Медицинские технологии, основанные на искусственном интеллекте, быстро развиваются в применимые решения для клинической практики. Алгоритмы глубокого обучения могут обрабатывать растущие объемы данных, предоставляемых носимыми устройствами, смартфонами и другими мобильными датчиками мониторинга в различных областях медицины. В настоящее время применение искусственного интеллекта выгодно только в очень специфических условиях клинической практики, таких как обнаружение фибрилляции предсердий, эпилептических припадков и гипогликемии, или диагностика заболевания на основе гистопатологического исследования или медицинской визуализации. Пациенты давно ждут внедрения дополненной медицины, поскольку она обеспечивает большую автономию и более персонализированное лечение, однако она наталкивается на сопротивление врачей, которые не были готовы к такому развитию клинической практики. Это явление также создает необходимость проверки этих современных инструментов традиционными клиническими испытаниями, обсуждения обновления образовательных программ в области медицины в свете цифровой медицины, а также этических соображений в отношении постоянного подключенного мониторинга. Цель этой статьи — обсудить последнюю научную литературу и представить взгляд на преимущества, Узнать больше, будущие возможности и риски применения искусственного интеллекта в клинической практике для врачей, учреждений здравоохранения, медицинского образования и биоэтики.
Термин “Медицинская технология” широко используется для обозначения ряда инструментов, которые могут позволить медицинским работникам обеспечивать пациентам и обществу лучшее качество жизни путем ранней диагностики, уменьшения осложнений, оптимизации лечения и / или предоставления менее инвазивных вариантов, а также сокращения продолжительности госпитализации. В то время как до эры мобильных устройств медицинские технологии были в основном известны как классические медицинские устройства (например, протезирование, стенты, имплантаты), появление смартфонов, носимых устройств, датчиков и систем связи произвело революцию в медицине благодаря возможности размещения инструментов на базе искусственного интеллекта (ИИ) (таких как приложения) очень малых размеров (1). Искусственный интеллект произвел революцию в медицинских технологиях и может быть широко понят как часть информатики, которая способна решать сложные проблемы со многими приложениями в областях с огромным объемом данных, но небольшим количеством теории (2).
Население в целом с энтузиазмом встретило интеллектуальные медицинские технологии (т. Е. основанные на искусственном интеллекте) отчасти потому, что они обеспечивают 4P-модель медицины (прогностическую, профилактическую, персонализированную и основанную на участии) и, следовательно, автономию пациента способами, которые были бы невозможны (3); смартфоны становятся, например, основным средством заполнения и распространения электронной личной медицинской карты (4), мониторинга жизненно важных функций с помощью биосенсоров (5) и помогают достичь оптимального терапевтического соответствия (6), тем самым предоставляя пациенту место как главное действующее лицо на пути ухода. Развитие интеллектуальных медицинских технологий способствует развитию новой области в медицине: дополненной медицине, то есть использованию новых медицинских технологий для улучшения различных аспектов клинической практики. За последнее десятилетие Управление по контролю за продуктами питания и лекарствами (FDA) одобрило несколько алгоритмов на основе искусственного интеллекта и, следовательно, их можно внедрить. Дополненная медицина поддерживается не только технологиями на основе искусственного интеллекта, но и рядом других цифровых инструментов, таких как хирургические навигационные системы для компьютерной хирургии (7), инструменты континуума виртуальности-реальности для хирургии, обезболивания и психических расстройств (8–10).
