Развитие технологий искусственного интеллекта меняет подход к диагностике заболеваний. В то время как традиционные методы основываются на опыте врачей и знаниях, ИИ предлагает возможности для анализа данных и выявления паттернов, недоступных человеческому глазу.
Рассмотрим несколько примеров из 2024 года, где ИИ демонстрирует свои преимущества перед традиционными методами диагностики, а где пока отстает.
- Ранняя диагностика рака и анализ медицинских изображений.
Сервисы искусственного интеллекта работают в Москве с 2020 года и показали свою результативность: использование компьютерного зрения в медицине позволяет сократить время, затрачиваемое на диагностические процедуры, а также предоставляет медперсоналу информацию для постановки более точных диагнозов. Одним из ярких примеров является использование ИИ для ранней диагностики рака легких. Нейросети находят признаки патологий на медицинских изображениях, автоматически делают измерения, необходимые рентгенологу для подготовки заключения.
В 2024 году Москва открыла доступ к сервисам искусственного интеллекта для этого была организована платформа МосМедИИ.рф.
- Диагностика сердечно-сосудистых заболеваний.
Ученые Пензенского государственного университета (ПГУ) создали онлайн-приложение CardioAI для автоматической интерпретации результатов электрокардиографии (ЭКГ) с помощью искусственного интеллекта. Нейросеть обучали на 2 тысячах электрокардиосигналов пациентов, имеющих сердечно-сосудистые заболевания. Эксперимент показал, что диагноз, который ставит ИИ, по точности практически идентичен прогнозам кардиолога. Для того, чтобы начать работу, нужно загрузить данные ЭКГ в приложение. Далее ИИ автоматически выявляет нарушения ритма, проводимости и ишемических изменений. Приложение анализирует ЭКГ на основе сверточной нейронной сети и анализирует данные по восьми классам патологических признаков.
Программное обеспечение "Система Искусственного Интеллекта для анализа электрокардиологических исследований" проводит быстрый анализ большого количества ЭКГ, с последующим сигнализированием о наличии ЭКГ с серьезной патологией, что должно позволить докторам в условиях пиковой нагрузки в первую очередь давать заключения по ЭКГ с серьезными патологиями и вовремя оказывать помощь нуждающимся пациентам.
Разработчики позиционируют программы как электронных ассистентов врача.
- Генетическая диагностика.
Генетика позволяет предсказывать риск развития наследственных заболеваний. Но интерпретация генетических данных требует значительных усилий со стороны специалистов.
Нейросеть LegNet была разработана российскими учеными для предсказания экспрессии генов по регуляторным последовательностям ДНК. Нейросеть обучали на большом массиве данных, содержащем миллионы коротких последовательностей «промоторов», т.е. некодирующих участков, управляющих началом синтеза матричной РНК с последовательности ДНК гена.
Модель LegNet заняла первое место в конкурсе, обогнав конкурентов как в общем зачете, так и во всех отдельных номинациях, включая оценку эффектов однонуклеотидных мутаций, что особенно важно с точки зрения перспектив использования таких нейросетей в задачах для персонализированной медицины.
В 2024 году ИИ-системы пока не используются для анализа генома пациентов.
- Психиатрия: помощь в диагностике психических расстройств.
Психиатрическая диагностика традиционно основывается на субъективных оценках специалистов, что иногда приводит к ошибкам. В 2024 году были внедрены ИИ-системы, которые помогают психиатрам точнее диагностировать различные расстройства.
Например, некоторые системы использует машинное обучение для анализа речи и поведения пациентов. Они способны выявить скрытые симптомы депрессии, тревожного расстройства и других состояний, которые могут остаться незамеченными при обычной беседе с врачом. Это особенно важно в условиях дефицита квалифицированных кадров в регионах, где доступ к специалистам ограничен.
В настоящее время нет технологии понимать, интерпретировать нюансы человеческих эмоций, поведения, мышления; устанавливать глубокую эмпатическую связь с пациентом, принимать сложные этические решения, адаптироваться к уникальным потребностям каждого пациента, разрабатывать индивидуальные планы лечения. Но ИИ может быть ценным помощником клинического психиатра в мониторинге состояния пациентов, автоматизации рутинных задач, в научной психиатрии для обработки и анализа больших данных.
- Офтальмология: раннее обнаружение глаукомы и катаракты, повышение эффективность хирургических вмешательств.
Офтальмологические заболевания, такие как глаукома и катаракта, часто остаются незамеченными на ранних стадиях, что приводит к осложнениям. Традиционная диагностика включает осмотр глазного дна и измерение внутриглазного давления.
В 2024 году российские офтальмологи начали применять экспресс-диагностику, основанную на ИИ. Система «Reinta» анализирует фотографии глазного дна и выявляет ранние признаки глаукомы и катаракты с точностью до 98%.
Волгоградские ученые разработали ИИ-модуль LensCalc для операций по замене хрусталика.
В настоящее время у алгоритмов применение искусственного интеллекта в офтальмологии есть перспективы составления конкуренции врачам в диагностике стадий ряда офтальмопатологий с учетом высокой точности постановки диагноза и режима непрерывного самообучения. Следующим перспективным шагом работы электронных алгоритмов будет оценка прогноза течения заболевания и выработка тактики лечения.
Ожидания на 2025 год.
Наиболее перспективным направлением для применения ИИ в медицине является диагностика. Искусственный интеллект уже успешно используется для анализа медицинских изображений (рентген, КТ, МРТ), выявления патологий, таких как рак, сердечно-сосудистые заболевания и другие. Системы помогают врачам быстрее и точнее ставить диагнозы, снижая вероятность ошибок. В то же время ИИ не обладает той гибкостью мышления, которая присуща человеку. Врачи могут учитывать контекст пациента, его историю болезни, социальные факторы и другие аспекты, которые трудно формализовать в алгоритмах.
Остается открытым вопрос, что ИИ требует больших объемов данных для обучения, и качество его решений зависит от качества этих данных. Если данные содержат ошибки или предвзятость, результаты могут быть ненадежными.
Выше указаны примеры и направления применения технологии, где уже получилось значительно улучшить качество диагностики. Однако полное замещение врачей ИИ маловероятно.
С наилучшими пожеланиями, врач-ортодонт Екатерина Якушина.