ИИ-диагностика, лаборатории биобезопасности и стремление измерить важное в здравоохранении
MAI-DxO от Microsoft достигает 83% точности диагностики, Великобритания финансирует лабораторию ИИ для биобезопасности, а руководители здравоохранения требуют показателей результатов.
By Dr. Asher Knippel
Заголовки о медицинском ИИ на этой неделе сходятся в одном противоречии: возможности ИИ доказаны, однако более сложная работа — безопасное развёртывание, справедливое регулирование и честное измерение — едва началась.
MAI-DxO от Microsoft Превосходит Врачей в Сложных Диагнозах
В исследовании, опубликованном в журнале Science, система Microsoft Medical AI Diagnostic Orchestrator (MAI-DxO), основанная на GPT-5, достигла точности 83,2% на тестовой выборке из сложных медицинских случаев New England Journal of Medicine. Для сравнения, врачи общей практики получили 36,1% на тех же случаях.
Разрыв впечатляющий, однако Microsoft осторожна в формулировках. MAI-DxO создана для работы в качестве слоя рассуждений, координирующего несколько моделей ИИ — сбор анамнеза, назначение обследований и синтез выводов — а не как прямая замена врачей. Клинические испытания в Медицинском центре Beth Israel Deaconess в Бостоне должны начаться в ближайшее время: там система будет оцениваться в реальных контактах с пациентами, а не на статичных архивах случаев.
Что делает этот результат значимым помимо числа в заголовке — это характер тестовой выборки: случаи NEJM намеренно сложные, часто включающие редкие клинические картины или необычные сочетания данных, которые сбивают с толку даже опытных клиницистов. Оценка 83% на этом подмножестве говорит о том, что способны делать большие языковые модели при структурированном доступе к рабочим процессам клинического рассуждения. Сохраняется ли эта производительность в более беспорядочных условиях реального клинического ухода — открытый вопрос, на который призвано ответить испытание в Бостоне.
Великобритания Запускает Лабораторию ИИ по Биобезопасности на 300 Миллионов Фунтов
Кабинет министров Великобритании объявил о создании новой Лаборатории ИИ по биобезопасности, поддержанной 100 миллионами фунтов государственного финансирования и до 200 миллионов фунтов в кредитах моделей, взятых на себя OpenAI и Anthropic. Заявленная миссия лаборатории охватывает два приоритета: раннее обнаружение биологических угроз — включая искусственно созданные патогены — и ускорение разработки вакцин и контрмер при возникновении новой угрозы.
Временно́й выбор отражает постпандемическую переоценку национальной инфраструктуры биобезопасности. Традиционные системы наблюдения медленны; теория состоит в том, что модели ИИ, обученные на геномных, эпидемиологических и клинических данных, могут выявлять аномальные сигналы значительно раньше, чем традиционный мониторинг общественного здравоохранения. Структура кредитов моделей от OpenAI и Anthropic также примечательна — она указывает, что технологические компании видят биобезопасность как подлинное общественное благо и область, где демонстрация ответственного развёртывания укрепляет доверие правительств.
Критики отметят, что раннее обнаружение полезно ровно настолько, насколько эффективны стоящие за ним возможности реагирования. Лаборатория решает проблему восприятия сигналов; ограничения цепочки поставок и производства, замедлившие развёртывание вакцин против COVID-19, были совершенно иным видом проблемы. Тем не менее как исследовательский ресурс это значительное обязательство.
AstraZeneca и Oracle Внедряют ИИ в Глобальные Клинические Испытания
Объявленное на Саммите здоровья будущего в Абу-Даби, партнёрство AstraZeneca и Oracle направлено на применение ИИ и данных реального мира во всех операциях клинических испытаний. Сотрудничество нацелено на три конкретных варианта использования: более эффективное сопоставление пациентов с испытаниями, обеспечение более ранней диагностики таких состояний, как гипертония, и мониторинг сигналов безопасности лекарств в постмаркетинговых популяциях.
География объявления — Абу-Даби — сама по себе является сигналом. Партнёрство включает планы расширения в США, Европе и на Ближнем Востоке, указывая, что обе компании рассматривают развивающиеся рынки как критически важные для масштабирования клинических исследований, а не относятся к ним как к второстепенным зонам развёртывания.
