Искусственный интеллект в медицине

Общий объем информации, которая может оказаться полезной для врача, пытающегося поставить диагноз конкретному пациенту или выработать оптимальную стратегию лечения, поражает воображение. Врачам приходится иметь дело с непрерывным потоком новых открытий, инновационных методов лечения и результатов клинических исследований, публикуемых в научно-медицинских журналах по всему миру. Например, в базе данных MEDLINE, размещенной в Интернете Национальной медицинской библиотекой США, содержится более 5600 различных журналов, в каждом из которых ежегодно публикуются десятки и даже сотни научных статей. Кроме того, существуют миллионы медицинских документов, историй болезни и описаний конкретных случаев, в которых может быть важная информация. По некоторым оценкам, приблизительно каждые пять лет общий объем всех этих данных{204}. Даже в узкоспециальных областях медицинской практики трудно представить себе человека, который мог бы усвоить адекватный объем необходимой ему информации — чаще всего все ограничивается лишь небольшой его долей.

Как мы видели в главе 4, медицина относится к тем областям, в которых, как надеются специалисты IBM, внедрение технологии Watson может привести к революционным изменениям. Система IBM способна перерабатывать огромные объемы информации в самых разных форматах, а затем практически мгновенно делать выводы, которые могут ускользнуть даже от самого дотошного исследователя. Легко поверить, что уже в ближайшем будущем она превратится в незаменимый инструмент диагностики — по крайней мере в практике врачей, имеющих дело с особенно сложными случаями.

Ежегодно через хьюстонскую больницу Онкологического центра Андерсона при Техасском университете, который традиционно считается лучшим специализированным онкологическим учреждением в США, проходит более 100 000 пациентов. В 2011 г. команда разработчиков Watson из IBM начала совместную работу с врачами центра с целью создания версии системы, специально адаптированной под нужды врачей-онкологов, занимающихся лечением пациентов с лейкемией. Основная задача проекта — создать интерактивного помощника, который будет рекомендовать оптимальные методы лечения на основе всех имеющихся данных, подбирать пациентам клинические курсы в соответствии с их индивидуальными особенностями и указывать на возможные факторы риска и побочные эффекты, представляющие угрозу для конкретных пациентов. Уже на начальном этапе проекта выяснилось, что работа движется не так быстро, как ожидали специалисты IBM. Главным образом это было обусловлено трудностями, связанными с необходимостью проектирования алгоритмов, в которых учитывались бы все особенности диагностирования и лечения онкологических заболеваний. Рак, как оказалось, сложнее «Jeopardy!». Тем не менее в январе 2014 г. в The Wall Street Journal вышла статья, в которой сообщалось, что в проекте по созданию системы диагностирования и лечения лейкемии на основе Watson в Онкологическом центре Андерсона «вновь появилась надежда» на появление работоспособной версии{205}. Исследователи рассчитывают, что в ближайшие два года им удастся расширить возможности системы, с тем чтобы она могла работать с другими видами онкологических заболеваний. Весьма вероятно, что уроки, извлеченные IBM из этого пилотного проекта, позволят компании быстрее добиваться успеха при применении технологии Watson на практике в будущем.

Как только будет обеспечена стабильная работа системы, сотрудники Центра Андерсона планируют открыть к ней доступ через Интернет, чтобы врачи по всему миру могли использовать ее в качестве мощного ресурса. По мнению специалиста по лейкемии Кортни Динардо, технология Watson «может сделать онкологическую помощь более доступной», предоставляя любому врачу «доступ к самым последним научным знаниям и опыту Онкологическому центру Андерсона». «Что касается врачей, не являющихся специалистами по лейкемии, — продолжает она, — система может служить источником независимого экспертного мнения, давая им возможность пользоваться теми же знаниями и той же информацей», которые использует в своей работе лучший в стране онкологический центр. Динардо также считает, что, помимо рекомендаций по лечению конкретных пациентов, система «станет уникальной исследовательской платформой, которая может использоваться для формулирования проблем, проверки гипотез и решения важнейших научных задач»{206}.

Хотя в настоящее время Watson, конечно, и является самым амбициозным и выдающимся примером практического применения технологий искусственного интеллекта в медицине, существуют и другие, не менее важные примеры. В 2009 г. исследователи из Клиники Мейо в Рочестере, в штате Миннесота создали искусственную нейронную сеть, предназначенную для диагностирования случаев эндокардита — заболевания, связанного с воспаление внутренней оболочки стенки сердца (эндокарда). Как правило, при эндокардите в пищевод пациенту вводится зонд с целью диагностирования потенциально смертельной инфекции, которая может быть причиной воспаления. Данная процедура не только причиняет неудобства пациенту, но еще и связана с большими расходами и риском для здоровья. Чтобы обойтись без инвазивного вмешательства, врачи из клиники Мейо научили нейронную сеть ставить диагноз на основе результатов стандартных анализов и наблюдаемых симптомов. В ходе исследования с участием 189 пациентов было установлено, что система выдает правильный результат более чем в 99 % случаев, избавляя свыше половины пациентов от необходимости проходить инвазивную диагностическую процедуру{207}.

