Колонки

Пять препятствий для внедрения технологий ИИ в медицине

Колонки
Григорий Колесников
Григорий Колесников

Руководитель акселерационной программы G4A (Grants4Apps) Bayer в России

Полина Константинова

Григорий Колесников, руководитель акселерационной программы G4A (Grants4Apps) Bayer в России, рассказывает, что мешает внедрению искусственного интеллекта в медицине, и рассуждает, возможно ли стартапам в этой сфере преодолеть такие препятствия.

Пять препятствий для внедрения технологий ИИ в медицине
Присоединиться

Как ИИ помогает медицинским специалистам

Недавно Google рассказал о планируемом выходе на рынок систем искусственного интеллекта, позволяющих избавить телефонные разговоры от фоновых шумов (скажем, лая собак). Как нам обещают, алгоритмы на базе искусственного интеллекта внутри смартфона будут максимально помогать совершать рутинные операции. Перспективы впечатляют, ведь современные люди проводят по несколько часов в день перед экранами своих устройств. И подобные технологии уже прочно входят в нашу жизнь.

Сегодня искусственный интеллект активно применяется при разработке бытовой техники, личных голосовых помощников, в охранных системах. Там, где нужна обработка большого объема информации.

В медицине искусственный интеллект позволяет повысить эффективность диагностики благодаря возможности работы с большими объемами данных. Известен случай, когда «умный» сервис диагностики IBM Watson выявил у 60-летней пациентки с неверным диагнозом редкую форму лейкемии. Для этого система за 10 минут «изучила» 20 миллионов научных статей о раке.

Как результат – ИИ позволяет уменьшить объем повседневных рутинных задач, которые вынуждены решать медспециалисты. И способен свести к минимуму возможные ошибки. А еще – открывает возможности для появления новых профессий по обслуживанию цифровых систем в медицине.

Почему не все так гладко

Программы и аппараты с искусственным интеллектом сегодня используются в анализе рентгеновских, КТ- и МРТ-снимков (достаточно загрузить изображение в систему, после чего ИИ проведет анализ и даст заключение). «Интеллектуальную» медицину применяют в телемониторинге хронических заболеваний и при оценке необходимости госпитализации людей, в робот-ассистированной хирургии. Новые технологии освоили и фармацевты – ИИ применяют в разработке новых лекарственных препаратов.

Заставь искусственный интеллект самообучаться и совершенствоваться – выбирай онлайн-курсы в каталоге курсов по машинному обучению.

Так, компания Semantic Hub недавно создала сервис на базе искусственного интеллекта для автоматизации оценки потенциала медицинских препаратов перед их выпуском на рынок. Система собирает и анализирует миллионы документов, в том числе научных публикаций, связанных с болезнью, назначением и действием разрабатываемого лекарства. Затем робот анализирует информацию и делает вывод о потенциале препарата с учетом всех факторов риска и конкурентных преимуществ. Раньше разработчикам лекарств удавалось изучить «вручную» лишь 1% подобных документов.

«Умные» медицинские продукты, сервисы и процессы сейчас разрабатывают практически все лидирующие «цифровые» корпорации. Всего, по данным исследовательской компании Venture Scanner, такие разработки ведут более 800 компаний по всему миру. 

Многие эксперты пророчат стремительное увеличение рынка искусственного интеллекта – примерно на треть в год. По оценкам BIS Research, к 2025 году общий рынок ИИ в здравоохранении достигнет $28 миллиардов.

Но не все так безоблачно. На пути внедрения технологий ИИ в медицине возникают препятствия. И зачастую вопросы возникают у самих медицинских специалистов, у которых новшества могут вызывать обоснованное недоверие.

В чем причина возникших проблем? Попробуем разобраться.


Препятствия для искусственного интеллекта в медицине

1. Информация «второй свежести»

Речь, безусловно, ведется о качестве и объеме медицинской информации. Накопленные в медкартах пациентов данные могут быть неполными, содержать ошибки, неточности и нестандартные термины. В них недостаточно записей о жизни пациента, его привычках и поведении. Эффективных механизмов сбора этой информации пока попросту не существует.

Результаты анализа, основанного на таких данных, всегда будут вызывать обоснованный скепсис, а попытки повысить качество этого анализа упираются в изрядную трудоемкость процесса.

Для устранения этой проблемы сейчас предлагаются варианты обучения искусственного интеллекта на небольших объемах информации. В качестве успешных примеров подобного обучения можно назвать принцип работы клавиатуры смартфонов, когда система запоминает и анализирует введенные ранее слова и может прогнозировать содержание следующих текстов. На подобных технологиях основаны приложения для распознавания лиц и музыки.

При удачном внедрении в медицину система машинного обучения способна решать много задач: проверять совместимость лекарств, ставить диагнозы на основе генетического анализа. В качестве примера можно привести решение компании Droice Labs, которое делает многое из перечисленного уже на практике в России.


2. Неразговорчивые роботы

Второе ограничение предлагаемых инноваций в медицине ― отсутствие прозрачности процесса принятия решения интеллектуальным ядром системы. Искусственный интеллект работает по принципу black box, «черного ящика». Если в алгоритме есть ошибка, и система приняла неправильное решение, то ответить на вопрос «почему» будет крайне трудно.

