Deep-медицина. Как искусственный интеллект может вернуть здравоохранению человечность. Эрик Тополь

Deep-медицина. Как искусственный интеллект может вернуть здравоохранению человечность. Эрик Тополь

Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again · Eric Topol · 2019

Главные идеи обзора:

1. У нас не одно, а два мышления: быстрое (интуитивное) и медленное (рациональное). Множество ошибок возникает потому, что первое опережает второе, и врачи подвержены этому не меньше других людей. ИИ — страховка именно от таких ошибок.

2. Иногда нас обследуют слишком хорошо: 85% всех дооперационных лабораторных тестов совершенно необязательны.

3. Искусственный интеллект быстрее и часто точнее человека, но он работает только с тем, что в него загрузили, с готовностью копируя и наши предрассудки.

4. Чем больше данных получает ИИ, тем эффективнее работает, однако медицинские данные для него пока слишком непростое чтение. 

5. Человеческий и искусственный интеллект несопоставимы, и все-­таки нейросети весьма точно имитируют активность головного мозга. А значит, учатся все лучше.

6. Оптимисты полагают, что искусственный интеллект сравняется в своих возможностях с хирургом не раньше чем к середине 2050‑х годов. 

7. Фитнес-трекеры несовершенны, они пока не стали прочной связующей нитью между пациентом и врачом, но уже сейчас мотивируют пользователей вести здоровый образ жизни, а ЗОЖ — профилактика многих наших болезней.

8. Преимущество в разработке искусственного интеллекта для медицины — у Китая: в стране нет проблем с получением данных, и китайцы все лучше с ними работают.

9. Сдать экзамен на врача теперь может и робот. Но при отборе будущих врачей приоритет должен иметь эмоциональный интеллект — как минимум умение слушать пациента и сочувствовать ему.

10. Deep-медицина складывается из глубокого анализа данных, глубокого обучения и глубокой эмпатии. Но все эти направления сходятся в одной точке — присутствии врача в жизни пациента.

Искусственный интеллект умнеет с каждым днем.

Эрик Тополь, врач с мировым именем, посвятивший годы анализу возможностей ИИ в медицине.

Это уже третья книга Эрика Тополя о том, какой должна стать медицина в ближайшем будущем. Во второй «Будущее медицины. Ваше здоровье в ваших руках» Тополь призывал к тому, что пациенты должны иметь куда больший доступ к персональным медицинским данным, чем сейчас. Ссылка на книгу под видео.

Новая книга о том, как ИИ уже изменил медицину и почему главное изменение еще предстоит.

Оказавшись на приеме у врача, вы проведете в его кабинете лишь несколько минут.

 За это время врач на вас почти не посмотрит: он озабочен заполнением медицинской карты.

Даже, если это электронная карта, это неосильно облегчает работу: разработчики программного обеспечения используют форматы файлов, которые не согласуются с программным обеспечением конкурентов, к тому же, по статистике, до 70% информации из карты врач просто копирует в новые записи, увеличивая тем самым риск дублирования ошибок.

В то же время у врача есть отличная возможность назначить вам множество анализов, чтобы исключить все проблемные факторы.

 Многие из них — пустая перестраховка, которая, стоит  четверть всех расходов на здравоохранение

 (другое исследование гласит: 85% всех дооперационных лабораторных тестов совершенно необязательны!).

20–30% женщин, обследование которых дало отрицательный результат рака груди, на самом деле уже имели опухоль. Но не менее часто исследования выявляют опухоли, которые не перейдут в агрессивную фазу, так что показанная врачом операция принесет женщине куда больше страданий. И речь идет о каждой третьей пациентке! Дело еще и в том, что маммография не всегда дает точные результаты, и специалисты сами это понимают. Когда 160 врачей попросили определить вероятность рака груди у пятидесятилетней женщины на основании положительной маммографии, те сошлись на 90%. На самом деле вероятность составляла один из десяти.

Да, врачи ошибаются так же, как и все люди. 

Этот механизм совершения ошибок описан Нобелевским лауреатом Даниэлем Канеманом.

Ссылки на обзоры книг Канемана под видео.