Подбор пациентов для испытаний хронически недостаточно эффективен. Многие испытания не укладываются в сроки набора, что увеличивает затраты и задерживает доступ к новым методам лечения. Если ИИ сможет существенно сократить этот разрыв, выявляя подходящих пациентов раньше и снижая число неудач при скрининге, последующее влияние на сроки разработки лекарств может оказаться значительным. Использование для гипертонии интересно по иной причине: оно указывает, что партнёрство думает о смещении диагностики выше по течению — до того как пациенты достигают точки обращения с осложнениями.
FDA и MHRA Намечают Регуляторные Рамки для Устройств с Генеративным ИИ
На Конференции MedTech FDA и Агентство по регулированию лекарственных средств и медицинской продукции Великобритании (MHRA) дали параллельные сигналы о направлении регулирования генеративного ИИ. FDA указало, что проект руководства по медицинским устройствам с поддержкой генеративного ИИ выйдет в ближайшее время — шаг, которого ждала отрасль, поскольку производители устройств пытаются строить дорожные карты продуктов с учётом регуляторной неопределённости.
Программа Pioneer FDA-MHRA, устанавливающая взаимные должности связи между двумя агентствами, призвана обеспечить международное согласование на раннем этапе, а не после закрепления расходящихся рамок. Американская медицинская ассоциация высказалась отдельно, призвав включить в любую регуляторную базу стандарты производительности под руководством врачей и чёткие механизмы привлечения производителей к ответственности, когда системы ИИ не справляются или причиняют вред.
Позиция AMA заслуживает серьёзного внимания. Эталоны точности для устройств ИИ в настоящее время в основном устанавливаются разработчиками. Врачи, использующие эти инструменты на практике — и несущие профессиональную и юридическую ответственность за клинические решения — имеют законный интерес в определении того, что в действительности означает хорошая производительность в клиническом контексте. Регуляторная система, исключающая их вклад, рискует оптимизироваться по неверным результатам.
Форум ИИ HIMSS: Прекратите Измерять Точность, Начните Измерять Результаты
В Сан-Диего форум HIMSS AI in Healthcare обнажил разочарование, накапливавшееся среди клинических руководителей в течение нескольких лет: метрики, используемые для оценки ИИ в здравоохранении, — не те метрики, которые важны для пациентов или систем здравоохранения.
Оценки точности на отобранных тестовых выборках — тех, что генерируют пресс-релизы — говорят о возможностях модели в контролируемых условиях. Они мало что говорят о том, действительно ли ИИ принят клиницистами, меняет ли он клиническое поведение таким образом, что это полезно пациентам, снижает ли административную нагрузку или оправданы ли его затраты производимыми результатами.
Новое исследование HIMSS, представленное на форуме, показывает, что энтузиазм в отношении ИИ в здравоохранении сохраняется высоким во всём секторе, однако барьеры внедрения не исчезают: интеграция в рабочие процессы затруднена, доверие клиницистов распределено неравномерно, а измерение результатов остаётся незрелым. Руководители на форуме выступали за переход к оценке инвестиций в ИИ по результатам лечения пациентов, уровням клинического внедрения и операционной эффективности — метрикам, требующим более длительных временных горизонтов и более сложной атрибуции, чем точность тестовых выборок, но которые в конечном счёте определяют, стоит ли создавать эти инструменты.
Ирония не ускользает: в ту же неделю, когда MAI-DxO попала в заголовки за свой результат, конференция практиков в области медицинского ИИ утверждала, что точность тестовых выборок — неправильная метрика. Оба утверждения могут быть истинными: 83% на сложных случаях NEJM — это действительно впечатляющий результат, и он недостаточен как доказательство того, что система улучшит уход за пациентами. Клиническое испытание в Бостоне — это именно тот вид проверки, которого добивались докладчики HIMSS.
Истории недели, рассматриваемые вместе, указывают на то, что ИИ в здравоохранении проходит переломный момент. Вопросы возможностей становятся всё более поддающимися ответу — системы работают на уровнях, которые казались бы невероятными пять лет назад. Более сложные вопросы — об управлении, измерении, внедрении и ответственности — это то место, где сосредоточена настоящая работа.