Хотя область дополненной медицины, похоже, пользуется успехом у пациентов, она может столкнуться с определенным сопротивлением со стороны медицинских работников, в частности врачей: в отношении этого явления следует привести четыре широко обсуждаемые причины. Во-первых, неподготовленность к потенциалу цифровой медицины обусловлена очевидным отсутствием базового и непрерывного образования по этой дисциплине (11). Во-вторых, ранняя оцифровка процессов здравоохранения, сильно отличающаяся от обещаний дополненной медицины, сопровождалась резким увеличением административной нагрузки, связанной главным образом с электронными медицинскими записями (12), которая стала известна как один из основных компонентов выгорания врача (13). В-третьих, растет опасение относительно риска того, что ИИ заменит врачей (14), хотя в настоящее время в литературе распространено мнение, что ИИ дополнит интеллект врачей в будущем (15, 16). В-четвертых, в настоящее время во всем мире отсутствует правовая база, определяющая концепцию ответственности в случае принятия или отклонения рекомендаций алгоритма, из-за чего врач подвержен потенциальным юридическим последствиям при использовании ИИ (17).
Из-за нехватки образования в области цифровой медицины несколько частных медицинских школ готовят своих будущих медицинских лидеров к решению задач расширенной медицины, либо связывая медицинскую учебную программу с инженерной, либо внедряя цифровую медицинскую грамотность и ее использование в обновленной учебной программе (18).
Цель этого документа — обобщить последние достижения искусственного интеллекта в медицине, представить основные варианты использования медицинских технологий на базе искусственного интеллекта, в которых они уже могут применяться в клинической практике, а также взглянуть на проблемы и риски, с которыми сталкиваются медицинские работники и учреждения при внедрении дополненной медицины, как в клиническую практику, так и в обучение будущих медицинских лидеров.
2. Современные применения искусственного интеллекта в медицине
2.1. Кардиология
2.1.1. Фибрилляция предсердий
Раннее выявление фибрилляции предсердий было одним из первых применений искусственного интеллекта в медицине. В 2014 году AliveCor получила одобрение FDA на свое мобильное приложение Kardia, позволяющее осуществлять мониторинг ЭКГ на базе смартфона и выявлять фибрилляцию предсердий. Недавнее исследование REHEARSE-AF (19) показало, что дистанционное мониторирование ЭКГ с помощью Kardia у амбулаторных пациентов с большей вероятностью выявляет фибрилляцию предсердий, чем обычное лечение. Apple также получила одобрение FDA на свои Apple Watch 4, которые позволяют легко получать ЭКГ и выявлять фибрилляцию предсердий, которыми можно поделиться с выбранным врачом через смартфон (20). Было рассмотрено несколько критических замечаний в отношении носимых и портативных технологий ЭКГ (21), в которых подчеркивались ограничения в их использовании, такие как частота ложноположительных результатов, вызванных артефактами движения, и барьеры на пути внедрения носимых технологий у пожилых пациентов, которые чаще страдают от фибрилляции предсердий.
2.1.2. Сердечно-сосудистый риск
Применительно к электронным записям пациентов искусственный интеллект использовался для прогнозирования риска сердечно-сосудистых заболеваний, например острого коронарного синдрома (22) и сердечной недостаточности (23) лучше, чем традиционные шкалы. Однако в недавних всеобъемлющих обзорах (24) сообщается, что результаты могут варьироваться в зависимости от размера выборки, использованной в отчете об исследовании.
2.2. Пульмонология
Сообщалось, что интерпретация тестов функции легких является перспективной областью для разработки приложений искусственного интеллекта в легочной медицине. В недавнем исследовании (25) сообщалось о том, как программное обеспечение на основе искусственного интеллекта обеспечивает более точную интерпретацию и служит инструментом поддержки принятия решений в случае интерпретации результатов тестов функции легких. Исследование получило несколько критических замечаний, в одном из которых (26) сообщалось, что уровень точной диагностики у пульмонологов, участвовавших в исследовании, был значительно ниже, чем в среднем по стране.