Одним из важнейших последствий внедрения технологий искусственного интеллекта в медицине должно стать снижение процента непоправимых ошибок как при диагностировании, так и в лечении. В ноябре 1994 г. журналистка 39 лет, мать двоих детей Бетси Леман, получившая широкую известность благодаря своей колонке о связанных со здоровьем проблемах в The Boston Globe, получила назначение на третий курс химиотерапии — очередной этап ее непрекращающейся борьбы с раком молочной железы. Леман госпитализировали в Институт онкологии Дана-Фарбер в Бостоне, считающийся — наряду с Центром Андерсона — одним из лучших онкологических центров в стране. В соответствии с планом лечения Леман должна была получить циклофосфамид — высокотоксичный препарат, убивающий клетки опухоли, — в очень большой дозе. Делавший назначение научный сотрудник по ошибке написал в направлении не ту цифру, в результате чего доза, в которой Леман получила препарат, оказалась в четыре раза выше предусмотренной планом лечения. 3 декабря 1994 г. Леман умерла от передозировки препарата{208}.

Леман лишь одна из 98 000 пациентов, ежегодно умирающих в США в результате медицинских ошибок, которые можно было предотвратить{209}. По оценке Института Медицины США, в 2006 г. от одних только ошибок при назначении препаратов пострадали как минимум 1,5 млн американцев. Цена этих ошибок — $3,5 млрд в виде дополнительных расходов на лечение в год{210}. Применение системы искусственного интеллекта с доступом к подробной медицинской документации, а также информации о препаратах, включая данные о вызываемых ими побочных эффектах и возможном токсическом действии, вероятно, позволило бы предотвратить такие ошибки даже в сложных случаях, предполагающих взаимодействие нескольких препаратов. Такая система могла бы использоваться врачами и медсестрами в качестве интерактивного помощника, обеспечивая мгновенную проверку как безопасности, так и эффективности препарата перед его применением и тем самым спасая людские жизни или избавляя пациентов от ненужных неудобств и расходов, в особенности в ситуациях, когда персонал больницы теряет внимание из-за усталости или отвлекающих факторов.

Как только в своей эволюции в качестве практического инструмента в медицине технологии искусственного интеллекта достигнут точки, когда они смогут выступать в качестве компетентных консультантов, способных формулировать независимые заключения со стабильно высоким уровнем качества, они также могут помочь обуздать высокие издержки, связанные с профессиональной ответственностью врачей. Стараясь обезопасить себя от возможных судебных исков, многие специалисты предпочитают перестраховаться и назначают своим пациентам все мыслимые анализы. Имея на руках задокументированное независимое мнение, сформулированное системой искусственного интеллекта в соответствии с принятыми стандартами медицинской практики, врачи получают своего рода «индульгенцию», которая может защитить их от таких исков. Это может привести к снижению расходов на ненужные медицинские анализы и обследования, а также снизить стоимость страхования на случай врачебной ошибки[36].

Если заглянуть еще дальше в будущее, можно легко представить, как внедрение технологий искусственного интеллекта приведет к настоящей революции в подходах к оказанию медицинских услуг. Как только машины докажут, что они способны ставить точный диагноз и назначать эффективное лечение, вероятно, врачам больше не нужно будет лично присутствовать при каждом визите пациента в клинику.

Сразу после триумфальной победы Watson в «Jeopardy!» в 2011 г. я предположил в своей колонке в The Washington Post, что с внедрением этой технологии откроется возможность для формирования нового класса медицинских специалистов: людей с четырехлетним университетских образованием или степенью магистра, имеющих навыки общения с пациентами и проведения осмотров с последующей передачей этой информации в стандартную систему диагностирования и назначения лечения{211}. Имея навыки работы с широким кругом наиболее часто встречающихся случаев, эти новые врачи, услуги которых будут обходиться дешевле, помогут справиться с резким ростом числа пациентов с хроническими проблемами и заболеваниями, включая избыточный вес и диабет.

