Медицина - это и наука и искусство. Умения врача диагностировать болезнь и определять необходимый курс терапии базируются на его опыте лечения предыдущих пациентов, на накопленных за годы медицинской практики наблюдениях, вот почему идея широкого внедрения машин в медицину многим кажется ошибочной и даже безрассудной. Как робот, независимо от того, насколько хорошо обучен, может занять место врача?
Машинное обучение (ML) - основная форма искусственного интеллекта, уже проникает в медицинскую сферу и, оказывается, что машины могут играть важную роль в улучшении нашего здоровья, в том числе при постановке диагноза, определении индивидуального метода лечения для конкретного пациента с учетом множества данных, что сокращает лишние финансовые и временные затраты.
Фактически, когда современная медицина во все возрастающей степени зависит от большого количества исследований, вариантов лекарств и других данных, машины могут лучше справляться с таким потоком информации, точнее интерпретируя их.
Идея искусственного интеллекта (AI) в медицине заключается не столько в полной замене врачей (по крайней мере, не на какое-то время в ближайшем будущем), сколько в повышении их возможностей. AI программы накапливают знания, которые уже имеются у медицинских работников, полученные ими в институтах и на протяжении медицинской практики, доводя их до беспрецедентного уровня.
Почему пациент должен пользоваться знаниями и умениям только одного конкретного врача, с которым он сталкивается в больнице или поликлинике, если сейчас есть возможность пользоваться знаниями и опытом тысяч лучших врачей за всю историю. Звучит просто грандиозно. Почему пациенты в сельской местности, живущие далеко от ведущих медицинских центров страны, лишены всех накопленных современной медициной знаний, которые там используются?
То, что сейчас делает искусственный интеллект в сфере здравоохранения - это агрегация и переработка всех экспертных знаний и практического опыта для предоставления наиболее эффективной медицинской помощи каждому пациенту.
С таким объемом данных, доступном сегодня врачам - от информации о симптомах болезни до новых лекарств, взаимодействия между различными лекарствами, возможных побочных эффектах до того, как разные люди по разному реагируют на одинаковое лечение, способность анализировать и применять на практике эти большие данные становится необходимым навыком.
Это то, что машинное обучение делает гораздо лучше человека.
Сегодня во многих медицинских учебных заведениях изучают, как человек и машина могут лучше сочетать свои навыки, чтобы использовать этот беспрецедентный объем медицинской информации на практике. В Университете штата Техас MD Cancer Center, программа APOLLO анализирует генетические данные, полученные пациентов больных раком, и создает лучшие методы лечения, позволяющие пациентом прожить дольше.
В компании Boston Neurala исследователи заняты создании на базе микропроцессора нейронной сети - аналога человеческого мозга во всей его сложности и изощренности.
'Сегодня мы можем сконструировать мозг со сложностью мыши, которая невероятно умна', - говорят исследователи «Наука и технология сегодня достигли уровня, достаточного для широкого внедрения искусственного интеллекта в разные сферы нашей жизни и деятельности'.
И в области психического здоровья стартапы уже разрабатывают приложения на принципах машинного обучения, которые могут помочь обнаружить, когда люди с такими состояниями, как депрессия или биполярное расстройство находятся на грани нового обострения болезни, что не мог бы сделать ни один психиатр.
Основой в системе машинного обучения медицинской отрасли является, конечно же, машина. И машины от IBM и Google недавно совершили прорыв, победив лучших мастеров в древней логической игре 'Go', это стало возможным после изучения знаний предыдущих игроков, которые стали частью компьютерного алгоритма.
Теперь компания IBM внедряет эту идею в медицинскую сферу. Эта идея основана на понимании того, что медицинские знания могут быть такой же 'пищей' для компьютера, как и многие возможные комбинации ходов в игре 'Go'. Компания работает с экспертами в медицинском онкологическом центре Sloan Kettering Cancer Center в Нью-Йорке, куда внедряется их проект IBM Watson for Oncology, состоящей из трех продуктов, которые относятся к различным типам онкологических больных.
Один уровень будет сосредоточен на предоставлении пациентам наилучшей доступной информации для лечения их типа заболевания существующими методами лечения;
IBM Watson предоставляет доступ к базе данных о накопленных знаниях врачей, специализирующихся на онкологических заболеваниях, а также о самых важных исследованиях болезни в медицинской литературе, которую эти врачи используют, принимая свои решения о том, как лечить пациентов.
Система включает в себя данные о симптомах и другую важную информацию, такую, как история болезни и стадия их онкологического заболевания, прежде чем предложить различные уровни лечения, которые может рассмотреть врач. Они варьируются от существующих стандартных методов лечения, которые уже были одобрены для лечения этого типа рака, которые были одобрены для других видов рака, и которые в настоящее время проходят тестирование, но еще не одобрены для конкретного вида заболевания, и, наконец, до действительно экспериментальных методов лечения, которые могут быть использованы на ранних стадиях лечении болезни. Различные уровни вариантов дают как врачу, так и пациенту поэтапный план лечения - если стандартные методы лечения не сработают, тогда они могут перейти к менее проверенным и более экспериментальным.
