ПРЕОДОЛЕНИЕ БАРЬЕРОВ НА ПУТИ К ВНЕДРЕНИЮ СИСТЕМ НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В МЕДИЦИНЕ

ПРЕОДОЛЕНИЕ БАРЬЕРОВ НА ПУТИ К ВНЕДРЕНИЮ СИСТЕМ НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В МЕДИЦИНЕ

Авторы публикации

Рубрика

Медицина

Просмотры

72

Журнал

Журнал «Научный лидер» выпуск # 30 (180), Август ‘24

Дата публикации 30.07.2024

Поделиться

Системы на основе искусственного интеллекта в медицине сталкиваются с проблемами: этические аспекты, психологические (недоверие медицинских экспертов к искусственному интеллекту), кадровый дефицит среди разработчиков искусственного интеллекта, высокая стоимость внедрения новых данных в систему, наличие несистематизированных данных в медицинской сфере. Множество исследований в настоящий момент направлены на поиски преодоления данных барьеров.

Искусственный интеллект (ИИ) имеет большой потенциал в системе здравоохранения по улучшению доступности, качества и эффективности маршрутизации и обследования пациентов, но внедрение ИИ происходит медленно из-за ряда факторов: начиная от юридической ответственности сотрудников системы здравоохранения, заканчивая этическими аспектами в виде ограничений на доступ к данным пациента, вследствие чего возникает проблема объединений всей имеющейся информации о пациенте.

Актуальность исследования обусловлена быстрой цифровизацией всех сфер жизни, тем самым стремлением к упрощению и улучшению качества жизни пациентов.

Цель работы. Определить перспективу преодоления тех или иных барьеров на пути к внедрению систем на основе искусственного интеллекта в медицине.

Методы исследования: аналитический, сравнительный, анализ и синтез.

Наибольшее внимание к попыткам внедрения ИИ в медицине применялись в период пандемии Covid-19 [1]. Хотя и до этого ИИ применялся в нескольких областях здравоохранения, наиболее успешным из которых являлась сферы рентгенологии как вариант точного, быстрого выявления и возможного прогнозирования течения заболевания, однако использование ИИ всё еще остается ограниченным [4].

Помимо точечного применения ИИ в рамках взаимодействия «специалист – пациент - специалист», необходимо обратить внимание на большой интерес и перспективность внедрения искусственного интеллекта на уровне оценки технологий здравоохранения, распределения бюджетных средств, в целом – для принятия решений по политике в области здравоохранения. Возможно использование ИИ как основы для формирования решения о возмещении расходов на макроуровне с целью повышения эффективности распределения ресурсов на микроуровне. Систематические обзоры научной литературы являются важными инструментами для сбора и оценки имеющихся данных для цепей ИИ, однако быстро обновляющийся объем литературы затрудняет критическую оценку данных достижений внедрения ИИ в систему здравоохранения [2]. После преодоления ряда барьеров и достижения в области систем ИИ могут позволить автоматизировать значительную часть ручной работы, которая направлена на обобщение данных как непосредственно в группах пациентов с одной нозологической формой заболевания, так и обобщения фактических данных для построения финансовых схем расходов и т.д [2].

Оцифровка и наличие алгоритмов в сфере принятия решений с тактикой ведения пациентов активно развивается и дает возможность отслеживать пути лечения пациентов, изучать данные об эффективности проводимой тактики лечения, подвергать критическому мышлению имеющиеся стандарты лечения, что в дальнейшем приведет к более точному и быстрому формированию алгоритма лечения, помимо этого ИИ позволяет оценивать затраты в экономическом вопросе и формировании бюджета на будущее [1].

В качестве примера барьеров, встречаемых на пути к повсеместному внедрению технологий ИИ рассмотрим исследование, проведенное в рамках проекта HTx (проект Horison 2020, поддерживаемый Европейским союзом) [1]. В качестве цели разработчики проекта взяли разработку и внедрение основы для оценки технологий здравоохранения следующего поколения принятий решений, ориентированных на пациентов в реальном времени. Однако в данном проекте ИИ не рассматривается как технология здравоохранения сама по себе, то есть данная технология будет использована как потенциал для получения фактических данных с целью принятия решений, но не поможет в медицинской диагностике, анализе исследований и прогнозировании рисков. В ходе анонимного опроса работников различных медицинских учреждений было найдено 29 барьеров, имеющих наибольшее значение в замедлении внедрения ИИ в здравоохранении [1, 5]. Самыми значимыми стали: недостаток знаний лиц, принимающих решения, о методах и использовании научных данных, основанный на ИИ; отсутствие соответствующих навыков для применения методов ИИ (обработка медицинских терминов, машинное обучение и т.д.) в исследовании результатов; отсутствие адекватного образования для получения научных данных на основе ИИ; проблемы с надежностью, валидностью и точностью данных, недостаточная осведомленность и открытость со стороны лиц, принимающих решения для того, чтобы полагаться на реальные данные, основанные на ИИ, отсутствие политической приверженности; ограничение международного сбора и анализа вследствие различия в системе кодирования в разных странах [1, 5].

