Читать книгу Искусственный интеллект в медицине. Как умные технологии меняют подход к лечению - Эрик Тополь - Страница 3

– Желательно, чтобы ваш семейный врач выписал вам антидепрессанты, – сказал мне ортопед.

Мы с женой недоуменно переглянулись. В конце концов, я пришел на прием к ортопеду (через месяц после операции замены коленного сустава), а отнюдь не за советами по поводу моего душевного здоровья.

Колени болели у меня с подросткового возраста из-за редкого заболевания, называемого рассекающим остеохондритом. Причина этой болезни до сих пор неизвестна, но последствия видны невооруженным глазом. К 20 годам, когда я поступил на медицинский факультет, мне уже были сделаны реконструктивные операции на обоих коленных суставах. В течение следующих 40 лет мне приходилось постепенно снижать физическую активность, последовательно исключив из нее бег, теннис, пеший туризм и эллиптические упражнения. Вскоре мне стало больно даже просто ходить, несмотря на внутрисуставные инъекции стероидов и синовиальной жидкости. Наконец в 62 года мне сделали операцию протезирования левого коленного сустава. Ежегодно в США делают 800 тыс. таких операций, это одно из самых распространенных ортопедических вмешательств. Мой ортопед счел меня идеальным кандидатом: я был сравнительно молод, худощав и спортивен. По его словам, единственное серьезное осложнение – это инфекция, которая встречается в 1–2 % случаев. Но я невольно помог обнаружить еще одно.

После операции мне назначили стандартную – и, как мне было сказано, единственную – физиотерапевтическую процедуру, которая началась на второй день после вмешательства. Лечение заключалось в интенсивном сгибании и разгибании ноги в суставе для профилактики образования рубцов внутри сустава. Я не мог полноценно согнуть ногу в колене, так что седло велосипеда пришлось поднять как можно выше, и я крутил педали, крича от боли после первых нескольких оборотов. Эту боль не мог снять даже оксикодон. Через месяц колено стало багрово-красным, опухло и практически перестало сгибаться. Оно болело так, что я мог спать лишь урывками, каждый раз не более часа. Иногда я просто плакал от невыносимых страданий. Именно поэтому ортопед и порекомендовал мне антидепрессанты. Это уже выглядело довольно безумно. А потом еще и хирург настоял на более интенсивной физиотерапии, хотя после каждого занятия мне становилось все хуже… Я с трудом вышел из клиники и забрался в машину, чтобы ехать домой. Ужасная боль, отек и скованность не проходили несмотря ни на что. Я был в отчаянии и перепробовал все, чтобы успокоить боль: акупунктуру, электроакупунктуру, холодный лазер, чрескожную электрическую нейростимуляцию, кожные мази и пищевые добавки, включая куркумин, кислую вишню и многое другое – вполне сознавая при этом, что ни один из этих методов не обладает доказанной эффективностью.

Через два месяца после операции к поискам лечения присоединилась моя жена, которая раскопала где-то книгу под названием «Артрофиброз». Я никогда не слышал о такой болезни, но оказалось, именно ею я и страдал. Артрофиброз – это осложнение, которое встречается у 2–3 % больных, перенесших протезирование коленных суставов. Осложнение это встречается достаточно редко, но все же чаще, чем инфекция, о которой ортопед меня предупреждал до операции. На первой же странице книги было четко описано мое состояние: «Артрофиброз – это катастрофа». Точнее, артрофиброз – это неадекватная воспалительная реакция на протезирование колена, чем-то похожая на отторжение искусственного сустава. Исходом заболевания является обширное рубцевание тканей сустава. Когда я явился на прием к ортопеду через два месяца после операции, то сразу спросил, нет ли у меня артрофиброза. Он ответил, что я абсолютно прав, но он ничего не может сделать в первый год после операции – воспаление должно «выгореть», после чего можно будет снова вскрыть сустав и удалить образовавшиеся рубцы. Одна мысль о том, что мне придется прожить еще год в страшных мучениях, а потом снова решиться на операцию, повергла меня в шок.

