Как использовать искусственный интеллект в здравоохранении

13 Августа 2021

Сергей Плуготаренко / GxPNews

Согласно отчету Reports and Data, к 2027 году мировой рынок искусственного интеллекта (ИИ) в здравоохранении достигнет оценки в $61,59 млрд. Вплоть до этого времени индустрия будет расти экспоненциально — очень быстро. В основном технология сейчас используется для повышения производительности и снижения нагрузки на медперсонал, а также для анализа сложных диагностических и медицинских данных. Особое внимание уделяется применению ИИ, чтобы ускорить разработку вакцин против COVID-19. 

У технологии ИИ большой потенциал в медицине: от приложений для мобильного сопровождения пациентов до разработки лекарственных препаратов с помощью методов машинного обучения. Однако многие не решаются на эксперименты с ИИ из-за проблем с конфиденциальностью информации или отсутствия структур для беспрепятственного обмена данных. 

Исследование ИТ-компании USM Systems показало, что 50% мировых медицинских организаций планируют внедрить технологии искусственного интеллекта к 2025 году. В частности, фармацевтические компании будут вкладывать больше средств в открытие новых лекарств от хронических и онкологических заболеваний. 

CB Insights выделил 12 основных направлений, в которых сейчас появляются медицинские стартапы. Но четыре из них занимают 54% всего объема. Среди них — доступ к клиническим возможностям. Инструменты, расширяющие доступ к клиническим возможностям, помогают поставщикам медицинских услуг и покупателям (пациентам) находить друг друга и взаимодействовать для более эффективного и действенного оказания медицинской помощи. 

Следующее направление для разработок — это скрининг и диагностика. Здесь большой спектр решений — от тестирования пациентов до медицинской визуализации и цифровой патологии. 

Следующее направление — виртуальные службы оказания медицинской помощи, иначе говоря, телемедицина. Сейчас это одно из перспективных направлений, и на фоне Covid-19 спрос на эти услуги заметно вырос. 

Проекты, ориентированные на лечение. Они помогают предотвращать, контролировать или лечить заболевания. Сюда относится в том числе носимые устройства, используемые для профилактики. 

В 2020 году инвесторы вложили рекордные суммы в стартапы в области цифрового здравоохранения — $14,2 млрд во всем мире. Ожидается, что основные инновации сосредоточатся на трех областях: совместимость данных, психическое здоровье и индивидуальный подход. Кроме того, мировая пандемия поспособствовала тому, что люди стали больше беспокоиться о своем здоровье и рынок стал более зрелым для медицинских технологий.

В России использование ИИ в здравоохранение — одно из ключевых направлений для улучшения уровня жизни населения. Это следует из Национальной стратегии развития искусственного интеллекта до 2030 года. В августе 2020 года уже появился первый нацстандарт в этой области — разработан проект первого национального стандарта ГОСТ Р, который регулирует проведение клинических испытаний медицинских систем искусственного интеллекта в России. Это поможет повысить уровень доверия к системе — с этой проблемой сейчас сталкиваются при внедрении ИИ в медицинских учреждениях, в том числе в других странах. 

Особенности внедрения искусственного интеллекта в здравоохранение

Для здравоохранения решения, основанные на искусственном интеллекте, могут решить множество проблем, например, ускорить разработку лекарств или улучшить взаимодействие с пациентами. И это будет достаточно выгодно для фармпроизводителей, дистрибьюторов, медицинских учреждений и т.д. Однако есть объективные сложности, которые мешают полномасштабному внедрению ИИ в сегментах здравоохранения.

Высокая цена ошибки. Ни одна технология еще не работает со 100% точностью, поэтому есть риск ошибок, которые, в свою очередь, могут привести к травмам пациента или к другим проблемам со здоровьем. Если система посоветует неправильное лекарство, не заметит опухоли на сканировании, выделит место в палате не тому человеку — это все негативно скажется на опыте пациента. Поэтому сейчас очень важно использовать технологию в связке с врачом. 

Доступность данных. Для обучения систем искусственного интеллекта нужны большие объемы данных. Они находятся в электронных медицинских картах, аптеках, страховых выплатах, фитнес-трекерах, истории покупок. Но собрать полноценные данные о здоровье достаточно трудно, потому что они могут находиться в различных системах. Например, пациент может лечиться в разных клиниках, следовательно, и полная информация о его здоровье будет храниться в разрозненных местах. Такая фрагментация повышает риск ошибки, снижает полноту наборов данных и увеличивает расходы на их сбор. 

