ENG
Использование искусственного интеллекта (ИИ), наверное, самая «горячая» инвестиционная тема этого года, которая уверенно заняла нишу криптовалют. Количество конференций и прочих информационных поводов просто зашкаливает. Всем вдруг стало очевидным, что ИИ будет серьезно трансформировать различные отрасли экономики, а в некоторых случаях делать устаревшими целый ряд традиционных профессий. И речь идет даже не о таксистах и дальнобойщиках, хотя по улицам Москвы уже ездят тестовые самоуправляемые машины «Яндекса», а беспилотные грузовые перевозки между Москвой и Питером обещают запустить уже в 2021–2022 гг.
Фокус — радиология
Большие перспективы использования ИИ ожидаются в наименее оцифрованной до недавнего времени области экономики — здравоохранении. Например, в области анализа радиологических изображений. Хотя с момента открытия первого рентгеновского снимка в 1895 году был целый ряд инноваций в области медицинской визуализации, как, например, создание в 1972 году компьютерной томографии, авторам которой была присуждена Нобелевская премия, принципы профессии оставались прежними. Внедрение PACS (системы архивации и передачи изображений) и переход от пленочных снимков к цифровым дает возможность технологическим прорывам. В марте этого года журнал The Journal of the National Cancer Institute опубликовал результаты исследования по сравнению работы радиологов и ИИ при скрининге рака молочной железы. Был проведен анализ 2652 снимков (653 имели злокачественные образования) и интерпретаций 101 радиолога. Диагноз верифицировался несколькими радиологами, анализом биопсии или последующими визитами. Результаты показали, что качество работы системы искусственного интеллекта было статистически не хуже, чем в среднем у рентгенологов, хотя, конечно, и проигрывало лучшим.
Основываясь на подобных исследованиях, некоторые горячие головы, как, например, «крестный отец» глубинных нейронных сетей, британский учёный-информатик Джеффри Хинтон, говорят о том, что необходимо прекратить обучение новых радиологов в медицинских вузах, так как скоро их места займут алгоритмы. Это, конечно, провокативное заявление с целью привлечения внимания к своей работе, но и реальные предпосылки для волнения у студентов медицинских вузов, желающих стать радиологами, тоже есть. За рубежом уже есть десятки алгоритмов, которые были одобрены FDA в США или получили одобрение европейского регулятора для использования в радиологии.
Да и в нашей стране целый ряд компаний занимается разработкой и внедрением алгоритмов интерпретации снимков. Как, например, Botkin.ai, «Третье мнение», «Доктор Томо», Doctor AIzimov, Celsus и другие. Так, Botkin.ai используется в ряде клинических центров Мурманской, Новгородской и Тульской областей для ретроспективного анализа КТ изображений грудной клетки для выявления признаков рака легких на ранних стадиях. Похожий проект Doctor AIzimov ведет в Санкт-Петербургском клиническом научно-практическом центре специализированных видов медицинской помощи. А Celsus ведет проект по выявлению рака молочной железы по рентгеновским снимкам в Калужской области.
Врачей не заменят
Это пока только пилотные проекты, да и разработчики позиционируют свои решения скорее как вспомогательные инструменты, нацеленные на помощь самим радиологам. Тем не менее скорость развития и внедрения новых технологий в здравоохранении значительна. В регионах внедрение сдерживается большим процентом аналогового оборудования, тогда как в благополучной Москве уже 78% цифровой техники. В ближайшие несколько лет планируется завершить цифровизацию службы лучевой диагностики и подключить всю технику к Единому радиологическому информационному сервису, что упростит внедрение вспомогательных алгоритмов ИИ. Работа по поиску и отбору таких алгоритмов уже ведется.
Сделает ли это профессию радиологов ненужной? Конечно, нет. Как и другие системы искусственного интеллекта, радиологические системы искусственного интеллекта выполняют пока только отдельные узкие задачи. Упомянутые нами модели глубокого обучения подготовлены для определенных задач распознавания изображений (таких как обнаружение узелков на КТ грудной клетки или кровоизлияние на МРТ головного мозга). Но необходимы тысячи таких узких задач, чтобы полностью идентифицировать все потенциальные результаты на медицинских изображениях, и ИИ сегодня может сделать лишь несколько из них. Кроме того, работа по интерпретации изображений охватывает только один набор задач, которые выполняют радиологи. Он также консультирует других врачей по вопросам диагностики и лечения, лечит заболевания (например, предоставляет местную абляционную терапию), проводит медицинские вмешательства под контролем изображений (интервенционная радиология), определяет технические параметры обследований, которые должны быть выполнены (с учетом состояния пациента), соотносит полученные данные снимков с другими медицинскими записями и результатами исследований и так далее. Даже в том маловероятном случае, когда ИИ полностью взял на себя интерпретацию изображений, большинство радиологов могли бы перенаправить свое внимание на прочие виды своей деятельности. А учитывая старение и рост населения, потребность в радиологах в ближайшее время будет только увеличиваться
Наконец, точно так же, как очевидно, что автономные транспортные средства потребуют изменений в регулировании и страховании автомобилей, потребуются изменения в медицинском регулировании и страховании для автоматического анализа изображений. Кто несет ответственность, например, если машина неправильно диагностирует случай заболевания раком: врач, больница, поставщик технологий обработки изображений или ученый, создавший алгоритм? Потребуется большая работа на уровне регуляторов и профессионального сообщества для полноценного внедрения ИИ в здравоохранение.
Таким образом, вряд ли в ближайшем будущем маммография или МРТ-снимки будут интерпретироваться только ИИ. Радиологи, так же как юристы, специалисты по финансовому планированию, бухгалтеры и другие квалифицированные профессионалы, скорее всего, столкнутся с необходимостью получения новых компетенций для взаимодействия с ИИ, чем с угрозой, что тот заменит их текущие рабочие места.
Ниши для инвестиций
На что же стоит обратить внимание инвесторам? По мнению ведущего независимого британского поставщика отчетов по радиологии Medica Group, который обрабатывает более 1,5 миллионов исследований в год и обладает самым большим штатом радиологов за пределами Национальной службы здравоохранения Британии (около 400 человек), в ближайшее время наиболее востребованными будут решения ИИ, которые позволяют увеличить продуктивность работы радиологов. Например, решения, позволяющие правильно назначить на исследование радиолога, обладающего соответствующим опытом и специализацией, выделять аномальные области на снимках или автоматизировать необходимые вычисления. Внедрение же полноценной интерпретации снимков с помощью искусственного интеллекта по отдельным показаниям, по их оценкам, возможно только на горизонте 10 лет. Как и в других областях использования ИИ, доступ к качественным реальным данным и возможность тренировать алгоритмы будет существенным ключевым преимуществом. А иногда и основным драйвером стоимости. Так, например, в феврале 2018 года Roche заплатила $1,9 миллиарда за Flatiron Health. Платформа Flatiron собирает и нормализует как структурированные, так и неструктурированные данные онкологии из различных исходных систем.
Перспективным направлением инвестиций могут оказаться компании, оказывающие коммерческие услуги по удаленной интерпретации радиологических снимков. Как, например, vRad в США и упомянутая выше Medica Group в Великобритании. Такие компании зарабатывают за счет повышения эффективности работы госпиталей, перенаправляя часть снимков для интерпретации к менее загруженным радиологам в других местах. Доступ к реальным клиническим данным и нацеленность на повышение эффективности своей работы, чтобы успешнее конкурировать с собственным штатом радиологов своих клиентов, делает их идеальным местом для внедрения ИИ в работу радиологов.
