Искусственный интеллект, нейронные сети и машинное обучение быстро и прочно вошли в отрасль информатизации здравоохранения как один из ключевых драйверов и направлений развития на ближайшие годы. Наравне с телемедициной, это одна из самых популярных в СМИ и блогосфере тем. Постоянно растет количество сообщений и обсуждений о том, что планируется или уже создано очередное новое революционное решение для медицины, построенное на базе методов искусственного интеллекта.

Мы подготовили для вас 10 наиболее интересных работ по этой теме, заслуживающих, чтобы на них обратили внимание.

1. Великое пробуждение искусственного интеллекта. Издание The New York Times Magazine опубликовало статью, в которой рассказывается, как "Google Переводчик" научился переводить почти как человек, что такое искусственный интеллект и при чем тут кошки и "Китайская комната". Редакция vc.ru опубликовала перевод этой статьи, адрес https://vc.ru/21767-the-great-ai-awakening
2. Как искусственный интеллект изменит здравоохранение через 5 лет. Норман Винарски, один из создателей Siri и консультант венчурного фонда SRI Ventures, рассказал, какое будущее ждет здравоохранение через пять лет с учетом влияния искусственного интеллекта. Адрес: https://rb.ru/story/future-of-ai-healthcare/
3. Искусственный интеллект и врачебное решение . Сергей Сорокин, генеральный директор "Интеллоджик" и основатель Botkin.AI, о возможностях искусственного интеллекта в поддержке принятия врачебных решений и развитии диагностики: https://www.if24.ru/iskin-i-vrachebnoe-reshenie/
4. Алгоритм Эндрю Ына лучше диагностирует пневмонию, чем врачи . Группа специалистов Стэнфордского университета под руководством Эндрю Ына разработала алгоритм глубокого обучения, который превзошел опытных радиологов в диагностике пневмонии по рентгеновским снимкам https://hightech.fm/2017/11/16/pneumonia-algorithm
5. Искусственный интеллект уже может лечить не хуже врачей: тренды развития AI в медицине . Илья Попов, член отраслевых рабочих групп при Министерстве Финансов РФ, Торгово-промышленной палате РФ и Деловой России, рассказал о тенденциях развития AI в фармацевтике и медицине и дал прогнозы на 2018 год: https://rb.ru/opinion/trendy-razvitiya-ai-v-farme/
6. Искусственный интеллект будет помогать ставить диагнозы во всех больницах Китая . Медицинские ИИ-платформы могут ставить даже самые сложные диагнозы с точностью 85% и назначать схемы лечения онкологических заболеваний, которые на 96% совпадают с мнением лучших врачей Китая, сообщает China Daily. Адрес: https://hightech.fm/2017/10/11/ai-china-diagnostic
7. Искусственный интеллект - революция или новый маркетинговый ход? Обзор мнений по теме искусственного интеллекта от различных специалистов: https://www.crn.ru/numbers/spec-numbers/detail.php?ID=123946
8. Заблуждения искусственного интеллекта . Каждый день мы слышим, что искусственный интеллект решит все наши проблемы - от самоуправляемых автомобилей до лечения рака. В то же время некоторые ученые и капитаны индустрии, например Илон Маск, основатель компании Tesla, считают, что искусственный интеллект представляет экзистенциальную угрозу человечеству. Где же правда и что скрывается под этим термином? Специалист по Computer Science Анатолий Гершман рассказывает о главных мифах, окружающих ИИ https://postnauka.ru/faq/80051
9. Самые интересные AI-решения и проекты 2017 года . Одним из ярких IT-трендов прошедшего года стало бурное развитие сервисов, использующих технологии машинного обучения и системы искусственного интеллекта (Artificial Intelligence, AI) на базе нейронных сетей. Вспоминаем самые оригинальные и перспективные программные решения в этой области https://3dnews.ru/963472/
10. Google представила инструмент ИИ для прецизионной медицины с открытым исходным кодом . Компания сделала DeepVariant, инструмент который может быть использован для повышения точности геномного секвенирования, доступного через Google Cloud

Иску́сственный интелле́кт (ИИ, англ. Artificialintelligence,AI) - наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами

Единого ответа на вопрос, чем занимается искусственный интеллект, не существует. Почти каждый автор, пишущий книгу об ИИ, отталкивается в ней от какого-либо определения, рассматривая в его свете достижения этой науки.

Можно выделить два направления развития ИИ:

решение проблем, связанных с приближением специализированных систем ИИ к возможностям человека, и их интеграции, которая реализована природой человека;

создание искусственного разума, представляющего интеграцию уже созданных систем ИИ в единую систему, способную решать проблемы человечества.

Но в настоящий момент в области искусственного интеллекта наблюдается вовлечение многих предметных областей, имеющих скорее практическое отношение к ИИ, а не фундаментальное. Многие подходы были опробованы, но к возникновению искусственного разума ни одна исследовательская группа пока так и не подошла.