Помимо доступных процедур, новая платформа помогает людям с более сложными случаями заболевания, которые не могут полагаться на стандартную терапию. Для них машинное обучение может предложить клинические испытания новых методов лечения, которые могут быть эффективными, включая генетические решения, которые только появляются как перспективная область лечения. Генетические варианты основаны на тщательном анализе специфической опухоли пациента, мутациях, ведущих к заболеванию, и лекарствах, которые могут быть направлены на устранение этих мутаций.
Для человека в белом халате переварить всю эту информацию, было бы практически невозможно, учитывая ограничения во времени врачей, чтобы постоянно наблюдать пациента и следить за результатами терапии в режиме онлайн. Потенциальную пользу от наличия компьютерного «врача» в каждой онкологической больнице нельзя переоценить. Люди с более редкими раковыми заболеваниями, которые врачи не могли лечить раньше в регионе их проживания не должны будут теперь путешествовать на другой конец страны в крупный медицинский центр, где есть необходимый опыт лечения таких типов заболевания. Врачи с меньшим опытом работы с конкретными видами болезни также могут вести своих пациентов с большей уверенностью, поскольку теперь у них есть институциональные знания ведущих экспертов в своей области.
Поскольку огромное количество информации о разных больных и их опухолях становится частью компьютерной программы, врачи смогут легко найти примеры, которые помогут им подобрать подходящие профили пациентов с лучшим коэффициентом выживаемости. Анализ всех данных конкретного пациента с определенным генетическим видом заболевания поможет найти лучший из всех возможных вариантов терапии, которая будет максимально эффективна именно для этого пациента. О такой эффективности подбора индивидуальной терапии раньше нельзя было даже и мечтать.
Система еще не идеальна. Некоторые из партнеров IBM сочли платформу слишком сложной, когда дело доходило до необходимости вводить все свои данные о пациентах, методах их лечения и полученных результатах. Но, в целом, врачи поддерживают идею о том, что наличие возможности собирать и классифицировать огромное количество информации о каждом пациенте, будет оказывать положительное влияние при выборе терапии.
Аналогичные подходы к машинному обучению оказываются чрезвычайно полезными и в другой области медицины, которая может показаться не столь подходящей для взаимодействия с пациентами: психическое здоровье.
Например, для людей, страдающих депрессией и биполярным расстройством, одной из самых важных функций психиатров и терапевтов является помощь в избежании спуска по эмоциональной спирали на дно депрессивных состояний, из которых бывает трудно выбраться. Значение своевременного определение той грани, когда люди могут начать движение в сторону депрессии, трудно переоценить и выясняется, что машины, в данном случае смартфон, могут это делать лучше, чем любой психиатр.
Это происходит потому, что, как известно, люди, находящиеся на границе депрессивных расстройств, имеют определенные изменения в своей речи. Они могут говорить меньше и, когда они это делают, у них появляется безжизненный монотонный голос. Они могут также отключиться от общения с друзьями и близкими, прекращая активность в социальных сетях. Даже лучший психиатр не смог бы 24/7 находится вместе с пациентом, чтобы наблюдать за его поведением, а смартфон сможет.
Cogito, приложение для охраны психического здоровья, основанное на идее машинного обучения, сейчас проходит тестирование в женской больнице в Бостоне. Приложение, установленное на смартфоне, отслеживает активность в социальных сетях и телефонных звонках, для идентификации модели общения, чтобы при обнаружении тревожных признаком приложение могло сообщить об этом.
Приложение также содержит голосовой анализатор, который может искать звуковые шаблоны изменений тоне, которые могут быть первыми признаками депрессивного расстройства.
Машинное обучение может быть особенно полезно при оповещении врача или семьи пациента, когда все начинает выходить из-под контроля. Потенциально, с такими технологиями, как Cogito, исследователи смогут разработать систему раннего предупреждения о пограничном состоянии, которая поможет предотвратить такие последствия, как суицид или глубокая депрессия, путем принятия срочных медикаментозных и других мер.
Теперь врачи могут идти на шаг впереди болезни, а, как известно, предупрежден - значит вооружен.
Именно здесь искусственный интеллект может принести наибольшую пользу для здоровья людей. Его способность предсказывать поведение болезни и знать, какие методы лечения могут работать хорошо, а какие нет, может сделать машинное обучение неотъемлемой и, в конечном счете, незаменимой частью медицинской помощи. Возможно, настало время осознать, что это не машина против человека и не человек против машины, а человек и машина вместе, что может в конечном итоге создать самые большие улучшения в сфере здравоохранения.
