагнозы, другие будут нацелены именно на исключение тяжёлых заболеваний. Системы ИИ уже в 90-е годы продемонстрировали отрицательную прогностическую ценность для многих тяжелых заболеваний, достигнув точности, которая зачастую выше точности врачей, работающих в сельской местности. Тех, чьи анализы действительно окажутся положительными, можно будет направлять для лечения в региональные системы здравоохранения, где обученные специалисты в области клинической и лабораторной медицины смогут оказать им необходимую помощь.

Улучшение медицинской помощи благодаря постоянному мониторингу

В долгосрочной перспективе лаборатории также могут использовать искусственный интеллект для обработки новых типов данных о пациентах и постоянного мониторинга пациентов более персонализированным способом. С каждым годом все больше людей используют носимые устройства, которые отслеживают их шаги, частоту сердечных сокращений, режим сна и калории в режиме реального времени. Возможно, со временем мы даже увидим широкое распространение «умных» зубных щеток, которые будут извлекать данные из биомаркеров в слюне, пока мы чистим зубы.

В ближайшие пять лет эти достижения изменят наши представления о пациентах. Пациент будет не просто человеком, чьи показатели жизнедеятельности наблюдаются в отдельные моменты времени. Так по-прежнему будет происходить, но лаборатории получат доступ и к непрерывным сигналам. Любые существенные индивидуальные отклонения позволят лабораториям своевременно вносить коррективы в существующие планы лечения. Мы начинаем понимать, что не референсные диапазоны определяют, являются ли результаты человека нормальными, а скорее то, как они меняются с течением времени.

В течение следующих пяти лет появится всё больше практических применений ИИ. Лаборатории, которые уже сейчас готовятся к созданию системы здравоохранения с поддержкой ИИ, получат наибольшую выгоду. Чтобы подготовиться к этой новой реальности, лабораториям необходимо начать оцифровывать информацию, индексировать её и хранить в легкодоступном формате.

[1] A.I. Versus M.D., What happens when diagnosis is automated? The New Yorker, 2017 

[2] Stanford algorithm can diagnose pneumonia better than radiologists, Stanford News, 2017 

Эта статья основана на презентации «Искусственный интеллект в здравоохранении и диагностике» на саммите лидеров LEADx Diagnostics в Мумбаи, Индия.