Штучний інтелект стрімко проникає в усі сфери медицини, змінюючи підходи до діагностики та лікування захворювань. Завдяки AI та глибинним технологіям, або діптех, лікарі отримують нові інструменти для точнішого діагностування, прогнозування перебігу хвороб і персоналізованого підходу до лікування пацієнтів.
Інноваційні розробки вже сьогодні допомагають аналізувати великі обсяги медичних даних, розпізнавати складні патерни в зображеннях та генетичних даних, що дозволяє виявляти захворювання на ранніх стадіях і мінімізувати ризик ускладнень.
Платформа «ДонорUA»
Платформа з’явилася як відповідь на серйозний виклик у сфері донорства крові, де наявний дефіцит донорів часто залишає пацієнтів без необхідної підтримки.
Головною метою платформи «ДонорUA» є швидкий і точний підбір донорів для пацієнтів. Завдяки великим даним і технологіям, таким як автоматизація, AI, чат-боти, «ДонорUA» може в режимі реального часу знаходити донорів, що відповідають багатьом критеріям: географічне розташування, поточні запаси крові, доступність донора з урахуванням його історії донацій. Ця система забезпечує автоматизований процес: від отримання заявок до інформування потенційних донорів, що дозволяє одному координатору керувати мережею донорів по всій країні.
З 2015 року платформа залучила близько 40 000 донорів і понад 3000 реципієнтів. Завдяки аналізу великих даних і оптимізації взаємодії між донорами та центрами крові, «ДонорUA» не тільки полегшує процес пошуку крові, але й оперативно реагує на критичні потреби. Різноманітні соціальні ініціативи, такі як «Таксі для донора» під час локдауну, донорські акції, а також проєкти «ДонорUA Awards» та «ДонорUA Art Project», активно популяризують безоплатне донорство і підтримують культуру взаємодопомоги.
Articulate Medical Intelligence Explorer
Компанія Google розробила чат-бот Articulate Medical Intelligence Explorer (AMIE), що використовує велику мовну модель (ВММ) для медичної діагностики. За результатами досліджень, ця система виявилася не тільки точною у визначенні діагнозів, але й проявляє високий рівень емпатії, часто перевершуючи лікарів первинної ланки. Вона спеціалізується на діагностиці респіраторних та серцево-судинних захворювань, а також має здатність проводити медичні інтерв’ю, що є важливою навичкою для ефективного діагностичного процесу.
Розробка цієї системи базувалася на специфічних навчальних підходах, які дозволили AMIE імітувати людську взаємодію. Через брак реальних медичних розмов для тренування ВММ, дослідники створили власні сценарії, у яких модель імітувала лікарів, пацієнтів і навіть критиків, що оцінювали якість консультацій. Такий підхід дозволив системі генерувати поліпшені діалоги, які допомагають збирати анамнез та забезпечувати діагностику з високою точністю.
Для тестування ефективності AMIE було залучено 20 акторів, які симулювали клінічні випадки у форматі текстового чату. Таким чином система продемонструвала результати, що відповідали або перевищували точність діагнозів лікарів. AMIE випередила лікарів у 24 з 26 критеріїв, включаючи здатність демонструвати тактовність, турботу та давати роз’яснення щодо стану пацієнта.
Clinical Trials PoC
Щоб розв’язати основні проблеми клінічних випробувань, інженери харківського офісу GlobalLogic створили цифрову платформу для оптимізації процесу, скорочення витрат фармкомпаній і прискорення виходу нових ліків на ринок. Проєкт об’єднує все необхідне для проведення досліджень в одному місці та забезпечує ефективну координацію між усіма учасниками.
Цифрова платформа використовує підключені пристрої, наприклад, «розумні» годинники для контролю показників пацієнтів, як-от пульс і артеріальний тиск, передаючи їх лікарям у реальному часі. Крім того, пацієнти можуть заповнювати щоденні опитування щодо свого стану, а платформа надсилає нагадування, щоб уникнути пропусків. Лікарі можуть контролювати стан пацієнтів, організовувати онлайн-зустрічі та швидко обмінюватися документами з дослідницькими центрами, а всі дані зберігаються у захищеному хмарному сховищі з найсучаснішими методами шифрування.