По рекомендации одного моего друга я отправился на прием к физиотерапевту. Эта женщина за 40 лет повидала много пациентов с рассекающим остеохондритом, и она хорошо знала, что рутинные физиотерапевтические процедуры именно для таких больных, как я, – наихудший выход. Вместо стандартных нагрузок, включающих интенсивное сгибание и разгибание сустава (что в моем случае лишь усиливало формирование рубцов), эта женщина выбрала более щадящий подход: она посоветовала мне прекратить все физические нагрузки и назначила противовоспалительные препараты. Она от руки написала длинную инструкцию на целую страницу и каждый день присылала мне сообщения, интересуясь состоянием «нашего колена». Это было спасение. Я начал быстро поправляться. Теперь, много лет спустя, мне все еще приходится каждый день бинтовать колено, чтобы сгладить результаты «лечения». А главное – скольких мучений можно было бы избежать!

Как станет ясно из этой книги, искусственный интеллект (ИИ) мог бы предсказать, что меня могут ожидать разнообразные послеоперационные осложнения. Полный обзор источников – при условии, что нашлись бы такие опытные физиотерапевты, как та женщина, к которой я в итоге попал, – помог бы определить, что мне показана особая, нестандартная тактика послеоперационного лечения. Но не только врачи получили бы больше информации о риске, который может подстерегать их подопечных. Виртуальный медицинский справочник в моем смартфоне или ноутбуке мог бы вовремя предупредить и меня, пациента, о высоком риске артрофиброза и о том, что риск этот становится еще выше на фоне стандартного послеоперационного лечения. Мало того, этот виртуальный консультант мог бы порекомендовать мне, куда можно обратиться за более щадящим лечением, чтобы избежать жутких страданий. А меня проблема застала врасплох, и ортопед даже не принял во внимание, что у меня в анамнезе рассекающий остеохондрит, когда обсуждал со мной возможный риск, – хотя, как выяснилось впоследствии, остеохондрит является одним из факторов, провоцирующих развитие моей серьезной патологии, артрофиброза.

Многие проблемы здравоохранения невозможно решить с помощью передовой технологии, алгоритмов или машин. Бездушная, как у робота, реакция врача на мой стресс превосходно иллюстрирует недостающий компонент медицинской помощи. Конечно, операция была выполнена грамотно и умело, но это лишь технический компонент. Предложение принимать антидепрессанты говорит об отсутствии человеческого отношения и сопереживания в современной медицине. Конечно, эмоционально я был подавлен, но проблема была вовсе не в самой депрессии, а в сильной боли и скованности, которая превращала меня в заржавевшего Железного Дровосека. Отсутствие сострадания у ортопеда было почти физически ощутимым: за все месяцы, прошедшие после операции, он ни разу по собственной инициативе не поинтересовался, как я себя чувствую. А специалист по лечебной физкультуре и физиотерапии не только обладала специальными медицинскими знаниями и опытом лечения моего осложнения – она действительно обо мне заботилась. Неудивительно, что нашу медицину поразила эпидемия назначений опиатов. Понятно, что врачу намного быстрее и проще назначить наркотики, чем слушать пациента, пытаясь его понять.

Практически каждый, у кого есть хроническое заболевание, переживал то же, что и я. Такое вообще случается слишком часто. Мне повезло, что я сам врач и нахожусь внутри системы здравоохранения, – но, как вы сами видите, проблема настолько запущена, что даже знание системы изнутри не гарантирует хорошего лечения. Но и искусственный интеллект сам по себе тоже не решит эту проблему. Необходимо вмешательство человека, ибо по мере того, как машины берут на себя все более сложные задачи, человеку становится легче проявлять гуманность.

Искусственный интеллект в медицине – это отнюдь не футуристическая фантазия. Мощь искусственного интеллекта уже используется для спасения человеческих жизней. Мой близкий друг, доктор Стивен Кингсмор, специалист по медицинской генетике, возглавляет исследования по генетической программе, которую проводят в детской больнице имени Рэйди в Сан-Диего. Недавно его группа попала в Книгу рекордов Гиннесса за расшифровку генома человека на материале одной пробы крови всего за 19,5 ч[5].