2.3. Эндокринология
Непрерывный мониторинг уровня глюкозы позволяет пациентам с диабетом просматривать показания уровня глюкозы в интерстициальном пространстве в режиме реального времени и предоставляет информацию о направлении и скорости изменения уровня глюкозы в крови (27) Medtronic получила одобрение FDA на свою систему мониторинга уровня глюкозы Guardian, которая совместима со смартфоном (28). В 2018 году компания заключила партнерство с Watson (искусственный интеллект, разработанный IBM) для разработки их системы Sugar.IQ, чтобы помочь своим клиентам лучше предотвращать эпизоды гипогликемии на основе повторного измерения. Непрерывный мониторинг уровня глюкозы в крови может позволить пациентам оптимизировать свой контроль уровня глюкозы в крови и уменьшить стигматизацию, связанную с эпизодами гипогликемии; однако в исследовании, посвященном опыту пациентов с мониторингом уровня глюкозы, сообщалось, что участники, выражая уверенность в уведомлениях, также заявляли о чувствах личной неспособности регулировать уровень глюкозы (27).
2.4. Нефрология
Искусственный интеллект применялся в нескольких областях клинической нефрологии. Например, доказано, что он полезен для прогнозирования снижения скорости клубочковой фильтрации у пациентов с поликистозной болезнью почек (29) и для определения риска прогрессирующей IgA-нефропатии (30). Однако в недавнем обзоре сообщается, что на данный момент исследования ограничены размером выборки, необходимым для вывода (31).
2.5. Гастроэнтерология
Специальность гастроэнтерологии выигрывает от широкого спектра применений искусственного интеллекта в клинических условиях. Гастроэнтерологи использовали сверточные нейронные сети среди других моделей глубокого обучения для обработки изображений, полученных при эндоскопии и ультразвуковом исследовании (32), и обнаружения аномальных структур, таких как полипы толстой кишки (33). Искусственные нейронные сети также использовались для диагностики гастроэзофагеальной рефлюксной болезни (34) и атрофического гастрита (35), а также для прогнозирования исходов желудочно-кишечных кровотечений (36), выживаемости при раке пищевода (37), воспалительных заболеваниях кишечника (38) и метастазирования при колоректальном раке (39) и плоскоклеточном раке пищевода (40).
2.6. Неврология
2.6.1. Эпилепсия
Интеллектуальные устройства обнаружения припадков являются многообещающими технологиями, которые потенциально могут улучшить лечение припадков за счет постоянного амбулаторного мониторинга. В 2018 году Empatica получила одобрение FDA за носимые устройства Embrace, которые, связанные с электрокожными захватчиками, могут обнаруживать приступы генерализованной эпилепсии и сообщать об этом мобильному приложению, которое способно оповещать близких родственников и доверенного врача дополнительной информацией о локализации пациента (41). Отчет, посвященный опыту пациентов, показал, что, в отличие от носимых устройств для мониторинга сердца, пациенты, страдающие эпилепсией, не сталкивались с препятствиями при использовании устройств для обнаружения припадков и сообщили о высоком интересе к использованию носимых устройств (42).
2.6.2. Оценка походки, осанки и тремора
Носимые датчики оказались полезными для количественной оценки походки, осанки и тремора у пациентов с рассеянным склерозом, болезнью Паркинсона, паркинсонизмом и болезнью Хантингтона (43).
2.7. Компьютерная диагностика рака в гистопатологии
Пейдж.Искусственный интеллект получил статус прорыва от FDA за алгоритм на основе искусственного интеллекта, который способен с высокой точностью диагностировать рак в вычислительной гистопатологии, позволяя патологоанатому выиграть время, чтобы сосредоточиться на важных слайдах (44).
2.8. Медицинская визуализация и валидация технологий на основе искусственного интеллекта
Долгожданный метаанализ сравнил эффективность программного обеспечения для глубокого обучения и рентгенологов в области диагностики на основе изображений (45): хотя глубокое обучение, по-видимому, так же эффективно, как рентгенолог для диагностики, авторы отметили, что 99% исследований, как было установлено, не имеют надежного дизайна; более того, только одна тысячная рассмотренных работ подтвердила свои результаты, используя алгоритмы диагностики медицинских изображений, поступающих из других групп источников. Эти результаты подтверждают необходимость всесторонней проверки технологий на основе искусственного интеллекта посредством тщательных клинических испытаний (5).