luckyea77 (luckyea77) wrote,
luckyea77
luckyea77

Виртуальный доктор. Как будет работать искусственный интеллект в медицине



В каких случаях ИИ помогает врачу, а где на него зря уходят деньги

Согласно международным исследованиям, применение искусственного интеллекта в медицине способно увеличить валовую прибыль компаний в индустрии здравоохранения. В 2016 году доля европейского рынка ИИ была оценена в $270 млн при ожидаемом ежегодном росте более 35%. По оценкам BIS Research, к 2025 году общий рынок ИИ в здравоохранении достигнет $28 млрд при CAGR более 45,1%, а рынок ИИ для медицинской визуализации и диагностики — $2,5 млрд.

Основной мотивацией для развития ИИ в медицине является рост затрат на здравоохранение и соответствующая необходимость в их ограничении, проблема качества диагностики: около 20-30% медицинских исследований являются неточными или неточно интерпретируются, стремление к стандартизации и автоматизации рутинных функций вплоть до создания самоуправляемых диагностических моделей.

Еще одним очевидным стимулом развития ИИ является огромный объем данных, которые генерируются всевозможными медицинскими устройствами и информационными системами. При этом, после 3 месяцев хранения менее 15% медицинских данных оказываются востребованными врачами. ИИ привлекает возможностью придать смысл и добавленную стоимость накопленной информации. Автоматизация рутинных действий по сбору и анализу разрозненных медицинских данных позволила бы повысить точность ранней диагностики и прогнозирования развития болезней, оценку эффективности лечения.

Таким образом, трудно найти лучший момент, чем вчера, для инвестиций в быстрорастущие компании на рынке ИИ в здравоохранении. Основным экономическим драйвером при этом, отраженном в девизе знаменитой американской клиники Мэйо «doing more with less», является возможность снижения затрат в системе здравоохранения при сохранении эффективности.

Международная практика

Американская компания Enlitic предлагает онлайн-сервис, повышающий клиническую и экономическую эффективность работы медицинского персонала. Созданный для распознавания рентгенограмм легких в двух проекциях, он позволяет с точностью свыше 95% (AUC > 0,95) классифицировать снимки по 6-7 основным синдромам (не диагнозам!) и формировать предварительный шаблон описания, с которым врачу нужно либо согласиться и нажать «подписать», либо не согласиться и внести свои изменения. Основная сложность, с которой столкнулись разработчики, — проверка данных для тренировки компьютера. В результате этот процесс осуществлялся при помощи массового тегирования (разметки) врачами со всего мира более 5 млн снимков по согласованным критериям.

В компании Babylon health и Sensely разработали приложения для анализа жалоб людей, обращающихся в колл-центр. Алгоритмы анализируют ответы пациента на заданные вопросы и выбирают один из собственных вариантов, таких как «срочно обратитесь к врачу/запишитесь на прием/почитайте об этом заболевании на нашем сайте». Такой элементарный по сути сервис уже широко применяется Национальной службой здравоохранения Великобритании (NHS) и позволит сэкономить затраты колл-центров. Основная сложность в этом случае — разработка деревьев принятий решений и их валидация в условиях медицинской практики.

Израильский стартап Zebra Мedical обратился к проблеме ошибок диагностики, которые по разным оценкам достигают 30% в общем числе проводимых исследований. Потенциально их разработка может повысить число выявляемых при компьютерной томографии заболеваний, снижая вероятность человеческой ошибки: врач как человек может что-то просто не заметить при описании томограмм. Для ответственного врача это удобный инструмент, позволяющий не пропустить, к примеру, опухоль легкого, перелом позвонка, хронические заболевания печени или кальциноз артерий сердца. Для менеджмента клиники — возможность управления рисками и дополнительная защита от гипотетических судебных исков в случае пропущенных диагнозов. С точки зрения системы здравоохранения, дополнительные находки — это в большинстве случаев ложно-положительные диагнозы, увеличивающие стоимость обследования и лечения, но не повышающие качество и продолжительность жизни. В ноябре 2017 года была объявлено о предоставлении доступа к сервисам Zebra через Google Cloud по цене $1 за каждое исследование.

Неудачные экзамены ИИ

Компания IBM после неудачного запуска продукта Watson для анализа изображений, который, тем не менее, стал ассоциироваться с любыми продуктами на основе искусственного интеллекта, выбрала путь Google и решила натренировать компьютер на сдачу экзамена на сертификат врача-маммолога в США. Покупка ею компании Merge Healthcare, обладающей огромным архивом снимков, не дала ожидаемого результата, так как эти данные не были предварительно размечены человеком и компьютеру ни о чем не говорили. Чтобы исправить ситуацию IBM начала создавать партнерства с клиниками для получения от них размеченных данных в обмен на лицензии на клиническое применение разрабатываемых алгоритмов. Для этого была создана технологическая платформа с магазином приложений, позволяющая в перспективе поставить на поток выпуск и валидацию алгоритмов для медицины.

Можно предположить, что в недалеком будущем, учитывая коммодитизацию томографов и растущую доступность лучевой диагностики в развивающихся странах, IBM сможет конкурировать и с сегодняшними гигантами медицинской индустрии, продавая не технологии сканирования, а доступ к сервисам массового анализа изображений и данных. Это подтверждает выводы компании McKinsey, которая показала, что в медицине возможно автоматизировать 36% функций, прежде всего на уровнях сбора и анализа данных.

