Эпоха трансформации медицины: ИИ поможет предсказывать риски осложнений после операции

По мере того как системы искусственного интеллекта, подобные ChatGPT, будут входить в повседневный обиход, врачи начнут внедрять их в клиническую практику, чтобы c их помощью принимать важные решения по диагностике и лечению распространенных заболеваний.

Эти инструменты, называемые алгоритмами поддержки принятия клинических решений (CDS), могут оказать огромную помощь медицинским работникам в определении, например, того, какие антибиотики следует назначить или рекомендовать рискованную операцию на сердце.

Однако успех этих новых технологий во многом зависит от того, как врачи интерпретируют и как действуют на основании прогнозов риска, сделанных с помощью этого инструмента, а это требует уникальных навыков, которых в настоящее время многим не хватает, говорится в новой перспективной статье, опубликованной сегодня в New England Journal of Medicine и написанной преподавателями Медицинской школы Мэрилендского университета (UMSOM).

Алгоритмы CDS, позволяющие делать прогнозы в условиях клинической неопределенности, могут включать в себя все, начиная от калькуляторов риска, основанных на регрессии, и заканчивая сложными системами машинного обучения и искусственного интеллекта. С их помощью можно предсказать, у каких пациентов наиболее вероятно развитие опасного для жизни сепсиса в результате неконтролируемой инфекции или какая терапия с наибольшей вероятностью предотвратит внезапную смерть у отдельного пациента с сердечно-сосудистым заболеванием.

Новые технологии способны оказать существенное влияние на лечение пациентов, однако врачам необходимо сначала узнать, как думают и работают машины, прежде чем они смогут внедрить алгоритмы в свою медицинскую практику, — говорит Дэниел Морган, доктор медицины, профессор эпидемиологии и общественного здравоохранения UMSOM и соавтор перспективы.

Хотя некоторые средства поддержки принятия клинических решений уже включены в системы электронных медицинских карт, медицинские работники часто считают существующее программное обеспечение громоздким и сложным в использовании.

Врачи не обязаны быть экспертами в математике или компьютерах, но они должны иметь базовое представление о том, что делает алгоритм с точки зрения вероятности и корректировки риска, однако большинство из них никогда не обучались этим навыкам, — говорит Кэтрин Гудман, JD, PhD, доцент кафедры эпидемиологии и общественного здоровья UMSOM и соавтор исследования.

Чтобы устранить этот пробел, в медицинское образование и клиническую подготовку необходимо включить явное освещение вероятностных рассуждений, специально разработанных для алгоритмов CDS». Докторы Морган, Гудман и их соавтор Адам Родман, MD, MPH, из медицинского центра Beth Israel Deaconess в Бостоне, предложили следующее:

• Совершенствовать вероятностные навыки. Уже на начальном этапе обучения в медицинском вузе студенты должны изучать фундаментальные аспекты вероятности и неопределенности и использовать методы визуализации, чтобы сделать мышление в терминах вероятности более интуитивным. Это обучение должно включать интерпретацию таких показателей, как чувствительность и специфичность, для лучшего понимания эффективности тестов и алгоритмов.
• Учитывать результаты работы алгоритмов при принятии решений. Врачей необходимо научить критически оценивать и использовать прогнозы CDS при принятии клинических решений. Это обучение включает в себя понимание контекста, в котором работают алгоритмы, признание ограничений и учет значимых факторов пациента, которые алгоритмы могли упустить.
• Внедрять практику интерпретации прогнозов CDS в прикладном обучении. Студенты-медики и врачи могут участвовать в практическом обучении, применяя алгоритмы к отдельным пациентам и изучая, как различные исходные данные влияют на прогнозы. Они также должны научиться общаться с пациентами по поводу принятия решений на основе CDS.

Мэрилендский университет в Балтиморе (UMB), Мэрилендский университет в Колледж-Парке (UMCP) и Мэрилендская медицинская система (UMMS) недавно объявили о планах создания нового Института медицинских вычислений (IHC). UM-IHC будет использовать последние достижения в области искусственного интеллекта, сетевой медицины и других вычислительных методов для создания первоклассной самообучающейся системы здравоохранения, которая будет оценивать как деидентифицированные, так и защищенные цифровые медицинские данные для улучшения диагностики, профилактики и лечения заболеваний. Д-р Гудман начинает работу в IHC, который будет заниматься обучением и подготовкой медицинских работников по новейшим технологиям. В перспективе институт планирует предлагать сертификацию по науке о данных в здравоохранении, а также другие официальные образовательные возможности в области наук о данных.

Анализ вероятностей и рисков является основой доказательной медицины, поэтому совершенствование вероятностных навыков врачей может дать преимущества, выходящие за рамки использования алгоритмов CDS, — заключает декан UMSOM Марк Т. Глэдвин, доктор медицины, вице-президент по медицинским вопросам Университета Мэриленда в Балтиморе и заслуженный профессор Джон З. и Акико К. Бауэрс.

Мы вступаем в эпоху трансформации медицины, когда новые инициативы, подобные нашему Институту вычислений в здравоохранении, позволят интегрировать огромные массивы данных в системы машинного обучения для персонализации лечения каждого конкретного пациента.

05.08.2023