Блог

13.01.2022

Что затрудняет использование Искуственного Интеллекта в медицине?

Spread the love

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…


Uncategorized, Стандартні публікації , , ,
uaritm
About uaritm
Call Now Button