Именно доверяясь быстрому мышлению, врач:

• формирует свое мнение на основе самых простых и доступных ему примеров, редко задумываясь об особых случаях (так называемое смещение в сторону доступности);

• склонен так интерпретировать информацию, чтобы она совмещалась с его системой взглядов, сколь бы ограниченной та ни была (так называемая предвзятость подтверждения).

Что ж, искусственный интеллект может оказаться здесь неплохим помощником: он не устает, не раздражается, выносит решение только на основе беспристрастного анализа данных.

Но не все так просто.

Почему врачи должны помогать компьютеру.

Искусственный интеллект умеет немало.

Еще бы: в его распоряжении:

• море данных;
• облачные сервисы;
• мощные графические процессоры и модули алгоритмической разработки с открытым исходным кодом (TensorFlow у Google, Cognitive Kit у Microsoft и пр.).

А вот методологию ИИ перенести в медицинскую сферу без значимых потерь не так просто:

• чем больше данных получает ИИ, тем эффективнее работает, но эти данные должны быть легкодоступны для поиска, оптимально структурированы и просты в обращении, а медицинские данные в основном не таковы;

 пока без людей не обойтись: так, проект Mark2Cure привлекает активистов, которые обрабатывают миллионы статей из исследовательской базы данных PubMed, выделяют ключевые понятия и связи между ними, а затем эти результаты обрабатываются статистическими алгоритмами, которые создают оптимальные способы автоматического поиска.

Обработанная таким образом информация могла бы стать серьезным подспорьем для системы поддержки принятия врачебных решений (СППВР) — одного из самых многообещающих направлений медицинского ИИ.

• нейросети работают по принципу черного ящика: мы не очень хорошо знаем, как именно сеть обрабатывает информацию внутри себя.

Победа AlphaGo в го особенно показательна: создатели признались, что не могут объяснить, как «мыслила» машина. Когда речь идет о лечении пациентов, риск довериться черному ящику слишком дорого стоит;

 На создание новых алгоритмов могут влиять не только медики, но и представители страховых компаний, а у них свои, циничные интересы.

 А, еще, ИИ угрожает сокращением 40% рабочих мест в сфере здравоохранения?

Поскольку ИИ умеет очень быстро делать выводы на основе огромного количества данных, особенно хорошо структурированных, первыми на хорошие новости могут надеяться травматологи, радиологи, патологоанатомы, то есть врачи, которые работают с паттернами — моделями с повторяющимися закономерностями вроде рентгенограмм и прочих медицинских снимков. 

Тут у ИИ несколько явных преимуществ перед докторами.

• ИИ точнее. 
• Оценивая рентгенограммы переломов тазобедренного сустава, ИИ столь точен, что заменяет более дорогие методы сканирования типарентг

 нейронная сеть, обученная более чем на 1000 пациентов, показала 99% точность, сопоставимую с опытом рентгенологов.

Компания Zebra Medical Vision протестировала нейронную сеть, которая обнаруживает компрессионные переломы позвонков с 93% точностью, тогда как рентгенологи пропускают такие переломы более чем в 10% случаев.

В  исследовании компании DeepMind, включающем более 14 тысяч снимков, автоматизированный анализ десятков глазных патологий не уступал в точности анализу экспертов.

При этом ИИ куда чаще, чем врачи, давал показания для более детального обследования у узкого специалиста: вероятность ложной тревоги составила лишь около 1%, и не было случая, когда ИИ рекомендовал бы пациенту с тяжелым заболеванием простое наблюдение у окулиста, тогда как врачи согласились лишь с 65% решений о перенаправлении пациентов к узким специалистам.

• ИИ в разы чувствительнее к текстуре и цветопередаче снимка, и это принципиально важно, если речь идет о некоторых геномных аномалиях, связанных с раком мозга.

Кроме того, алгоритмы умеют улучшать качество изображения, что позволяет сократить радиационные дозы КТ-сканирования, меньше вредя пациентам и снижая стоимость сканеров;

• ИИ помогает сократить риски: машинная обработка маммографических изображений более чем 1000 пациенток в сочетании с результатами биопсии показала, что более 30% операций на груди можно было избежать.