Области робототехники и искусственного интеллекта тесно связаны друг с другом. Интегрирование этих двух наук, создание интеллектуальных роботов составляют ещё одно направление ИИ.

Робототехника опирается на такие дисциплины как электроника, механика, программирование. Выделяют строительную, промышленную, бытовую, авиационную и экстремальную (военную, космическую, подводную) робототехнику.

Интеллектуальность требуется роботам, чтобы манипулировать объектами, выполнять навигацию с проблемами локализации (определять местонахождение, изучать ближайшие области) и планировать движение (как добраться до цели).

Разработка и производство медицинских роботов в XXIвеке достигли таких технических и экономических успехов, что информация о них с каждым годом все меньше кажется научной фантастикой.

Достижения в области робототехники и систем искусственного интеллекта с каждым днем оказывают все большее влияние на жизнь людей в прямом смысле этого слова. Технические и экономические успехи роботостроения привели к тому, что медицина стала все чаще прибегать к помощи роботов. Сегодня медицинские роботы способны проводить сложные хирургические операции, помогают ставить точные диагнозы, ухаживают за больными и этим список их возможностей не ограничиваются.

Как мы решаем свои проблемы со здоровьем, особенно, если они серьезные? Все начинается с поиска достойной клиники и ведущего специалиста в своей области. И вот, представьте себе такую картину.

Клиника найдена, специалист – самый успешный в данной области и принимает он …. круглосуточно!!!

У него нет ни фамилии, ни отчества. А только наименование модели. Это Робот!

Вот, в общем-то, перспектива на ближайшее будущее. А пока что роботы работают под чутким руководством опытного врача.

Разделы :

Робоврачи

Робокомплексы

Робосестры

Робопротезы

Роботы внутри нас

Реабилитационные роботы

Робопособия

Что такое медицинские роботы и зачем они нужны

Медицинский робот – робот, который создан для выполнения каких-либо действий, связанных с медициной вообще и здоровьем человека в частности. Десятки фантастов в сотнях своих произведений подробно описали все возможные функции, задачи медицинских роботов и даже особенности их предполагаемого устройства. В соответствии с этими описаниями робомеды будущего предстают в самых различных образах. Это и сложные миниатюрные, но очень умные «аптечки», вмонтированные в скафандр и стационарные медицинские комплексы, которые способны «и мертвого поднять». Разработаны фантастами и десятки моделей роботов помощников, нянечек и прочих санитарных работников. Есть даже вариант нанороботов постоянно присутствующих в крови человека, которые способны выводить токсины, залечивать раны и делать героев фантастических боевиков непробиваемыми в прямом смысле.

В реальности медицинские роботы развиваются по схожим направлениям. Во-первых, это хирургические комплексы. И пусть самостоятельность в принимаемых решениях у них чисто условная, но на счету этих медицинских роботов уже сотни успешных операций.

Вторым основополагающим направлением сегодня можно назвать класс роботов-помощников. Эти автоматизированные медбратья и медсестры имеют гуманоидный и не очень вид, но делают большие успехи в оказании помощи человеческому медперсоналу и больным.

Третье направление связано, в первую очередь, с протезированием, разработкой заменителей конечностей человека и созданием экзоскелетов. Искусственные «умные» конечности не только помогают конкретным больным, но служат и для отработки новых технологий роботостроения.

Несколько в стороне от основной массы роботизированных устройств медицинского назначения находятся средства передвижения для людей потерявших способность двигаться самостоятельно. Будь то инвалидное кресло с интеллектуальным управлением или средство для эвакуации раненых с поля боя.

Ну и как же обойтись без роботизированных учебных пособий для будущих медиков? Эти медицинские роботы корчатся от зубной боли, «рожают» детей и стойко переносят иные тяготы выпавшие на их долю.

Приведенный выше перечень направлений развития медицинских роботов может служить ответом на вопрос – а зачем вообще нужны медицинские роботы.

Медицина, ранее ориентированная на лечение острых заболеваний, сегодня уделяет все больше внимания хроническим недугам - ожирению, .

Выявление сердечной недостаточности, аутоиммунных расстройств и заболеваний на ранних этапах спасает жизни многим пациентам, но усложняет задачу врачам.

Подберем и запишем
к врачу бесплатно

Скачать бесплатное приложение

Загрузить на Google Play

Доступно в App Store

Даже гениям медицины, обладающим профессиональными интуицией и опытом, не так просто принять верное решение, ведь с каждым часом объемы медицинских данных стремительно растут.

Чтобы быстро решить задачу, медикам нужно задействовать, помимо собственного, еще один интеллект - искусственный.

Что же такое искусственный интеллект?

Под искусственным интеллектом (ИИ) специалисты подразумевают способность машины имитировать рациональное поведение человека. Машина должна воспринимать изменяющуюся информацию и принимать оптимальные решения.