Некоторое время тому назад один здоровый новорожденный младенец, прекрасно взявший грудь, был выписан вместе с мамой из родильного отделения домой на третий день жизни. Однако на восьмой день мать привезла малыша в отделение скорой помощи больницы имени Рэйди. У ребенка непрерывно следовали друг за другом судорожные припадки, то есть развилось состояние, называемое эпилептическим статусом. Никаких признаков инфекционного поражения не было. Результаты компьютерной томографии головного мозга были нормальными. Электроэнцефалограмма лишь зафиксировала судорожную активность головного мозга. Самые мощные противосудорожные препараты не действовали; наоборот, на фоне их введения приступы становились еще более выраженными. Прогноз для ребенка – поражение мозга или даже смерть – был крайне неблагоприятен.

Пробу крови отправили в Геномный центр больницы Рэйди для быстрой расшифровки всего генома ребенка. Вся последовательность нуклеотидов содержит 125 гигабайт информации, включая почти 5 млн мест, в которых геном ребенка отличался от наиболее распространенного варианта. ИИ-программе, специально предназначенной для анализа словарного состава естественных языков, потребовалось 20 секунд, чтобы проанализировать электронную историю болезни и определить 88 фенотипических признаков (почти в 20 раз больше, чем обозначили врачи в своем списке). Машинные алгоритмы быстро просеяли приблизительно 5 млн генетических вариантов и обнаружили 700 тыс. редких. Из них 962 варианта могли послужить причиной заболевания. Объединив эти данные с данными о фенотипе ребенка, система идентифицировала один дефект в гене под названием ALDH7A1 как наиболее вероятную причину эпилептического статуса. Это очень редкий вариант гена, встречающийся в популяции с частотой около 0,01 %. Эта мутация вызывает нарушение метаболизма, приводящее к припадкам. К счастью, это нарушение можно корректировать ежедневным назначением витамина B₆ и аргинина при одновременном ограничении в рационе лизина (тоже аминокислоты, как и аргинин). Когда эти изменения в диете были выполнены, приступы резко прекратились, и через 36 часов после поступления малыша выписали домой! Дальнейшее наблюдение показало, что мальчик здоров и растет без каких-либо признаков поражения мозга или отставания в развитии.

Ключом к спасению жизни этого ребенка стало определение подлинной причины его заболевания. Сегодня лишь немногие госпитали в мире секвенируют ДНК больных новорожденных и используют искусственный интеллект, чтобы получить все знания о пациенте и его геноме. И хотя опытные врачи в конечном счете, вероятно, нащупали бы правильное решение и назначили адекватное лечение, машины могут это делать быстрее и точнее, чем люди.

Итак, даже сейчас, в наше время, соединение усилий и талантов людей с возможностями искусственного интеллекта может привести к триумфальному успеху, если человек и машина действуют синергически. Но прежде чем петь хвалу возможностям искусственного интеллекта, давайте сначала посмотрим, что недавно пришлось пережить одному моему пациенту.

Однажды, вскоре после приема, мне позвонил один пациент и сказал:

– Я хочу, чтобы мне сделали стентирование.

Это был седовласый голубоглазый мужчина за семьдесят, владелец нескольких компаний, страдавший редким и тяжелым легочным заболеванием, называемым идиопатическим (этим странным медицинским словом мы пользуемся, когда не знаем причины заболевания) легочным фиброзом. Заболевание это зашло настолько далеко, что пульмонолог заговорил о желательности трансплантации легких. Мало того, у пациента появился новый симптом – повышенная утомляемость. Он начал уставать, пройдя квартал или проплыв 25 метров в бассейне. Больной обратился к своему пульмонологу, который назначил исследование функции дыхания. Изменений в показателях не было, и это недвусмысленно подсказывало, что причина не в легких.