ИИ хорош в решении узких, предельно конкретных задач. Просматривая снимок, он отвечает сам себе на один-единственный вопрос: скажем, подтвердить либо исключить рак легких. Но радиолог, просматривая снимок, держит в уме куда больше тревожных признаков и при случае реагирует на них.

 ИИ не заменит дерматологов, патологоанатомов, радиологов, но возьмет на себя львиную долю работы по черновой классификации снимков, позволяя медикам сосредоточить больше усилий на диагностической работе более высокого уровня. 

В идеале анализ снимка должен быть привязан к полной клинической картине пациента, однако о столь масштабной базе данных речи пока не идет.

Как еще ИИ помогает разным медицинским специалистам?

За последние годы ИИ существенно облегчил жизнь и тем врачам, практика которых не ограничивается работой с готовыми паттернами.

Кардиология. 

Кардиологам ИИ помогает усовершенствовать процедуру отслеживания сердечного ритма. Обычно это можно сделать либо на приеме у врача, разово, либо в течение суток с помощью аппарата Холтера. 

Сегодня на смену ему приходит пластырь ZIO® XT — водонепроницаемый, неинвазивный, без проводов, прикрепляемый на грудь и носимый пациентом до двух недель.

Компания AliveCor разработала сверхкомпактный ЭКГ-аппарат AliveCor Kardia Mobile размером не больше спичечного коробка, синхронизированный со смартфоном:

пациент получает 30-секундную ЭКГ в любое время, просто положив большой палец на аппарат.

Датчик другого типа крепится на ремешке часов и подключается к Apple Watch.

 Получаемая информация легко архивируется и при необходимости отправляется лечащему врачу.

Еще одна актуальная для кардиологии задача — обучить нейросети эхокардиографии, или УЗИ сердца.

Исследования в этой области пока ретроспективны и охватывают сравнительно мало данных, всего несколько сотен снимков, но в этом масштабе ИИ показывает 90% точность.

 машинное обучение позволяет в разы повысить точность прогноза сердечно-сосудистого риска за счет нелинейных взаимосвязей между факторами риска и результатами заболеваний

ИИ показал 80% точность по сравнению с врачебной точностью в 56%).

Онкология. 

 IBM Watson диагностирует меланому точнее, чем восемь соревнующихся с ним дерматологов.

 мобильные приложения для сканирования кожи сравнивают полученный снимок с базой данных из тысяч фото и определяет степень сложности заболевания по специфическим признакам.

Но, конечно, от ИИ ждут большего — излечения рака.

Самый перспективный проект в этой сфере — Tempus.

Tempus основан на предпосылке, что большие объемы информации помогут индивидуализировать подход к раку и тем самым лечить его более эффективно.

 Сейчас компания имеет данные более чем от 11 тысяч пациентов — это около 2,5 петабайт.

Онколог, который наблюдает больного раком пациента, имеет возможность отправить образец опухоли в Tempus, где та подвергнется тщательному анализу на геномном уровне. 

Получив информацию о мутации конкретного гена, ответственного за бесконтрольное деление клеток, врач назначает пациенту таргетную терапию, которая может оказаться более эффективной, чем химиотерапия. 

А еще Tempus может предоставить информацию о максимально похожих случаях заболеваний (метод «цифровых близнецов»).

Оценка компании уже превысила $3 млрд.

Хирургия. 

Роботизированная система Da Vinci Surgical System широко используется в лапароскопических операциях.

 Громко заявила о себе компания Verb Surgical, созданная Google и Johnson & Johnson: ее цель — создать роботизированных ассистентов нового поколения для хирургов, своего рода «младших братьев» Da Vinci.

Только в 2016 году более 4000 роботов помогли выполнить хирургам 750 тысяч операций по всему миру. Но ключевое слово — «помогли».

Названное число составляет меньше 10% от 8 млн операций, выполняемых каждый год.

По подсчетам футурологов из Оксфорда, ИИ сравняется в своих возможностях с хирургом не раньше чем к середине 2050-х годов.

Нейробиология. 

 чем глубже мы изучаем живые и искусственные нейронные сети, тем больше удивляемся их сходству.

 часто нейросети весьма точно имитируют активность головного мозга.

Они передают входную информацию через слои цифровых нейронов. Каждый слой имеет дело с определенными характеристиками входящих сигналов.

