Применение искусственного интеллекта в диагностике заболеваний

Искусственный интеллект активно прогрессирует в современном мире, трансформируя различные сферы, включая здравоохранение [1, с. 78-93; 2, с. 843-852]. В контексте диагностики заболеваний ИИ позволяет анализировать большие объемы медицинских данных, что потенциально повышает эффективность и точность диагностических процессов [3, с. 44-56; 4, с. 15-22]. Актуальность темы обусловлена высокой частотой диагностических ошибок. По данным мировых исследований, до 20% первоначальных диагнозов являются ошибочными или неточными [5, с. 150-157], а в РФ диагностические ошибки являются одной из значимых причин дефектов оказания медицинской помощи [6, с. 32-40]. Врачебные ошибки неизбежны, но возможно с помощью ИИ получится их уменьшить. Темпы внедрения ИИ-решений в клиническую практику стремительно растут: мировой рынок ИИ в здравоохранении к 2025 году может достигнуть 100 млрд долларов [7, с. 30-36]. Однако наряду с преимуществами, использование ИИ сопряжено с рядом ограничений, которые требуют тщательного изучения [8, с. 45-51; 9, с. 78-90].

Целью настоящего исследования явился комплексный анализ эффективности диагностических алгоритмов искусственного интеллекта в сравнении с традиционными методами и выявление основных ограничений их использования на основе анализа литературы и данных социологического опроса.

Материалы и методы: системный анализ научной литературы по теме применения ИИ в диагностике за период 2018–2024 гг. Было проанализировано более 30 источников, включая статьи в рецензируемых отечественных и зарубежных журналах (в т. ч. индексируемых в Scopus, Web of Science, РИНЦ), материалы конгрессов и нормативные документы.

Социологическое исследование методом анонимного анкетирования. Критерии включения респондентов: студенты 3–6 курсов лечебного факультета ИГМА, добровольное информированное согласие. Выборка составила 300 человек (n=300). Инструмент: авторская анкета, включающая 15 вопросов, направленных на оценку осведомленности, отношения, уровня доверия и восприятия преимуществ/рисков ИИ. Обработка данных проводилась с помощью программ Microsoft Excel и IBM SPSS Statistics 27. Применялись методы описательной статистики: расчет абсолютных и относительных частот (для категориальных переменных). Для оценки взаимосвязей использовался χ²-критерий Пирсона (при уровне значимости p<0,05).

Данное исследование имеет ряд ограничений. Выборка была ограничена студентами одного медицинского вуза, что не позволяет полностью экстраполировать результаты на все сообщество будущих врачей России. Кроме того, в опросе не участвовали практикующие врачи, чье мнение могло бы отличаться из-за клинического опыта.

Основная часть

Применение искусственного интеллекта:

1. Анализ медицинских изображений. Искусственный интеллект способен обрабатывать и анализировать изображения, такие как рентгеновские снимки, МРТ и КТ, с высокой точностью. Например, алгоритмы глубокого обучения могут выявлять опухоли, переломы и другие аномалии, часто на уровне, сопоставимом с профессиональными радиологами.
2. Диагностика на основе данных. Системы искусственного интеллекта могут анализировать большие объемы данных о пациентах, включая историю болезни, лабораторные результаты и генетическую информацию. Это позволяет выявлять закономерности и предсказывать риск развития различных заболеваний, таких как диабет или сердечно-сосудистые болезни.
3. Мониторинг состояния пациентов. С помощью носимых устройств и мобильных приложений, искусственный интеллект может отслеживать состояние здоровья пациентов в реальном времени, анализируя данные о физической активности, сердечном ритме и других показателях. Это позволяет врачам своевременно реагировать на изменения.
4. Поддержка врачей в принятии решений. Искусственный интеллект может служить помощником для врачей, предоставляя рекомендации по диагностике и лечению, основанные на анализе данных и лучших практиках. Это помогает улучшить качество медицинской помощи и снизить вероятность ошибок.

Примеры применения искусственного интеллекта в диагностике:

1. Рак кожи: системы искусственного интеллекта могут анализировать фотографии родинок и выявлять признаки меланомы с высокой точностью.
2. Диабетическая ретинопатия: алгоритмы могут анализировать изображения сетчатки глаза и обнаруживать изменения, связанные с диабетом.
3. Пневмония: искусственный интеллект может анализировать рентгеновские снимки грудной клетки для выявления пневмонии быстрее и точнее, чем многие традиционные методы.

