ИИ-2041. Десять образов нашего будущего

Первым делом ныне существующие базы данных будут оцифрованы, а процессы — автоматизированы. Это затронет истории болезни, данные об эффективности лекарств и медицинских приборов, сведения о клинических испытаниях, о контроле качества медицинского ухода, статистику по распространению инфекционных заболеваний и поставкам лекарств и вакцин. В результате оцифровки появятся огромные базы данных, которые также обеспечат новые возможности ИИ.

Не так давно стала цифровой такая область медицины, как радиология. И врач уже не разглядывает подсвеченный рентгеновский снимок — на смену дедовскому методу пришла компьютерная визуализация 3D-изображений с высокой четкостью, а это делает возможной телерадиологию и ИИ-диагностику.

Уже сегодня начали оцифровывать медицинские карты и страховые данные; их сохраняют и объединяют (если это, конечно, разрешено законом) в анонимных базах данных, к которым можно применить ИИ, улучшив тем самым эффективность и качество лечения, диагностики, квалификацию медицинского персонала, выявление аномалий и профилактику заболеваний.

Полные базы данных по использованию каждого лекарственного средства позволят врачам и ИИ понимать, как и когда применять каждый препарат с максимальной эффективностью и как избежать врачебных ошибок. ИИ может выполнять многие виды работы гораздо тщательнее, чем люди-врачи, — ведь он имеет возможность обучаться на миллиардах реальных случаев, учитывая в том числе и результаты лечения.

ИИ может анализировать полный медицинский и семейный анамнез и подбирать лечение с учетом этих данных. А еще ИИ сможет, так сказать, держать руку на пульсе прогресса — знать и «помнить» все об огромном количестве новых лекарств, методов лечения и результатах медицинских исследований, что однозначно выходит за рамки человеческих возможностей.

В дополнение к существующим методам обработки информации в здравоохранении все больше используются новые революционные технологии, продукт собственно цифровых процессов. Мобильные устройства контролируют частоту сердечных сокращений, артериальное давление, уровень сахара в крови; постоянно увеличивают набор статистических данных о естественном движении народонаселения и могут своевременно подать сигнал об опасности для человечества.

Такой трекинг непременно приведет к созданию огромных баз данных, которые помогут ИИ точнее мониторить здоровье, выявлять болезни на ранней стадии, предлагать методы лечения и поддержки.

Благодаря новым технологиям огромное количество цифровых данных генерируется в сфере медицинских исследований. Определение последовательности (секвенирование) ДНК выдает жизненно важную цифровую информацию — например, о генах, кодирующих белки (молекулярных механизмах жизни), о регуляторной сети, которая определяет поведение генов.

Цифровая полимеразная цепная реакция (всем хорошо теперь известная ПЦР) способна точно выявлять патогены (например, вирус SARS-CoV-2 и его разнообразные варианты) и генные мутации (например, новые маркеры рака). Секвенирование следующего поколения NGS (Next-generation sequencing) обеспечивает быстрое прочтение и интерпретацию генома, что не под силу человеку (геном слишком длинен и сложен), но отлично поддается ИИ.

Есть еще CRISPR — революционная технология редактирования геномов, которая, вполне возможно, поможет искоренить многие болезни. И наконец, разработка новых лекарств и вакцин становится все более цифровым процессом и все сильнее интегрируется с ИИ (подробнее об этом поговорим в этой главе чуть позже).

Все эти новшества — цифровые изначально, поэтому они могут быть сопряжены с другими цифровыми технологиями, такими как ИИ, что непременно приведет к прорыву в здравоохранении.

Вы можете спросить, почему же провалились первые медицинские проекты с использованием ИИ вроде IBM Watson[50] с программой лечения онкозаболеваний? IBM работала с уважаемыми медицинскими учреждениями, MD Anderson и Sloan Kettering[51], и решила использовать их медицинский опыт и данные для обучения своего ИИ.

Эти высококачественные обучающие данные идеально подходят для обучения врачей и студентов-медиков. Они были кропотливо собраны ведущими исследователями с целью помочь учащимся усвоить ключевые концепции, установить связи между областями и синтезировать новые решения. Но эти базы данных слишком малы для ИИ, который учится на массивных данных, а не на концепциях (вспомните таблицу в главе 1, в которой противопоставляются обучение человека и ИИ), но имеющиеся базы оказались для него скудны. Технология IBM Watson попыталась расширить эти знания с помощью большого количества медицинских текстов из учебников и отчетов по исследованиям, но и эти материалы тоже предназначались для потребления человеком, а ИИ лучше подходят реальные данные о лечении и конкретных результатах.