 Чем больше таких слоев, тем качественнее обрабатывается информация, тем умнее нейросеть.

Часто нейросети эффективнее, когда в ранних слоях определяются самые простые свойства изображения, а на более глубоких включаются неочевидные свойства.

Любопытно, что мозг распознает изображения по такому же принципу.

На более ранних стадиях обрабатываются общие детали вроде контуров и цветов, на более поздних, в нижней височной коре, распознаются более сложные данные — целостные объекты и лица.

Это открытие легло в основу сверхточных нейронных сетей.

Каждый из слоев этой сети отвечает за обработку разных ключевых характеристик изображения, детали разной сложности обрабатываются на разных этапах.

Одна из таких нейросетей под названием AlexNet, обученная на 1,2 млн изображений, содержащих тысячу разных категорий объектов,

в 2012 году обошла всех своих соперников с коэффициентом ошибок всего 15,3% (по сравнению с 26,2% у конкурентов).

В результате границы между живой и неживой природой преодолеваются все легче.

При помощи AlexNet ученые смоделировали вентральный зрительный поток макаки.

Учеными из Колумбийского университета разработана глубокая нейросеть, моделирующая обонятельную систему мухи-дрозофилы.

Ключевое направление ИИ на службе нейробиологии — создание гаджетов-имплантов и их проникновение в микромир наших организмов.

 Особенно перспективной выглядит кремниевая микроэлектроника для создания биочипов: вживление таких чипов в мозг может, например, блокировать эпилептические приступы.

Фармацевтика. 

ИИ позволяет сократить сроки экспериментов в разы, перенося их из пробирки в компьютер.

Алгоритм разбивает химическое соединение на основные компоненты, а затем моделирует множество вариантов, сравнивая их с уже описанными в медицинской литературе, выбирая оптимальное решение.

• Компания Atomwise использует алгоритмы глубокого обучения для анализа миллионов молекул:

к концу 2017 года учеными было создано более 27 проектов по разработке лекарств для лечения самых разных заболеваний — от рассеянного склероза до Эболы.

• Компания Pfizer стала одной из первых, использующих облачную платформу Watson for Drug Discovery.

Цель — поиск новых методов лечения онкопатологии.

• Масштабный проект ATOM  объединяет несколько академических научных центров и фармацевтических компаний, чтобы разработать и подтвердить мультидисциплинарный подход к открытию лекарств от рака.

Проект обещает принципиально сократить время, необходимое для перехода от идентификации потенциальной «мишени» к разработке «оружия», — с четырех лет до года.

Диетология. 

Главная проблема в этой сфере: у медиков нет возможности проводить масштабные долговременные рандомизированные исследования, когда люди на протяжении долгих лет питаются схожим образом, а врачи тщательно их наблюдают.

Диета — вещь индивидуальная.

Персонализированный подход более или менее доказательно сработал только в одном случае — в изучении гликемической реакции человека на еду. 

В эксперименте 800 человек в течение недели контролировали уровень глюкозы в крови с помощью подкожного датчика; в общей сложности было проведено более 1,5 млн измерений уровня глюкозы.

Гликемический ответ на пищевые стимулы был интегрирован с разнообразными персональными данными вроде физической активности, сна и пр., которые участники сообщали через приложение в смартфоне.

исследование не просто количественно зафиксировало вариабельность глюкозы, а объяснило ее скачки качественно: оказалось, ключевую роль в этих химических реакциях играли некоторые кишечные бактерии.

Все это очень воодушевляет, привлекая внимание специалистов к более тщательному изучению микрофлоры кишечника, перспективам персонализированных диет, корректирующих уровень глюкозы в крови, что важно и для здоровых людей, и для диабетиков…

 И все же речь идет лишь об одном аспекте питания.

Медики смотрят в верном направлении, но сказать что-то более определенное по этому поводу смогут еще нескоро.

Психиатрия. 

Даже то, как часто и насколько порывисто мы касаемся клавиатуры, позволяет предсказать депрессию с очень высокой точностью.

Исследователи из Университета Южной Калифорнии разработали программное обеспечение, которое анализирует 74 акустических показателя, включая тембр голоса, тон и пр., чтобы предсказать супружеские разногласия лучше, чем психологи.

