Тамара Либерман — специалист по анализу данных и искусственному интеллекту в медицине, кандидат наук в области молекулярной онкологии. У нее за плечами многолетний опыт работы в сфере управленческого консультирования, в том числе по вопросам оценки эффективности и предотвращения проблем, включая возможные финансовые и репутационные риски.
Профиль Тамары в деловой сети ТеnChat
- Тамара, здравствуйте. Какие страны лидируют в использовании искусственного интеллекта (ИИ) в медицине?
— Здравствуйте! Безусловными лидерами в применении ИИ в медицине являются США, Китай и ряд европейских стран, особенно Великобритания, Германия и Швейцария. В США больше всего стартапов, разрабатывающих ИИ-решения для здравоохранения. Развитию отрасли содействуют значительные инвестиции и партнерство с ведущими медицинскими учреждениями, например Mayo Clinic и Cleveland Clinic.
Китай реализует амбициозную централизованную государственную программу по внедрению ИИ в различные сферы, включая медицину. Обеспечен доступ к огромным массивам данных, что критически важно для обучения нейросетей.
Интересно, что в гонку технологий включились и другие страны, например Израиль с его развитой экосистемой медицинских стартапов и Сингапур, где государство активно поддерживает цифровизацию здравоохранения. В России есть достойные внимания достижения, особенно в области анализа медицинских изображений, хотя мы пока отстаем от мировых лидеров по масштабу внедрения.
- Какие вызовы стоят перед внедрением ИИ в медицину?
— Внедрение ИИ в медицину — процесс, сопряженный с целым рядом серьезных вызовов. Прежде всего, это проблема данных: их качество, стандартизация и доступность. Медицинские данные часто разрознены, хранятся в различных форматах. Для развития ИИ в медицине их сбор и обработка должны соответствовать строгим правилам конфиденциальности.
Второй важный вызов — интеграция ИИ-решений в существующие медицинские информационные системы и рабочие процессы. Нельзя просто «встроить» ИИ в клинику — необходимо пересмотреть и оптимизировать множество процессов.
Кроме того, существует проблема черного ящика: современные алгоритмы часто не могут объяснить, почему они пришли к тому или иному выводу, что критически важно для принятия клинических решений. Врачи не будут использовать систему, если не понимают логики ее работы.
Не стоит забывать и о регуляторных барьерах, необходимости клинической валидации и сертификации ИИ-систем, что требует значительных временных и финансовых затрат.
Наконец, существует проблема сопротивления внедрению новых технологий со стороны медицинского персонала. А значит, нужно предусмотреть обучение для него и демонстрацию реальной клинической пользы ИИ.
- Как ИИ может улучшить качество медицинских услуг?
— ИИ предлагает множество путей повышения качества медицинской помощи. В первую очередь, это повышение точности и скорости диагностики. Алгоритмы способны выявлять специфические паттерны в данных, недоступные человеческому глазу, что особенно важно при анализе медицинских изображений и лабораторных показателей.
Второе важное преимущество — персонализация лечения. ИИ способен анализировать огромные массивы данных о пациенте, включая геномную информацию, историю болезни и даже стиль жизни, предлагая индивидуализированные терапевтические подходы.
Третье — оптимизация рабочего времени медицинского персонала. ИИ может взять на себя рутинные задачи, например заполнение документации или первичную обработку данных, что позволяет врачам уделять больше времени непосредственному общению с пациентами.
Четвертое — предиктивная аналитика и раннее выявление рисков. Алгоритмы могут прогнозировать вероятность осложнений, обострений хронических заболеваний или необходимость госпитализации, что позволяет принимать превентивные меры.
И наконец, ИИ может сделать качественную медицинскую помощь более доступной, особенно в регионах с дефицитом специалистов. Для этого потребуются системы телемедицины и автоматизированной поддержки принятия решений.
- ИИ влияет на качество медицинских изображений?
— Однозначно да! ИИ совершил настоящую революцию в области медицинской визуализации. Во-первых, современные алгоритмы позволяют значительно улучшать качество исходных изображений, устраняя шумы и артефакты, повышая четкость и контрастность. Это позволяет получать диагностически значимые результаты даже на оборудовании не самого высокого класса.
Во-вторых, ИИ позволяет снизить дозу облучения при компьютерной томографии и рентгенографии без потери качества изображения, что критически важно для снижения лучевой нагрузки на пациентов.
В-третьих, технологии компьютерного зрения способны автоматически сегментировать изображения, выделяя зоны интереса и измеряя их параметры, что повышает точность интерпретации и экономит время специалистов.
И наконец, ИИ позволяет создавать трехмерные модели на основе томографических данных, что помогает планировать сложные хирургические вмешательства.
