5 ПРЕПЯТСТВИЙ ДЛЯ ВНЕДРЕНИЯ ТЕХНОЛОГИЙ ИИ В МЕДИЦИНЕ

5 препятствий для внедрения технологий ИИ в медицине

Основные препятствия использования технологии искусственного интеллекта (ИИ) в российской медицине. Под силу ли молодым компаниям найти решения, создать эффективный продукт в таких условиях?

Перспективы развития ИИ

Технологии с использованием искусственного интеллекта все незаметно входят в нашу жизнь, делая ее комфортнее. Машины распознают речь, отвечают на несложные вопросы в чатах, играют в шахматы, делают прогнозы. Самая важная способность алгоритмов – обрабатывать большие объемы данных и анализировать информацию. Алгоритмы могут выполнять рутинные операции, освобождая людей для более сложных задач.

Цифровизация жизни приводит к тому, что люди все больше и больше зависят от компьютеров. Мы проводим много времени у экранов смартфонов или планшетов, занимаясь работой, общаясь, делая покупки. Использование ИИ позволит перераспределить нагрузки между людьми и машинами. Перспективы использования алгоритмов огромны. Например, скоро будет запущен сервис, позволяющий устранять посторонние шумы во время телефонного разговора.

Большие объемы цифровых данных – питательная среда для разработки различных полезных сервисов для создания современных приборов, для сервиса, для создания автоматизированных аналитических программ.

Специфика медицины открывает большие перспективы для применения искусственного интеллекта. Так же, как в финансовой сфере алгоритмы можно применять для прогнозирования возникновения заболеваний, для диагностики текущего состояния, для выполнения рутинных процедур. Есть данные, что ИИ выявляет патологии точнее, чем это делают люди. Высокая эффективность программ обусловлена возможность анализировать большие объемы данных. Широко рекламируемый алгоритм от компании IBM - «Watson» на основании 20 миллионов описанных случаев рака, смог диагностировать у пожилой пациентки, которой уже поставили неправильный диагноз, редкую форму рака крови.

Итак, в медицине ИИ сможет:

  • Решать рутинные однотипные задачи.
  • Диагностировать,
  • Снизить вероятность возникновения врачебных ошибок.

Скорее всего, применение ИИ изменит, сложившуюся тысячелетиями, медицинскую практику. Но полностью заменить человека, ИИ не сможет. Скорее, применение ИИ повлечет за собой появление новых медицинских специализаций, связанных с обслуживанием цифровых систем в медицинских учреждениях.

Технологии машинного обучения в медицине

Сегодня успешно применяются программы на основе машинного обучения для анализа и диагностики медицинских снимков. Цифровая аппаратура автоматически загружает снимок в программу, после чего изображение сканируется, анализируется (т.е. сравнивается с миллионами подобными снимками, обработанными ранее) и дает заключение.

Подобные программы, основанные на анализе миллионов подобных клинических историй, применяют для удаленного мониторинга хронических пациентов вне стационаров, для оценки поступающих пациентов, в хирургии.

Системы машинного обучения применимы и в области анализа совместимости лекарств. Они могут прогнозировать болезни, используя данные генетического анализа.

ИИ находится применение при разработке новых фармакологических средств. Некоторые фармакологические компании автоматизировали процессы оценки эффективности новых медицинских препаратов. Происходит это так: в программу загружают миллионы файлов, содержащих информацию о болезнях, действии веществ, результатах лечения. Это могут быть и научные публикации, и истории болезней, и данные медицинских карт. Программа анализирует весь объем информации и рассчитывает вероятностные прогнозы действия нового препарата, его эффективность и перспективность. Программа может учитывать и конкурентные препараты на рынке, экономические и маркетинговые факторы риска в процессе вывода тестируемого препарата на рынок. Для сравнения: без применения автоматизации можно изучить лишь сотую долю документации.

Эффективность и перспективность применения ИИ в медицине оценили бизнесмены. Аналитики из Venture Scanner утверждают, что более восьми сотен компаний в мире занимаются этой темой. Скоро мир изменится под влиянием «умных» программ. Все лидирующие цифровые корпорации считают своим долгом «отметится» в медицинском сервисе.

Более того, эксперты прогнозируют стремительное увеличение стартапов применяющих искусственный интеллект на треть в год. Таки образом, уже через семь лет рынок ИИ только в здравоохранении достигнет почти тридцати миллиардов долларов.

