Искусственный интеллект «прописался» в новостных заголовках последних лет преимущественно благодаря большим языковым моделям, способным генерировать много различного «вирального» контента. Между тем в других сферах подобные технологии уже давно производят тихие революции. Например, в медицине. Разбираемся, в каких направлениях медицины и каким образом ИИ поможет человечеству стать более здоровым.
По некоторым оценкам, объем мирового рынка ИИ-решений для медицины в 2024 году составит 18 млрд долларов, а к 2030 году вырастет почти до 120 млрд. Крупные компании из фармакологической и ИТ-индустрии активно инвестируют в эту сферу.
Всё потому, что у медицины есть одна большая проблема: человеческий организм, то есть объект, с которым она работает, — это чрезвычайно сложная и не до конца изученная система, которая к тому же досталась людям без какой-либо инструкции по применению. Из-за этого работа над задачами, связанными с диагностикой и лечением заболеваний, всегда сопровождается длительной чередой проб, ошибок и постоянной необходимостью в больших инвестициях. Технологии, основанные на искусственном интеллекте, потенциально способны упростить решение сразу всех этих проблем: они делают диагностику заболеваний точнее, а кроме того способны существенно удешевить и ускорить поиск новых лекарств.
Поиск новых лекарств
Разработка нового лекарства занимает 10–15 лет и обходится в среднем в 1,3 миллиарда долларов. Кроме того, 90% исследуемых препаратов не проходят испытания на людях из-за отсутствия эффекта или слишком большого количества побочек. Все усложняется тем, что клинические испытания сложны в разработке и проведении. Однако ИИ-технологии уже меняют эту ситуацию — они позволяют находить потенциальные лекарства без реальных экспериментов, полностью в режиме виртуальной симуляции. В ней воспроизводится взаимодействие лекарственного химического соединения с биоагентами заболевания.
Компьютерное моделирование используется для разработки лекарственных препаратов с 1990-х годов, успешно снижая затраты и повышая процент удачных исследований. Однако использование ИИ-моделей качественно улучшает и ускоряет процесс, так как они способны воспроизвести миллионы сценариев взаимодействия между компонентами предполагаемого лекарства и биологическими агентами заболевания за сравнительно короткий промежуток времени.
Например, в 2020 году учёным из Массачусетского технологического института удалось создать халицин — антибиотик, способный убивать опасные разновидности кишечной палочки E.coli, которые ежегодно «укладывают» в больницу до 700 тысяч человек. Помимо этого антибиотик смог успешно бороться с другими патогенными бактериями, которые были невосприимчивыми к существовавшим до халицина медикаментам. Чтобы достичь такого результата, учёные обучили ИИ-модель на 2500 молекулах (1700 из которых были существующими на рынке лекарствами, а 800 — природными компонентами).
После того как исследователи научили модель «понимать», какие молекулы могут убивать кишечную палочку, команда показала ей 6000 соединений, включая существующие лекарства, неудачные препараты, натуральные компоненты и множество других молекулярных вариаций. Пользуясь знаниями о том, что работает, а что — нет в борьбе с палочкой, система выбрала из предложенного ей массива данных компоненты, которые, будучи соединены воедино, и оказались халицином.
Антибиотик был обнаружен за ничтожную часть того времени, которое учёные потратили бы на его поиск классическими методами. Модель, которую использовали учёные, потенциально может протестировать около 100 миллионов химических соединений всего за несколько дней.
По оценкам экспертов, ИИ-решения для поиска лекарств могут снизить стоимость доклинической разработки новых медикаментов на 20–40% и ускорить разработку и валидацию лекарственных кандидатов в 15 раз. Ожидается, что к 2025 году 30% новых препаратов будут открываться с помощью ИИ, а объем этого рынка к 2032 году достигнет 9,7 млрд долларов против 1,7 млрд долларов в 2023 году.
Пока что ни одно подобное лекарство не вышло на рынок, но это связано прежде всего с длительностью клинических испытаний — они занимают несколько лет. И всё же ИИ-лекарства постепенно двигаются к широкой аудитории. Например, в июне этого года начались клинические испытания на людях INS018_055 — разработанного компанией Insilico Medicine ИИ-лекарства от идиопатического легочного фиброза. Это хроническое заболевание, которое пока что невозможно вылечить полностью.
