На сегодня самая большая проблема здравоохранения заключается в увеличении расходов из-за старения населения. Новые источники данных и инновационные технологии могут помочь лабораториям решить эту проблему за счет предоставления аналитических данных и возможностей для лечения пациентов.
За счет повышения чувствительности датчиков мы получим беспрецедентный объем данных для анализа тенденций изменения здоровья. Мы будем чаще использовать технологии для диагностики, прогнозирования и профилактики заболеваний с помощью анализа данных, полученных на основе голосовых алгоритмов, данных лица, а также данных из социальных сетей и других новых источников. Благодаря огромному объему различных данных и более дешевым способам их обработки лаборатории будут играть еще более значимую роль в переходе к профилактическому и персонализированному медицинскому обслуживанию.
Революция в работе с данными основана на трех основных технологических законах. Согласно закону Мура при одинаковой стоимости вычислительная мощность удваивается каждые 18 месяцев, в законе Крайдера описано такое же утверждение о накопителях информации, а закон Меткалфа — закон сетей — гласит, что ценность коммуникационных сетей пропорциональна квадрату числа ее пользователей.
Сегодня мы наблюдаем слияние этих трех законов в сфере здравоохранения. Наглядный пример — стоимость обработки генома, которая снизилась с 2,7 миллиарда долларов в 2001 году до 200 долларов в 2018 году[1]. Некоторые прогнозируют, что к середине 2020-х годов она может снизиться до менее чем 5 центов[2] — меньше, чем смыть воду в унитазе. Если это произойдет, то услуги секвенирования станут распространены повсеместно и стимулируют массовое развитие профилактической медицины.
Эти тенденции также способствуют развитию искусственного интеллекта (ИИ) и автоматизации. На одном китайском заводе 90 % работников были заменены автоматизированными машинами [3]. Объем производства вырос более чем на 160 %, а коэффициент дефектности снизился с 25 % до 5 %. Вам, как пациенту, хотелось бы, чтобы аналогичным образом снизилось и число ошибок в больницах?
Алгоритмы ИИ и роботы уже используются в здравоохранении, и роботы выполняют ряд задач лучше, чем люди. В определенных типах хирургических операций роботы надежнее людей, и при выполнении некоторых диагностических исследований автоматический анализ изображения может улавливать детали, недоступные человеческому глазу. Радиологи уже используют ИИ для диагностики целого ряда заболеваний, например сердца, печени и костных тканей. Наверняка ИИ найдет применение и в других сферах.
Эти достижения расширяют доступ к качественной медицинской помощи и способствуют раннему выявлению заболеваний. Например, точность датчиков раннего выявления рака молочной железы [4] в настоящее время приближается к точности маммографии. В конечном итоге эти датчики сделают возможным выявление рака молочной железы в домашних условиях и раннее вмешательство.
Задумываясь о применении подобных технологий в лабораториях и бизнесе, следует рассматривать ИИ как средство, расширяющее возможности человека. Возможно, отрасль здравоохранения ожидает цифровая трансформация, но ИИ не заменит человека. Необходимо сосредоточиться на расширении человеческих возможностей, а не на замене человека.
Лабораториям необходимо научиться использовать ИИ для снижения затрат на диагностику, автоматизации рабочих процессов, повышения эффективности работы и получения новых клинических результатов на основе беспрецедентных объемов данных. Этот процесс требует творческого подхода и экспериментов. В случае успеха доступ пациентов к услугам здравоохранения во всем мире расширится, а затраты снизятся.
[1] Now You Can Sequence Your Whole Genome for Just $200, Wired, 2018
[2] Soon, It Will Cost Less To Sequence A Genome Than To Flush A Toilet — And That Will Change Medicine Forever, Business Insider, 2014
[3] Man versus machine: 9 human jobs that have been taken over by robots, BT, 2018
[4] Laser-sonic scanner aims to replace mammograms for finding breast cancer, Science Daily, 2018
Эта статья основана на презентации «Healthcare innovations from remediation to prevention», представленной на конференции Roche Efficiency Days (RED) 2018 REDefining perspective в Гуанчжоу, Китай.