В результате, на зарождающемся рынке ИИ в медицине уже работает несколько бизнес-моделей: продажа узкоспециализированных сервисов напрямую госпиталям, продажа лицензий на сервисы через онлайн-платформы или маркетплейсы, продажа разработанного программного обеспечения крупным компаниям-производителям медицинских информационных систем, всевозможные партнерства между стартапами и индустриальными лидерами. Все понимают, что «золото» очень близко, но где точно — пока непонятно.

Ограничения и ошибки в России

Ситуация на рынке ИИ в области медицины в России заметно отличается от того, что происходит сейчас на Западе. Ее можно кратко описать фразой основателя компании Enlitic Джереми Ховарда: «Большинство алгоритмов искусственного интеллекта бесполезны», так как созданы под неточное определение задачи или в отсутствие бизнес-модели.

Что ограничивает развитие и применение технологий анализа данных и ИИ в российской медицине? Во-первых, медицинский труд в России дешев, и, соответственно, экономическое обоснование автоматизации функций медсестры или врача несостоятельно.

Во-вторых, врачи в России в избытке (1 рентгенолог на 2800 населения в России, 1/10000 в США и 1/100 000 в Японии), и как следствие, отсутствует типичная мотивация заместить недостающую рабочую силу алгоритмом или компьютерной программой.

В-третьих, по моим ощущениям, формально отсутствует проблема качества медицинской помощи и экономических потерь из-за назначения бесполезных исследований, поскольку сложившейся системе невыгодно демонстрировать проблемы.

Таким образом, в России хайп ИИ в большей степени обусловлен «модой» и стремлением привлечь легкие инвестиции.

При этом существенным отличием российской медицины от медицины стран ОЭСР является индустриальное отставание, то есть крайне ограниченный системный подход к организации рабочих процессов, постановке измеримых качественных целей, экономическому обоснованию, управлению по целям и информатизации. Необходимым условием для развития рынка ИИ в медицине является формирование ИТ-инфраструктуры здравоохранения. Регламентация процессов, постановка целей на основе измеряемых метрик качества, оценка экономической эффективности — все это необходимая основа информатизации и последующей автоматизации. Получается, что отдельные госкомпании, страховщики и сетевые частные клиники проявляют скорее праздный интерес к решениям по автоматизации, но не готовы к приобретениям. Частным компаниям и инвесторам в таких условиях трудно рассчитывать на реальные продажи.

Выделю основные ошибки разработчиков алгоритмов и продуктов для автоматизации медицинских функций и предиктивного анализа данных:

- создание продукта, исходя из имеющейся технологии, а не от определения проблемы целевой аудитории;

- создание алгоритмов под потребности отдельно взятого врача-евангелиста ИТ, а не системы оказания медицинской помощи;

- гипотеза отсутствия решений на рынке, в то время как продукты уже существуют в составе информационно-аналитических систем традиционных медицинских производителей, но не позиционируются отдельно для широкого потребителя;

- отсутствие четкого определения целевой аудитории, механизмов финансирования медицинской помощи и экономических мотивов потенциальных заказчиков;

- отсутствие анализа рынка, конкурентов и продуктов;

- отсутствие Сhief medical officer с медицинскими, бизнес и ИТ-компетенциями;

- создание модели «как должно быть» без базового описания рабочих процессов в модели «как есть».

Выводы

Готовность медицины к изменениям привычного уклада, прежде всего, зависит от готовности применять решения из других индустрий. Например, технологии, которые используются для рендеринга изображений и отображения теней в компьютерных играх, уже успешно применяются в медицине. Трансформация медицины из искусства и ремесла в индустриальное решение происходит повсеместно, и это не замена врача, а обогащение медицины технологиями из других отраслей, например из ритейла, авиаперевозок, индустрии гостеприимства.

Применение искусственного интеллекта в медицине способно революционизировать индустрию здравоохранения за счет развития таких областей, как персонализированная медицина, диагностика, разработка новых лекарственных препаратов, робот-ассистированная хирургия, телемониторинг хронических заболеваний, дистанционная помощь пациентам, поддержка принятия правильных медицинских решений, выявление медицинских ошибок.

Не автоматизируются только экспертиза, мудрость, человеческое отношение, забота, эмпатия, взаимопонимание, поддержка — именно то, что составляет основу профессии Врача. Системным же сдвигом в медицине под давлением автоматизации должен стать переход к глаголам совершенного вида, то есть от лечения к излечению. Мотивация по KPI и искусственный интеллект нам в помощь.

Tags: искусственный интеллект, медицина
Subscribe

Posts from This Journal “искусственный интеллект” Tag

promo luckyea77 июнь 21, 2015 20:04 26
Buy for 10 tokens
В этой записи я буду давать ссылки на посты с лекциями и уроками в этом блоге: Учебные материалы и тесты: Дистанционное образование Правила дорожного движения 11 ресурсов для бесплатного образования Сайты для обучения программированию Игры, в которых нужно писать код: Grid Garden, Elevator…
  • Post a new comment

    Error

    default userpic

    Your IP address will be recorded 

    When you submit the form an invisible reCAPTCHA check will be performed.
    You must follow the Privacy Policy and Google Terms of use.
  • 0 comments