Пациент, сильно обеспокоенный и подавленный таким развитием событий, пришел ко мне вместе с женой. В кабинет он вошел, еле волоча ноги, короткими шажками. Я был поражен его бледностью и выражением безнадежности в глазах. Жена подтвердила описанные пациентом симптомы: у него резко снизилась способность к физической активности, он с трудом обслуживал себя, не говоря уже о каких-то дополнительных нагрузках.

Изучив историю болезни, опросив и осмотрев больного, я высказал предположение, что, вероятно, все дело в сердце. За несколько лет до этого, после того как у него появились при ходьбе боли в левой икре, ему поставили стент в левую подвздошную артерию, устранив окклюзию. Это раннее заболевание усилило мое беспокойство по поводу холестерина, который может с такой же вероятностью, что и в артериях ног, откладываться в стенках коронарных артерий. И, несмотря на то что у пациента не было никаких других факторов риска ишемической болезни сердца, кроме возраста и пола, я направил его на КТ с контрастом – посмотреть состояние его коронарных артерий. Правая коронарная артерия была сужена на 80 %, но левая была полностью проходима и не поражена склеротическими бляшками. Это противоречило моему предположению. Правая коронарная артерия снабжает кровью лишь малую часть сердечной мышцы, и за все 30 лет карьеры кардиолога (из которых я 20 лет восстанавливал проходимость коронарных артерий) я не припомню ни одного больного, у которого такая сильная утомляемость была бы обусловлена сужением правой коронарной артерии.

Я объяснил пациенту и его жене, что не могу связать результат КТ с клинической картиной и что, возможно, это один из тех случаев, когда одно с другим не связано: имеющее место морфологическое нарушение не имеет никакого отношения к жалобам и объективным симптомам. Утомляемость, скорее всего, не связана с поражением коронарной артерии. Но основное заболевание – идиопатический легочный фиброз – вполне могло вызвать подобную симптоматику именно на фоне сужения правой коронарной артерии. К сожалению, сопутствующее легочное заболевание повышало риск инвазивного вмешательства.

Я дал ему возможность принять решение самостоятельно. Он раздумывал несколько дней, но в конце концов согласился на баллонную ангио пластику и стентирование правой коронарной артерии. Я был очень удивлен этим решением: на протяжении многих лет пациент не только очень неохотно соглашался на инвазивные вмешательства, но и отказывался даже от лекарств. Примечательно, что прилив энергии пациент ощутил срезу после операции. Стент был установлен через лучевую артерию, и поэтому больного отпустили домой уже через несколько часов после вмешательства. Вечером он уже прогулялся по улице, обойдя несколько кварталов, а к концу недели проплывал несколько кругов в бассейне. Пациент сказал мне, что у него прибавилось сил: он уже несколько лет не чувствовал себя настолько хорошо. Это поразительное улучшение способности переносить нагрузку сохранялось и спустя много месяцев.

Примечательно в этой истории то, что компьютерный алгоритм упустил бы эту возможность. При всей пиар-шумихе по поводу искусственного интеллекта, улучшающего качество медицинской помощи, следует отметить: если бы ИИ использовали для оценки перспектив операции у этого больного с учетом всех данных медицинской литературы, то машина пришла бы к заключению, что восстановление проходимости правой коронарной артерии не приведет к устранению утомляемости. Ведь искусственный интеллект может оперировать только представленными данными, но лишен интуиции. Страховые компании, приняв во внимание вывод компьютерного алгоритма, наверняка отказались бы оплачивать инвазивное вмешательство на правой коронарной артерии.

Однако операция принесла больному несомненную и ощутимую пользу. Был ли это плацебо-эффект? Мне это представляется маловероятным: я знал этого пациента много лет, он всегда старался свести к минимуму любые изменения в состоянии своего здоровья – неважно, положительные или отрицательные. Своим характером он немного напоминает Ларри Дэвида[6], старого ворчуна с весьма… умеренным энтузиазмом. Ясно, что он последний человек в мире, на кого подействовало бы плацебо.

