Как искусственный интеллект раскрывается в здравоохранении

Распространенность хронических заболеваний, перегрузка медицинских учреждений и дефицит кадров стимулируют внедрение технологий искусственного интеллекта (ИИ) в систему здравоохранения. Среди приоритетных направлений — ранняя диагностика, мониторинг состояния пациентов и автоматизация рутинных процессов. Примеры интеграции ИИ-систем в клиническую практику демонстрируют потенциал значительного сокращения числа госпитализаций, повышения точности диагностики и оптимизации медицинских ресурсов.

Меня зовут Кирилл Пшинник, я научный сотрудник Университета Иннополис и CEO онлайн-университета «Zerocoder». Искусственный интеллект — одна из сфер моего интереса. В частности, меня интригуют практические способы использовать нейросети. Об одном из них, в области здравоохранения, я расскажу в этой статье. 

ИИ и ранняя диагностика сердечной недостаточности

Одной из наиболее изучаемых моделей применения ИИ остается борьба с сердечно-сосудистыми заболеваниями. Хроническая сердечная недостаточность (ХСН), по данным ВОЗ, затрагивает до 26 млн человек по всему миру и остается основной причиной госпитализаций среди пациентов старше 65 лет. В России, согласно экспертным оценкам, от ХСН страдает около 7–10% взрослого населения — более 10 млн человек.

Одним из первых признаков декомпенсации состояния при ХСН является отек голеностопных суставов и ступней, вызванный задержкой жидкости в организме. Однако выявить эти изменения на ранней стадии без постоянного клинического наблюдения затруднительно.

Совместная работа Национального института исследований в области здравоохранения Великобритании (NIHR) и клиники Torbay Hospital продемонстрировала эффективность использования ИИ-системы Heartfelt Technologies. Устройство представляет собой бесконтактный домашний сканер, который анализирует до 1800 изображений в минуту и регистрирует микроскопические изменения формы и объема ступней. Система передает данные лечащему врачу в случае предиктивного сигнала ухудшения. Такой подход позволяет оперативно изменить схему терапии, избегая госпитализации.

В рамках исследования устройство корректно предсказало 5 из 6 случаев обострения, с заблаговременным предупреждением в диапазоне от 8 до 19 дней. Более 80% пациентов выразили готовность продолжить использование технологии.

ИИ как цифровая медсестра

Ключевое отличие Heartfelt Technologies — способность не просто фиксировать изображение, а интерпретировать данные с использованием алгоритмов машинного обучения. Модуль формирует 3D-модель стопы и отслеживает динамические изменения, что приближает работу системы к функциям младшего медицинского персонала.

Согласно докладу Британского фонда сердца (British Heart Foundation), такие технологии представляют собой «элемент новой цифровой инфраструктуры», способной обеспечить непрерывный мониторинг и снизить стоимость оказания помощи при ХСН. По подсчетам аналитиков Deloitte, только в Великобритании внедрение ИИ-мониторинга может сократить затраты NHS на 1,2 млрд фунтов стерлингов ежегодно.

Предиктивная медицина 

ИИ-прогнозирование активно развивается и в фармацевтическом секторе. Так, компания AstraZeneca разработала предиктивную ИИ-модель на базе данных UK Biobank — крупнейшего биомедицинского хранилища Великобритании, содержащего генетические, клинические и поведенческие данные более 500 тыс. добровольцев. Цель проекта — выявление скрытых маркеров заболеваний задолго до появления симптомов.

Руководитель проекта Славе Петровски отметил, что «в традиционной системе диагностика начинается тогда, когда пациент приходит с жалобами. Мы предлагаем двигаться на 5-7 лет назад по шкале болезни». Сферы применения охватывают болезнь Альцгеймера, ХОБЛ, диабет, почечную недостаточность и онкологию.

По итогам предварительных тестов, точность модели по отдельным диагнозам достигала 86%, что сопоставимо с результатами специализированных клинических тестов.