Медицинские центры и больницы:

• Mayo Clinic (США): один из ведущих медицинских центров, который активно использует искусственный интеллект для анализа медицинских изображений и прогнозирования заболеваний.
• Cleveland Clinic (США): применяет искусственный интеллект для диагностики сердечно-сосудистых заболеваний и анализа данных о пациентах.
• Mount Sinai Health System (США): использует искусственный интеллект для обработки больших объемов данных и улучшения диагностики.

Преимущества использования искусственного интеллекта:

1. ИИ анализирует полученные данные быстрее, чем человек, что позволяет сократить время ожидания результатов диагностики.
2. Исключает появление ошибок связанные с человеческими факторами, такими как усталость, стресс, недостаток знаний или опыта, субъективность.
3. Автоматическое структурирование и обновление полученных данных.

Ограничения:

1. «Черный ящик» – искусственный интеллект имеет огромную базу данных, и точная информация, из каких именно данных был предложен и поставлен диагноз, отсутствует.
2. Вероятность возникновения ошибки в системе алгоритмов, сложность их обнаружения и исправления.
3. Проблема недостаточного представительства определённых групп населения может привести к ложным диагнозам.
4. Этический аспект вопроса: «Кто будет нести ответственность за неправильно поставленный диагноз?» не решён.

Анкетирование 300 опрошенных из студентов ИГМА с 3 по 6 курс лечебного факультета.

Рис. 1. «Ваш возраст»: преимущественный возраст опрашиваемых – от 21 до 24 лет (56%)

Рис. 2. «Ваш пол»: Среди опрашиваемых преобладают мужчины (56%)

Рис. 3. «Вы работаете в медицинской сфере?»: большая часть опрашиваемых уже работает в медицинской сфере (62%)

Вопросы об искусственном интеллекте в диагностике

Все опрашиваемые знают о применении искусственного интеллекта в диагностике заболеваний (100%).

Рис. 4. «Как вы оцениваете точность искусственного интеллекта в диагностике заболеваний по шкале от 1 до 10? (1 – очень низкая, 10 – очень высокая)»: наиболее частая оценка точности искусственного интеллекта в диагностике заболеваний составляет 7 из 10 (27%)

Рис. 5. «Считаете ли вы, что искусственный интеллект может улучшить точность диагностики по сравнению с традиционными методами?»: большинство опрашиваемых считают, что искусственный интеллект может улучшить точность диагностики по сравнению с традиционными методами (82%)

Рис. 6. «Как вы думаете, какие заболевания наиболее подходят для диагностики с помощью искусственного интеллекта?»: большинство опрашиваемых считает, что онкологические заболевания наиболее подходят для диагностики с помощью искусственного интеллекта (56%)

Рис. 7. «Какие преимущества искусственного интеллекта в диагностике заболеваний вы считаете наиболее важными? (до 3 ответов)»: большинство опрашиваемых отмечает главным преимуществом искусственного интеллекта – быстрая обработка данных (29%), за ней следует высокая точность (26%)

Рис. 8. «С какими ограничениями применения искусственного интеллекта в диагностике вы сталкивались или слышали?»: большинство опрашиваемых отмечает, как недостаток отсутствие данных для обучения (35%), а также низкую прозрачность алгоритмов (30%).

Рис. 9. «Как вы оцениваете уровень доверия к искусственному интеллекту в диагностике заболеваний? (1-очень низкий, 10- очень высокий)»: большинство опрашиваемых оценивает уровень доверия к искусственному интеллекту в диагностике заболеваний на 7 из 10 (35%)

Рис. 10. «Считаете ли вы, что искусственный интеллект может заменить врачей в диагностике заболеваний в будущем?»: большинство опрашиваемых считает, что искусственный интеллект не сможет заменить врачей в диагностике заболеваний в будущем (70%).

Рис. 11. «Как вы относитесь к тому, чтобы искусственный интеллект принимал участие в принятии решений о лечении пациентов?»: большинство опрашиваемых поддерживают участие искусственного интеллекта в принятии решений о лечении пациентов, но с оговорками (85%). Среди условий наиболее часто звучало требование подтверждения решений искусственного интеллекта самим врачом

Рис. 12. «Какой уровень обучения и подготовки должен иметь искусственный интеллект для работы в области диагностики?»: большинство опрашиваемых считают необходимым высокий уровень обучения и подготовки искусственного интеллекта для работы в области диагностики (90%).

