2) распознавание образов (в результате сегодня распознавание лиц служит надежным биометрическим паролем в наших смартфонах, медикам же такие программы помогают, в частности, в исследованиях кожи);
3) распознавание речи (десятки языков в интернет-переводчиках, голосовые помощники вроде Amazon Alexa и чат-боты, многие из которых сегодня специализируются и на психологической поддержке пациентов);
4) автомобилестроение (успех беспилотных автомобилей Tesla вдохновляет врачей задумываться о большей автоматизации медицинского оборудования).
А вот методологию ИИ перенести в медицинскую сферу без значимых потерь не так просто:
чем больше данных получает ИИ, тем эффективнее работает, но эти данные должны быть легкодоступны для поиска, оптимально структурированы и просты в обращении, а медицинские данные в основном не таковы;
Каждый год выходит более миллиона статей по медицине одна статья каждые 30 секунд. Самые большие обещания по освоению этого океана информации давал суперкомпьютер IBM Watson, триумфально выигравший в телевикторине Jeopardy: реклама 2017 года гласила, что Watson поможет врачу читать 5000 исследований в день и при этом принимать пациентов. Но пока без людей не обойтись: так, проект Mark2Cure привлекает активистов, которые обрабатывают миллионы статей из исследовательской базы данных PubMed, выделяют ключевые понятия и связи между ними, а затем эти результаты обрабатываются статистическими алгоритмами, которые создают оптимальные способы автоматического поиска. Обработанная таким образом информация могла бы стать серьезным подспорьем для системы поддержки принятия врачебных решений (СППВР) одного из самых многообещающих направлений медицинского ИИ.
нейросети работают по принципу черного ящика: мы не очень хорошо знаем, как именно сеть обрабатывает информацию внутри себя. Победа AlphaGo в го особенно показательна: создатели признались, что не могут объяснить, как «мыслила» машина. Когда речь идет о лечении пациентов, риск довериться черному ящику слишком дорого стоит;
нейросети уязвимы перед хакерами: наши данные слишком легко украсть;
нейросети невольно отражают человеческие заблуждения вроде расизма и сексизма: так, Google убрала из лексикона Google Photos слово «горилла», поскольку механизм распознавания изображений отмечал фото афроамериканцев с очень темным цветом кожи. Что же говорить об объективности медицинских исследований, которые нередко сосредоточены на показателях белой части населения?
Множество статей об успехах искусственного интеллекта в медицинской сфере не только не подтверждены реальными клиническими условиями (они проводились in silico[2]), но и публикуются в малоизвестных источниках и не проходят процедуру рецензирования.
Помимо методологических трудностей существуют этические и социальные проблемы. На создание новых алгоритмов могут влиять не только медики, но и представители страховых компаний, а у них свои, циничные интересы. И как быть с тем, что ИИ угрожает сокращением 40 % рабочих мест в сфере здравоохранения? Плохая новость для США, где в этой сфере занята 1/6 часть населения.
Искусственный интеллект на службе у медицины
Как ИИ умеет работать с паттернами
Поскольку ИИ умеет очень быстро делать выводы на основе огромного количества данных, особенно хорошо структурированных, первыми на хорошие новости могут надеяться травматологи, радиологи, патологоанатомы, то есть врачи, которые работают с паттернами моделями с повторяющимися закономерностями вроде рентгенограмм и прочих медицинских снимков. Тут у ИИ несколько явных преимуществ перед докторами.
ИИ точнее. Если предоставить машине 50 тысяч рентгеновских снимков грудной клетки, она сможет распознавать на них патологию с точностью в 95 %, не заменяя рентгенолога, но существенно облегчая ему работу по сортировке снимков. Оценивая рентгенограммы переломов тазобедренного сустава, ИИ столь точен, что заменяет более дорогие методы сканирования типа МРТ; нейронная сеть, обученная более чем на 1000 пациентов, показала 99 % точность, сопоставимую с опытом рентгенологов. Компания Zebra Medical Vision протестировала нейронную сеть, которая обнаруживает компрессионные переломы позвонков с 93 % точностью, тогда как рентгенологи пропускают такие переломы более чем в 10 % случаев. Разница в 3 % не так уж велика, но она имеет значение, когда речь идет о людях.