Конфиденциальность. Данные о здоровье и пациентах — это очень персональная информация. Поэтому некоторые из людей могут быть обеспокоены, что сбор данных нарушит их конфиденциальность. Кроме того, ИИ может узнать информацию о болезни, не владея диагнозом. Например, по дрожанию руки система ИИ определяет, болен ли человек Паркинсоном. Кто-то может посчитать это нарушением конфиденциальности, особенно если эти данные станут доступны третьим лицам, например, банкам или страховым компаниям. 

Этичность использования искусственного интеллекта. Эта тема обсуждается не только в сфере здравоохранения, но в этой сфере она стоит намного острее, так как функционирует исключительно в связке с данными реальных людей. В июне 2021 года ВОЗ выпустил первый глобальный отчет об искусственном интеллекте в здравоохранении. В него вошли шесть принципов этичности:  защита автономии, содействие безопасности и благополучию человека, обеспечение прозрачности. усиление подотчетности,  обеспечение справедливости, продвижение инструментов, которые являются гибкими и устойчивыми. 

Для максимальной уверенности в технологиях нужна система, которая обеспечит конфиденциальность данных и защиту от злоумышленников. В здравоохранении очень много заинтересованных сторон: пациенты, страховые и фармацевтические компании, медицинские работники и так далее. И все они одинаково важны — сопротивление хотя бы на одном этих уровней может замедлить внедрение технологии. Поэтому разработчикам, медицинскому сообществу и фармацевтическим компаниям еще предстоит найти баланс между этичностью и ориентированностью на прибыль.

Области, которые может изменить технология

Разработка новых лекарств. Стоимость разработки одного лекарства сейчас оценивается в $2,6 млрд. Многих из них так и не выходят на рынок, потому что не прошли фазу испытаний или не получили одобрение регулирующих органов. Поэтому фармацевтические компании все чаще используют ИИ, чтобы повысить эффективность и точность разработки препаратов. 

Например, Pfizer использует IBM Watson для поиска иммуноонкологических препаратов — подход для лечение рака, когда иммунная система помогает бороться с заболеванием. А ученые из Массачусетского технологического института с помощью технологии нашли антибиотики халицин, который способен уничтожить супербактерии, например, вызывающие туберкулез или ацинетобактерии Баумана. До этого ученым не могли открыть новые классы антибиотиков более 30 лет. 

В Массачусетском технологическом институте действует консорциум Machine Learning for Pharmaceutical Discovery and Synthesis («Машинное обучение для фармацевтических открытий и синтеза»), в который входят такие компании, как Amgen, BASF, Bayer, Lilly, Novartis, Pfizer, Sunovion и WuX. Цель сообщества — предоставить новейшие инструменты машинного обучения для открытия новых лекарств. Например, модели глубокого обучения для прогнозирования свойств препаратов или алгоритмы ретросинтеза, предлагающие оптимальные «рецепты» создания целевых молекул. 

Цепи поставок. Преобразование этой сферы возможно уже в ближайшие несколько лет. Вместе с методами машинного обучения и прогнозной аналитики у ИИ есть возможность решить несколько серьезных проблем в поставках биофармацевтических препаратов. Например, обеспечить своевременную доставку в больницы и аптеки и тем самым исключить дефицит препаратов.  

Aera использует технологии для улучшения и автоматизации принятия решений в цепочках поставок для фармацевтических компаний: то есть компания автоматически получает сообщения о нехватке или всплеске спроса, а также рекомендации по устранению проблемы. Среди клиентов сервиса — немецкая фармацевтическая компания Merck KGaA (в Северной Америке известна как EMD). Фармацевтический гигант продает препараты в 68 странах. У компании появилась необходимость обеспечить прозрачность цепочки поставок, и Aera в этом ей значительно помогает. 

Рутинная работа медперсонала. По данным Insider Intelligence, с административными задачами связано 30% расходов на здравоохранение. Опрос OptumIQ среди руководителей здравоохранения показал, что 50% компаний сначала инвестируют в автоматизацию бизнес-процессов. Например, сервисы могут автоматически оцифровывать анкеты пациентов за счет технологий распознавания естественного языка, выставлять счета за лечение страховым компаниям или пациентам, контролировать расходы и помогать оптимизировать бюджет. 

