Технологические достижения последних лет дали «вторую жизнь» машинному обучению. Значительное увеличение вычислительных возможностей, особенно за счет использования графических процессоров NVIDIA, позволило быстро обрабатывать поистине огромные объемы данных. Но применение в области здравоохранения машинного обучения (Machine learning), как одной из основных технологий Искуственного Интеллекта, сталкивается с некоторыми постоянными проблемами. Это связано с этическими, социальными и правовыми особенностями функционирования информационных систем в медицине. Ниже будут перечислены и коротко описаны основные проблемы машинного обучения в медицинской сфере.
Объемы доступной медицинской информации
Это серьезная проблема – недостаток систематизированных медицинских данных. Эффективное обучение нейронных сетей требует от десятков, до сотен тысяч примеров, помеченных квалифицированными медицинскими специалистами. Но получение такого большого количества реальных медицинских данных связано с рядом препятствий.
Чтобы получить достаточно информации с примерами разнообразной патологии, необходимо чтобы люди много и часто болели, иначе информацию просто брать неоткуда. К счастью, большинство людей здоровы или, по крайней мере, не чувствуют необходимости регулярно посещать клиники для обследований. Но это же и означает, что большинство наборов данных о заболеваниях имеют тенденцию быть несбалансированными. Больше примеров одной патологии и очень мало примеров других патологий. Это создает проблемы для эффективной интеллектуальной обработки информации.
Доступность медицинских данных
Как вы понимаете, источником медицинских данных являются медицинские специалисты и специализированное медицинское оборудование. Как результат, такая информация может быть доступна лишь ограниченному количеству медицинских учреждений и абсолютно недоступна для общего пользования.Это обусловлено в первую очередь нормативными требованиями к хранению, обработке и использованию информации о здоровье пациента. По этой причине вознакает парадокс – данных в области здравоохранении генерируется очень, очень много, но их использование крайне затруднено.
Высокая стоимость привлечения медицинских специалистов и использования медицинского оборудования
Получение достоверных данных в медицине не является быстрым и дешевым процессом даже для больниц. В рабочих процессах машинного обучения достоверные изображения или электронные записи должны быть размечены только медицинскими специалистами, чье время стоит достаточно дорого, чтобы использовать его для решения рутинных задач. И это – серьезная проблема!
Конфиденциальность информации в медицинских информационных системах
Здравоохранение – одна из тех немногих отраслей, в которой строгие требования к конфиденциальности информации соблюдаются, как в государственных, так и в приватных медицинских учреждениях. Разглашение персональных данных и данных о здоровье влекут за собой административную и даже уголовнную ответственность. Но с другой стороны, это точно не стимулирует медицинские учреждения использовать имеющиеся у них данные для решения задач Искуственного Интеллекта (ИИ).
Проблемы практического использования ИИ-решений в медицине
Есть еще одно препятствие широкому использованию решений на основе технолоогий ИИ в практической медицине. Речь идет об этической стороне вопроса и ответственности за результат, в первую очередь негативный. Не секрет, что медицина – наука вероятностная и поэтому не всегда результат будет удовлетворять, как врача, так и пациента. Сейчас некоторые технологические решения на основе ИИ значительно превосходят возможности человека. В перспективе этот разрыв будет только увеличиваться.
Ожидаемо, что в некоторых областях медицины ИИ в скором времени заменит людей. Но тогда возникает другой вопрос – кто должен отвечать за результат? Можно ли к ИИ предъявлять те же требования, что и к человеку? Уже сейчас подобные вопросы активно обсуждаются, как в медицинской среде, так и в целом в обществе. Пока что на них нет однозначных ответов и это существенно тормозит внедрение машинного обучения, глубокого обучения и других технологий ИИ в работу врача.
Движение в правильном направлении
Какая же тогда перспектива ИИ в здравоохранении? Какие есть пути решения обозначенных проблем? Что можно использовать уже сейчас? Ответы на эти и другие вопросы вы найдете в следующих публикациях…
