Материал из РУВИКИ — свободной энциклопедии

Искусственный интеллект в сфере здравоохранения

Рентгеновский снимок кисти с автоматическим определением костного возраста с помощью программного обеспечения BoneXpert

Искусственный интеллект в сфере здравоохранения — это применение искусственного интеллекта (ИИ) для анализа и интерпретации сложных медицинских и биомедицинских данных. В ряде случаев ИИ может дополнять или превосходить возможности человека, предлагая более эффективные или быстрые методы диагностики, лечения и профилактики заболеваний[1][2][3].

Применение искусственного интеллекта в медицине сравнительно ново, исследования в этой области продолжаются и охватывают различные медицинские специальности и смежные отрасли. ИИ применяется в задачах диагностики, разработки протоколов лечения[4], разработки новых препаратов, персонализированной медицины[5], мониторинга пациентов и организации ухода[6]. Особое значение имеет потенциал ИИ в обработке и интерпретации рентгеновских снимков, как наиболее часто выполняемых исследований в радиологии[7].

Использование искусственного интеллекта в здравоохранении сопровождается новыми этическими вызовами, связанными с защитой данных пациентов, автоматизацией профессий и усилением уже существующих алгоритмических предвзятостей[8]. Новые технологии зачастую встречают сопротивление со стороны руководителей медицины, что приводит к замедленной и неравномерной интеграции. Известны случаи использования ИИ без достаточного тестирования[9][10][11][12]. Систематический обзор 2023 года показал, что большинство заинтересованных сторон — профессионалов, пациентов и общественности — сомневаются в способности ИИ к эмпатии в медицинской помощи. Также выявлено, что научная литература по ИИ в медицине часто страдает недостаточной воспроизводимостью[13][14][15].

История

[править | править код]

Исследования 1960-х-1970-х годов привели к появлению первых экспертных систем, таких как Dendral[16], предназначенной для применения в органической химии, и последующих систем MYCIN[17], INTERNIST-1 и CASNET, анализировавших медицинские случаи и предлагавших диагностические решения[18].

В 1980—1990-х годах появились микрокомпьютеры и новые уровни сетевого взаимодействия, что позволило применять в ИИ логические модели с нечёткой логикой[19], байесовские сети[20] и искусственные нейронные сети[21] для интеллектуальных вычислительных систем в медицине.

К основным технологическим предпосылкам развития ИИ в медицине относят:

  • рост вычислительных мощностей;
  • развитие IT-инфраструктуры здравоохранения (ЭМК — электронной медицинской карты);
  • совершенствование методов обработки естественного языка и компьютерного зрения;
  • развитие геномных и биобанковских данных.

Технические особенности

[править | править код]

ИИ интегрируется в большинство этапов медицинской помощи: диагностику (анализ ЭМК и изображений), мониторинг и уход за пациентами, фармаконадзор, организацию труда медицинского персонала, сопровождение пациентов с хроническими заболеваниями и др.

Степень автоматизации технологий ИИ колеблется от систем поддержки принятия врачебных решений до полностью автономных решений, применяемых, например, в медицине катастроф или телемедицине.

Реализации ИИ используют машинное обучение, глубокие нейронные сети, алгоритмы обработки естественного языка для понимания и обобщения информации из медицинских документов, изображений, генетических и других биомедицинских данных.

Алгоритмы и реализации

[править | править код]

Наиболее распространены следующие алгоритмические подходы:

  • Обработка естественного языка — для анализа неструктурированных медицинских текстов[22].
  • Глубокое обучение и свёрточные нейронные сети — для анализа изображений (рентгенограммы, КТ, МРТ, фотографии кожных заболеваний)[23].
  • Система поддержки принятия решений, основанная на правилах — для диагностических и рекомендательных задач.
  • Генеративные состязательные сети — для синтеза изображений, дообучения и прогноза исходов заболеваний.
  • Алгоритмы поиска ассоциативных правил — для выявления взаимодействий между лекарствами и предсказания побочных эффектов.
  • Предиктивное моделирование — для прогнозирования индивидуальной эффективности терапии, риска обострений и длительных исходов.

