Почему генеративный ИИ не является «волшебной пилюлей» для индустрии здравоохранения

Фото: iStock

Несмотря на рост инвестиций в ИИ в здравоохранении и ранний успех пилотных проектов (от автоматизации административных функций до ускорения медицинских исследований), о широкомасштабном развёртывании этой технологии в этом секторе говорить не приходится. Основными проблемами , ограничивающими развитие ИИ в отрасли, являются: низкое качество данных, фрагментирование систем и общее недоверие.

Пер Овергаард, генеральный директор Lenovo ISG EMEA в своей колонке на реальных сценариях использования ИИ исследует, как организации здравоохранения могут выйти за рамки экспериментов; объясняет, почему Gen AI не является «волшебной пилюлей» для отрасли здравоохранения, подчеркивая необходимость прозрачности, качества данных и человеческого надзора для реализации потенциала ИИ в клинической помощи и медицинских исследованиях.

Пер Овергаард (Per Overgaard), генеральный директор, Lenovo ISG EMEA

В секторе здравоохранения инвестиций в искусственный интеллект, которые, по прогнозам, увеличатся на 169% в течение 2025 — это самый высокий показатель динамики капиталовложений в ИИ среди всех отраслей в странах Европы, Ближнего Востока и Африки (EMEA). Такой оптимизм обусловлен многообещающими результатами пилотных проектов внедрения ИИ, 87% которых оправдали или превзошли ожидания инвесторов. Тем не менее, несмотря на эту положительную динамику, только 2% организаций здравоохранения активно внедряют ИИ в серьёзных масштабах, большинство инициатив так и остаются на стадии пилотирования или планирования. В связи с этим возникает вопрос: как отрасль и её партнёры могут преодолеть эту стадию?

​​​​​​​Оправданна ли ставка на генеративный ИИ?

Для большинства людей их опыт взаимодействия с генеративным искусственным интеллектом () заGenAIключается в общении с чат-ботами, создании нового контента или обобщении данных. Эти сценарии использования выявили множество проблем, которые необходимо решить, чтобы GenAI получил широкое внедрение в таких строго регулируемых отраслях, как здравоохранение. Одним из основных препятствий является качество данных. Модели ИИ, в том числе GenAI, эффективны настолько, насколько эффективны данные, на которых они обучаются. В здравоохранении данные часто существуют разрозненно, в несовместимых системах и в форматах, которые трудно интерпретировать. Кроме того, необходимо учитывать конфиденциальность данных пациентов. Несмотря на сложность, связанную с сортировкой и стандартизацией этих данных, потенциальные преимущества решения проблемы качества данных огромны.

Например, такие инструменты, как Slicerdicer от Epic, позволяют медицинским работникам запрашивать большие наборы данных через диалоговые интерфейсы, выявляя важные тенденции в результатах лечения пациентов с общими симптомами или анамнезом. Другой пример: Национальная система здравоохранения в Великобритании тестирует виртуальных ИИ-ассистентов (AI ambient scribe), которые прослушивают записи работы врачей с пациентами в режиме реального времени для внесения информации в медицинскую карту больного. Это позволяет врачам проводить больше времени с пациентами, экономя часы административной работы, повышая точность и скорость документирования.

Несмотря на очевидную прикладную полезность, отношение пациентов к ИИ в здравоохранении все ещё остается консервативным. Только 28% людей в возрасте старше 60 лет чувствуют себя комфортно, когда в их лечении применяется ИИ, а 75% опрошенных хотят, чтобы их предупреждали, когда ИИ используется при оказании им медицинских услуг. Прозрачность коммуникаций в здравоохранении имеет решающее значение. Чтобы ИИ работал на повышение качества обслуживания пациентов, необходимо поддерживать доверие последних.

ИИ в медицинских исследованиях

GenAI ускоряет работу в области медицинских исследований. Учёные из Лондонского Imperial College использовали модель искусственного интеллекта, разработанную Google, чтобы выяснить, почему определенные бактерии устойчивы к антибиотикам. Всего за 48 часов ИИ предложил четыре жизнеспособные гипотезы, в то время как специалистам потребовалось более десяти лет, чтобы вручную доработать только одну. Результат был настолько впечатляющим, что один из исследователей заподозрил ИИ в получении доступа к неопубликованной работе на его ПК, но позже было доказано, что это не так.

Описанные примеры прорывов в области исследований стали возможными благодаря высокопроизводительным вычислительным системам, лежащим в основе мощных моделей искусственного интеллекта. Институт Броуда, представляющий сообщество исследователей из MIT, Гарварда и различных медицинских учреждений использует Lenovo Genomics Optimization and Scalability Tool (GOAST) для выполнения одной из самых ресурсоемких задач в области исследований генома человека. ИИ сокращает время, необходимое для анализа с более чем 100 часов до 47 минут.

Венгерская компания 3DHISTECH использует передовой искусственный интеллект и вычислительные инструменты рабочих станций Lenovo ThinkStation P620 на базе AMD Threadripper для создания подробных виртуальных 3D-моделей тканей человека и иных организмов и существ. Эти модели могут увеличивать масштаб до уровня отдельных хромосом, открывая новые горизонты в цифровой патологии. Их системы используются учреждениями по всему миру, включая Гарвардскую медицинскую школу, Novartis и Уханьский институт вирусологии. Примечательно, что система 3DHISTECH сыграла ключевую роль в диагностике первого пациента с COVID-19 в Китае, продемонстрировав, как технологии на основе ИИ могут повлиять на глобальные кризисы в области здравоохранения.

Человеческий фактор остается решающим

Несмотря на то, что ИИ обладает неоспоримыми преимуществами, важно помнить, что технологии сами по себе не являются «волшебной пилюлей», способной разрешить все ограничения в здравоохранении. Человеческое участие в этой отрасли остается ключевым и незаменимым. Поставщики медицинских услуг должны обеспечить прозрачность внедрения ИИ и уделять особое внимание качеству используемых данных, чтобы улучшить уход за пациентами, снизить выгорание среди медицинского персонала и проводить новаторские исследования, не жертвуя доверием и комфортом тех, кому они служат.

Отрасль здравоохранения стоит на пороге революции, основанной на искусственном интеллекте. Благодаря продуманной реализации и акценту на поддержании доверия, ИИ может изменить индустрию к лучшему. Путешествие не обойдется без трудностей, но награды обещают стоить затраченных усилий.

ИИ Здравоохранение Пер Овергаард инвестиции GenAI