Точность машины в выявлении депрессии составила 70%.

 Другое исследование показало, что склонность к суициду ИИ диагностирует почти в 80% случаев, и этот алгоритм можно было улучшить, если бы исследователи имели доступ к более полной жизненной информации пациентов, а не только к их медицинским картам.

 Facebook уже использует ИИ для распознавания потенциальных самоубийц.

Онлайн-терапия 7 Cups предоставляет бесплатный чат с обученными волонтерами-слушателями.

К 2017 году более 230 помогли 25 млн человек.

В 2017 году стартап Woebot презентовал чат-бота с функцией психотерапевта, практикующего когнитивно-поведенческий подход.

Woebot выслушивает жалобы пациентов, а затем предлагает простые пути решения.

уже через две недели симптомы депрессии у пользователей Woebot уходят.

Личное медицинское консультирование. 

Вот несколько новостей с рынка медицинских гаджетов.

• Браслет AliveCor определяет связь между частотой сердечных сокращений человека и физической активностью, предупреждая пользователя о сердечных сбоях и необходимости сделать ЭКГ.

• Компания Onduo работает над тем, чтобы соединить информацию о меню пользователей с данными датчиков глюкозы и отслеживанием физической активности человека — в комплексе это поможет выработать тактику борьбы с диабетом.

• Компания Second Opinion Health представила приложение для смартфонов, предлагающее страдающим мигренью пользователям отслеживать некоторые ключевые данные вроде качества сна, погоды, уровня стресса и пр., а алгоритм на их основе предсказывает приступы головной боли.

Выглядит воодушевляюще — с точки зрения пользователей. 

С точки зрения ученых — слишком узко сфокусированы цели, слишком ограничен сбор данных, слишком мало проверок. 

Наше самочувствие зависит от массы факторов, каждый момент времени мы порождаем множество биометрических показателей — их и учесть-то непросто, не говоря об адекватной обработке.

Проникая в самые разные сферы медицинской жизни, ИИ в конечном счете обещает изменить структуру здравоохранения в целом:

• изменить систему паллиативной помощи, поскольку уже сегодня ИИ достаточно даже неполных данных о состоянии пациента, чтобы с 90% точностью предсказать срок его ухода из жизни;

• изменить практику госпитализации, поскольку ИИ все лучше учится предсказывать, потребуется ли пациенту повторная госпитализация в течение месяца после выписки.

исследование продемонстрировало 83% точность ИИ в этом вопросе);

• предсказывать, заболеет ли пациент вообще.

Машинный алгоритм, разработанный учеными из Университета Макгилла предсказывает развитие болезни Альцгеймера в течение двух лет с точностью 84%;

• облегчить работу медсестер:

компания MedStar Health в Вашингтоне запустила в отделениях неотложной помощи систему ИИ, которая быстро сканирует полную историю болезни пациента и дает врачам и медсестрам рекомендации относительно симптомов заболевания, экономя время и усилия;

• контролировать качество работы врачей:

ученые из Стэнфордского университета создали программу, отслеживающую с помощью видеозаписей и специальных датчиков, с какой частотой врачи моют руки после приема пациентов. Технология действует с точностью до 95%.

Какая страна сегодня берет на себя инициативу в области ИИ для медицины? 

Китай —  там больше данных и нет никаких препятствий для их сбора.

 С 2014 года в Китае было опубликовано больше научных работ по нейросетям, чем в США. В 2018 году развитие ИИ признано национальной задачей, подобно полету на Луну в США 1960-х.

Одна больница в Гуанчжоу использует ИИ, обученный на основе 300 млн записей, для координации почти каждого аспекта своей работы — от идентификации пациентов с помощью распознавания лиц до анализа компьютерной томографии.

Самый масштабный эксперимент по сбору медицинских данных предпринят китайской компанией iCarbonX.

Привлечено $600 млн и множество партнеров, включая две крупнейшие страховые компании Китая.

Физическая активность, питание, геномика, биохимия — нет аспекта, который бы не интересовал iCarbonX.

Создано мобильное приложение Meum, куда можно загрузить данные о своем самочувствии и получить полезные рекомендации.