Преимущества и недостатки

[править | править код]

Преимущества:

  • Сокращение времени на диагностику, обработку больших объёмов информации[24].
  • Рост точности диагностики, снижение числа диагностических ошибок[25].
  • Возможность индивидуализации лечения (персонализированная медицина).
  • Оптимизация административных процессов в клинике.
  • Мониторинг хронических больных и удалённые консультации (телемедицина).

Ограничения и недостатки:

  • Этические и правовые риски, связанные с защитой персональных данных, прозрачностью работы и объяснимостью решений ИИ[26].
  • Риск технологической безработицы для административного и среднего медицинского персонала[27].
  • Уязвимость к «алгоритмическому смещению», если в обучающих данных недостаточно представлены отдельные группы пациентов[28].
  • Низкая воспроизводимость и недостаточность клинических исследований по ряду технологий ИИ[29].
  • Ограниченная обобщаемость моделей, обученных на однородных наборах данных[30].

См. также

[править | править код]

Примечания

[править | править код]
  1. ↑ Developing an aging clock using deep learning on retinal images (англ.). ai.googleblog.com (11 апреля 2023). Дата обращения: 1 июня 2023.
  2. ↑ Mullainathan, S.; Obermeyer, Z. (май 2022). “Solving medicine's data bottleneck: Nightingale Open Science”. Nature Medicine. 28 (5): 897—899. DOI:10.1038/s41591-022-01804-4. PMID 35534570. S2CID 248668494. Проверьте дату в |date= (справка на английском)
  3. ↑ Sharma, Animesh Kumar; Sharma, Rahul (2025). “Bibliometric exploration of artificial intelligence applications in healthcare: trends and future directions”. Journal of Public Health and Development. 23 (2): 281—303. DOI:10.55131/jphd/2025/230220.
  4. ↑ Sankar H, Alagarsamy R, Lal B, Rana SS, Roychoudhury A, Agrawal A, Wankhar S (2024). “Role of artificial intelligence in treatment planning and outcome prediction of jaw corrective surgeries using 3-D imaging: A systematic review”. Oral Surgery, Oral Medicine, Oral Pathology, and Oral Radiology [англ.]. 139 (3): 299—310. DOI:10.1016/j.oooo.2024.09.010. PMID 39701860.
  5. ↑ Artificial intelligence and personalized medicine: transforming patient care // The New Era of Precision Medicine : [англ.]. — Elsevier, 2024. — P. 131–142. — ISBN 978-0-443-13963-5. — doi:10.1016/b978-0-443-13963-5.00012-1.
  6. ↑ Snider V, Homsi K, Kusnoto B, Atsawasuwan P, Viana G, Allareddy V, Gajendrareddy P, Elnagar MH (май 2024). “Clinical evaluation of Artificial Intelligence Driven Remote Monitoring technology for assessment of patient oral hygiene during orthodontic treatment”. American Journal of Orthodontics and Dentofacial Orthopedics. 165 (5): 586—592. DOI:10.1016/j.ajodo.2023.12.008. PMID 38363256. Проверьте дату в |date= (справка на английском)
  7. ↑ Adams SJ, Henderson RD, Yi X, Babyn P (февраль 2021). “Artificial Intelligence Solutions for Analysis of X-ray Images”. Canadian Association of Radiologists Journal. 72 (1): 60—72. DOI:10.1177/0846537120941671. PMID 32757950. S2CID 221036912. Проверьте дату в |date= (справка на английском)
