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

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.