Реальное применение ИИ в медицине, психиатрии, диагностике и научных исследованиях
Только факты. ИИ уже неотъемлем в медицине и науке.
Искусственный интеллект (ИИ) уже активно используется в различных областях здравоохранения и науки. Ниже приведены подтверждённые примеры внедрения ИИ в медицине, психиатрии, диагностике и научных исследованиях, с упором на опыт России и дополнением международных случаев.
Медицина
Широкое внедрение ИИ в здравоохранении (Россия):
По данным Национального центра развития ИИ при правительстве РФ, около 37% организаций в сфере здравоохранения используют решения с искусственным интеллектом. Еще порядка 43% планируют это сделать в ближайшее время.
Решения с ИИ внедряются практически по всей стране – в 2023 г. при поддержке Минздрава РФ во всех 85 регионах были запущены 106 медицинских изделий на основе ИИ, которые суммарно проанализировали 22 млн медицинских исследований.
Большинство этих систем предназначены для анализа медицинских изображений (рентген, КТ, маммография и пр.) и для обработки электронных медкарт. Например, в 70 регионах активно используются ИИ-сервисы анализа снимков (поиск патологий на маммограммах, КТ органов грудной клетки, МРТ мозга и др.), а 32 региона внедрили решения на основе ИИ для работы с электронными медицинскими картами пациентов.
Помощь врачам и повышение эффективности:
Врачи используют ИИ как ассистента при принятии решений. По словам экспертов, совместная работа радиолога с алгоритмом позволяет сократить до 50% времени на описание снимка, а качество раннего выявления заболеваний (например, опухолей) повышается на 15–20%. При этом алгоритм действует как «второе мнение» – программа просматривает снимки, отмечает подозрительные области и предлагает предварительное описание, но финальное слово остаётся за врачом.
ИИ также внедряется в рутинные процессы: голосовые сервисы распознавания речи позволяют врачам диктовать текст в карту (в 6 регионах РФ уже применяются такие системы), а чат-боты и виртуальные ассистенты обрабатывают обращения пациентов и запись на приём (в 29 регионах) – эти технологии разгружают персонал и ускоряют обслуживание пациентов.
Москва – пилотный регион ИИ-технологий:
Московское здравоохранение является лидером по применению ИИ. За последние годы в столице нейросети проанализировали свыше 10,5 млн медицинских изображений. С 2020 года в рамках эксперимента Департамента здравоохранения Москвы и Центра диагностики и телемедицины внедрены компьютерные зрительные ИИ-сервисы для помощи рентгенологам. Сегодня такие алгоритмы распознают признаки патологий по 39 различным клиническим направлениям диагностики, причём комплексные сервисы способны обнаруживать до 14 видов патологий на одном снимке (например, ИИ на КТ грудной клетки одновременно выявляет признаки опухоли, пневмоторакса, увеличения лимфоузлов и др.).
Заместитель мэра Москвы сообщает, что ИИ уже находит даже те отклонения, поиск которых не являлся целью изначального обследования – благодаря этому пациент может узнать о скрытом заболевании при обследовании по другому поводу. Внедрение таких систем улучшает качество диагностики и позволяет начинать лечение на более ранних стадиях заболеваний.
Роботизированная хирургия с элементами ИИ:
ИИ используется и в хирургии – для расширения возможностей роботизированных комплексов. Например, отечественные разработки позволяют оснастить хирургического робота AI-модулем, который в реальном времени распознаёт анатомические структуры и размечает путь хирургического инструмента во время операции. Такой ассистент снижает риск врачебной ошибки и облегчает работу хирурга, взяв на себя часть рутинных задач, что ускоряет проведение операций. Подобные нейроассистенты уже применяются в практике и рассматриваются как одно из перспективных направлений медицинского ИИ.