  8. ↑ Floridi L, Luetge C, Pagallo U, Schafer B, Valcke P, Vayena E, Addison J, Hughes N, Lea N, Sage C, Vannieuwenhuyse B (1 сентября 2019). “Key Ethical Challenges in the European Medical Information Framework”. Minds and Machines [англ.]. 29 (3): 355—371. DOI:10.1007/s11023-018-9467-4. HDL:2318/1728336. ISSN 1572-8641. S2CID 49668711.
  9. ↑ Andrew Wong; Erkin Otles; John P. Donnelly; Andrew Krumm; Jeffrey McCullough; Olivia DeTroyer-Cooley; Justin Pestrue; Marie Phillips; Judy Konye; Carleen Penoza; Muhammad Ghous; Karandeep Singh (21 июня 2021). “External Validation of a Widely Implemented Proprietary Sepsis Prediction Model in Hospitalized Patients”. JAMA Internal Medicine. 181 (8): 1065—1070. DOI:10.1001/jamainternmed.2021.2626. PMC 8218233. PMID 34152373.
  10. ↑ An Algorithm That Predicts Deadly Infections Is Often Flawed, Wired Magazine (21 июня 2021).
  11. ↑ A health care algorithm offered less care to black patients, Wired Magazine (24 октября 2019).
  12. ↑ IBM pitched its Watson supercomputer as a revolution in cancer care. It's nowhere close, Stat (5 сентября 2017).
  13. ↑ Machine Learning Faces a Reckoning in Health Research, IEEE Spectrum (29 марта 2021).
  14. ↑ Varoquaux, Gaël; Cheplygina, Veronika (12 апреля 2022). “Machine learning for medical imaging: methodological failures and recommendations for the future”. npj Digital Medicine. 5 (48): 48. DOI:10.1038/s41746-022-00592-y. PMC 9005663. PMID 35413988.
  15. ↑ Sohn, Emily (9 января 2023). “The reproducibility issues that haunt health-care AI”. Nature. 613 (7943): 402—403. Bibcode:2023Natur.613..402S. DOI:10.1038/d41586-023-00023-2. PMID 36624237.
  16. ↑ Lindsay RK, Buchanan BG, Feigenbaum EA, Lederberg J (1993). “DENDRAL: a case study of the first expert system for scientific hypothesis formation” (PDF). Artificial Intelligence. 61 (2): 209—261. DOI:10.1016/0004-3702(93)90068-m. HDL:2027.42/30758.
  17. ↑ Readings in medical artificial intelligence: the first decade.. — Addison-Wesley Longman Publishing Co., Inc., 1984.
  18. ↑ Duda RO, Shortliffe EH (апрель 1983). “Expert Systems Research”. Science. 220 (4594): 261—268. DOI:10.1126/science.6340198. PMID 6340198. Проверьте дату в |date= (справка на английском)
  19. ↑ Adlassnig KP (июль 1980). “A fuzzy logical model of computer-assisted medical diagnosis”. Methods of Information in Medicine. 19 (3): 141—148. DOI:10.1055/s-0038-1636674. PMID 6997678. Проверьте дату в |date= (справка на английском)
  20. ↑ Reggia JA, Peng Y (сентябрь 1987). “Modeling diagnostic reasoning: a summary of parsimonious covering theory”. Computer Methods and Programs in Biomedicine. 25 (2): 125—134. DOI:10.1016/0169-2607(87)90048-4. PMC 2244953. PMID 3315427. Проверьте дату в |date= (справка на английском)
  21. ↑ Baxt WG (декабрь 1991). “Use of an artificial neural network for the diagnosis of myocardial infarction”. Annals of Internal Medicine. 115 (11): 843—848. DOI:10.7326/0003-4819-115-11-843. PMID 1952470. Проверьте дату в |date= (справка на английском)
  22. ↑ Ferrante FE (июнь 2005). “Evolving telemedicine/ehealth technology”. Telemedicine Journal and e-Health. 11 (3): 370—383. DOI:10.1089/tmj.2005.11.370. PMID 16035932. Проверьте дату в |date= (справка на английском)