Рис. 13. «Как вы думаете, какие меры необходимо предпринять для повышения доверия к искусственному интеллекту в диагностике? (выберите все подходящие варианты)»: большинство опрашиваемых считает необходимым проведение клинических испытаний для повышения доверия к искусственному интеллекту в диагностике (36%)

Обсуждение

Результаты проведенного исследования демонстрируют в целом позитивное, но взвешенное отношение будущих врачей к внедрению ИИ в диагностику. Выявленный высокий уровень осведомленности (100%) согласуется с данными глобального опроса компании Philips (2022), согласно которому 93% медицинских работников в России уверены, что цифровые технологии улучшат оказание медицинской помощи в ближайшие три года. Тот факт, что большинство студентов (82%) видят в ИИ инструмент для повышения точности, но не замену врачу (70%), полностью коррелирует с выводами зарубежных коллег. Например, исследование Palanica et al. (2019) среди врачей Канады показало, что 73% респондентов рассматривают ИИ как помощника, а не замену. Наши данные о том, что онкологические заболевания признаны наиболее подходящей областью для диагностики с помощью ИИ (56%), также находят подтверждение в литературе: именно в радиологии и онкологии алгоритмы ИИ показывают наиболее впечатляющие результаты, сопоставимые с экспертами-людьми.

Выявленные ограничения, в частности проблема «черного ящика» (30%) и недостатка данных (35%), являются ключевыми вызовами для всего медицинского AI-сообщества, что подробно обсуждается в работах. Требование 90% респондентов о необходимости высокого уровня обучения ИИ и 36% – о клинических испытаниях указывает на запрос на доказательность и регулируемость этих технологий со стороны будущих пользователей.

Вывод и рекомендации:

1. Сравнение эффективности: исследования показывают, что диагностические алгоритмы искусственного интеллекта могут достигать или даже превышать точность традиционных методов диагностики в некоторых областях. ИИ высокоэффективен в диагностических целях, однако в некоторых случаях традиционные методы остаются предпочтительными, особенно когда требуется комплексный анализ, основанный на клиническом опыте врача или когда необходимы дополнительные исследования.

2. Основные ограничения:

• Низкая прозрачность алгоритмов: многие модели искусственного интеллекта работают как «черные ящики», что затрудняет понимание их решений и может вызывать опасения у врачей и пациентов.
• Зависимость от качества данных: эффективность искусственного интеллекта напрямую зависит от качества и объема данных, на которых он был обучен. Неполные или искаженные данные могут привести к ошибочным выводам.
• Этические и правовые вопросы: использование искусственного интеллекта в медицине поднимает вопросы о конфиденциальности данных, ответственности за ошибки и необходимости соблюдения этических норм.
• Необходимость в клиническом контроле: несмотря на высокую точность, искусственный интеллект не должен полностью заменять врачей. Человеческий фактор и клинический опыт остаются важными для окончательных решений о диагнозе и лечении.

Рекомендации:

1. Улучшение прозрачности алгоритмов: разработать методы, которые позволят лучше понимать и объяснять решения искусственного интеллекта, чтобы повысить доверие со стороны медицинских работников и пациентов.
2. Обеспечение высококачественных данных: инвестировать в сбор и аннотирование больших, разнообразных и репрезентативных наборов данных для обучения искусственного интеллекта, чтобы повысить его точность и надежность.
3. Клинические испытания: проводить дополнительные клинические испытания для оценки эффективности и безопасности алгоритмов искусственного интеллекта в реальных условиях, что поможет выявить их сильные и слабые стороны.
4. Обучение медицинского персонала: обучать врачей и медицинский персонал использованию искусственного интеллекта в диагностических процессах, чтобы они могли эффективно интегрировать технологии в свою практику и принимать взвешенные решения.
5. Разработка этических норм: создать четкие этические нормы и правовые рамки для использования искусственного интеллекта в медицине, чтобы защитить права пациентов и обеспечить безопасность данных.
6. Интеграция искусственного интеллекта в командную работу: рассматривать искусственный интеллект как инструмент, который может поддерживать и усиливать работу врачей, а не заменять их. Важно, чтобы решения о диагнозе и лечении принимались в команде, включая специалистов и искусственный интеллект.