Международные примеры в клинике:
В мировой практике регуляторы также активно одобряют медицинские ИИ-системы. Например, в США на начало 2023 г. было разрешено к применению около 520 алгоритмов на основе ИИ для медицинских нужд, а к концу 2023 г. их общее число выросло почти до 700. К середине 2024 года FDA (Управление по питанию и лекарствам США) суммарно сертифицировало около 950 ИИ-изделий для здравоохранения, причём более 70% из них – в области диагностики и радиологии. Эти алгоритмы охватывают различные задачи: от автоматической детекции диабетической ретинопатии на снимках глазного дна (первая ИИ-система, получившая одобрение FDA для диагностики без участия врача) до прогнозирования риска сепсиса по данным мониторинга пациентов.
В Великобритании национальная система здравоохранения (NHS) также проводит пилотные внедрения ИИ: например, алгоритмы помогают сокращать очереди на обследования и следить за приёмами пациентов. Многие больницы по миру уже сообщают о повышении эффективности – так, в одном из исследований ИИ-ассистент позволил экономить до 2 часов в день рабочего времени радиолога, автоматически сортируя нормальные результаты и фокусируя внимание врача только на патологических случаях.
Министерство здравоохранения Российской Федерации в 2022 г. запустило платформу ИИ в здравоохранении
Психиатрия
Российские исследования – ИИ и нейровизуализация:
В 2024 году Балтийский федеральный университет им. Канта (Калининград) сообщил о создании прототипа ИИ-системы для объективной диагностики ряда психических заболеваний по данным нейровизуализации. Алгоритм, обученный на функциональных МРТ головного мозга, уже научился выявлять большое депрессивное расстройство с точностью около 95%. Теперь его продолжают обучать различать паттерны, характерные для биполярного расстройства, шизофрении и расстройств аутистического спектра, по данным фМРТ и электроэнцефалограммы (ЭЭГ).
Исследователи отмечают, что такие нейросети могут выделять объективные биомаркеры в мозге, отличающие больных от здоровых (например, специфические изменения в функциональных связях между зонами мозга при депрессии). Хотя эта система ещё находится в стадии испытаний, она демонстрирует принципиальную возможность инструментальной (не только субъективно-клинической) диагностики психических состояний.
ИИ-помощник для психиатров (лаборатория Сколтеха):
Ещё один проект реализуется в совместной лаборатории биомедицинского ИИ Сколтеха (Россия) и Университета Шарджи (ОАЭ). Учёные работают над комплексной ИИ-моделью, которая анализирует разнородные данные пациентов с тяжёлыми психическими расстройствами – МРТ мозга, ЭЭГ, генетические и биохимические показатели – чтобы помочь в ранней диагностике заболеваний вроде шизофрении, клинической депрессии или синдрома Ретта.
Важная особенность: система не ставит диагноз самостоятельно, а именно систематизирует данные обследования и выдаёт врачу подсказки и рекомендации. Алгоритм должен быть интерпретируемым, объясняя, какие сочетания факторов (например, определённые аномалии мозговых ритмов ЭЭГ и генетические маркеры) указывают на болезнь. В рамках проекта уже создана анонимизированная база данных МРТ и ЭЭГ пациентов московской психиатрической клиники №1 и собраны геномные данные с участием Уфимского НИЦ РАН. Ожидается, что такой ИИ-инструмент станет вспомогательным средством для психиатров, повышающим объективность и раннюю выявляемость психических нарушений.
Международные достижения (диагностика речи и др.):
В мире возможности ИИ в психиатрии также активно изучаются. Одно из перспективных направлений – анализ речи пациентов с помощью языковых моделей. Так, исследователи из Университетского колледжа Лондона обучили алгоритм выявлять характерные языковые паттерны при шизофрении. В эксперименте с участием 52 человек ИИ-анализ речи сумел успешно отличить пациентов с шизофренией от здоровых по сниженной предсказуемости ответов и другим особенностям речи. Другой пример – нейросеть, разработанная в MIT (США), которая диагностирует депрессию по голосу пациента. Анализируя аудиозаписи интервью (монотонность интонации, длительные паузы, использование определённых слов и т.д.), алгоритм смог определить наличие депрессивного расстройства с точностью порядка 77%.