К началу XXI века применение в медицине нашли две концепции ИИ - экспертные системы и нейронные сети.

Как работают экспертные системы

Экспертные системы начали разрабатывать еще в 70-ые годы XX века. Ключевой частью экспертной системы является база знаний - совокупность сведений о предмете и набор инструкций, применимый к фактам.

Факты в базе знаний экспертной системы описывают постоянные явления в конкретной предметной области. Например: «У здорового человека две ноги».

В процессе работы система получает информацию о конкретной задаче: «У пациента А одна нога», которые сохраняет в рабочей памяти. Рабочая память обращается к базе для вынесения вердикта: «Пациент А болен».

Создание экспертных систем требует огромных ресурсов. Чтобы получить хорошую экспертную систему, нужны эксперты в области, инженеры по знаниям, программисты. Базу знаний необходимо не только создавать, но и постоянно пополнять.

Как работают нейронные сети

В настоящее время концепция экспертных систем переживает серьезный кризис. Благодаря способности учиться рынок ИИ завоевали нейронные сети (НС).

Механизм работы НС основан на принципе биологических нейронных сетей. В компьютерном виде НС представляют граф с тремя или более слоями нейронов, соединенных в слоях тем или иным образом. У соединений есть веса, играющие важную роль в обучении НС.

Во время обучения на входные нейроны подаются данные. В дальнейшем данные обрабатываются нейронами на внутреннем слое, и на выходных нейронах получаются определенные новые значения.

Если полученные значения не устраивают исследователей, они меняют вес соединений в нейронной сети и заново ее учат. Чем больше данных получает НС, тем более достоверный ответ на запрос она выдает.

К примеру, на наш запрос к системе: « , озноб и высокая температура» НС, проанализировав медицинские карточки тысяч пациентов, может выдать ответ: «С высокой долей вероятности у Вас ».

Важно отметить, что знаниями о том, что такое температура, озноб, грипп, сеть не обладает. Она лишь находит связи между симптомами и заключениями врача в выборке данных и ранжирует эти взаимосвязи по их весу.

Главное отличие ИИ от обычных компьютерных программ

В отличие от привычных компьютерных программ, при создании ИИ программисту не нужно знать всех зависимостей между входными данными и результатом. Там, где человеком уже созданы математические модели - например, для статистической обработки медицинских карт - ИИ не требуется.

Работа ИИ заключается в обучении на массиве достоверных данных и в поиске тех формул и зависимостей, которые не определяются человеком.

На что способен медицинский искусственный интеллект

Практики и опыта врача может не хватать для верной диагностики заболевания. Обладающая доступом к научной литературе и миллионам историй болезней нейронная сеть может быстро классифицировать случай, соотнести его с похожими и сформулировать предложения по плану лечения.

На сегодняшнем этапе развития технологий ИИ не может решать сложные задачи, непосильные для врача: например, создавать фантастические приборы, самостоятельно сканирующие человека и назначающие эффективное лечение.

Интеллектуальные решения для врачей

Сейчас ИИ решают относительно простые задачи: например, дают заключение, присутствует ли инородное тело или патология на рентгенологическом снимке, и имеются ли раковые клетки в цитологическом материале. При этом точность оценок медицинских данных - МРТ, снимков УЗИ, маммограм - уже превышает 90%.

Проект IBM: Watson

Самым известным примером внедрения ИИ в медицинской диагностике стала система IBM Watson. Это суперкомпьютер, который умеет отвечать на вопросы, сформулированные на языке обывателя, а не на языке программирования.

В 2015 году корпорация IBM даже создала отдельное подразделение - IBM Watson Health, которое занимается внедрением технологии ИИ в здравоохранении.

У компьютера Watson есть доступ к различным источникам данных: энциклопедиям, базам научных статей, антологиям знаний. Благодаря огромным вычислительным мощностям, IBM Watson смог проанализировать 30 миллиардов медицинских снимков и 50 миллионов анонимных электронных медицинских карт.

Первоначально IBM обучали и применяли ИИ в онкологии. Однако недавно разработчики IBM Watson начали сотрудничать с Американской кардиологической ассоциацией.

Теперь по данным изображения УЗИ когнитивная платформа будет искать признаки стеноза аортального сердечного клапана (очень распространенного типа порока сердца).

Технологии Watson Health доступны через облачную платформу Watson Health Cloud. Она предназначена для врачей, исследователей, страховых агентов и медицинских компаний.

Проекты Google: DM Health и Verily

Естественно, что IBM - не единственный технологический монстр, продвигающий свои интеллектуальные решения в медицине. Подразделение Google - DeepMind Health - применяет технологии IT-гиганта в медицине.

Сегодня DM Health сотрудничает с офтальмологической лондонской клиникой Moorfields Eye Hospital. С помощью ИИ врачи хотят проанализировать тысячи анонимных глазных снимков, чтобы найти первичные симптомы слепоты.