Есть и экономический аспект: оптимизация рабочих процессов с помощью ИИ позволяет проводить больше исследований за то же время, что повышает доступность диагностики.
- Каким образом ИИ помогает в диагностике заболеваний?
— ИИ трансформирует диагностику заболеваний несколькими способами. Прежде всего, алгоритмы машинного обучения демонстрируют впечатляющие результаты при анализе медицинских изображений: при выявлении опухолей на маммограммах и компьютерных томограммах, при диагностике патологий сетчатки, распознавании пневмонии на рентгенограммах. При выполнении некоторых задач точность ИИ сопоставима с результатами опытных радиологов или даже превосходит ее.
Второе важное направление — анализ электрофизиологических данных, например ЭКГ. Алгоритмы способны выявлять минимальные изменения, указывающие на патологии сердца, которые могут быть пропущены при стандартном анализе.
Третье направление — интерпретация лабораторных данных. ИИ анализирует комбинации биомаркеров что полезно для ранней диагностики заболеваний и мониторинга их течения.
Еще одна важная область — обработка естественного языка для анализа медицинской документации, выявления взаимосвязей между симптомами и постановки дифференциального диагноза.
Наконец, ИИ играет все большую роль в прецизионной медицине, анализируя геномные, протеомные и метаболомные данные для определения индивидуальных особенностей заболевания у конкретного пациента.
- Как ИИ влияет на отношения «врач — пациент»?
— Это крайне интересный вопрос, затрагивающий фундаментальные аспекты медицины. Вопреки опасениям, что ИИ может обезличить медицину, при правильном внедрении он способен значительно улучшить отношения между врачом и пациентом.
ИИ берет на себя рутинные задачи, например заполнение документации и первичный анализ данных, что позволяет врачу уделять больше времени непосредственному общению с пациентом, проявить сопереживание и обсудить план лечения. Согласно некоторым исследованиям, врачи тратят до 60% рабочего времени на административные задачи. ИИ может существенно сократить эту цифру.
Кроме того, ИИ помогает повысить информированность пациента, предоставляя персонализированные образовательные материалы, адаптированные к его состоянию и уровню понимания.
Однако нельзя отрицать и потенциальные риски. Чрезмерное доверие к технологии может привести к автоматизированной предвзятости, когда врач некритично, без достаточного осмысления принимает рекомендации ИИ. Также существует опасность ухудшения навыков клинического мышления у молодых специалистов при чрезмерной зависимости от ИИ-ассистентов.
Важно понимать, что ИИ должен дополнять, а не заменять врача. Ключевые аспекты медицинской помощи — эмпатия, интуиция, этическое суждение — остаются исключительно человеческими качествами.
- Кто несет ответственность за работу ИИ? Если он допускает ошибку, кто в этом виноват? Медицинское учреждение, врач или компания-разработчик?
— Вопрос ответственности за ошибки ИИ в медицине — одна из самых сложных юридических и этических дилемм современного здравоохранения. Подход к распределению ответственности еще формируется, но можно выделить несколько аспектов.
Разработчики ИИ-системы несут ответственность за качество разработки, тестирования и валидации алгоритма, прозрачность его работы и четкое указание ограничений. Они должны обеспечить соответствие системы заявленным характеристикам и обучить пользователей.
Медицинское учреждение отвечает за адекватное внедрение технологии, интеграцию в рабочие процессы, обучение персонала и мониторинг эффективности. Также на учреждении лежит ответственность за выбор подходящего ИИ-решения и обеспечение его соответствия нормативным требованиям.
Врач сохраняет ключевую роль в принятии окончательного решения. Он должен критически оценивать рекомендации ИИ в контексте конкретного клинического случая. В большинстве юрисдикций именно врач несет основную ответственность за лечение, даже если он использует ИИ как вспомогательный инструмент.
Наиболее разумной представляется модель распределенной ответственности, когда каждый участник процесса отвечает за свою область. Важно отметить, что ИИ-системы в медицине пока рассматриваются преимущественно как вспомогательные инструменты, а не автономные субъекты принятия решений.
В настоящее время необходимо развитие специализированного законодательства и формирование прецедентного права, чем активно занимаются в развитых странах.
- Готовы ли врачи доверять, а пациенты следовать рекомендациям и заключениям, которые даны алгоритмом? Какие этические вопросы связаны с использованием ИИ в медицине?
— Вопрос доверия к ИИ в медицине многогранен. Исследования показывают, что отношение врачей к ИИ-системам неоднозначно и зависит от многих факторов: специальности врача, его опыта, технологической грамотности, а также от конкретной задачи, решаемой ИИ.
