3. Подбор индивидуального лечения.

Системы на основе искусственного интеллекта способны обрабатывать тысячи страниц текста за секунду в поисках нужной информации. Это полезно в современных реалиях — ни один врач не справится с оперативным анализом такого количества медицинских публикаций.

По данным компании Delve Health, примерно каждые 20 минут в мире появляется новая медицинская статья, а в каталог MEDLINE только за прошлый год добавили 870 тысяч ссылок.

Поэтому медикам требуются системы поддержки принятия решений (Clinical Decision Support System, CDSS) на основе искусственного интеллекта. CDSS объединяет информацию из истории болезни пациента, показатели его здоровья, данные из медицинских справочников и последние исследования.

После этого искусственный интеллект ищет зависимости, оценивая влияние на здоровье даже таких факторов, как динамика температур, уровень шума и качество воздуха в месте проживания.

Примеры внедрения технологий такого типа уже есть. Институт онкологии из Японии совместно с компанией Fronteo Healthcare разрабатывает систему KIBIT. Она анализирует симптомы заболевания, особенности организма пациента, «штудирует» специализированную литературу и выставляет диагноз.

Использование искусственного интеллекта для поиска оптимального метода лечения — необходимость, поскольку далеко не всегда один и тот же способ лечения одинаково хорошо помогает двум людям с одной и той же болезнью.

4.4 Улучшенное планирование и автоматизация рутины.

Пациенты нередко отменяют визит к врачу. В лучшем случае это не позволяет клинике грамотно спланировать расходование ресурсов, в худшем — замедляется выздоровление пациента.

Это приводит и к убыткам: в США подсчитали, что дополнительные затраты на каждого отменившего визит пациента составляют в среднем $200. По оценке специалистов, в этом случае вся система здравоохранения США ежегодно теряет $150 млрд. Чтобы снизить этот показатель, требуется новый подход к управлению.

При планировании клиникам важно учитывать вероятность отмены или переноса приема. Для этого нужно принимать во внимание серьезность жалоб больного, погодные условия в регионе, загруженность дорог, даже характер человека.

Разумеется, это не под силу работникам больницы. Но с этим справится искусственный интеллект. Он учтет множество «мелочей» и снизит нагрузку на медучреждение в часы пик.

Что касается автоматизации рутинных процедур, то здесь искуссвтенный интеллект, к примеру, может помочь врачу при анализе визуальной информации: рентгеновских снимков, УЗИ и так далее. По оценкам экспертов, такая информация составляет 90% от общего объема всех медицинских данных, а ее изучение отнимает у врача много времени.

Компьютерный помощник ищет на медицинских изображениях паттерны, характерные для заболеваний (опухоли, кровоизлияния, закупорки сосудов и так далее), и выделяет мельчайшие детали, на которые человек не обратил бы внимание.

Решение по анализу медицинских изображений предоставляет компания Enlitic. Её цель — объединить возможности глубокого машинного обучения и систем анализа больших данных.

Стартап работает в том же направлении, что и IBM, предлагая систему медицинским учреждениям. Еще один пример — сервис Arterys, совмещающий аналитику и визуализацию работы сердца человека.

Схожим образом работает и Zebra Medical Vision — сервис компьютерного анализа медицинских изображений в сфере пульмонологии. Основа сервиса — нейросеть, обученная на сотнях тысяч снимков пациентов с болезнями легких.

По данным Фонда обязательного медстрахования, российские врачи ошибаются с лечением в 10% случаев. Как отмечает главный патологоанатом Минздрава России Лев Кактурский, расхождение посмертного и пожизненного диагнозов составляет 20–25%. То есть четвертая часть смертей пациентов в РФ происходит от болезни, необнаруженной при жизни. В Соединённых Штатах наблюдается похожая картина — вероятность врачебной ошибки там, по некоторым оценкам, составляет 9,5%.

Автоматизация даст врачу дополнительное время, которое тот сможет направить на изучение болезни пациента и установление максимально точного диагноза. По мнению специалиста по патологиям Энди Бека (Andy Beck) из Гарвардской медицинской школы, использование ИИ-технологий позволят снизить уровень ошибок при диагностике на 85%.