О том, как генеративный искусственный интеллект упрощает работу врачей, делает клинические исследования и диагностику быстрее, проще и точнее, а также «наводит мосты» между врачами и пациентами, — рассказывает Ирина Козерог, эксперт в области цифровых технологий.
Искусственный интеллект трансформирует медицинскую отрасль, решая широкий спектр задач — от рутинных, связанных с администрированием медицины, до научно-исследовательских. ИИ — это всегда прежде всего про работу с массивами данных, которые он способен структурировать, обобщить и проанализировать. В медицине он особенно востребован: отрасль здравоохранения, по данным ВЭФ, генерирует до 30% мирового объема данных. Это снимки, медицинские карты, клинические записи, отчеты, результаты анализов, интервью с пациентами и многое другое. Можно сказать, что одна из самых серьезных проблем в мировой системе здравоохранения, — множество источников неструктурированных данных, с которыми приходится иметь дело медицинским работникам. Теперь в этом им помогает генеративный ИИ (Gen AI). Уже из названия ясно, что генеративные нейросети, такие как ChatGPT, Midjourney, Gemini, GigaChart, YandexGPT и другие, способны создавать новый контент (аудио, код, текст, видео, симуляции), работая по принципу машинных моделей глубокого обучения. В то же время традиционные технологии ИИ могут только что-то описывать, делать предиктивный, предсказательный анализ и рекомендовать.
По данным GMI, в 2023 году глобальный рынок Gen AI составил $1,8 млрд, а к 2029-му вырастет до $22,1 млрд при среднегодовом темпе роста на уровне 32,6%. В Boston Consulting Group считают, что к 2027 году мировой рынок решений с применением Gen AI в медицине достигнет $22 млрд.
Если взглянуть на российский HealthTech, то заметно, что передовые решения с применением ИИ уже проникают в сферу государственного здравоохранения. Например, Росздравнадзором одобрено 11-12 нейросетей, которые задействованы в столичной медицине, в первую очередь для помощи врачам в анализе компьютерных снимков (рентгенограмм, маммограмм, томограмм и др).
Какие задачи в медицине уже решает ИИ?
Одна из перспективных областей применения генеративного ИИ в медицине — клинические исследования и разработка лекарств. Для них нужны большие массивы данных, которые может синтезировать ИИ. Затем на их основе он создает репрезентативные модели. Если бы не было этих синтетических данных, пришлось бы затрачивать много времени на сбор медицинских записей о болезнях реальных пациентов. Кроме того, синтезированные ИИ данные хороши тем, что полностью обезличены. Значит, нет вопросов с конфиденциальностью, которая является весьма щепетильной и проблематичной темой в медицине.
Вторая область применения генеративного ИИ — работа с изображениями. Технологии компьютерного зрения давно используются для анализа медицинских изображений, помогая врачам их интерпретировать. Например, они применяются в патоморфологии (исследования патологических изменений в тканях). В этих исследованиях врачи раньше использовали микроскопы. Сейчас стекла с препаратами просто сканируются, а снимки биоптатов оцифровываются, причем вплоть до клетки. Нейросети, обученные на датасетах из цифровых лабораторий, анализируют состав клетки и классифицируют ткань межклеточного пространства. Врачи используют эти материалы для постановки диагноза, которая занимает уже значительно меньше времени. В случае патоморфологических исследований это очень важно, ведь при подозрении на онкологию каждый день ожидания для пациента мучителен.
ИИ также помогает интерпретировать рентгенологические снимки, причем эти технологии уже переходят в область массового скрининга. Например, в Москве даже внедрен специальный тариф ОМС, в соответствии с которым анализ и описание рентгенограмм передаются сервисам на основе ИИ, а участия врача не требуется. Однако если искусственный интеллект находит на снимке отклонения от нормы, то информация передается врачам для дальнейшего заключения. Впрочем, это пока эксперимент: все заключения ИИ проверяются рентгенологами. Скорее всего, в будущем, по мере «дообучения» нейросетей на бóльшем объеме данных, этого не потребуется, а значит, работа столичной медицинской системы станет эффективнее.
Способность генеративного ИИ создавать визуальный контент позволяет задействовать его не только в анализе, но и в реконструкции радиологических снимков. Например, американская компания Subtle Medical разработала технологию SubtleMR, основанную на нейросетях,...
