07 мая 2025

Авторы: Герова Ольга, Осипов Ю.С., Гнездов В.К., Геров А.О.
Субъект РФ: РФ, Москва, РФ, Санкт-Петербург

​

    На сегодня существует проблема восприятия и правильной интерпретации самого понятия искусственного интеллекта. Без четкого понимания и правильного использования терминов регулирование данной сферы в медицине представляется довольно сложным. 

  Технология искусственного интеллекта возникла в середине двадцатого века, когда ученые впервые задумались о возможности создания машин, способных «думать» и решать задачи, подобно человеку. Официально термин «искусственный интеллект» (artificial intelligence, AI) предложили в 1956 году на конференции в Дартмутском колледже, в ходе которой исследователи поставили перед собой цель изучить, как машины могут имитировать человеческие когнитивные способности. Это событие принято считать отправной точкой в развитии ИИ.

  Существуют разные определения, вот одно из них:  Искусственный интеллект, раздел информатики, в котором разрабатываются методы и средства компьютерного решения интеллектуальных задач, традиционно решаемых человеком. Они имеют ряд особенностей, среди которых – отсутствие заданного алгоритма решения задачи.

    Иными словами основа искусственного интеллекта — идея о создании человеком механических или механобиологических структур, способных «думать» и решать проблемы разного характера, а не одной локальной задачи. В здравоохранении искусственный интеллект используют для диагностики заболеваний, прогнозирования их развития и поиска персонализированного лечения. Например, алгоритмы анализа изображений помогают выявлять патологии и оценивать их характер. В решении этой задачи разработчики алгоритмов добились высокой точности. ИИ также помогает находить новые лекарства и тестировать их.  

    И тут возникает новое понятие - нейронные сети, искусственные, многослойные высокопараллельные (т. е. с большим числом независимо параллельно работающих элементов) логические структуры, составленные из формальных нейронов.  В 1943 году появилась первая работа американских нейрофизиологов У. Маккалока и У. Питтса «Логическое исчисление идей, относящихся к нервной деятельности», в которой они предложили математическую модель биологического нейрона. Именно работа легла в основу теории нейронных сетей и нейрокомпьютеров. Следующей вехой развитиянейронных сетей следует считать модель Д. Хебба, который в 1949 г. предложил закон обучения, явившийся стартовой точкой для алгоритмов обучения искусственных нейронных сетей. На дальнейшее развитие теории нейронной сети (нейросеть) существенное влияние оказала монография американского нейрофизиолога Ф. Розенблатта  «Принципы нейродинамики», в которой он подробно описал схему перцептрона (устройства, моделирующего процесс восприятия информации человеческим мозгом). Его идеи получили развитие в научных работах многих авторов. В 1985–1986 гг. теория нейронных сетей получила «технологический импульс», вызванный возможностью моделирования нейросетей на появившихся в то время доступных и высокопроизводительных персональных компьютерах. 

    Таким образом, нейросеть в машинном обучении — это математическая модель, которая работает по принципу нейронной сети живого организма. В отличие от нейросети животного, которая передаёт сигнал от мозга к другим органам и полностью регулирует жизнедеятельность организма, компьютерная нейросеть учится решать только ту задачу, которую ей ставит человек. Но зато для решения данной задачи нейронная сеть может обрабатывать большое количество данных, учитывать множество факторов, что плохо реализуемо человеческим интеллектом.

    Выделяют разные типы нейросетей, например в зависимости от слоев:

• Перцептрон – самая старая форма. Один нейрон принимает информацию, применяет активацию, в результате становится доступным вывод в двоичной системе. Перцептрон можно использовать только для классификации данных на две группы. Из-за ограниченных возможностей такие нейронные сети в наше время практически не используются.

• Однослойные. Сигнал поступает во входной слой и сразу же отправляется к выходному, где происходят вычисления. Связь между нейронами входного и выходного слоев обеспечивают синапсы.

• Многослойные. Помимо входного и выходного слоев, в таких нейронных сетях есть еще несколько скрытых промежуточных. Обработка информации и вычисления производятся на нескольких этапах, поэтому решения, предлагаемые такими сетями, более точные.

• Сверточные. В структуру таких нейросетей входят два дополнительных слоя - сверточные и объединяющие. Сверточные нейронные сети используются для обработки изображений, картинок и фото.

• Генеративные. В эту группу входят нейросети, способные что-то создавать. Это, к примеру, генераторы картинок или текстов.

    Еще одна классификация делит нейросети на однонаправленные и реккурентные в зависимости от распределения данных по синапсам:

• Однонаправленные (прямого распространения). Сигнал движется от входного слоя к выходному, обратного движения нет. Нейросети такого типа используют для распознавания речи, кластеризации, составления прогнозов.

• Реккурентные (с обратными связями). Реккурентные нейронные сети предполагают, что любое количество сигналов может перемещаться в разных направлениях, в том числе от выхода к входу.
  

    Таким образом, решение которое сегодня обширно применяется в практике российских медицинских организаций по распознаванию снимков (МРТ и КТ) является нейросетью для решения одной поставленной задачи и относится к сверточным и однонаправленным нейросетям. И данное решение отвечает трем принципам ответственных интеллектуальных решений – объяснимость, прозрачность выводов и ответственность за деятельность.

    В здравоохранении важным принципом является принцип «не навреди», сейчас вводятся клинические рекомендации, которые по сути создают заданные алгоритмы для ведения пациентов. Проблему составляют внешние факторы, т.к. врач с пациентом не существуют на бумаге, а они находятся в обществе, в определенном городе, в медицинской организации с определенным режимом и обеспечением. Более того пациент как правило имеет не одну нозологию, а несколько.  Учесть все факторы без большого опыта в конкретной организации и понимания всего пути пациента в системе здравоохранения РФ  не представляется возможным. На сегодня мы получаем хороший инструмент в виде нейросетей для решения комплексных задач здравоохранения, которые требуют рассмотрения большого количества переменных и обладают качествами ответственного интеллектуального решения и при этом не является «искусственным интеллектом», вокруг которого порождается множество как этических так и правовых проблем.

​