ТЕРРИТОРИЯ ЗНАНИЙ И ВОЗМОЖНОСТИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
17.04.2024
Системная ревизия арсенала цифровых решений для российского здравоохранения
Здравоохранение – это индустрия знаний. Все, что происходит в отрасли, касается сбора и анализа данных о пациенте, превращения их в новые знания и правильного применения на практике. Так было во все эпохи и происходит сегодня, только сегодня это происходит уже с использованьем компьютерных технологий, которые позволяют собирать и хранить большие объемы данных, в сотни раз быстрее их обрабатывать, ярче и удобнее представлять для пользователей. Цифровая трансформация российского здравоохранении находится в активной фазе. Формируются домены Единой государственной информационной системы здравоохранения (ЕГИСЗ) и ГИСы, практически в каждой медицинской организации внедрены МИСы, осуществляется переход на электронный документооборот. Все это ради главной цели – чтобы врачи лучше лечили пациентов, а организаторы здравоохранения эффективнее управляли процессами, происходящими в отрасли. Но на этом пути возникают неизбежные проблемы – во всех странах применение МИС пока приводит к выгоранию врачей; телемедицина – увеличивает время приема пациента; ИИ – требует более высокой квалификации медицинских работников для оценки применимости подсказки; клинические рекомендации неудобны в использовании и недостаточны для поддержки врачебных решений. При всем изобилии цифровых решений медицинские организации не обеспечены современными базами медицинских знаний, а большинство организаторов здравоохранения и практикующих врачей не владеют основами медицинской информатики.
Как выглядит российская медицина по уровню цифровой зрелости по сравнению с другими отраслями в РФ и другими странами? Какие главные задачи запланированы на 2024-2025 гг. по цифровизации отрасли на федеральном уровне? С какими проблемами сталкиваются регионы в цифровой трансформации здравоохранения? Какие возможности по ликвидации цифровой безграмотности есть у руководителей медицинских организаций и врачей? Как изменится в новой реальности работа врача и какие новые возможности появятся у пациентов в 2025 г.? Как должно происходить информационное обеспечение врачей новыми знаниями в цифровую эпоху?
Человеческий и искусственный интеллект: борьба за первенство в эпоху больших языковых моделей
Большая языковая модель (Large Language Model – LLM) – это разновидность генеративной, способной генерировать тексты или изображения, модели искусственного интеллекта (ИИ). Она обучена на естественных языках, то есть «понимает» их. Эти модели предварительно обучаются на больших неразмеченных данных из Интернета. В результате этого формируется сложная статистическая модель, которая устанавливает и запоминает вероятность последовательности слов. Когда в модель поступает вопрос, она может выдать ответ, исходя из сохраненных вероятностей. Как правило, в таких моделях более миллиарда (до триллиона) значений математических функций. LLM может с успехом использоваться в клинической практике (например, в виде системы поддержки принятия решений), в медицинском образовании (для представления сложных концепций в понятном для студентов виде), в административной работе (обобщая и резюмируя записи из ЭМК), в науке (подыскивая наиболее подходящие молекулы для разработки лекарств). Однако в этой фантастической модели заложены серьезные риски, связанные с необходимостью обеспечивать безопасность персональных данных, высокой стоимостью внедрения, возможными ошибками. Среди ошибок: алгоритмические (связанные с неправильным обучением), галлюцинации (связанные с неверной работой формул), академические (плагиат). Но главный риск – это снижение уровня клинического мышления, потеря самостоятельности профессии врача. И как этому не произойти, если по данным опросов менее 20% врачей читают современную литературу?
Каковы реальные риски и эффективность моделей ИИ, которые сегодня применяются в РФ? Кто будет нести ответственность за ошибки ИИ? Что произойдет, если LLM по итогам клинических испытаний превзойдет врачей по качеству диагностики и лечения пациентов? Смогут ли пациенты использовать преимущества ИИ? Как сочетать человеческий и искусственный интеллект в создании единого пространства знаний в здравоохранении?
Ценность больших данных в оказании и организации медицинской помощи
Большие данные или Big data в здравоохранении появились благодаря компьютерным технологиям, расшифровке генома человека и другим открытиям в области молекулярной биологии. Первые позволили собирать, хранить и быстро анализировать большие объемы данных, вторые – предоставлять сами данные, которые ежегодно удваиваются в геометрической прогрессии. Дальнейшее развитие цифровых технологий и обработка информации с помощью ИИ разрешили подойти к лечению пациента более индивидуально или персонифицировано. Другими словами, соединяя индивидуальные данные о больном (жалобы, данные исследований, генетический паспорт) с результатами анализа большого количества уже известных подобных случаев, у ученых появилась возможность предсказывать риски и прогнозы развития заболеваний, эффективность той или иной терапии. Но чтобы такой подход был широко реализован на практике, требуется изменение системы организации медицинской помощи. Это включает все аспекты – от разработки систем сбора и анализа клинических данных о пациенте до обучения врачей новым правилам. Одновременно открытия в области молекулярной биологии и ускорение обработки данных с помощью тех же компьютерных технологий позволили появиться принципиально новым лекарствам (генная терапия и биопрепараты). Правда, у них есть один недостаток – высокая цена производства. Чтобы оправдать высокие траты, было предложено платить производителям с учетом достигнутых результатов, которые в том числе фиксирует и сам пациент. Сочетание персонифицированного подхода в лечении и его оплата с учетом оценки самого больного потенциально представляют бОльшую ценность как для самого пациента, так и в целом для здравоохранения. В этой связи некоторые специалисты стали назвать такой подход Ценностно-ориентированным здравоохранением или ЦОЗ.
Каковы практические примеры применения персонифицированного лечения в РФ и за рубежом? Какие именно изменения в организации медицинской помощи необходимо предусмотреть, чтобы персонифицированный подход широко реализовался на практике? В чем ценность больших данных в диагностике и лечении заболеваний? Сколько данных необходимо для обучения ИИ прогнозированию? Есть ли более простые и эффективные подходы в повышении качества медпомощи для пациента, например, обеспечение врачей новыми знаниями «под рукой»? В каких сферах чаще всего применима концепция ЦОЗ и каковы ее ограничения? Не разорит ли фармацевтических производителей оплата за результат, особенно если терапия окажется малоэффективной?
Ответы на вопросы - в сессии ТЕРРИТОРИЯ ЗНАНИЙ И ВОЗМОЖНОСТИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 11 июня с 9.30 до 11.20.
Зарегистрироваться на Оргздрав-2024