  23. ↑ Esteva A, Kuprel B, Novoa RA, Ko J, Swetter SM, Blau HM, Thrun S (февраль 2017). “Dermatologist-level classification of skin cancer with deep neural networks”. Nature. 542 (7639): 115—118. Bibcode:2017Natur.542..115E. DOI:10.1038/nature21056. PMC 8382232. PMID 28117445. S2CID 3767412. Проверьте дату в |date= (справка на английском)
  24. ↑ Medrano IH, Guijarro JT, Belda C, Ureña A, Salcedo I, Anke LE, Saggion H (2018). “Savana: Re-using Electronic Health Records with Artificial Intelligence”. International Journal of Interactive Multimedia and Artificial Intelligence. 4 (7): 8—12. DOI:10.9781/ijimai.2017.03.001. ISSN 1989-1660.
  25. ↑ Liang H, Tsui BY, Ni H, Valentim CC, Baxter SL, Liu G, Cai W, Kermany DS, Sun X, Chen J, He L, Zhu J, Tian P, Shao H, Zheng L, Hou R, Hewett S, Li G, Liang P, Zang X, Zhang Z, Pan L, Cai H, Ling R, Li S, Cui Y, Tang S, Ye H, Huang X, He W, Liang W, Zhang Q, Jiang J, Yu W, Gao J, Ou W, Deng Y, Hou Q, Wang B, Yao C, Liang Y, Zhang S, Duan Y, Zhang R, Gibson S, Zhang CL, Li O, Zhang ED, Karin G, Nguyen N, Wu X, Wen C, Xu J, Xu W, Wang B, Wang W, Li J, Pizzato B, Bao C, Xiang D, He W, He S, Zhou Y, Haw W, Goldbaum M, Tremoulet A, Hsu CN, Carter H, Zhu L, Zhang K, Xia H (март 2019). “Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence”. Nature Medicine. 25 (3): 433—438. DOI:10.1038/s41591-018-0335-9. PMID 30742121. S2CID 59945159. Проверьте дату в |date= (справка на английском)
  26. ↑ Webster, Paul (май 2025). “US AI regulatory rollback and health”. The Lancet [англ.]. 405 (10490): 1654—1656. DOI:10.1016/S0140-6736(25)00980-8. Проверьте дату в |date= (справка на английском)
  27. ↑ Davenport T, Kalakota R (июнь 2019). “The potential for artificial intelligence in healthcare”. Future Healthcare Journal. 6 (2): 94—98. DOI:10.7861/futurehosp.6-2-94. PMC 6616181. PMID 31363513. Проверьте дату в |date= (справка на английском)
  28. ↑ Nordling L (сентябрь 2019). “A fairer way forward for AI in health care”. Nature. 573 (7775): S103—S105. Bibcode:2019Natur.573S.103N. DOI:10.1038/d41586-019-02872-2. PMID 31554993. S2CID 202749329. Проверьте дату в |date= (справка на английском)
  29. ↑ Liu, X.; Faes, L.; Kale, AU; Wagner, SK; Fu, DJ; Bruynseels, A. (октябрь 2019). “A comparison of deep learning performance against health-care professionals in detecting diseases from medical imaging: a systematic review and meta-analysis”. The Lancet. Digital Health. 1 (6): e271—e297. DOI:10.1016/S2589-7500(19)30123-2. PMID 33323251. S2CID 204037561. Проверьте дату в |date= (справка на английском)
  30. ↑ Haggenmüller, S.; Maron, RC; Hekler, A.; Utikal, JS; Barata, C.; Barnhill, RL (октябрь 2021). “Skin cancer classification via convolutional neural networks: systematic review of studies involving human experts”. European Journal of Cancer. 156: 202—216. DOI:10.1016/j.ejca.2021.06.049. PMID 34509059. Проверьте дату в |date= (справка на английском)
Источник — https://ru.ruwiki.ru/w/index.php?title=Искусственный_интеллект_в_сфере_здравоохранения&oldid=1216156207