Кроме того, DM Health совместно с Университетским колледжем Лондона разрабатывает продукт, который сможет автоматически различать здоровые и раковые ткани в области головы и шеи.

Похожим проектом занимается другое подразделение Google - Verily . Специалисты этой фирмы используют ИИ и алгоритмы поисковика Google для того, чтобы проанализировать, что же делает человека здоровым.

Израильский стартап: MedyMatch Technology

По статистике, количество ошибок при постановке диагноза по данным компьютерной томографии превышает 30%. Вдумайтесь! Почти в каждом третьем случае врач назначает пациенту неверное лечение.

На базе ИИ и больших данных израильтяне разработали решение, благодаря которому врачи могут точнее диагностировать . В режиме реального времени система MedyMatch сравнивает снимок мозга пациента с сотнями тысяч других снимков, которые есть в ее «облаке».

ИИ от MedyMatch распознает мельчайшие отклонения от нормы, которые не всегда способен заметить специалист, таким образом сводя вероятность ошибки в постановке диагноза к минимуму.

В израильской MedyMatch Technology работает всего 20 человек. Как это часто бывает, на новом рынке маленькие игроки вполне могут конкурировать с гигантами.

Интеллектуальные решения для пациентов

Хронически больным необходимо каждый день следить за динамикой здоровья. Для этого пациенты носят устройства для мониторинга пульса, давления, дыхания. Однако данные необходимо не только собрать, но и обработать, и правильно интерпретировать.

На помощь приходят мобильные приложения, которые:

• оперативно работают с информацией о состоянии организма, сообщая о тревожных паттернах лечащему врачу;
• выдают уже прописанные в программе простейшие советы по улучшению самочувствия и лечению;
• собирают массивы данных, необходимые для дальнейшего обучения ИИ.

Карманный кардиолог AliveCor

Мобильное приложение от AliveCor может обрабатывать данные датчика для снятия кардиограмм в домашних условиях. ИИ ежедневно расшифровывает данные пациента и отслеживает опасные тенденции. Если приложение выявляет риск скорого инфаркта - оно заранее попросит пользователя обратиться к врачу.

Почти настоящая медсестра Sense.ly

Анимированная медсестра в приложении Sense.ly спрашивает о самочувствии, в норме ли давление, есть ли жалобы. ИИ приложения распознает и отправляет информацию лечащему врачу. Виртуальная сестра может давать пояснения по симптомам, напоминать о приеме лекарств и может напрямую связать с врачом по видеосвязи.

Медицинские боты-консультанты

Телемедицинский сервис Healthtap взял скрипты многих тысяч консультаций и натренировал по ним чат-бота Doctor A.I. Получить консультацию от этого бота можно также через умную колонку Amazon Alexa.

Аналогичную разработку, чат-бот Heath Bot , создали и в Microsoft. Пока, правда, боты понимают только английский язык.

ИИ для раковых больных Mendel.ai

Иногда последней надеждой онкобольных может стать испытание нового препарата от рака. Пациент, добровольно осознавая высокий риск, имеет шанс получить эффективное лечение, которое появится в общем доступе через несколько лет.

Страдающий от онкологии человек не обладает достаточной квалификацией, чтобы понять, подходят ли ему испытания. ИИ проекта Mendel.ai приходит на помощь отчаявшимся: система распознает естественный язык, на котором написана медицинская карта, и предлагает подходящие пациенту испытания.

Интеллектуальные решения для управления больницей

Работа больницы требует быстрой координации персонала и ресурсов - на кону здоровье и жизни пациентов. Как предсказать, сколько врачей, помещений, материалов необходимо медицинскому учреждению в определенный период времени?

Электронный ассистент Bright.md

Bright.md разрабатывали в качестве посредника между врачом и пациентом. ИИ-ассистент помогает решать рутинные задачи - организует встречу пациента и врача, назначает сдачу анализов, получает ответы пациента по опросному листу.

Помощник освобождает врача от бюрократических процедур и упрощает взаимодействие пациента с клиникой.

Система мониторинга больных Qventus

Система Qventus отслеживает состояние здоровья пациентов, находящихся в стационаре, предсказывает ухудшение и резервирует врачей и оборудование для предотвращения критической ситуации.

Управляющий ИИ Qventus применяют в нескольких американских госпиталях, и он уже доказал свою эффективность. В одной из больниц система смогла снизить количество пациентов в стационаре на 39%, поскольку персонал вовремя получал предупреждения о состоянии больных и оперативно оказывал помощь.

«Третье мнение» Клименко по поводу российской медицины

В марте 2016 года IBM предоставила тестовый доступ к Watson специалистам из ряда медицинских учреждений в России. Каким конкретно врачам и клиникам удалось поработать с Watson, в IBM не уточняли.

Тогда же гендиректор по IBM в России и СНГ Андрей Филатов сетовал , что здравоохранение в России очень жестко регулируется. В отечественной медицине действует принцип: «что не разрешено, то запрещено».