Задним числом понятно, что эффект от операции был связан с сопутствующим (точнее, даже основным) легочным заболеванием. Легочный фиброз приводит к повышению давления в легочных артериях, которые доставляют кровь в легкие, где она насыщается кислородом. За перекачивание крови в легкие отвечает правый желудочек сердца; повышение артериального давления в малом круге кровообращения приводит к тому, что правому желудочку приходится работать с большей нагрузкой для того, чтобы преодолеть сопротивление легочных артерий. Эта нагрузка была слишком большой для правого желудочка моего пациента. Стент, установленный в правую коронарную артерию, снабжающую кровью правый желудочек, облегчил его работу и устранил неприятный симптом. Столь сложная взаимосвязь коронарного кровообращения и редкого легочного заболевания не описана в медицинской литературе.

Этот случай напоминает нам, что каждый из нас являет собой уникальный, единственный в своем роде организм, все хитросплетения которого никогда не распутает никакая машина. Кроме того, этот случай подчеркивает важную роль человеческого фактора в медицине: нам, врачам, давно известно, что пациенты знают свой организм, а значит, мы должны прислушиваться к ним. Алгоритмы – это холодные и бесчувственные прогностические инструменты, которые никогда не смогут познать человеческую натуру. Вот что главное: этот пожилой джентльмен чувствовал, что причиной ухудшения его состояния стало сужение правой коронарной артерии, и оказался прав. Я скептически отнесся к перспективам вмешательства, не предполагая, насколько успешным оно окажется, но был счастлив, увидев разительное улучшение.

* * *

Искусственный интеллект исподволь, но все глубже проникает в нашу жизнь. Он уже работает на нас и в быту. ИИ заканчивает за нас слова, когда мы печатаем, дает непрошеные рекомендации в поисковиках, предлагает нам музыку, опираясь на нашу историю прослушиваний, отвечает на наши вопросы и даже выключает свет в квартире. Самой идее искусственного интеллекта более 80 лет, а имя он получил в 1950-е, но лишь недавно начали брать в расчет его потенциальное воздействие на здравоохранение. Многообещающей казалась способность искусственного интеллекта обеспечить многосторонний панорамный взгляд на медицинские данные пациента, улучшить качество принимаемых диагностических и лечебных решений, сократить количество ошибок в диагностике и ненужных исследований, помочь в назначении и интерпретации необходимых анализов и инструментальных исследований, рекомендовать лечение. В основе всего этого лежат данные. Мы уже давно вступили в эпоху больших данных; в настоящее время мир ежегодно производит зеттабайты данных (в каждом зеттабайте секстиллион (10²¹) байт – достаточно, чтобы заполнить память приблизительно 1 трлн смартфонов). В медицине к массивам больших данных можно отнести нуклеотидную последовательность полного генома, медицинские изображения высокого разрешения и показатели, постоянно считываемые и передаваемые датчиками, которые закреплены на теле пациента. Данные поступают и поступают в колоссальном объеме, однако мы способны обработать лишь ничтожную их долю. Считается, что в лучшем случае 5 %, не больше. Грубо говоря, у нас было что надеть, но некуда в этом пойти – до недавнего времени. Теперь искусственный интеллект обуздал необозримый конгломерат больших данных и заставил его работать.

Существует множество разновидностей ИИ. Традиционно машинное обучение включает логистическую регрессию, байесовские сети, «метод случайного леса», метод опорных векторов, экспертные системы и множество других инструментов, разработанных для анализа данных. Например, байесовская сеть – это модель, позволяющая оценивать вероятности. Если у меня есть список симптомов, с которыми обратился больной, то такая модель позволяет получить список всех возможных диагнозов с указанием их относительной вероятности. Забавно, что в 1990-е, когда мы составляли деревья решений, чтобы собранные нами данные могли говорить сами за себя (система была рассчитана на «автоанализ», чтобы на выводы не влияли искажения при интерпретации), мы не называли это машинным обучением. Однако теперь этот статистический метод значительно усовершенствован, и к нему относятся с почтением. За последние годы инструментарий ИИ проник в такие важные сетевые модели, как глубокое обучение и стимулированное обучение, оно же обучение с подкреплением (мы подробнее обсудим эти вопросы в главе 4).

