Росздравнадзор на днях приостановил применение программной платформы с искусственным интеллектом (ИИ) Botkin.AI (программа, которая обрабатывает медицинские изображения). В связи с последними разъяснениями, это скорее всего связано с формальными причинами, а именно — с «отклонениями в характеристиках этого медизделия относительно заявленных при его госрегистрации».
Вероятно, производитель заявил показатели эффективности с прицелом на дообучение модели в процессе применения, однако достичь их не удалось. Ключевая проблема в том, что, с одной стороны, стартап Botkin.AI своевременно не отвечал на запросы регулятора, а с другой — обозначенные ранее характеристики не соответствуют финальной модели.
Одно из основных ограничений, сдерживающих широкое внедрение диагностики на основе ИИ, как ни странно, — качество самих медицинских данных. Точность моделей во многом определяется их обучением, которое, в свою очередь, зависит от качества используемых баз медицинских изображений. Собирать такие базы зачастую оказывается проблематично, поскольку, во-первых, не все клиники осуществляют централизованное хранение таких изображений, а во-вторых, каждое из них должно быть тщательно размечено специалистом-радиологом на предмет наличия или отсутствия патологических изменений.
Качественное обучение моделей требует десятков тысяч подобных изображений, что зачастую недостижимо в рамках пилотных проектов. Возможно, именно с данным фактором связан провал платформы Botkin.AI в достижении заявленных показателей эффективности.
Сегодня системы на основе искусственного интеллекта, аналогичные Botkin.AI, — одни из самых популярных в пилотных медицинских исследованиях. Их задача — анализ медицинских изображений с целью выявления признаков патологии, которые могли остаться незамеченными врачом. Согласно результатам исследований, модели с ИИ способны выявлять некоторые патологические изменения на 10–30% эффективнее, чем специалисты-радиологи. В тестовом режиме в клиниках по всему миру применяются сотни подобных моделей. Например, согласно комментарию департамента здравоохранения Москвы, только в столичных клиниках в рамках эксперимента работают свыше 50 ИИ-сервисов, выявляющих признаки патологий по 28 клиническим направлениям. В данном направлении успешно работают система по анализу медицинских изображений Celsus, платформы «Третье мнение» и AIDiagnostic.
Однако следует учитывать, что, несмотря на то, что разговоры о внедрении ИИ в медицинскую диагностику идут очень давно, до сих пор нигде в мире подобные решения не используются в качестве систем первого мнения. Почему? В данном случае мы имеем дело не с производством или логистикой и даже не с банковской сферой, а с той стороной применения искусственного интеллекта, где цена ошибки — здоровье или человеческая жизнь.
Именно поэтому на сегодняшний день искусственный интеллект применяется очень точечно, в основном в клиниках при институтах и крупных научных центрах. Хотя зачастую точность и скорость распознавания изображения у ИИ выше, чем у среднестатистического медицинского специалиста, более надежной остается схема применения ИИ в качестве второго мнения, то есть лишь для уточнения диагноза врача и выявления неявных и пограничных случаев для дообследования. Это самый безопасный и реалистичный путь.
Анализ изображений — далеко не единственная сфера применения ИИ в медицине. Не менее перспективным можно назвать использование моделей машинного обучения для анализа генетической информации. Стремительное развитие технологии секвенирования привело к накоплению колоссальных массивов генетических данных, глубинное исследование которых возможно только с применением ИИ. Результатом такого анализа может быть разработка диагностических и прогностических систем, поиск новых лекарственных мишеней, предсказание неспецифической токсичности лекарственных препаратов и многое другое.
Одна из таких разрабатывается в лаборатории МФТИ под руководством доктора биологических наук Антона Буздина — платформа Oncobox, получившая в 2021 году премию «Новатор Москвы». Она направлена на анализ транскриптомных данных злокачественных новообразований. Одним из вариантов ее применения в клинической практике является предоставление второго мнения для врачей-онкологов по выбору наиболее подходящего курса персонализированной терапии. Согласно данным пилотных экспериментов, платформа позволяет повысить эффективность назначаемой химиотерапии на 30% благодаря глубинному анализу индивидуальных особенностей опухоли пациента.
Внедрение подобных систем в клиническую практику не менее перспективно, чем применение систем анализа изображений, при этом доступ к большому количеству качественных данных для обучения моделей проще в силу активного развития курируемых репозиториев, например, запускаемой в 2024 году Национальной базы генетической информации. Также под руководством Буздина была разработана платформа Shambhala для управления, стандартизации и анализа больших данных различных платформ и моделей экспрессии генов человека, которые широко используются в функциональной геномике и молекулярной медицине. Система открывает широкие возможности для всестороннего сравнения характеристик различных заболеваний, разработки новых вакцин и лекарств, а качественная валидация и стандартизация данных позволит пользователям избежать вероятных ошибок Botkin.AI.
Таким образом, на сегодняшний день применение искусственного интеллекта в качестве первого мнения в широкой медицинской практике пока не представляется возможным. Однако у этого подхода есть невероятный потенциал. Эти технологии уже прочно укрепились в диагностике, а в анализе данных намного превзошли наши возможности. Вполне возможно, что дальнейшие исследования, накопление и стандартизация материалов, а также совершенствование алгоритмов и нейросетей, позволит медицине использовать искусственный интеллект более эффективно и масштабно, занимая все новые направления.
Автор — директор Физтех-школы биологической и медицинской физики МФТИ
Позиция редакции может не совпадать с мнением автора