Исходя из представленных данных – рейтинг барьеров возглавляют «барьеры, связанные с человеческим фактором», которыми и являются отсутствие опыта и образования, следующими в рейтинге являются отсутствие осведомленности и открытости лиц, технологические барьеры.

После выяснения данных барьеров 23 экспертам из 12 европейских стран было предложено разработать пути решения данных барьеров [1]:

Во-первых, эксперты рекомендовали разработать специальные учебные материалы о том, как использовать ИИ для сферы здравоохранения в целях получения фактических данных, организовывать учебные курсы не только для экспертов, но и для пользователей.

Во-вторых, установить сотрудничество с академическими центрами с дальнейшим привлечением специалистов, способных критически оценивать данные и предлагать идеи для систематизации имеющихся разработок;

В-третьих, начинать внедрение ИИ с макроуровня, так как заинтересованными лицами являются стороны на национальном уровне, что будет способствовать укреплению доверия к методам, основанным на ИИ.

В-четвертых, с целью улучшения многонационального и многоцентрового анализа данных рекомендуется использовать общие стандартизированные структуры и модели, для чего требуется структурное отображение баз данных здравоохранения и терминологическое отображение для преобразования местных кодов.

Таким образом, искусственный интеллект имеет большой потенциал для оценки объемов данных, используемых в здравоохранение. Основные барьеры – напрямую связаны с человеческим фактором, следовательно, имеют потенциал к преодолению. Однако разработки в сфере ИИ далеки от внедрения в сферу анализа инструментальных исследований и помощи в дифференциальной диагностике диагноза, наиболее перспективное внедрение в сферу оценки эффективности работы системы здравоохранения. Передовая практика может укрепить доверие и уменьшить неопределенность для органов системы здравоохранения при рассмотрении искусственного интеллекта в качестве их общих инструментов. Опираясь на проведенное раннее исследование, стоит отметить, что барьеры, имеющие характеристику «методологических барьеров», не были высоко оценены респондентами и, следовательно, рассматривались только как проблемы второго-третьего уровней, вероятно, данные проблемы могут решиться при преодолении барьеров, связанных с человеческим фактором при более глубоком изучении и внедрении ИИ в работу пользователей.

Общая рекомендация в преодолении барьеров – повышение осведомленности о преимуществе разработки политики здравоохранения с помощью ИИ и поощрении приверженности директивных органов созданию нормативной и инфраструктурной среды.

Список литературы

  1. Abdrakhmanova G.I., Vishnevskiy K.O., Gokhberg L.M. i dr. (2019). Indikatory tsifrovoy ekonomiki: 2019 [Digital Economy Indicators: 2019] M.: NIU VShE
  2. Alami H, Lehoux P, Auclair Y, de Guise M, Gagnon MP, Shaw J, et al. Artificial intelligence and health technology assessment: anticipating a new level of complexity. Med Internet Res. (2020) 22:e17707. doi: 10.2196/17707
  3. Zemplényi A, Tachkov K, Balkanyi L, Németh B, Petykó ZI, Petrova G, Czech M, Dawoud D, Goettsch W, Gutierrez Ibarluzea I, Hren R, Knies S, Lorenzovici L, Maravic Z, Piniazhko O, Savova A, Manova M, Tesar T, Zerovnik S and Kaló Z (2023) Recommendations to overcome barriers to the use of artificial intelligencedriven evidence in health technology assessment. Front. Public Health 11:1088121. doi: 10.3389/fpubh.2023.1088121
  4. Васюта Е. А., Подольская Т. В. Проблемы и перспективы внедрения искусственного интеллекта в медицине // Государственное и муниципальное управление. Ученые записки. 2022. № 1. С. 25–32
  5. Brynjolfsson E, Mitchell T, Rock D. What can machines learn and what does it mean for occupations and the economy? AEA Papers Proceed. (2018) 108:43–7. doi: 10.1257/pandp.20181019
Справка о публикации и препринт статьи
предоставляется сразу после оплаты
Прием материалов
c по
Осталось 6 дней до окончания
Размещение электронной версии
Загрузка материалов в elibrary
Публикация за 24 часа
Узнать подробнее
Акция
Cкидка 20% на размещение статьи, начиная со второй
Бонусная программа
Узнать подробнее