Алгоритм ИИ, управляющий приложением, учитывает 109 параметров.

 Одни медики настроены скептически: не лучше ли вместо того, чтобы говорить про абстрактное здоровье, сосредоточиться на конкретных заболеваниях типа астмы и диабета?

Другие возражают: зато алгоритм Meum, как и прочие фитнес-трекеры, подталкивает многочисленных пользователей к здоровому образу жизни, а 70% убивающих нас болезней легко предотвратить, просто ведя более здоровый образ жизни).

В чем Смысл deep-медицины?

 В 2013 году международная группа медиков изучила самые распространенные методы лечения и пришла к выводу, что 146 из них вообще не приносят никакого эффекта.

Немецкая фармацевтическая компания Merck заплатила почти $1 млрд штрафов за сокрытие побочных эффектов противовоспалительного лекарства «Виокс»; препарат изъяли из продажи, но прежде он успел спровоцировать 140 тысяч инфарктов.

Проведенное в 2016 году в Новой Зеландии исследование выявило, что среди диабетиков, лечащие врачи которых проявляли заботу и участие, на 40% ниже уровень серьезных осложнений.

А исследование ученых из Пенсильванского университета показало: каждая дополнительная минута, которую врач проводит с пациентом, выписанным из больницы после лечения острых состояний, снижает риск обострений на 8%.

Речь, впрочем, не только о пациентах, но и о врачах. Представителям этой профессии слишком часто грозит эмоциональное выгорание.

 Эксперимент в Университете Колорадо показал, что замена компьютерного ассистента на человека снизила эмоциональное выгорание врачей с 53 до 13%. 

Кроме того, риск выгорания можно снизить, сознательно развивая свой эмоциональный интеллект и тем самым меняя мозг физически.

В ходе одного эксперимента более 300 человек (не врачей) прошли тренинг, связанный с практикой осознанности, работой с трудными эмоциями, навыками взаимодействия с окружающими.

МРТ-снимки участников тренинга показали значительные изменения в тех зонах мозга, которые отвечают за эмоциональный баланс.

Проект Time Bank в медицинской школе Стэнфордского университета создан для вознаграждения врачей за время, проработанное сверхурочно.

Оно обменивается на ваучеры, которыми оплачиваются домашние услуги вроде уборки или доставки еды.

Время, которое нам освобождают технологии, нужно тратить не на них, а друг на друга.

Подумать только: большинство пациентов на приеме не могут рассчитывать даже на то, что их дослушают до конца.

 От начала встречи до того, как врач перебьет пациента первым вопросом, по статистике проходит 18 секунд! 

Даже если ИИ научится заполнять медицинскую карту, предлагать рекомендации и ставить диагноз,

 это не избавит врача от необходимости быть внимательным к пациенту, ведь люди остаются людьми.

В повседневной практике любого врача случается множество трудных ситуаций, где не помешала бы хоть капля сочувствия.

при отборе будущих врачей приоритет должен иметь эмоциональный интеллект. 

Да, врачам нужно будет все глубже вникать в науку о больших данных, и это тоже проблема, поскольку далеко не все медицинские институты достаточно современны.

И все-таки контакт с пациентом остается на первом месте.

Итак, deep-медицина складывается из трех направлений:

1) способность взаимодействовать с пациентом, опираясь на все доступные данные,

не только медицинские, но и социальные, поведенческие, поскольку здоровье человека — комплексное явление. Оцифровка этих данных — дело настоящего;

2) обучение ИИ способности следить за здоровьем пациентов в больнице и дома, а пациентов — умению использовать возможности ИИ с помощью гаджетов;

3) способность врача и пациента проявлять эмпатию друг к другу.

Эти направления сходятся в одном понятии, которое Эрик Тополь определяет как присутствие.

В эпоху, когда технологии позволяют общаться и работать дистанционно, он призывает врачей быть рядом с пациентом и физически, и мысленно.

Проявлять всю возможную заботу. Поддерживать в непростые минуты боли и страха, помня, что на врача — последняя надежда.

Искусственный интеллект, освобождая время и силы врачей, дает им шанс стать человечнее.

В масштабах истории такой шанс уникален. Главное его не упустить.