Причина неуспеха IBM в России лежит на поверхности - инновации в медицине заявляются одной из целей стратегии «Цифровая экономика», в рамках которой взят курс на импортозамещение. Как считают в Правительстве РФ , к 2020 году у России будет свой «Ватсон». Кто же будет его создавать?

В 2016 году советник президента РФ Герман Клименко анонсировал разработку первого проекта фонда Института развития интернета в области медицины. Система, получившая название «Третье мнение», - будет распознавать патологии организма по цифровым данным, полученным от рентгена, УЗИ, КТ, МРТ.

Разработкой программного обеспечения занимается компания «Технологии видеоанализа». Данные для обучения ИИ разработчикам бесплатно передали НИИ урологии и интервенционной радиологии им. Н.А. Лопаткина, НМИЦ детской онкологии и иммунологии им. Дмитрия Рогачева, и ряд региональных медицинских центров.

Для столь масштабного проекта необходимы серьезные инвестиции. По словам господина Клименко, затраты исчисляются десятками миллионов долларов. Разработчики планируют привлечь средства с помощью выхода на ICO (форма привлечения финансирования путем продажи инвесторам криптовалют).

Бывший лидер направления продвинутых технологий по Европейскому региону IBM Павел Шклюдов считает, что «потенциал у проекта (прим. - „Третье мнение“) есть, но для создания подобного класса систем нужно лет 5, в 20 раз больше финансов и люди, заточенные на продукт, а не на научные работы».

Проблемы внедрения ИИ: мифы и реальные вызовы

Люди очень часто негативно оценивают новые технологии. Вокруг ИИ тоже существует множество страхов, опасений и мифов.

Искусственный интеллект вот-вот победит человеческий!

Самый распространенный миф - вера в грядущее «восстание машин». Такие опасения явно преждевременны.

Приведенные мною примеры технологий относятся к так называемому узкому ИИ (narrow AI). Подобные системы в принципе способны решать только определенные задачи, превзойти человеческий разум они не в состоянии.

Появление сверхумного Superintelligence стоит ожидать не ранее 2045 года, предсказывает американский футуролог Рэймонд Курцвейл.

А вот по мнению сооснователя Microsoft Пола Аллена, пока досконально не будет изучен человеческий мозг, говорить об искусственном потенциально опасном сверхразуме рановато.

В общем, восстание машин откладывается.

У пациента не останется права на анонимность!

А вот эта проблема действительно имеет место быть. Потенциальное нарушение врачебной тайны ради эффективности лечения представляется вполне вероятным.

Для того, чтобы системы ИИ выдавали релевантные и полезные знания, им необходим доступ к гигантским массивам данных. Медицинские данные - электронные карты, снимки, заключения врачей - это сведения личного характера, они подпадают под действия законов о защите персональных данных.

Допустим, электронные карты и истории болезни окажутся в открытом доступе. Ими могут заинтересоваться страховые компании, которые начнут завышать стоимость полиса для пациентов, которые, по их мнению, «не совсем здоровы».

Работодатели могут отказывать соискателю, если узнают о его болезнях или генетических предрасположенностях - вполне себе реализация антиутопии из фильма «Гаттака».

Развитие технологий требует изменения правовой базы. Пока же инноваторы вынуждены работать в «серой» правовой зоне.

Искусственный интеллект спровоцирует правовой беспредел!

Увы, это вполне возможно. Громким скандалом обернулся меморандум о сотрудничестве DeepMind Health и Королевской бесплатной больницы Лондона.

В 2016 году подразделение Google получило доступ к записям болезней, вызовам скорой, данных радиологии - всей цифровой информации госпиталя за 5 лет. Информация о меморандуме попала в прессу , и на Google подали жалобу в Офис уполномоченного по информации Великобритании.

Согласно британскому законодательству, персональные данные пациентов могут быть переданы только организациям в анонимизированном виде. DeepMind Health же получили не зашифрованные данные.

Пока разбирательство ограничивается публичными прениями. Однако этот или другой подобный скандал вполне могут стать первым судебным прецедентом защиты медицинских данных от систем ИИ.

Чтобы избежать замедления прогресса, инновационная отрасль нуждается в правовом регулировании. Но законодатели - такие же люди, как и мы, со своими предубеждениями и предрассудками.

Остается надеется, что при разработке правовой базы парламентарии разных стран будут опираться на мнения экспертов, а не на фобии.

Основные проблемы применения медицинского ИИ

Что же останется, если отбросить технологический алармизм и правовые аспекты? Основным барьером перед массовым применением ИИ в здравоохранении могут стать два момента:

• чрезмерное количество данных для обучения;
• кадровая проблема.

Без качественных данных ИИ не будет работать продуктивно. А без подготовленных специалистов простое применение готовых алгоритмов к подготовленным данным также не даст нужного результата.

