Искусственный интеллект (ИИ) — это мощная и революционная область компьютерных наук, способная коренным образом изменить практику медицины и оказание медицинских услуг. В этой обзорной статье мы описываем последние достижения в области применения ИИ в здравоохранении, рассказываем о дорожной карте по созданию эффективных, надёжных и безопасных систем ИИ и обсуждаем возможные направления развития систем здравоохранения, дополненных ИИ
Применение технологий и искусственного интеллекта (ИИ) в здравоохранении может помочь решить некоторые из этих проблем, связанных с соотношением спроса и предложения. Растущая доступность разнородных данных (геномных, экономических, демографических, клинических и фенотипических) в сочетании с технологическими инновациями в области мобильных устройств, интернета вещей (IoT), вычислительной мощности и безопасности данных знаменует собой момент сближения здравоохранения и технологий, который может кардинально изменить модели оказания медицинской помощи с помощью систем здравоохранения, дополненных ИИ.
В частности, облачные вычисления способствуют внедрению эффективных и безопасных систем искусственного интеллекта в систему здравоохранения. Облачные вычисления обеспечивают вычислительные мощности для анализа значительно больших объёмов данных с более высокой скоростью и меньшими затратами по сравнению с традиционной инфраструктурой организаций здравоохранения. Действительно, мы наблюдаем, что многие поставщики технологий всё чаще стремятся сотрудничать с организациями здравоохранения, чтобы внедрять медицинские инновации на основе искусственного интеллекта с помощью облачных вычислений и технологических преобразований
Что такое искусственный интеллект?
Проще говоря, ИИ — это наука и инженерия, которые позволяют создавать интеллектуальные машины с помощью алгоритмов или набора правил, которым машина следует, чтобы имитировать когнитивные функции человека, такие как обучение и решение задач. 9 Системы ИИ способны предвидеть проблемы или решать их по мере возникновения и, таким образом, действуют целенаправленно, разумно и адаптивно.10 Преимущество ИИ заключается в его способности изучать и распознавать закономерности и взаимосвязи в больших многомерных и мультимодальных наборах данных. Например, системы ИИ могут преобразовать всю медицинскую карту пациента в одно число, представляющее вероятный диагноз.11,12 Более того, системы ИИ динамичны и автономны, они учатся и адаптируются по мере поступления новых данных.13
ИИ — это не одна повсеместная универсальная технология, а скорее несколько областей (таких как машинное обучение и глубокое обучение), которые по отдельности или в сочетании друг с другом повышают интеллектуальные возможности приложений. Машинное обучение (МО) — это изучение алгоритмов, которые позволяют компьютерным программам автоматически совершенствоваться на основе опыта.14 Само МО можно разделить на «обучение с учителем», «обучение без учителя» и «обучение с подкреплением» (RL), и в настоящее время проводятся исследования в различных областях, включая «получение с учителем», «самообучение» и «многоэкземплярное» МО.
При обучении с учителем используются размеченные данные (аннотированная информация); например, размеченные рентгеновские снимки известных опухолей для обнаружения опухолей на новых снимках.15
«Обучение без учителя» пытается извлечь информацию из данных без пометок; например, классифицировать группы пациентов со схожими симптомами, чтобы выявить общую причину.16
В RL вычислительные агенты обучаются методом проб и ошибок или на основе демонстрации действий экспертом. Алгоритм обучается, разрабатывая стратегию для получения максимальной награды. Следует отметить, что основные прорывы в области ИИ в последние годы были основаны на RL.
Глубокое обучение (DL) — это класс алгоритмов, которые обучаются с помощью большой многоуровневой совокупности взаимосвязанных процессов и предоставляют этим процессорам доступ к обширному набору примеров. Сегодня DL является преобладающим методом в области ИИ, способствующим улучшению таких областей, как распознавание изображений и речи.17,18
Как создать эффективные и надежные системы здравоохранения, дополненные искусственным интеллектом?
Несмотря на то, что в течение более чем десяти лет этому уделялось значительное внимание, использование и внедрение ИИ в клиническую практику по-прежнему ограничено, а многие продукты ИИ для здравоохранения всё ещё находятся на стадии проектирования и разработки.19–22 Хотя существуют различные способы создания систем ИИ для здравоохранения, слишком часто предпринимаются попытки «загнать квадратный колышек в круглое отверстие», то есть найти проблемы в здравоохранении, к которым можно применить решения на основе ИИ, без должного учёта местного контекста (например, клинических рабочих процессов, потребностей пользователей, доверия, безопасности и этических последствий).
Мы придерживаемся мнения, что ИИ усиливает и дополняет, а не заменяет человеческий интеллект. Следовательно, при создании систем ИИ в сфере здравоохранения важно не заменять важные элементы человеческого взаимодействия в медицине, а фокусировать его и повышать эффективность этого взаимодействия. Более того, инновации в сфере здравоохранения на основе ИИ будут опираться на глубокое, ориентированное на человека понимание сложности пути пациента и этапов лечения.
