ИИ превосходит врачей в анализе сердечных снимков, диагностике и скрининге Паркинсона — но пациенты пока не убеждены
ИИ превосходит врачей в кардиологическом прогнозировании, сложной диагностике и скрининге Паркинсона — тогда как большинство американцев по-прежнему с осторожностью относятся к этой технологии.
By Dr. Asher Knippel
На этой неделе появилась серия знаковых открытий в области применения ИИ в медицине: машины обходят врачей в чтении сердечных снимков и постановке диагнозов, опросный инструмент может выявлять болезнь Паркинсона за годы до появления симптомов, и при этом большинство американцев заявляют, что предпочли бы держать ИИ подальше от своего медицинского обслуживания.
ИИ читает сердечные снимки в 300 раз быстрее — и точнее
Исследование под руководством UCL, опубликованное в The Lancet Digital Health, проанализировало данные сердечной МРТ 27 382 пациентов в Великобритании и США и пришло к поразительному выводу: измерения фракции выброса, полученные с помощью ИИ — доли крови, перекачиваемой при каждом ударе сердца, — значительно точнее предсказывали пятилетнюю смертность, чем те же измерения, выполненные врачами-специалистами.
Скорость — лишь часть истории: ИИ выполнял каждый анализ за две-три секунды, против примерно 13 минут у специалиста. Но точность — более важная находка. Модель отмечала пациентов как высокорисковых даже тогда, когда их показатели были ниже клинического порога, который в противном случае разрешил бы выписку. На практике это означает, что некоторые пациенты, которых отправили бы домой, возможно, нуждаются в более тщательном наблюдении — и ИИ лучше определяет, кто именно.
Диагностический ИИ Microsoft превосходит врачей общей практики в два раза
Статья, опубликованная в журнале Science на этой неделе, описала MAI-DxO — Медицинский диагностический оркестратор ИИ от Microsoft. Система достигла точности 83,2% на 304 сложных случаях из клинических разборов New England Journal of Medicine, по сравнению с 36,1% у врачей общей практики, работавших со справочными материалами. На отдельном наборе данных отделения скорой помощи разрыв был аналогичным: 80% у ИИ против 47% у врачей.
Система также назначала меньше диагностических тестов — и более дешёвых — для получения своих заключений. Такое сочетание более высокой точности и более низкой стоимости — именно тот сценарий, который оптимисты в отношении ИИ обещали давно, и теперь он получил поддержку рецензируемых исследований. Более сложный вопрос, который ставит статья, — что это означает для системы подготовки врачей общей практики: если программная система может превзойти врача, имеющего доступ к справочным материалам, что это значит для медицинского образования и кадровой политики?
Большинство американцев по-прежнему дискомфортно относятся к медицинской помощи с участием ИИ
На фоне этого технического прогресса опрос Pew Research Center, проведённый среди 3 488 взрослых американцев и опубликованный 3 ноября, служит красноречивым напоминанием о том, что клинические показатели и общественное признание — это разные вещи. Шестьдесят процентов респондентов заявили, что им некомфортно применение ИИ для диагностики их состояний или рекомендации лечения. Лишь 5% сказали, что они согласны с автономным принятием ИИ решений по страховым претензиям. Пятьдесят один процент выразил обеспокоенность безопасностью своих личных данных о здоровье.
Наиболее показательный вывод: пациенты доверяют врачам больше всех остальных в использовании ИИ в их интересах — больше, чем больницам, страховщикам и правительству. Это важно для того, как инструменты ИИ внедряются в клиническую практику. Технология, превосходящая врача в контролируемом испытании, всё равно может потерпеть неудачу при внедрении, если пациенты отказываются от медицинской помощи или отказываются следовать рекомендациям, сгенерированным ИИ.
Биотехнологические компании противостоят хайпу вокруг разработки лекарств с помощью ИИ
Не все игроки в области медицинских технологий спешат принять ИИ. Всё большее число биотехнологических стартапов намеренно отказывается от платформ открытия лекарств на основе ИИ, предпочитая высокопроизводительные эксперименты в «мокрой» лаборатории под руководством химиков с учёными степенями, а не модели глубокого обучения.
Опасения, которые эти компании называют, конкретны: обучающие наборы данных, не охватывающие полное химическое и биологическое пространство интересов; нейронные сети, решения которых нельзя проверить или объяснить; и биологические системы, слишком сложные для надёжного моделирования с помощью нынешних архитектур. Одна из упомянутых компаний проводит 50 000 тестов соединений в неделю с применением робототехники — масштаб, немыслимый без автоматизации, — но полностью полагается на учёных-людей при выдвижении гипотез. Эта история опровергает представление о том, что внедрение ИИ в разработку лекарств является единообразным или неизбежным.
Инструмент из 30 вопросов может выявить болезнь Паркинсона за годы до появления симптомов
Команда Rensselaer Polytechnic Institute опубликовала 4 ноября исследование в Nature Aging, описывающее Quest2Dx — модель, анализирующую ответы на вопросы о состоянии здоровья для выявления людей в продромальной фазе болезни Паркинсона — периоде до появления двигательных симптомов.
Модель ищет ранние предупредительные признаки, которые нередко предшествуют официальному диагнозу на годы или даже десятилетия: снижение обоняния, нарушение фазы быстрого сна и незначительные изменения почерка. Сокращённая версия из 30 вопросов показала результаты, почти не уступающие полным батареям анкет, что крайне важно для реального применения. Краткий опросник можно проводить во время визита к врачу первичной помощи с минимальными затратами и без специального оборудования. Если Quest2Dx будет подтверждён в проспективных исследованиях, он может дать неврологам — и пациентам — значительную фору в борьбе с болезнью, при которой более ранняя интервенция неизменно даёт лучшие результаты.
Общее между этими пятью историями — разрыв, пронизывающий их все: системы ИИ достигают и в некоторых случаях превосходят человеческие показатели в узко определённых клинических задачах, но путь от контрольного теста до постели пациента остаётся длиннее и труднее, чем может разрешить любое отдельное исследование. Доверие нужно выстраивать. Клиницистам необходимо понимать, что инструменты на самом деле делают. И ограничения, которые поднимают скептики в области биотехнологий, — непрозрачные модели, нерепрезентативные обучающие данные, биологическая сложность, превосходящая возможности нынешних архитектур, — реальны даже там, где результаты заголовков выглядят впечатляюще. Исследования этой недели свидетельствуют о быстром прогрессе. Но они ещё не доказывают, что переход завершён.