Кроме того, тревогу вызывает возможное сокращение рабочих мест в медицине. Хирурги, травматологи и стоматологи могут спать спокойно, но терапевтам и диагностам в случае массового внедрения ИИ грозят сокращения.

В 2017 году после начала эксплуатации IBM Watson японская компания Fukoku Mutual Life Insurance уволила 43 сотрудника . В руководстве фирмы оценили производительность суперкомпьютера и «оптимизировали» специалистов по медицинскому страхованию.

Рыночная оценка и перспективы медицинского ИИ

По оценке консультантов Frost & Sullivan доходы компаний на рынке медицинского ИИ к 2021 году достигнут 6,1 млрд долларов, при этом доля IBM составит около 45%.

В исследовательской компании Research and Markets перспективы оценивают скромнее: к 2020 году рынок вырастет до 5,05 млрд долларов (в 2014 году он составлял всего 419,7 млн долларов).

По расчетам R&M, наиболее быстрорастущим сегментом внедрения ИИ станет как раз здравоохранение. Причина - рост спроса на клинические испытания, моделирование лечения и новые исследования.

Во Frost & Sullivan составили дорожную карту развития отрасли на несколько лет вперед.

• К началу 2020-ых системы ИИ начнут повсеместно предлагать пациентам медицинскую помощь на основании данных, к которым будут иметь доступ пациенты и врачи.
• Хронические заболевания, такие как рак и диабет, будут диагностировать в течение нескольких минут с использованием когнитивных систем, которые будут визуализировать физиологические характеристики при сканировании тела человека.

Оптимисты из F&S предполагают, что к 2025 году системы ИИ будут задействованы в 90% клиник США и примерно в 60% крупнейших госпиталей мира. Эксперты надеются, что системы медицинского ИИ охватят почти 70% населения Земли.

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

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 . 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.

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 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 , «черного ящика». Если в алгоритме есть ошибка, и система приняла неправильное решение, то ответить на вопрос «почему» будет крайне трудно.

Сейчас 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».

Разработчики систем искусственного интеллекта (ИИ), до сих пор считавшиеся самыми незадачливыми игроками рынка IT-решений в здравоохранении, неожиданно получили карт-бланш. Опекунами и партнерами ассоциации «Национальная база медицинских знаний», в которую решили объединиться производители и потенциальные пользователи медицинских ИИ-систем, стали такие стейкхолдеры как Администрация Президента РФ, Российская венчурная компания, Минздрав и Росздравнадзор. По информации Vademecum, влиятельные кураторы нацеливают участников новой НКО на технологический прорыв: ассоциации предстоит собрать по клиникам «очищенный массив» медицинских данных, насытить этими сведениями ИИ, способный поддерживать принятие врачебных решений, и превратить эту IT-систему в продукт, который можно будет тиражировать в отечественной индустрии здравоохранения, а в перспективе – и экспортировать.

ЗА НИШУ ПОДПИСАВШИЕСЯ

Идея создания НКО «Ассоциация разработчиков и пользователей искусственного интеллекта «Национальная база медицинских знаний», которая объединила бы представителей IT‑компаний, клиник и других интересующихся внедрением ИИ‑систем операторов индустрии, была озвучена на прошедшем в июне Всероссийском консилиуме «Медицина народного доверия».

«Одна из сессий была посвящена системам искусственного интеллекта в медицине, – рассказал Vademecum присутствовавший на консилиуме основатель компании Botkin.AI Сергей Сорокин. – Там собрались ключевые разработчики и клиники, действующие в этой нише, договорившиеся в результате создать ассоциацию, которая занималась бы популяризацией и системным развитием ИИ в здравоохранении».

Тему тут же подхватили организаторы консилиума – сообщество заслуженных врачей России и «Национальное агентство социальных коммуникаций», включившие ее в программу «Медицина народного доверия», поддержанную Администрацией Президента РФ (АП).

Уже в июле инициаторы создания НКО представили на тематическом заседании в АП «дорожную карту» развития систем искусственного интеллекта в здравоохранении. Жюри, состоящее из сенаторов, депутатов, чиновников Минздрава, ФФОМС и других госструктур, заявку одобрили. В Администрации Президента РФ на запрос Vademecum не ответили.

Помимо АП, ассоциацию готовы патронировать Российская венчурная компания, Агентство стратегических инициатив, Минздрав, Росздравнадзор, другие заинтересованные ведомства и госкомпании. «Такая поддержка говорит о том, что государство будет системно развивать проекты и стартапы, связанные с ИИ в здравоохранении. В перспективе стоит амбициозная задача наладить экспорт этих технологий и вывести Россию в лидеры инноваций в этой сфере», – говорит директор по управлению проектами «Национальной технологической инициатив» АО РВК Андрей Алмазов.