Проектируйте и разрабатывайте
Первый этап — проектирование и разработка ИИ-решений для конкретных задач с использованием ИИ, ориентированного на человека, и экспериментального подхода, а также привлечение соответствующих заинтересованных сторон, особенно самих пациентов.
Вовлечение заинтересованных сторон и сотворчество
Создайте междисциплинарную команду, в которую войдут специалисты по информатике и социологии, руководители операционных и исследовательских проектов, а также заинтересованные стороны в сфере здравоохранения (врачи, медсёстры и пациенты) и эксперты в предметной области (например, учёные-биомедики), в которую войдут координаторы, мотиваторы, финансисты, организаторы, связующие звенья, исполнители и сторонники. Команда, в которую входят разные заинтересованные стороны, обладает техническими, стратегическими и операционными знаниями, необходимыми для определения проблем, целей, показателей успеха и промежуточных этапов.
Искусственный интеллект, ориентированный на человека
Подход к искусственному интеллекту, ориентированный на человека, сочетает в себе этнографическое понимание систем здравоохранения с искусственным интеллектом. С помощью исследований, разработанных пользователями, сначала определите ключевые проблемы (мы предлагаем использовать дизайн качественного исследования, чтобы понять, «в чём проблема», «почему это проблема», «кому это важно», «почему это не было решено раньше» и «почему этому не уделяется внимание»), включая потребности, ограничения и рабочие процессы в организациях здравоохранения, а также факторы, способствующие и препятствующие интеграции искусственного интеллекта в клиническую среду. После определения ключевых проблем следующим шагом будет выявление проблем, которые можно решить с помощью ИИ, а также наличие подходящих наборов данных для создания и последующей оценки ИИ. Контекстуализируя алгоритмы в рамках существующего рабочего процесса, системы ИИ будут работать в соответствии с существующими нормами и практиками, обеспечивая внедрение и предлагая подходящие решения существующих проблем для конечного пользователя.
Экспериментирование
Основное внимание следует уделять пилотным проектам по поэтапному внедрению новых инструментов ИИ с использованием обратной связи от заинтересованных сторон для быстрого обучения на основе опыта и постепенных изменений. Эксперименты позволят одновременно опробовать новые идеи, чтобы понять, какая из них работает, а какая нет, и почему. Эксперименты и обратная связь помогут определить цель и предполагаемое использование системы ИИ: вероятных конечных пользователей и потенциальный вред, и этические последствия системы ИИ для них (например, конфиденциальность данных, безопасность, равноправие и защищённость).
Оценивать и валидировать
Далее мы должны итеративно оценивать и проверять прогнозы, сделанные инструментом ИИ, чтобы понять, насколько хорошо он работает. Это очень важно, и оценка проводится по трём параметрам: статистическая достоверность, клиническая полезность и экономическая полезность.
Статистическая достоверность — это понимание эффективности ИИ с точки зрения точности, надёжности, устойчивости, стабильности и калибровки. Высокая эффективность модели в ретроспективных, виртуальных условиях недостаточна для демонстрации клинической пользы или влияния.
Чтобы определить клиническую полезность, оцените алгоритм в режиме реального времени на независимом и временном наборе данных для проверки (например, на продольных и внешних географических наборах данных), чтобы продемонстрировать клиническую эффективность и возможность применения в других условиях.
Экономическая эффективность количественно определяет чистую выгоду по сравнению со стоимостью инвестиций в систему ИИ.
Масштабный и рассеянный
Многие системы искусственного интеллекта изначально разрабатываются для решения проблем в одной системе здравоохранения с учётом особенностей пациентов в конкретном регионе и контексте. Масштабирование систем искусственного интеллекта требует особого внимания к способам внедрения, обновлениям моделей, нормативно-правовой системе, различиям между системами и условиям возмещения расходов.
Контролировать и поддерживать
Даже после клинического внедрения системы ИИ необходимо постоянно контролировать и обслуживать её, чтобы выявлять риски и побочные эффекты с помощью эффективного мониторинга после выхода на рынок. Организации здравоохранения, регулирующие органы и разработчики ИИ должны сотрудничать для сбора и анализа соответствующих наборов данных о производительности ИИ, клинических рисках и рисках, связанных с безопасностью, а также побочных эффектах.
Каковы текущие и будущие варианты использования искусственного интеллекта в здравоохранении?
ИИ может помочь системам здравоохранения достичь своей «четырёхуровневой цели», демократизировав и стандартизировав будущее, в котором будет доступна подключённая к ИИ медицина, точная диагностика, точная терапия и, в конечном счёте, точная медицина Исследования в области применения ИИ в здравоохранении продолжают стремительно развиваться, и потенциальные варианты использования ИИ в сфере здравоохранения (как в области физического, так и психического здоровья) включают разработку лекарств, виртуальные клинические консультации, диагностику заболеваний, прогнозирование, назначение лекарств и мониторинг здоровья.