Где ИИ помогает клиническому взгляду
Значительная часть современной медицины визуальна. Рентгенологи читают рентгеновские и КТ-снимки, патологи изучают гистологические препараты, офтальмологи осматривают сетчатку, дерматологи смотрят на кожу. В каждой области задача имеет чёткую структуру: поступает изображение, и вопрос в том, есть ли на нём что-то аномальное и где.
Такая структура хорошо подходит для машинного обучения. Обученная на большом числе размеченных изображений, модель учится выделять участки, похожие на известные заболевания, измерять найденное и ранжировать случаи по вероятности. Она не устаёт к концу долгой смены и применяет одни и те же критерии к первому снимку и к тысячному.
Наиболее зрелые применения — выявление признаков инсульта на снимках мозга, обнаружение подозрительных узелков при визуализации грудной клетки, скрининг диабетической ретинопатии по фотографиям сетчатки и выявление возможных переломов. В каждом случае ИИ действует как внимательный помощник, обращающий внимание, а не как судья, выносящий решение.
Раннее выявление и сортировка
Выделяются два преимущества. Первое — более раннее выявление. Малозаметные изменения, такие как небольшое поражение или лёгкий сдвиг плотности ткани, могут быть пропущены спешащим человеком и замечены моделью, которая изучает каждый пиксель. Более раннее выявление часто означает более простое лечение и лучшие исходы.
Второе — сортировка (триаж). В загруженном отделении неотложной помощи могут ждать десятки снимков. ИИ, который ставит вероятное кровоизлияние или возможный коллапс лёгкого в начало очереди, помогает рентгенологу первым добраться до самого неотложного пациента. Та же логика применима к программам скрининга, где модель может отделить явно нормальные случаи от требующих внимания специалиста.
Диабет широко распространён в странах Залива, и скрининг сетчатки показывает, как это выглядит на практике: камера в клинике первичного звена, алгоритм, отмечающий возможную ретинопатию, и оперативное направление к офтальмологу тех, кому это необходимо.
Что показывают данные исследований
Научная литература по диагностическому ИИ быстро растёт, и её беспристрастное прочтение скорее сдержанное, чем триумфальное. В узких, чётко определённых задачах с качественными обучающими данными модели неоднократно демонстрировали результаты на уровне опытных специалистов в контролируемых исследованиях. При использовании в качестве «второго читателя» наряду с клиницистом они, как правило, сокращают число пропущенных находок.
Та же литература содержит предостережения. Производительность может снижаться, когда модель сталкивается со сканерами, популяцией пациентов или протоколами визуализации новой больницы. Модели, обученные в основном на одной популяции, могут быть менее надёжны для другой, что является реальной проблемой для пациентов стран Залива, если обучающие данные пришли из других регионов. А реальная польза зависит от рабочего процесса: предупреждение, на которое никто не реагирует, ничего не меняет.
Короче говоря, диагностика с помощью ИИ лучше всего работает как контролируемое вспомогательное средство, валидированное на месте, в рамках чёткого клинического процесса.
Врач остаётся ответственным
Каким бы хорошим ни было программное обеспечение, диагноз принадлежит врачу. Такова позиция регуляторов, профессиональных организаций и большинства больничных политик, и она верна. Клиницист видит пациента целиком, включая анамнез, симптомы и контекст, которых модель никогда не получает. Клиницист также несёт обязанность заботы и может объяснить решение пациенту и семье человеческим языком.
Из этого следуют практические выводы. Клиницисты должны понимать, для чего инструмент был обучен и где он, как известно, даёт сбои. Результаты ИИ должны рассматриваться, а не штамповаться, и в записи следует отмечать, когда ИИ помогал в принятии решения. Пациентам нужно простым языком сообщать, что такие инструменты используются, и с уважением отвечать на их вопросы.
Данные пациентов заслуживают самой строгой защиты
Диагностический ИИ работает на изображениях и записях пациентов — одних из самых чувствительных данных, которые есть у человека. Регуляторы здравоохранения в ОАЭ и Саудовской Аравии установили правила о том, где могут храниться медицинские данные, как работает согласие и кто может иметь к ним доступ. Любая клиника, внедряющая ИИ, должна знать эти правила и прописать их в договоре с поставщиком.
Надлежащая практика включает хранение данных внутри страны там, где этого требует закон, удаление идентифицирующих сведений до использования изображений для улучшения моделей, ограничение доступа теми, кому он необходим, и ведение журнала аудита. Уважение к частной жизни пациента — не только юридическое требование; это часть достоинства, которое мы обязаны обеспечить каждому пациенту.
С чего может начать клиника
Клинике не нужен исследовательский отдел, чтобы начать. Разумный путь — выбрать одну массовую, чётко определённую задачу, например сортировку рентгеновских снимков грудной клетки или скрининг сетчатки, для которой уже существует одобренный регулятором инструмент.
- С самого начала привлеките специалистов, которые будут пользоваться инструментом, и согласуйте, как его результаты будут отображаться в их рабочем процессе.
- Проведите период валидации, в течение которого находки инструмента сравниваются с заключениями клинициста, прежде чем кто-либо начнёт на него полагаться.
- Урегулируйте вопросы хранения данных, формулировки согласия и прав доступа до того, как будет обработано первое изображение пациента.
- Измеряйте то, что важно: время до заключения, пропущенные находки, точность направлений и удовлетворённость клиницистов.
Расширяйте только тогда, когда результаты это оправдывают. При таком подходе ИИ становится тем, чем он и должен быть в медицине: второй парой глаз на службе у врача, который полностью сохраняет контроль.