Наибольшее доверие вызывают системы, работа которых понятна и объяснима. Они доказали свою эффективность в клинических испытаниях и интегрированы в привычные рабочие процессы. Врачи охотнее принимают ИИ, который действует как «советчик», а не как «диктатор», оставляя за ними окончательное решение.
Что касается пациентов, исследования демонстрируют противоречивые результаты. С одной стороны, многие пациенты положительно относятся к использованию ИИ для повышения качества диагностики. С другой стороны, существует опасение, что ИИ может сделать медицинскую помощь менее персонализированной и эмпатичной. Важно, как врач представляет пациенту использование ИИ и насколько прозрачен этот процесс.
Ключевые этические вопросы использования ИИ в медицине:
• Вопросы конфиденциальности и защиты данных пациентов.
• Проблема «черного ящика» — непрозрачности работы алгоритмов.
• Риск предвзятости алгоритмов и дискриминации.
• Справедливое распределение доступа к технологиям ИИ.
• Вопросы автономии пациента и обеспечения информированного согласия.
• Потенциальное усиление существующего неравенства в доступе к медицинской помощи.
• Изменение роли врача и риск деградации клинических навыков.
Решение этих вопросов требует не только технологических, но и социальных инноваций, включая развитие соответствующих этических кодексов и регулирующих норм.
- Так как нейросети обучаются на больших объемах медицинской информации, остро стоит вопрос их защиты от кибератак и несанкционированного доступа. Как быть с безопасностью данных?
— Безопасность данных — ключевой аспект внедрения ИИ. Медицинская информация является одной из самых чувствительных категорий персональных данных, и ее защита требует комплексного подхода.
Первый уровень защиты — технологический. Предусмотрено шифрование данных при хранении и передаче, использование технологий федеративного обучения, когда алгоритмы обучаются на локальных данных без их передачи в центральное хранилище, применение дифференциальной приватности для добавления контролируемого «шума» в данные без существенного ухудшения их аналитической ценности.
Второй уровень — организационный. Создаются строгие политики доступа к данным, обеспечивается аудит и мониторинг всех действий с данными, обучение персонала принципам кибербезопасности, регулярное тестирование систем на уязвимости.
Третий уровень — правовой. Здесь важны четкие нормативные требования к защите медицинских данных, подобные GDPR в Европе или HIPAA в США, которые устанавливают стандарты и предусматривают ответственность за их нарушение.
Отдельно стоит упомянуть о безопасности самих ИИ-систем. Они могут быть уязвимы для так называемых состязательных атак (adversarial attacks), когда злоумышленник вносит незаметные для человека изменения в данные, и в результате алгоритм делает ошибочные выводы. Защита от таких атак — актуальная область исследований в машинном обучении.
Важно понимать, что обеспечение безопасности — это не однократное мероприятие, а непрерывный процесс, требующий постоянного внимания и адаптации к новым угрозам.
- Какие нормативные базы регулируют использование ИИ в медицине?
— По всему миру регулирование ИИ в медицине находится в стадии активного формирования. В США ключевую роль играет Федеральная служба США, контролирующая производство хранение и реализацию пищевых продуктов, лекарственных препаратов и косметических средств (Food and Drug Administration, FDA). Ведомство разработало специальную программу Digital Health Software Precertification Program для оценки и сертификации медицинских ИИ-систем. FDA классифицирует медицинское программное обеспечение с ИИ как медицинские устройства различных классов риска.
В Европейском cоюзе действует Регламент о медицинских изделиях (MDR). В 2021 году был представлен проект Акта об искусственном интеллекте (AI Act), который вводит многоуровневую систему регулирования в зависимости от уровня риска ИИ-систем. Медицинские ИИ-системы в основном попадают в категорию высокого риска, требующую строгой предварительной оценки соответствия.
В России регулирование находится на начальном этапе. В 2020 году был принят Федеральный закон «Об экспериментальных правовых режимах в сфере цифровых инноваций», создающий «регуляторные песочницы» для тестирования ИИ-технологий, в том числе в медицине. Также действует ГОСТ Р 59277-2020 «Системы искусственного интеллекта в клинической медицине».
Помимо национальных регуляторов, важную роль играют международные организации, Например, в 2021 году Всемирная организация здравоохранения выпустила первое глобальное руководство по этике ИИ в здравоохранении.
Ключевая проблема нормативного регулирования состоит в балансе между обеспечением безопасности и стимулированием инноваций. Слишком жесткое регулирование может затормозить развитие потенциально полезных технологий, тогда как недостаточное регулирование создает риски для пациентов.
- В начале нашего разговора вы отметили, что вам изначально была интересна тема медицины и разработка проектов для врачей. Почему?
— Мой интерес к медицине имеет глубокие корни. В детстве я мечтала стать врачом, меня завораживала эта профессия, где знания и умения напрямую связаны со спасением жизней. Однако жизнь сложилась так, что я реализовала себя как в медицине, так и в анализе данных и информационных технологиях.