Заявка на регистрацию НКО «Ассоциация «Национальная база медицинских знаний» подана в Минюст. Известно также, что объединение возглавит руководитель направления цифровой медицины ООО «Инвитро» Борис Зингерман, а в Наблюдательный совет НКО войдут президент Национальной ассоциации заслуженных врачей России Виктор Егоров; директор МОНИКИ им. М.Ф. Владимирского Дмитрий Семенов; директор Центра компетенций по импортозамещению в сфере ИКТ Илья Массух и другие авторитетные отраслевые персоны. По словам Бориса Зингермана, о готовности вступить в ассоциацию уже заявили представители порядка 50 IT‑компаний и государственных медцентров.

Искусственный интеллект в медицине, или система поддержки принятия врачебных решений, – это комплекс программ, позволяющих на основе обработки больших массивов данных ставить диагнозы, строить прогнозы и предположения относительно лечения пациента. По данным РВК, сейчас в России на разных этапах реализации находятся около 20 тематических стартапов. Редкие и разобщенные игроки этой ниши традиционно отставали от передовой когорты IT‑операторов в здравоохранении, главным образом из‑за консервативности врачебного сообщества и отсутствия продуктивного диалога между медиками и разработчиками. Ярчайший пример – увольнение в июле 2017 года из НМИЦ сердечно‑сосудистой хирургии им. А.Н. Бакулева руководителя лаборатории математического моделирования и мониторинга Владимира Лищука. Известный кибернетик после отставки объемную монографию, где подробно описал фатальные, на его взгляд, ошибки сотрудников Бакулевского центра в лечении критической сердечной недостаточности и других кардиологических заболеваний.

Что же так заинтересовало АП в безнадежной, как еще недавно казалось, и узкой отраслевой нише?

МОБИЛИЗАЦИОННЫЙ СБЕР

По словам собеседников Vademecum, одним из стимулов к форсированному созданию НКО «Ассоциация «Национальная база медицинских знаний» стало заключение в мае этого года между СК «Сбербанк. Страхование жизни» и IBM договора на использование российскими страховщиками разработанной американской корпорацией системы Watson for Oncology, представляющей собой ИИ для выработки рекомендаций по лечению онкозаболеваний. Как говорится в совместном сообщении компаний, на практике их партнерство будет выглядеть так: если клиенту «Сбербанк. Страхование жизни» будет поставлен первичный онкологический диагноз, то IBM Watson, обрабатывающая информацию в деперсонифицированом виде и использующая данные более чем 300 медицинских журналов, 200 учебников и множество других материалов, в течение нескольких секунд выдаст рекомендации по протоколам лечения для этого пациента. Как сообщили Vademecum в IBM Watson, аналогичный проект сейчас готовится к запуску в Казахстане.

«Этот проект стал серьезным ударом для всех стартапов в сфере ИИ в России: заключив договор с Сбербанком, IBM получает доступ к большому объему данных, что дает ей серьезное конкурентное преимущество. Отдельные разработчики не способны соперничать с американской корпорацией, конкурировать с ней может только государство», – объясняет Виктор Егоров.

Чтобы не допустить укрепления позиций IBM на российском рынке, в ближайший год участники ассоциации намерены сосредоточить коллективные усилия на трех основных проектах, которые могут существенно продвинуть отечественные разработки в сфере искусственного интеллекта в медицине. Главной задачей станет создание единой базы данных, аккумулирующей медицинскую информацию медицинских организаций.

Основой этого информационного массива может стать «Объединенная база медицинских данных», созданная сотрудниками НМИЦ ССХ им. А.Н. Бакулева – для развития собственного дата‑центра ими еще год назад была создана компания «Соцмедика», ставшая резидентом «Сколково». «Наша база фактически представляет собой семантическое ядро для национальной базы. Она содержит классификаторы, регистры моделей пациента и другую прикладную информацию. На этот каркас уже будут «нанизываться» данные пациентов», – объясняет директор АО «Соцмедика» Геворг Бледжянц.

Опрошенные Vademecum представители госмедучреждений, поддерживая инициативу по строительству медицинской ИИ‑системы в целом, признаются, что пока не готовы делиться данными. «Идея нам интересна, и в случае обеспечения всех необходимых условий МОНИКИ может стать идеальной площадкой для развития таких технологий, ведь мы обладаем большим массивом рентгеновских и других изображений, которые можно использовать для разработки систем искусственного интеллекта. Однако сейчас для этого нет законодательной базы, в частности закон о персональных данных не позволяет нам предоставлять такие сведения», – говорит директор института Дмитрий Семенов.

Управляющий партнер бюро «Адвокатская группа «Онегин» Ольга Зиновьева считает, что непреодолимых барьеров для передачи медицинских данных действующее законодательство не ставит. «Например, п. 4 ст. 13 Федерального закона №323 «Об охране здоровья граждан» предоставляет медицинским организациям производить информационный обмен данными. Более сложной проблемой здесь скорее станет недостаточная правовая грамотность контролирующих органов, которые могут вывести применение ИИ‑систем на практике в зону судебных прецедентов, – рассуждает Зиновьева. – Но если создатели ассоциации смогут добиться оформления своей деятельности в отдельный нормативный акт, проблема будет снята».