ИИ в диагностике визуальных данных

До 30% микроаномалий на рентгеновских и МРТ-снимках остаются нераспознанными врачами, особенно в условиях дефицита времени и высокой загрузки. ИИ-системы становятся инструментом повышения чувствительности диагностики.

В исследовании University College London нейросеть, обученная на МРТ 1100 пациентов с эпилепсией, обнаружила очаги в 64% случаев, которые ранее остались незамеченными врачами. Похожее исследование в сфере инсультов, проведенное в Кембридже, показало, что ИИ точнее врача в два раза определяет давность удара — критически важный показатель для определения тактики лечения (например, возможность введения тромболитиков в первые 4,5 часа).

Переломы, опухоли, профосмотры: спектр задач расширяется

ИИ все чаще используется для автоматизации рутинных задач. В Великобритании NICE официально признал допустимым использование алгоритмов для первичного анализа рентгеновских снимков. Это позволяет разгрузить врачей, ускорить диагностику и снизить долю пропущенных травм.

В ряде клиник NHS ИИ-системы интегрированы в протоколы лечения: от выявления переломов до скрининга на рак легких. Программа Targeted Lung Health Check выявила ранние стадии онкологии у 29% пациентов, прошедших КТ с ИИ-оценкой снимков.

Российские разработки: от нейрохирургии до медосмотров

В России также фиксируется рост интереса к ИИ в клинической практике. В Сеченовском университете разработано и зарегистрировано изделие Sechenov.AI_nephro — система для предоперационного моделирования резекции почки. С ее помощью врач за 5–7 минут формирует 3D-модель анатомии, включая сосуды, опухоль, чашечно-лоханочную систему. Это позволяет выполнить виртуальную «пробную» операцию, сократить операционное время и снизить риск осложнений.

Ранее подобная модель создавалась в течение суток усилиями команды из трех специалистов. По данным Минздрава, с внедрением технологии доля органосохраняющих операций при опухоли почки выросла с 60% до 89%.

Другой пример — решение уфимской клиники Inspectrum для автоматизации профосмотра. Алгоритм за час анализирует данные анкет, лабораторных и визуальных исследований, формирует заключение о профпригодности и выдает рекомендации. Система выявляет в 4 раза больше потенциальных диагнозов, чем традиционная процедура, и особенно эффективна для работников вахтовых и опасных производств.

Еще недавно была новость, что в Москве ввели практику использования нейросетей для анализа рентгеновских снимков на предмет артроза у пациентов в районных больницах. Это самое базовое, что можно поручить ИИ — он легко справляется с анализом изображений и выявлением аномалий.

Проблема доверия и вопросы регулирования

Несмотря на успехи, остаются вопросы доверия. Согласно исследованию PwC, только 29% населения готовы доверить ИИ постановку медицинского диагноза. При этом 71% респондентов поддерживают идею использования ИИ в качестве вспомогательного инструмента при условии участия врача.

Регулирование технологий в России осуществляет Росздравнадзор. Сертификация Sechenov.AI и внесение его в реестр медицинских изделий демонстрируют возможности легализации подобных решений. В ЕС аналогичные функции выполняет EMA, в США — FDA.

Долгосрочные эффекты и перспективы

По оценке McKinsey & Company, потенциал снижения затрат при внедрении ИИ в здравоохранение составляет до $300 млрд в год для глобальной системы. Основные направления — сокращение количества госпитализаций, снижение числа повторных приемов, оптимизация работы лабораторий и повышение точности диагностики.

ИИ в медицине перестает быть «технологией будущего» и становится частью повседневной практики. Его сила — в предсказуемости, повторяемости, способности фиксировать малейшие отклонения. Его слабость — в отсутствии клинического контекста и человеческой эмпатии.

Поэтому мой взгляд: ИИ должен усиливать врача, помогать ему ставить диагнозы раньше, лечить точнее и работать быстрее. Все остальное — вопрос времени, регулирования и профессиональной подготовки.

Если мы сможем использовать ИИ не как магию, а как инструмент, — он действительно изменит медицину. Он не заменит врача, но поможет ему действовать точнее и быстрее. А главное — вовремя.