Після двох років розробки GlobalLogic досягла стадії proof of concept, демонструючи можливість використання платформи для клієнтів. Потенційно вона здатна інтегрувати всі технологічні рішення, необхідні для клінічних досліджень, і дозволити фармацевтичним компаніям у різних країнах ефективніше керувати процесом, знижуючи витрати і скорочуючи час, необхідний для випуску нових ліків на ринок.
AlphaFold
AlphaFold, розроблена компанією DeepMind, стала революційною технологією, здатною передбачати структуру білків за їхньою амінокислотною послідовністю. Правильна тривимірна форма білка має ключове значення для його функціонування в організмі. Коли структура білка змінена або деформована, це може призводити до серйозних захворювань, таких як хвороби серця, ниркова недостатність чи порушення функції печінки.
AlphaFold аналізує послідовність амінокислот і визначає, як вони мають складатися, щоб утворити функціонально активну структуру білка. Ця здатність прогнозувати форму білків із високою точністю допомагає дослідникам краще розуміти біохімічні процеси на молекулярному рівні. Технологія відкриває нові можливості для створення ліків, орієнтованих на корекцію або стабілізацію неправильно сформованих білків. Вона може суттєво пришвидшити розробку терапій для численних захворювань, включаючи генетичні хвороби та деякі види раку.
Переваги та недоліки використання ШІ у медицини
Плюси використання штучного інтелекту в діагностиці та лікуванні:
- Швидкість і точність діагностики: AI здатний обробляти величезні масиви медичних даних, швидко аналізувати зображення та результати обстежень. Це скорочує час діагностики та підвищує точність, дозволяючи виявляти захворювання на ранніх стадіях.
- Індивідуалізація лікування: Завдяки обробці генетичних і поведінкових даних пацієнтів, AI пропонує персоналізовані рекомендації, адаптуючи лікування під індивідуальні потреби та характеристики організму.
- Підвищення ефективності медичних працівників: AI автоматизує рутинні завдання, звільняючи лікарів для більш складних випадків і покращуючи управління часом медичного персоналу.
- Прогнозування ризиків і запобігання рецидивам: AI аналізує попередні медичні записи, допомагаючи передбачити можливі ускладнення або рецидиви захворювань, що сприяє проактивному підходу до лікування.
- Доступність медичних послуг: Впровадження AI дозволяє пацієнтам у віддалених районах отримувати швидкі діагнози та рекомендації без фізичної присутності лікаря, що особливо важливо в регіонах із нестачею медичного персоналу.
Мінуси використання штучного інтелекту в діагностиці та лікуванні:
- Залежність від якості даних. Результати AI залежать від обсягу та якості вхідних даних. Помилки в даних або їх нестача можуть призвести до неточних прогнозів або діагнозів.
- Питання конфіденційності та безпеки даних. Використання AI вимагає зберігання великої кількості медичних даних, що може створювати ризик витоку інформації або несанкціонованого доступу до особистих даних пацієнтів.
- Непрозорість алгоритмів. Деякі AI-алгоритми, особливо нейронні мережі, можуть бути “чорними ящиками”, тобто їхні внутрішні процеси залишаються незрозумілими. Це викликає складнощі у поясненні пацієнтам та лікарям, як було прийняте те чи інше рішення.
- Можливість заміни людського контакту. Хоча AI може виконувати багато функцій, людський аспект медицини, такий як емпатія і підтримка, не може бути повністю замінений машинами. Це може вплинути на якість обслуговування та психологічний стан пацієнтів.
- Фінансові витрати на впровадження та навчання. Запуск AI-систем потребує значних ресурсів для їхньої розробки, впровадження, підтримки та навчання персоналу. Це може бути фінансово обтяжливим, особливо для невеликих лікарень та клінік.
Отже, ШІ кардинально змінює підходи до діагностики та лікування, надаючи медикам інструменти для швидшого й точнішого виявлення захворювань. Завдяки машинному навчанню та аналізу великих масивів даних, AI може виявляти складні патерни, які людському оку можуть бути непомітні. Це підвищує точність діагнозу і скорочує час від початкових симптомів до встановлення хвороби.
У лікуванні AI також відкриває нові горизонти, пропонуючи індивідуалізовані рекомендації, розробляючи персоналізовані терапії та прогнозуючи можливі ризики рецидивів.