Проводятся исследования и по анализу мозговых сигналов: например, в журнале Sensors описана 11-слойная нейронная сеть, которая по данным ЭЭГ распознавала шизофрению, показывая высокую точность и потенциал улучшить объективность диагностики этого заболевания. Хотя пока такие решения в основном на стадии испытаний, результаты обнадёживают – подтверждается, что ИИ способен выявлять тонкие паттерны (в речи, нейрофизиологии, генетике), связанные с психическими расстройствами, и в перспективе может сделать помощь психиатров более точной.
Диагностика
Анализ изображений и радиология:
Компьютерное зрение на базе ИИ стало ключевым инструментом диагностики заболеваний. В России из более чем 30 зарегистрированных медицинских ИИ-систем подавляющее большинство предназначены именно для анализа снимков – рентгенограмм, флюорографий, КТ, МРТ и т.д., – а также для поддержки врачебных решений по результатам исследований. Алгоритмы обучены распознавать на изображениях разнообразные патологии: от опухолей и пневмонии до переломов. Например, московские клиники используют 11 комплексных ИИ-сервисов, которые могут одновременно выявлять до 14 типов патологий на одном изображении (включая такие разные находки, как новообразование и пневмоторакс на одном КТ-снимке).
В результате рутинная расшифровка исследований ускоряется – врач получает от системы предварительное заключение: до 50% экономии времени на одного пациента и ощутимый прирост в точности раннего обнаружения заболеваний. По данным Центра диагностики и телемедицины, нейросети в Москве уже помогли проанализировать более 10 миллионов снимков, выявив множество клинически значимых отклонений, которые могли быть пропущены при обычном просмотре.
Конкретные примеры эффективности ИИ:
Отечественные разработки уже доказали пользу в выявлении болезней. Показательный случай – система ИИ от компании «Цельс», обученная на маммографических данных. Алгоритм повторно проанализировал 2,9 тысячи маммограмм, которые радиологи изначально оценили как норму, и отобрал 389 подозрительных случаев для более тщательной проверки. В итоге после дополнительных обследований 25 женщин были переведены в группу высокого риска, а у двух пациенток подтвердились злокачественные новообразования, которые были изначально пропущены, но обнаружены ИИ.
Этот пример демонстрирует, как ИИ способен повысить качество диагностики, выступая в роли «второго взгляда» и не давая потерять из виду ранние стадии рака. Ещё один пример – применение ИИ в диагностике COVID-19: в разгар пандемии 2020–2021 гг. московские больницы задействовали алгоритмы для экспресс-анализа КТ лёгких, что помогало быстро распознавать характерную пневмонию и сортировать пациентов по степени тяжести (сокращая нагрузку на врачей-рентгенологов и выигрывая время для лечения).
Лабораторная и патоморфологическая диагностика:
Искусственный интеллект находит применение не только в лучевой диагностике, но и в лабораторных анализах и патологии. Современные нейросети способны классифицировать клетки крови на цифровых изображениях мазков с точностью до ~95%, автоматически подсчитывая аномальные клетки и формируя заключение, которое затем подтверждается врачом. Это ускоряет и объективизирует диагностику гематологических заболеваний.
В патологоанатомии ИИ помогает выявлять рак на микроскопических препаратах биопсий. К примеру, израильская система Galen Prostate (от компании Ibex) уже внедрена в клиническую практику для диагностики рака простаты по гистологическим срезам и показала специфичность ~96,9% и чувствительность ~96,5%, получив одобрение европейского регулятора. В 2019 г. в исследовании диагностики лимфомы по 2560 гистологических изображениям алгоритм продемонстрировал сопоставимую ~95%-точность. Таким образом, ИИ повышает надёжность лабораторных и морфологических исследований – сложные случаи проходят автоматическую проверку, что снижает вероятность человеческой ошибки.
Международный опыт в диагностике:
Зарубежные клиники и исследователи также добились впечатляющих результатов от ИИ в диагностике. В Великобритании в 2023 г. опубликованы данные пилотного проекта в Frimley Health NHS Trust: там алгоритм Qure.ai (модель qXR) был установлен для сортировки рентгенограмм грудной клетки. Результаты показали, что ИИ с точностью 99,7% автоматически отметает нормальные снимки (около 40% общего потока) и передаёт их на заключение рентгенолаборантам, что позволило разгрузить труд рентгенологов на ~58% и сосредоточить их время на более сложных случаях. При этом алгоритм qXR обнаружил 100% случаев рака лёгких в выборке, включая трудноразличимые узелки, которые легко пропустить при беглом просмотре.
Эти цифры свидетельствуют, что правильно внедрённый ИИ может существенно ускорить рабочий процесс в радиологии без потери качества – наоборот, повысив вероятность обнаружения опасных патологий. В целом, рост числа одобренных диагностических ИИ-систем по миру (см. выше статистику FDA) подтверждает их практическую пользу. Сегодня алгоритмы помогают врачам диагностировать диабетическую ретинопатию по фотографиям глазного дна, анализировать ЭКГ для предсказания аритмий, оценивать КТ-сканы на предмет инсультов и т.д. Научные публикации фиксируют улучшение метрик – от повышения чувствительности скрининга рака до снижения процента ошибок в интерпретации медицинских тестов.
Наука и исследования
Разработка новых лекарств (Россия):
ИИ стал незаменимым инструментом в научно-исследовательских работах, особенно в фармацевтике. Российская компания «Герофарм» сообщает, что применяет генеративные нейросети для поиска перспективных молекул в разработке лекарственных средств. По словам директора ее R&D-центра, алгоритму задают требуемые свойства, и он генерирует миллионы вариантов химических соединений, отбирая из них наиболее подходящие по заданным критериям.
Далее другие программы проверяют полученные структуры, и в итоге синтезируется лишь около 50 лучших кандидатов для лабораторных испытаний. Такой подход уже экономит огромное количество времени: если ранее ранний этап поиска лекарства занимал ~36 месяцев, то с помощью ИИ его удалось сократить до 10–12 месяцев. Кроме ускорения процесса, использование ИИ повышает вероятность успеха (нахождения действенного препарата) и снижает стоимость исследований. Следующая цель – внедрить ИИ и на этапе клинических исследований, чтобы оптимизировать дизайн и подбор участников испытаний, что потенциально может сократить весь цикл разработки нового лекарства с 10 лет до ~1 года.
Первый в мире «ИИ-препарат»:
Международное сообщество также отмечает прорывы в применении ИИ для drug discovery. В 2023 году биотех-стартап Insilico Medicine (основанный выходцем из России) объявил о выводе на клинические испытания первого лекарства, полностью обнаруженного и спроектированного искусственным интеллектом. Препарат INS018_055 для лечения идиопатического лёгочного фиброза был сгенерирован генеративной моделью ИИ и за рекордные ~30 месяцев пройден путь «от компьютера до клиники». В начале 2022 г. это средство успешно прошло фазу I (испытания безопасности) и в 2023 г. перешло к фазе II на пациентах.
По словам основателя Insilico, это первый случай, когда лекарство, созданное ИИ, дошло до такой стадии – другие кандидаты, разработанные с помощью ИИ, находились на ранних этапах и не преодолевали фазу I. Препарат Insilico нацелен на новую биологическую мишень, найденную ИИ, и обладает уникальной структурой молекулы, также предложенной алгоритмом. Успех этого проекта открыл новую веху: доказано, что ИИ способен не только ускорять поиск лекарственных «хитов», но и доводить их до реальных испытаний на людях.
Искусственный интеллект в фундаментальной науке:
Достижения ИИ выходят за рамки медицины – они помогают решать фундаментальные научные задачи. Яркий пример – уже упомянутый алгоритм AlphaFold, разработанный компанией DeepMind. В 2020 году AlphaFold фактически решил «проблему сворачивания белка», научившись за считанные минуты предсказывать трёхмерную структуру белка только по его аминокислотной последовательности. Ранее на экспериментальное определение структуры одного белка могли уходить годы, тогда как AlphaFold сразу продемонстрировал точность, сравнимую с лабораторными методами.
В 2021–2022 гг. AlphaFold был масштабирован: был опубликован онлайн-атлас из >200 миллионов предсказанных структур белков, покрывающий практически все известные науке белковые последовательности. Эти данные свободно доступны исследователям по всему миру и уже используются в почти каждой области биологии – от разработки новых ферментов для переработки пластика до поиска лекарств при малярии. По оценкам, применение AlphaFold позволило сэкономить учёным огромные ресурсы – потенциально сотни миллионов исследовательских часов – и направить усилия на непосредственное изучение функций белков и создание на их основе новых терапевтических подходов.
Другие научные применения:
Помимо биологии, ИИ помогает в физике, химии, экологии и других науках. К примеру, в материаловедении алгоритмы машинного обучения прогнозируют свойства новых сплавов и соединений, что ускоряет открытие сверхпрочных и сверхлёгких материалов. В астрономии ИИ применяют для обработки массивных данных телескопов – нейросети уже классифицируют миллионы галактик по снимкам и обнаруживают новые экзопланеты, просеивая сигналы, незаметные для человека. В климатологии и геонауках ИИ-модели улучшают прогнозы погоды и помогают анализировать спутниковые снимки Земли (например, для мониторинга лесных пожаров или состояния сельхозугодий).
Многие из этих проектов ещё в стадии исследований, но уже сейчас очевидно, что искусственный интеллект стал мощным инструментом ученых, позволяющим делать открытия быстрее и решать задачи, ранее казавшиеся неподъёмными. Современные примеры — от использования ИИ для доказательства теорем в математике до создания новых антибиотиков (так, алгоритм MIT в 2020 г. выявил перспективное антибиотическое соединение Halicin среди миллионов кандидатов — демонстрируют реальное влияние ИИ на прогресс научных знаний.
ИИ уже неотъемлем в медицине и науке.
В России запущены десятки проектов по внедрению искусственного интеллекта в клиниках – от диагностики рака и анализа медицинских записей до помощи в разработке препаратов. Международный опыт подтверждает эффективность: ИИ-системы позволяют врачам экономить время и спасать жизни, а исследователям – совершать прорывы, ускоряя открытия. Продолжающееся развитие технологий машинного обучения обещает дальнейшее расширение их практического применения, при этом особое внимание уделяется качеству данных, этическим нормам и безопасности, чтобы использовать потенциал ИИ во благо здоровья и науки.
Источники:
rbc.ru: Как искусственный интеллект помогает решить задачи здравоохранения
med.roche.ru: Искусственный интеллект в российском здравоохранении
Минздрав РФ: Цифровизацию и технологии искусственного интеллекта обсудят на Форуме будущих технологий – 2024
rg.ru: Для чего в российских регионах используют ИИ в медицине
gazeta.ru: В России создали ИИ для точной диагностики трех психических заболеваний
ФГБНУ НЦПЗ: Искусственный интеллект в психиатрии: перспективы и вызовы
Ведомости: ИИ-диагностика должна помочь врачам на ранних этапах заболевания
СберМедИИ: Использование машинного обучения для оптимизации процесса лабораторной диагностики
Fofbes: Стартап экс-аспиранта МГУ испытает на людях первое сгенерированное ИИ лекарство
Сколково: Искусственный интеллект для поиска новых лекарств и борьбы со старением
healthimaging.com: FDA adds dozens of AI-enabled radiology applications to list of clearances
Google: Proteins – the building blocks of life