Разумеется, представляющие интересы врачей организации будут противодействовать появлению этих менее образованных конкурентов[37]. Однако в реальности подавляющее большинство выпускников медицинских факультетов не испытывают интереса к работе в качестве семейных врачей; еще меньше их вдохновляет перспектива работы в сельских районах страны. По данным различных исследований, в течение ближайших пятнадцати лет на фоне ухода на пенсию многих специалистов система здравоохранения столкнется с нехваткой 200 000 врачей. При этом планом реализации Закона о доступном медицинском обслуживании предусматривается включение в систему здравоохранения 32 млн новых пациентов{212}. Не будем забывать и о стареющем населении, которое все больше нуждается в медицинской помощи. Учитывая, что новоиспеченные врачи, которые обычно обременены большими долгами по образовательным кредитам, в большинстве своем отдают предпочтение более прибыльным специальностям, проблема нехватки врачей-терапевтов, оказывающих первичную медицинскую помощь, будет стоять особенно остро.

Тут и пригодится этот новый класс специалистов, обученных работе со стандартной системой искусственного интеллекта, заключающей в себе все те знания, на приобретение которых у обычных врачей уходит по меньшей мере десять лет интенсивной подготовки. Они смогут работать с обычными случаями, направляя пациентов, нуждающихся в более узкоспециализированной помощи, к врачам. Новые перспективы построения интересной карьеры могут пойти на пользу выпускникам колледжей, особенно если учесть сужение рынка труда в других сферах под влиянием развития интеллектуального ПО.

В некоторых областях медицины, в частности тех из них, которые не требуют непосредственного взаимодействия с пациентами, развитие технологий искусственного интеллекта должно привести к резкому росту производительности труда и в конечном итоге — к полной автоматизации. Например, врачей-рентгенологов учат интерпретировать изображения, полученные с помощью различных методов сканирования, которые используются в медицине. Учитывая стремительный прогресс в области обработки и распознавания изображений, можно предположить, что совсем скоро машины узурпируют задачи, традиционно выполняемые рентгенологами. Программное обеспечение уже умеет распознавать людей на фотографиях, опубликованных в Facebook, и даже помогает выявлять потенциальных террористов в аэропортах. В сентябре 2012 г. FDA выдала разрешение на применение автоматизированной системы ультразвуковой диагностики рака молочной железы. Данное устройство, разработанное компанией U-Systems, Inc., предназначено для выявления опухолей у тех 40 % женщин, которым не подходит стандартная технология маммографического исследования по причине высокой плотности тканей молочной железы. Интерпретацией изображений по-прежнему занимаются рентгенологи, но теперь для принятия решения им достаточно трех минут. Для сравнения: при использовании традиционных ручных средств ультразвуковой диагностики на анализ полученных изображений уходит двадцать-тридцать минут{213}.

Автоматизированные системы также могут стать надежным источником независимого мнения. Наиболее эффективным — правда, и весьма дорогостоящим — методом диагностики рака считается метод, при котором два рентгенолога сначала внимательно изучают каждый снимок, полученный методом маммографии, а затем обсуждают выявленные отклонения, пока не достигнут консенсуса. При использовании этой стратегии «двойного исследования» обеспечивается значительно более высокий процент выявляемых случаев рака, а также существенное сокращение случаев вызова пациентов для прохождения повторных обследований. В 2008 г. в New England Journal of Medicine были опубликованы результаты исследования, показывающего, что второго врача можно заменить машиной. В частности, было доказано, что результаты работы рентгенолога в связке с компьютерной системой диагностирования сопоставимы с результатами работы двух врачей, интерпретирующих изображения независимо друг от друга{214}.

Еще одной сферой, в которой технологии искусственного интеллекта уже успели заявить о себе, является патология. Ежегодно более 100 млн женщин по всему миру проходят обследование под названием «мазок Папаниколау» с целью диагностирования рака шейки матки. В ходе данного обследования полученные клетки шейки матки помещаются на предметное стекло и изучаются под микроскопом специалистом лаборатории или врачом с целью определения признаков злокачественных новообразований. Это очень трудоемкая процедура, которая может стоить до $100 за обследование. Однако сейчас многие диагностические лаборатории занимаются внедрением мощной автоматизированной системы сканирования компании BD из Нью-Джерси, специализирующейся на производстве медицинского оборудования. В 2011 г. в журнале Slate вышла серия статей об автоматизации данной процедуры, в одной из которых обозреватель новых технологий Фархад Манджу назвал систему сканирования BD FocalPoint GS Imaging System «чудом медицинской техники», чье «программное обеспечение для анализа изображений быстро сканирует предметные стекла в поисках более чем 100 визуальных признаков аномальных клеток». Затем система «ранжирует стекла в соответствии с вероятностью наличия заболевания» и, наконец, «определяет по 10 областей на каждом стекле для изучения человеком»{215}. Машина намного лучше аналитиков-людей справляется с работой по выявлению случаев рака, при этом обеспечивая почти двукратное сокращение времени обследования.