Точная диагностика заболеваний
Уточнённая диагностика заболеваний — ещё одна сфера, где ИИ показывает впечатляющие результаты.
Прежде всего в визуальной диагностике. Хорошо натренированные модели способны точно распознавать признаки раковых опухолей, ориентируясь на снимки МРТ, УЗИ, КТ, рентгеновские снимки и флюороскопию. Всё чаще модели делают это лучше, чем живые специалисты. Например, в 2020 году в журнале Nature опубликовали результаты исследования, в рамках которого ИИ-модель натренировали на большом наборе маммограмм, а после стали показывать ей новые снимки.
В результате модель научилась диагностировать рак груди с 90-процентной результативностью, в то время как оценивавшие те же снимки медицинские специалисты обнаружили признаки заболевания в 78% случаев. ИИ показал лучшие результаты и в диагностике ранних признаков рака груди в сравнении с живыми специалистами (91% против 74%). В рамках другого эксперимента, проведённого в 2022 году, ИИ и люди соревновались в точности диагностики пневмонии по рентгеновским снимкам. Люди верно диагностировали недуг в 50% случаев, а ИИ — в 74%.
ИИ выигрывает у людей в точности, поскольку «смотрит» на снимки иначе, нежели человек. Если живой специалист знает, как выглядят признаки заболевания, и, глядя на снимки, ищет их, то модель скорее «знает», как выглядит весь снимок, на котором присутствуют признаки заболевания. Разница во «взглядах» тут принципиальна, поскольку признаки могут быть выражены слабо и ускользнуть от аналитического человеческого взгляда, но не от машинного. То, как ИИ анализирует изображения, можно сравнить с работой опытного специалиста: видевшие тысячи снимков диагносты могут не разглядеть конкретные признаки болезни сразу, но их внимание всё равно задержится на снимке, на котором такие признаки присутствуют. Это называют «профессиональной интуицией», но на самом деле — это способность «насмотренного» мозга неосознанно распознавать нужные признаки даже там, где с первого взгляда они не видны.
Проблема в том, что таким натренированным мозгом обладают лишь немногие из живых специалистов, поскольку эта способность требует многих лет практики. Системы на базе ИИ тут выступают помощниками, которые даже неопытному специалисту подскажут, на какие снимки стоит обратить внимание.
Некоторые заболевания хорошо скрываются и от экспертов. Например, наблюдаемые изменения в крови пациентов с миелодиспластическим синдромом (МДС, ранней формой лейкемии) часто напоминают те, что обнаруживаются у людей с анемией. Более того, это отклонение часто встречается и у здоровых людей, поэтому окончательный диагноз можно поставить с помощью более инвазивных процедур, таких как анализ биопсии костного мозга и молекулярно-генетическое тестирование. Чтобы назначить такие исследования, нужно, чтобы у пациента и его доктора были основания искать лейкемию, а их, как правило, не возникает, пока не проявятся более красноречивые симптомы.
ИИ в данном случае может отличить анемию от лейкемии значительно раньше. Именно такую модель в августе этого года представили специалисты Центра исследования рака Германии (German Cancer Research Center) и Института исследований стволовых клеток Кембриджа (Cambridge Stem Cell Institute). «Глядя» на микроскопические снимки крови, технология анализирует характеристики белых и красных кровяных клеток и выявляет аномалии, которые способны пропустить даже опытные специалисты, поскольку патологические изменения на ранних стадиях заболеваний крови порой затрагивают лишь небольшую часть многочисленных клеток.
ИИ-системы могут также помочь с ранним обнаружением серьезных заболеваний на базе косвенных признаков, невидимых для медицинских специалистов. Например, в феврале этого года исследователи из Санкт-Петербургского государственного электротехнического университета рассказали о новом методе диагностики болезни Альцгеймера — по походке. Эксперты натренировали ИИ-модель распознавать характерные (но незаметные человеческому глазу) аномалии в походке больных Альцгеймером. Пока что модель умеет выявлять аномалии лишь в походке мышей, на которых проводилось исследование, но, вероятно метод будет работать и при диагностике заболевания у людей.
Похожий метод, но уже для болезни Паркинсона, в 2022 году разработали учёные из университета Сан-Паулу. Они создали две модели: одну — для диагностики, другую — для определения степени развития заболевания.