Разновидность ИИ, отвечающего за глубокое обучение, приобрела особую значимость после 2012 г., когда была опубликована статья о распознавании образов[7], уже ставшая классической.

Число новых алгоритмов глубокого обучения искусственного интеллекта и публикаций на эту тему возросло лавинообразно (см. рис. 1.1), причем рост способности машин распознавать закономерности в огромных наборах данных носил экспоненциальный характер. Увеличение в 300 тыс. раз вычислительной мощности компьютера в петафлопсах (петафлопс – скорость работы компьютера, равная выполнению квадриллиона (10¹⁵) операций с плавающей запятой в секунду) в течение суток обучения искусственного интеллекта является наглядной иллюстрацией изменений, наступивших после 2012 г. (см. рис. 1.2).

Рис. 1.1. Рост числа алгоритмов глубокого обучения ИИ с 2012 г. после публикации статьи о распознавании образов. Источники: график А приведен с изменениями из: A. Mislove: “To Understand Digital Advertising, Study Its Algorithms.” The Economist (2018): www.economist.com/science-and-technology/2018/03/22/to-understand-digital-advertising-study-its-algorithms. График B приведен с изменениями из: C. Mims, “Should Artificial Intelligence Copy the Human Brain?” The Wall Street Journal (2018): www.wsj.com/articles/should-artificial-intelligence-copy-the-humanbrain-153355265?mod-searchresults&page-1&pos-1.

За последние несколько лет в ведущих медицинских изданиях был опубликован ряд исследований, основанных на глубоком обучении. Многие в медицинском сообществе были искренне удивлены потенциалом глубокого обучения ИИ: в статьях утверждалось, например, что искусственный интеллект способен диагностировать некоторые типы рака кожи так же, если не лучше, чем дерматолог высшей категории; выявлять некоторые особые типы аритмий не хуже кардиолога; интерпретировать результаты медицинских изображений не хуже квалифицированного специалиста по медицинской визуализации и оценивать гистологические препараты не хуже патологоанатома; диагностировать различные заболевания глаз не хуже хорошего офтальмолога и предсказывать суицид у пациентов не хуже профессионального психиатра. Эти возможности обусловлены главным образом умением распознавать закономерности, при этом в ходе обучения машины усваивают эти закономерности на сотнях тысяч примеров (а вскоре – и на миллионах). Такие системы уже сейчас от года к году становятся все лучше и лучше, а показатель ошибок после изучения текстовых, речевых и визуальных материалов упал ниже 5 %, что выше любых человеческих возможностей (см. рис. 1.3). И хотя, вероятно, существует предел, после которого дальнейшее улучшение обучения прекратится, мы его пока не достигли. В отличие от людей, которые часто устают, пребывают в дурном настроении, подвержены действию эмоций, недосыпают или отвлекаются, машины лишены всех этих недостатков, могут работать сутки напролет, без выходных и праздников, не жалуясь на судьбу (хотя и человек, и машина могут «заболеть» и выйти из строя). Вполне понятно, что в связи с этим ребром встает вопрос о будущей роли врачей и о том, какое влияние может оказать искусственный интеллект на медицинскую практику.

Рис. 1.2. Экспоненциальный рост скорости вычислений – в 300 тыс. раз – в процессе выполнения различных обучающих ИИ программ. Источник: с изменениями из: D. Hernandez and D. Amodei, “AI and Compute”, Open AI (2018): http://blog.openai.com/ai-and-compute.

Я не верю, что глубокое обучение искусственного интеллекта сделает его способным лечить все болезни и устранять недостатки современного здравоохранения, но список, приведенный в табл. 1.1, дает представление о том, насколько широко можно использовать этот инструмент и насколько реклама преувеличивает его возможности. Со временем искусственный интеллект поможет нам продвинуться в решении всех перечисленных задач, но это будет марафон без финишной черты.