Сейчас IT-компании ведут разработки машин, способных раскрывать причины своих решений. К выводу подобного продукта на рынок приближаются американские ученые. В частности Агентство перспективных исследований в области обороны (DARPA) поддерживает 13 исследовательских групп, которые озабочены решением этой проблемы.

Отечественная компания «Интеллоджик» в своем патенте также заявляет об использовании медицинских онтологий для подготовки математических моделей и для представления результатов отработки нейросетевых моделей. Такой подход по заявлениям авторов патента позволит врачам понимать путь принятия решений машиной и значительно снизить количество данных, необходимое для обучения моделей.

Сложность подходов к обработке данных на основе искусственного интеллекта порождает другую проблему: подбор и развитие персонала, способного эффективно использовать и обслуживать системы с нетривиальными алгоритмами.


3. Умным машинам – умный подход!

Кроме непосредственно самого алгоритма, который может производить анализ с высокой степенью точности, для успешного внедрения новшества в практику требуется сильная проектная команда. Успех такого проекта в медицине зависит от того, насколько продуктивно взаимодействуют участники.

Команда должна включать специалистов с широким спектром компетенций в предметной области, математических алгоритмах и подходах к защите информации, с навыками программирования и наглядного представления данных. Крайне желательно, чтобы участники владели не одной, а несколькими различными компетенциями, чтобы хорошо понимать и дополнять друг друга.


4. Цена и ценность

Возникающие сложности повышают стоимость разработки, внедрения и применения решений на базе искусственного интеллекта. Высокая стоимость проектов связана и с необходимостью настройки новой системы под данные, накопленные в конкретном медучреждении, формирования квалифицированной и мотивированной команды.

А это в свою очередь ставит под сомнение возможности быстрого масштабирования технологий, предлагаемых стартапами. Масштабирование возможно, например, в случае обработки медицинских изображений одного вида, но потребности выходят далеко за эти пределы.

Отраслевые эксперты сходятся во мнении: в краткосрочной перспективе внедрение искусственного интеллекта не приведет к заметному снижению затрат. Надо продолжать искать зоны, где применение технологий искусственного интеллекта будет приносить более высокую ценность.


5. Кто защитит от хакеров?

Нельзя забывать и о том, что для обеспечения работы искусственного интеллекта нужно обеспечить доступ к высокопроизводительным вычислительным мощностям, которых зачастую в медицинских учреждениях нет. Соответственно, массивы данных придется выводить за периметр учреждения, а это угрожает безопасности хранения, что должно являться первым приоритетом. Неслучайно многие проекты внедрения искусственного интеллекта были остановлены из-за рисков, касающихся именно информационной безопасности.

Один из ярких примеров, когда Департамент по делам ветеранов США после начала успешного сотрудничества расторгнул соглашение со стартапом Flow Health – разработчиком системы интеллектуальной диагностики болезней. Как объяснили в министерстве здравоохранения Штатов, контракт был разорван, когда стало известно об обработке системой данных конфиденциального характера. В ведомстве посчитали это нарушением безопасности персональной информации пациентов-ветеранов. К слову, утечек так и не обнаружили.


Дорогу интеллекту!

Экспертное сообщество прекрасно осознает существующие проблемы и старается реагировать на них: продумывает принципы конструирования роботизированных систем, предлагает обсудить вопросы этики применения искусственного интеллекта на практике, разрабатывает новые варианты внедрения технологий. Но скажем прямо: для адекватной проработки подходов и стандартов требуется время.

Большая часть вопросов, замедляющих внедрение решений на базе искусственного интеллекта в медицине, совсем не связана с технологической стороной дела. Чаще это этические и административно-процедурные проблемы, сложности сбора и обработки данных (предоставления врачу необходимого времени для внесения информации в базу), проблемы разделения зон ответственности, понимания механизмов работы искусственных систем…


Какие же перспективы?

Несмотря на все сложности, перспективы у проектов есть. Полагаю, в ближайшие несколько лет технологии искусственного интеллекта смогут найти своего потребителя среди фармкомпаний, при поиске новых молекул и биологических мишеней, в виртуализации доклинических испытаний, а затем при анализе данных клинических исследований. Зачастую при работе с крупными компаниями удается обеспечить все необходимые условия для успешного запуска проекта.

Все вопросы решаемы. Главное, чтобы с применением новых подходов мы смогли продвинуться вперед, а не «выстрелили себе в ногу».


Материалы по теме:

Нашли опечатку? Выделите текст и нажмите Ctrl + Enter

Материалы по теме

  1. 1 Инвестиции в медицину: 5 советов тем, кто хочет вложиться в MedTech-проекты
  2. 2 Дмитрий Фомин: «Мы строим ИТ-компанию, но она очень человекозависимая»
  3. 3 11 wellness-гаджетов: одеяло-сауна, пластырь от пота, смарт-кольцо
  4. 4 Пять барьеров, тормозящих эволюцию «интеллектуальной цифры» в медицине
  5. 5 HealthTech Map
AgroCode Hub
Последние новости, актуальные события и нетворкинг в AgroTech-комьюнити — AgroCode Hub
Присоединяйся!