Более 900 больниц США используют сервис для автоматизации Olive. Приложение выполняет за медработников рутинные задачи, которыми они занимаются каждый день. Так, Olive помогает медицинскому центру Tufts с тестированием на COVID-19 на этапах планирования, первоначального скрининга и ввода информации о человеке. Пациенты могут самостоятельно в удобное время заполнить онлайн-форму предварительной регистрации, после чего Olive AI извлекает полученную информацию и создает учетную запись для предварительной регистрации на тестирование. В итоге время ожидания в клинике уменьшилось, а возможности тестирования увеличились. 

Диагностика заболеваний. 70% всех медицинских ошибок происходят на этапе диагностики. Ошибкам в клинических рассуждениях могут способствовать какие-то когнитивные искажения или недостаток опыта. Технологии искусственного интеллекта исключают вероятность человеческой ошибки и могут всесторонне анализировать опыт других врачей, что не могут позволить себе люди. 

Стартап PathAI разрабатывает технологию искусственного интеллекта, чтобы помочь патологоанатомам ставить более точные диагнозы. Стартап использует машинное и глубокое обучение, чтобы улучшить возможности диагностики и лечения с помощью выявления биомаркеров заболевания и прогнозирования реакции отдельных пациентов на различные виды лечения. Компания работает с фармацевтическими исследователями, разработчиками диагностических средств и компаниями, которые занимаются цифровой патологией. 

Вместе с партнером, биофармацевтической компанией Gilead, стартап опубликовал исследование, показывающее, что технологии PathAI могут анализировать биопсию печени, чтобы точно предсказать прогрессирование ​​НАСГ (неалкогольный стеатогепатит) и хронический гепатит B, а также определять эффективность лечения. 

Проведение клинических испытаний. Искусственный интеллект способен ускорить доставку данных. Модели ИИ в тандеме с приложениями для набора респондентов облегчают планирование испытаний. В результате чего можно снизить показатели отсева. Например, платформа Deep Genomic помогает ученым находить кандидатов для исследования препаратов, связанных с лечением нервно-мышечных и нейродегенеративных расстройств. Это повышает шансы на успешное прохождение испытаний, а также сокращает время и стоимость вывода препарата на рынок. 

Ученым из Института биомедицинских исследований Novartis искусственный интеллект помогает собирать, анализировать и получать данные клинических испытаний из множества внутренних источников. Конечная цель компании — отслеживать регистрацию участников испытаний, а также прогнозировать связанные с этим затраты. Уже сейчас институту удалось сократить время набора пациентов на 10-15%. 

Персонализированная медицина и фармацевтика. За ними будущее всего здравоохранения, так как поможет лечить пациентов более направленно, эффективно и с меньшим воздействием на организм. Искусственный интеллект помогает фармацевтическим компаниям создавать лекарства, в которых будет указываться доза, параметры высвобождения и другие необходимые аспекты. В итоге медикаменты будут полностью соответствовать потребностям пациента. 

Перспективы российской медицины

Россия занимает 47 место в Глобальном инновационном индексе. Среди сильных сторон страны — объем человеческого капитала и исследований, качество и доступность высшего образования, количество выпускников в сфере науки и техники. Чтобы выйти вперед стране нужно увеличить финансирование разработок новых технологий и внедрять их. Например, в московских поликлиниках активно используется отечественное решение, которое вошло в финал международного конкурса WSIS Prizes 2021 ООН. Система анализирует Кт органов грудной клетки при вирусной пневмонии, выявляет патологии молочной железы по маммографии и помогает в принятии других медицинских решениях. 

Есть и частные проекты. Например, проект «Сбер AI» и «Сбера» при помощи ИИ помогает определить фронтиры науки — наиболее популярные области исследований, в которых идет активное развитие и происходят наибольшее прорывы. Результаты работы можно использовать для планирования научных исследований и развития страны в целом. А госфинансирование актуальных исследований поможет улучшить экономику, социальную жизнь и даст возможность играть на опережение.

Широкое внедрение искусственного интеллекта в сфере здравоохранения и фармацевтической отрасли — это неизбежное будущее. Уже сегодня ИТ-инструменты модернизируют работу отдельных направлений, и мы можем наблюдать, как ИТ помогает оптимизировать работу производства, закупок и поставок. Однако полноценно раскрыть потенциал получится лишь при комплексном использовании инструментов во всех направлениях системы здравоохранения (от разработки и поставок лекарственных препаратов, до  постановки диагноза, лечения и поддержания здоровья).

Источник

Print

Акционеры

Наши новости

Все новости

Медиа Центр