Диагностировать болезнь Альцгеймера, а также депрессию, деменцию, биполярное расстройство и шизофрению по голосу способна модель, разработанная канадской компанией Winterlight Labs. Технология использует модель обработки естественного языка (Natural Language Processing, NLP) и выявляет в речи пациента особые голосовые биомаркеры, которые могут свидетельствовать о развитии заболевания.
Хотя болезни Паркинсона и Альцгеймера неизлечимы, диагностика с помощью ИИ может помочь раньше начать поддерживающую терапию и облегчить таким образом жизнь больного и его близких.
МедGPT
Большие языковые модели, получившие популярность в последние годы, едва ли подходят для точной диагностики или разработки новых лекарств, но и они могут качественно улучшить современную медицину. Прежде всего — в сфере взаимодействия пациентов с медицинскими учреждениями и в телемедицине.
Недавно в журнале Scientific Reports опубликовали результаты исследования, в рамках которого ChatGPT-4 сдавал United States Medical Licensing Examination — экзамен, который обязаны пройти все врачи в США, претендующие на медицинскую лицензию. В результате тестирования модель сумела правильно ответить на 90% вопросов.
Это исследование не доказывает превосходство искусственного интеллекта над живыми терапевтами, но очерчивает благоприятные перспективы будущегот, в котором ИИ поможет терапевтам сэкономить время, а их пациентам — проще получить профессиональную консультацию.
Языковые модели действуют так: сначала обучаются на огромном количестве текстов под руководством асессоров и тренеров, которые «объясняют» моделям, какие тексты в ответ на какие запросы являются качественными, а какие — нет. Обучившись и столкнувшись с запросом от пользователя, модель генерирует текст, максимально близкий к тому, который во время её обучения считался эталонным.
Другими словами, качественно натренированная на медицинской информации модель буквально «знает», как отвечать на вопросы пациентов. Учитывая, что в большинстве случаев пациенты обращаются в поликлиники за консультациями по известным болезням, языковые модели способны служить инструментом для автоматизации первичных медицинских консультаций, в том числе удалённых. Например, пациент мог бы задать языковой модели вопрос, описав симптомы, языковая модель сгенерировала бы ответ и показала бы его терапевту. Терапевт — если результат работы нейросети корректен — просто отослал бы его пациенту, вместо того чтобы писать ответ самостоятельно. В результате пациенту не нужно сидеть в очереди, а терапевту — тратить время на многократное воспроизведение однотипных консультаций.
Примерно так и работают существующие решения, правда, рынок медицинских чатботов пока что сравнительно невелик: по оценке Acumen Research and Consulting, в 2022 году его объем составлял 307 млн долларов. Однако аналитики ожидают, что к 2032 году он вырастет до 1,6 млрд долларов. Главными игроками на рынке считаются компании Buoy Health, PACT Care, Sense.ly, Ariana и Microsoft. Все они предлагают либо приложения для конечных пользователей, которые при помощи ИИ помогают увязать симптомы с возможными заболеваниями, либо технологические платформы, позволяющие другим компаниям строить подобные сервисы для конечных пользователей.
Будущее и сомнения
Несмотря на очевидные успехи ИИ в медицине последних лет, такие технологии продолжают вызывать немало проблем и сомнений. Главная из них — доверие. Даже после того как первое разработанное ИИ лекарство доберётся до рынка, пройдёт ещё много времени, пока ему начнут доверять так же, как доверяют парацетамолу. Даже когда модели научатся диагностировать заболевания со стопроцентной точностью, их всё равно будут перепроверять люди, поскольку ошибка может стоить кому-то жизни.
Качество работы ИИ-алгоритма очень сильно зависит от качества информации, на которой его обучали. Если в наборе данных для обучения были ошибки, ИИ не исправит их, а будет выдавать ошибочные результаты. Чтобы ИИ-модели были качественными, нужны общепринятые и прозрачные стандарты, описывающие их создание и обучение. Государства по всему миру работают над подобными регламентами, но до финала этого процесса пока далеко. Так что едва ли ChatGPT и другие модели смогут заменить докторов в ближайшем будущем, но вот стать инструментом, который улучшит качество медицинских сервисов — очень даже.