По словам инициаторов создания ассоциации, они не исключают подготовку и издание такого документа. Скорое разрешение возникающих по дороге к созданию продукта противоречий обещает сам факт подключения к реализации замысла мощного административного ресурса. Да и сам формат проекта подразумевает четкое разделение усилий и ответственности: «Национальная база медицинских знаний» будет организована на принципах государственно‑частного партнерства, в котором государство обеспечит поток и защиту данных, а инвестор – финансирование и ведение разработок.

ТУГИЕ И РИСКИ

Что же касается не гипотетических, а реальных нормативных препон, встающих на пути разработчиков медицинских ИИ‑систем, то создатели ассоциации уже обратили внимание регуляторов на отдельные устаревшие и потому вредоносные регламенты. Инициаторы проекта уже начали консультации с чиновниками об изменении статуса IT‑продуктов в сфере здравоохранения – согласно действующему приказу Минздрава №4н от 6 июня 2012 года «Об утверждении номенклатурной классификации медицинских изделий» любое применяемое в отрасли программное обеспечение должно регистрироваться как медизделие.

«Эта норма фактически убивает рынок. Но нам удалось наладить диалог с Росздравнадзором и выработать взаимопонимание в этом вопросе. Проблема в том, что сейчас нет прозрачных и понятных методических рекомендаций по проведению испытаний программного обеспечения. Поэтому мы предложили для таких продуктов специальную процедуру ретроспективных клинических испытаний без участия человека на основе заранее подготовленных эталонных данных. Росздравнадзор эту идею поддержал», – говорит один из инициаторов ассоциации эксперт компании «К‑МИС» Александр Гусев.

Представители службы на запрос Vademecum не ответили.

Еще одна приоритетная для ассоциации тема – создание национального риск‑офиса, то есть системы предотвращения заболеваний. Это направление участники НКО будут вести вместе с экспертами Всероссийского союза страховщиков (ВСС). «На практике идея риск‑офиса работает так: вам звонит менеджер и информирует вас о том, что если ориентироваться на то, как вы работаете и живете, у вас могут развиться такие‑то заболевания, и соответственно рекомендует вам пройти диагностику или лечебные процедуры. Фактически это предиктивная аналитика, превентивная медицина, основанная на больших объемах данных. Такой подход может перевернуть систему страхования – мы будем идти не от страхового случая, когда человек уже болен, а работать над предупреждением болезни», – объясняет вице‑президент ВСС Максим Данилов.

Наконец, ассоциация будет поддерживать стартапы в сфере медицинских ИИ‑систем – предоставлять им очищенные данные, продвигать их разработки, помогать в поиске инвесторов.

ПОРАСКИНУЛИ МОЗГАМИ

Российские стартапы в области ИИ в медицине

«Идея создания единой базы медицинских данных кажется интересной, такие данные могут стать бесценным материалом для всех разработчиков, работающих в этой сфере. Вопросы в нюансах. Идеальным вариантом было бы, если бы в эту базу можно было интегрировать данные из истории болезни, включая диагностические данные приборов, но здесь проблема заключается в том, что сейчас не существует единого технического стандарта по формированию историй болезни, который позволил бы объединить все эти данные. Второй момент – риск утечек данных, сейчас, как известно, утечки информации из госучреждений происходят довольно часто, поэтому здесь необходимо формирование надежной системы защиты», – делится резонными сомнениями Богдан Севрюков, директор компании Ocutri, создающей ИИ‑решения для медицины.

Опрошенные Vademecum представители профильных IT‑компаний сходятся во мнении, что инициатива по созданию НКО «Национальная база медицинских знаний» – несколько запоздалая попытка наполнить госпрограммы по информатизации здравоохранения актуальным инновационным содержанием.

Недолгая история дигитализации отрасли, приходится признать, полна провалов и неоправданно резких поворотов. Достаточно оглянуться на полтора года назад.

Распоряжением Правительства РФ №1632р от 28 июля 2017 года мероприятия по информатизации здравоохранения были утверждены в качестве неотъемлемой части программы «Цифровая экономика». Тогда же Дмитрий Медведев назвал в числе целей информатизации развитие систем искусственного интеллекта в здравоохранении, а также разработку инновационных решений для превентивной и персонализированной медицины.

Но еще через год премьер‑министр поручил правительству интегрировать отраслевой «цифровой контур» в свежий нацпроект «Здравоохранение», и замысел вновь претерпел коррективы. Как следует из последней версии , мероприятия программы, на выполнение которой до 2024 года будет направлено около 130 млрд рублей, не подразумевают создание ИИ‑систем в медицине, а направлены исключительно на доработку и завершение злосчастного долгостроя ЕГИСЗ.