Когда я начала работать с большими данными, я увидела огромный потенциал их применения именно в медицине. Я могу эффективно использовать свой врачебный опыт, интерес к медицине и профессиональные компетенции в области анализа данных и ИИ.
Медицина — это область, где технологии ИИ могут принести наибольшую общественную пользу. Здесь каждое улучшение диагностики или лечения — спасенные жизни, уменьшение страданий, повышение качества жизни реальных людей. Это придает особый смысл моей работе.
Кроме того, медицина предлагает исключительно сложные и интересные задачи для ИИ. Человеческий организм — прежде всего, система, где переплетаются физиология, биохимия, генетика, психология и множество других факторов. Разработка эффективных ИИ-решений для медицины требует не только технических знаний, но и глубокого понимания медицинской специфики, что делает эту работу чрезвычайно интеллектуально сложной.
Наконец, я вижу в этой области огромный потенциал для нашей страны. У России есть сильные школы как в медицине, так и в математике и программировании — базовых дисциплинах для ИИ. Объединение этих компетенций может создать конкурентное преимущество на мировом рынке.
- Расскажите о вашем проекте, связанном с применениями методов ИИ в медицине.
— Наш проект направлен на создание комплексной системы поддержки принятия клинических решений на основе ИИ. В отличие от многих существующих решений, фокусирующихся на отдельных узких задачах, мы стремимся создать интегрированную систему, работающую на всех этапах клинического процесса.
Ядро системы составляют три взаимосвязанных модуля. Первый — модуль анализа медицинских изображений, способный обрабатывать различные типы визуализации: компьютерные томограммы, магнитно-резонансные томограммы, рентгенограммы, УЗИ-снимки. Особенность нашего подхода — мультимодальный анализ, когда алгоритм одновременно учитывает данные из разных источников визуализации.
Второй модуль — анализ клинических данных, включая лабораторные показатели, данные анамнеза и результаты функциональных исследований. Здесь мы применяем методы обработки естественного языка для извлечения значимой информации из неструктурированных медицинских записей.
Третий модуль — прогностический, который на основе анализа временных рядов данных предсказывает вероятные сценарии развития заболевания и эффективность различных терапевтических подходов.
Важная особенность нашей системы — объяснимость результатов. Мы разработали специальный интерфейс, визуализирующий логику принятия решений алгоритмом. Это повышает доверие врачей к системе и обеспечивает возможность критически оценить ее рекомендаций.
Мы завершили пилотное внедрение нашего продукта в трех медицинских центрах с фокусом на кардиологию и онкологию. Предварительные результаты показывают снижение времени постановки диагноза на 30% и повышение его точности на 15–20%. В ближайшие два года планируем расширить специализацию за счет неврологии и эндокринологии.
- Одним из интересных приложений ИИ в медицине, на наш взгляд, становится направление дополненной и виртуальной реальности. Планируете ли вы развивать проект в этом направлении?
— Абсолютно согласна, что технологии дополненной (AR) и виртуальной реальности (VR) в сочетании с ИИ открывают захватывающие перспективы для медицины. Мы активно движемся в этом направлении.
Сейчас мы работаем над интеграцией нашей системы с AR-очками для хирургов. Представьте: во время операции хирург видит не только реального пациента, но и наложенную трехмерную модель с выявленными патологическими зонами, оптимальными траекториями доступа и критическими структурами, которые ни в коем случае нельзя затрагивать. ИИ в реальном времени анализирует ход операции и при необходимости предлагает корректировки. Мы завершили прототип и начинаем тестирование на симуляторах.
Параллельно мы исследуем возможности VR для реабилитации пациентов после инсульта и травм. Наш алгоритм анализирует движения пациента, адаптирует уровень сложности упражнений и предоставляет детальную обратную связь. Предварительные результаты показывают значительное повышение мотивации пациентов и более быстрое восстановление моторных функций.
Конечно, мы сталкиваемся с определенными вызовами. Предстоит обеспечить бесперебойную работу в реальном времени, эргономику AR-устройств, которые должны быть комфортными при длительном использовании, интеграцию с существующим медицинским оборудованием. Но технологии развиваются стремительно, и мы уверены, что в ближайшие годы решения на базе AR/VR с поддержкой ИИ станут стандартными инструментами в арсенале медицинских специалистов.
Я приглашаю заинтересованных коллег к сотрудничеству в этой области. Я уверена, что объединение усилий позволит нам быстрее продвигаться и создавать по-настоящему инновационные решения для российского здравоохранения.
—
Интервью провёл журналист Николай Городецкий.
Новые комментарии: