Разговоры об искусственном интеллекте широко распространены в радиологических кругах. Некоторые говорят, что слишком много внимания уделяется замене радиологов компьютерами и скептически настроены в отношении внедрения ИИ. Другие наоборот, истово верят, что компьютеры могут улучшить обслуживание пациентов. Наверное, истина где-то посередине? — об этом размышляет на портале Evercare Дмитрий Блинов, д.м.н., руководитель отдела медицинских научных исследований и разработок компании Care Mentor AI (участник Ассоциации НБМЗ).
— Мы, безусловно, не можем говорить о широком применении алгоритмов машинного обучения в клинической практике просто потому, что вся современная клиническая деятельность выстроена на персональной ответственности специалиста – лечащего врача или диагноста – за принятие лечебно-диагностического решения. Поэтому замена врача искусственным разумом порождает недоверие пациента, ибо ИИ не несет никакой ответственности, а использование машинных технологий как ассистента врача вызывает недоверие врача и его нежелание нести ответственность за не им принятое решение.
Именно это обстоятельство, с моей точки зрения, является одним из наиболее мощных сдерживающих факторов для формирования эры ИИ в клинической медицине. Хотя, безусловно, мы отмечаем чрезвычайный интерес к нашим технология со стороны профессионального сообщества. Мы также знаем примеры их использования – в роботизированной хирургии, в системах поддержки принятия врачебных решений и др.
Опасения врачей-рентгенологов, я полагаю, не совсем оправданы. Если мы возьмем лучевую диагностику, технологии в этой области развиваются по направлению не замены врача, а помощи врачу, по пути расширения природно-лимитированных возможностей зрительного анализатора человека по распознанию образов. При этом специалист, имея под рукой такого ассистента, не деградирует, а совершенствуется, переходит на экспертный уровень принятия диагностических решений. Искусственный интеллект, выражаясь образно, расширяет горизонты природного интеллекта диагноста, позволяет человеку эволюционировать в уровне решаемых задач, что для лучевой диагностики особенно важно, поскольку приходится оперировать громадными массивами данных, трехмерными изображениями.
Мы проводим как фундаментальные, так и прикладные исследования. Фундаментальные работы посвящены, главным образом, обоснованию новых подходов и методов в области машинного обучения, сетевого проектирования, тогда как прикладные исследования сосредоточены на решении медицинских задач с применением технологий искусственного интеллекта. Так, наши последние публикации посвящены разработке метода компьютерного зрения для диагностики продольного плоскостопия, машинному выявлению инородных тел на обзорных рентгенограммах грудной клетки, оптимизации методов препроцессинга изображений при реализации модели интеллектуальной интерпретации данных рентгеновской маммографии.
Поскольку в основе работы искусственного интеллекта лежит процесс обучения, безусловно, проще обучить нейронную сеть чему-то более распространенному и часто встречающемуся. В этой связи при массовых исследованиях преимущества искусственного интеллекта неоспоримы. Вместе с тем, современные технологии обучения позволяют добиваться высокой диагностической точности и на малых данных, но данное направление пока ограничено.
Несмотря на относительную новизну и революционность методов искусственного интеллекта, в настоящее время уже существуют стандартизированные методы оценки диагностической точности работы таких систем.
Для определенных клинических задач методы определения точности могут отличаться, однако, в большинстве случаев, оценка точности и эффективности работы модели не вызывает трудностей, очень понятна практическим специалистам, прозрачна и, что самое главное, всегда происходит при участии наших потенциальных потребителей – клинических партнеров.
Полный текст интервью: https://evercare.ru/news/kak-iskusstvennyy-intellekt-ispolzuetsya-v-radiologii
Автор: Надежда Данилова