Надо признать, что эксперты не учли сдерживающие рост факторы. Внедрение технологий ИИ в медицине сталкивается с препятствиями. Часто это связано с человеческим факторам и традиционным консерватизмом медицинской отрасли.

5 сдерживающих факторов

1. Качество данных

5 препятствий для внедрения технологий ИИ в медицинеКачество и количество информации, используемой для обработки данных имеют решающую роль для создания программ на базе ИИ. Часто информация медицинских карт пациентов неполная, содержит ошибки, неточности и пропуски. Аналитическая работа, которая будет проводится на базе таких данных, будет ошибочна. Устранить эту проблему можно, используя для обучения небольшие объемы, хорошо подготовленных, структурированных данных. Есть уже успешные результаты подобного обучения для разработки интерактивной работы клавиатуры смартфонов. Программа запоминает введенные слова, анализирует их сочетание, и на основе анализа делает прогноз будущих писем и СМС. Есть успешные проекты анализа малых данных для распознавания людей на фото и анализа музыки.

2. Неразговорчивые роботы

Вторая проблема, ограничивающая применение ИИ в медицине: отсутствие очевидности принятия решения для людей. Принцип работы «black box»: когда данные подгружаются, обрабатываются, и на выходе имеем некое заключение - ставит под сомнение правильность результата. Найти ошибку, повлекшую неправильное решение, выявить не возможно.

IT-Разработчики знают об этой проблеме. Сейчас ведутся разработки более прозрачных программ. Штатовские программисты в этом вопросе лидируют. Государственные военные структуры США поставили такую задачу одновременно тринадцати коллективам разработчиков.

А в России получен патент на технологию использования медицинских онтологий для математического моделирования. Разработчики уверяют, что их подход позволит врачам анализировать ход логических заключений алгоритмизированной программы. Технология позволит снизить количество данных, необходимое для машинного обучения.

3. Подготовка персонала

Опасения, что программы заменят медперсонал, возникнет безработица, опровергаются жизнью. Новые методы работы, требуют специалистов новых профессий и высокого уровня компетенций. Сегодня требуются сотрудники, способные эффективно работать и обслуживать со сложными программами.

Обслуживание таких систем или сервисов требуют наличие сильной проектной команды. Важно наладить взаимодействие внутри команды и слаженность.

4. Стоимость

Как и в других хозяйственных областях жизни, продукт должен иметь рыночную стоимость. Необходимость привлекать специалистов, покупать качественные данные, повышает стоимость конечного продукта. Увеличение времени разработки, внедрения решений ИИ также увеличивает стоимость продукта. Использование медицинских данных, накопленные в конкретном медучреждении, с одной стороны повышает эффективность программы, но с другой – увеличивает стоимость.

Поэтому быстрые продажи продуктов, созданными молодыми командами разработчиков для конкретных медучреждений невозможны. Особенности медицинских рынков программных продуктов заключаются в том, что масштабирование возможно в редких случаях.

Эксперты прогнозируют в ближайшей перспективе сохранение таких тенденций. Снижения цен ждать не приходится. Тем, кто хочет зарабатывать «быстрые» деньги следует искать другие сферы нашей жизни.

5. Безопасность

Работа алгоритмов с использованием больших данных требует высокопроизводительные суперкомпьютеры. Как правило, медицинские учреждения не обладают таким дорогостоящим, уникальным оборудованием. Поэтом у в большинстве случаев массивы данных приходится выводить за пределы организации на сторонние серверы. В этой связи возникает угроза утечки, копирования и повреждения данных. Разработчик обязан обеспечить безопасность хранения данных. Уже известны случаи, когда проекты по ИИ были остановлены из-за угроз информационной безопасности.

Необходимо предусмотреть процедуру деперсонализации данных, если такая возможность не влияет на результат работы.

Выводы:

Осознание проблемы – первый шаг к ее решению. Сообщество профессионалов осведомлено о наличии проблем и сдерживающих факторов. Уже пересматриваются принципы разработки роботизированных систем, широко обсуждаются вопросы этики ИИ, предлагаются новые варианты технологий. Этот процесс займет некоторое время.

Но есть и положительные тенденции. Так технологии искусственного интеллекта успешно применяются на фармакологическом рынке, в биологии и микробиологии.

Искусственный интеллект способен сделать переворот в области клинических испытаний. Пока же технологии ИИ эффективны при работе с крупными компаниями.

ЧИТАЙТЕ ТАКЖЕ

Задать вопрос

Оставьте свое сообщение и контакты для связи.
Мы с вами обязательно свяжемся.