Примеры глубокого обучения демонстрируют его достаточно узкую специфичность: алгоритм, предсказывающий вероятность депрессии, не работает в дерматологии. Эти алгоритмы, построенные по принципу нейронных сетей, зависят от распознавания паттернов, то есть схем-образов, устойчивых наборов признаков, что будет полезно врачам, качество работы которых зависит от способности распознавать и интерпретировать изображения, – например, рентгенологам и патологоанатомам. Таких врачей я называю врачами-«паттернистами». Пусть и реже, но все же довольно часто всем клиницистам приходится в ходе работы так или иначе распознавать образы и выявлять закономерности, и потенциально каждому из них пригодилась бы алгоритмическая поддержка искусственного интеллекта.

Рис. 1.3. Повышение точности работы машинного искусственного интеллекта с изображениями (А) и речью (В). При работе с упорядоченными базами данных и выполнении узконаправленных задач качество работы искусственного интеллекта выше качества работы человека. Источники: график А с изменениями из: V. Sze et al., “Efficient Processing of Deep Neural Networks: A Tutorial and Survey,” Proceedings of the IEEE (2017); 105 (12), 2295–2329. График B с изменениями из: “Performance Trends in AI,” Word Press Blog (2018): http://srconstantin.wordpress.com/2017/01/28/ performance-trends-in-ai.

По большей части опубликованные примеры глубокого обучения представляют собой валидацию in silico, то есть на компьютерных моделях (что противопоставляется проспективным клиническим испытаниям с участием реальных пациентов). Очень важно отличать одно от другого, потому что анализ существующего массива данных – это не то же самое, что сбор данных в реальной клинической ситуации. Полученные in silico ретроспективные результаты часто представляют наилучший и самый благоприятный сценарий, который невозможно воспроизвести в ситуации, когда величины данных заранее неизвестны, как это имеет место в клинических испытаниях. Данные ретроспективных исследований могут помочь сформулировать гипотезу, которую затем можно проверить в ходе проспективного исследования, в особенности если его будут независимо друг от друга выполнять разные группы.

Таблица 1.1

Безосновательные надежды на искусственный интеллект, связанные с медициной (далеко не полный список)

Искусственный интеллект:

• Превзойдет врачей при решении всех медицинских задач

• Сможет диагностировать не поддающиеся диагностике болезни

• Лечить неизлечимые заболевания

• Видеть невидимое на изображениях и препаратах

• Предсказывать непредсказуемое

• Классифицировать не поддающееся классификации

• Исключить неэффективные этапы из рабочего процесса

• Поможет ликвидировать необходимость в госпитализациях и повторных госпитализациях

• Устранит избыток ненужной работы

• Позволит неукоснительно соблюдать режим приема лекарств

• Сведет к нулю вред для пациентов

• Сможет излечивать рак

Мы еще в самом начале эпохи искусственного интеллекта; это пока не повседневная медицинская практика, и некоторые скептики называют применение искусственного интеллекта в медицине SiliconValley-dation, намекая, что подобная валидация годится для проектов в Кремниевой долине (SiliconValley), а не для работы с живыми людьми. Такое пренебрежительное отношение распространено в медицине и чрезвычайно замедляет изменения. В результате весь мир уже находится на стадии четвертой промышленной революции, ознаменованной пришествием искусственного интеллекта, а медицина застряла в предыдущей эпохе – на стадии третьей революции, когда только-только начали широко применяться компьютеры и электроника (см. рис. 1.4). Например, файлы MP3 совместимы со всеми моделями музыкальных проигрывателей, а медицине только предстоит освоить удобные в использовании электронные формы медицинской документации, совместимые с различными устройствами. Это наглядный пример того, с каким трудом новое пробивает себе дорогу в этой отрасли.

По моим наблюдениям, медицина не впервые противится внедрению новых технологий. Это уже моя третья книга о будущем медицины. В «Созидательном разрушении медицины» (Creative Destruction of Medicine) я представил схему, благодаря которой датчики, секвенирование, визуализация, телемедицина и многие другие технологические достижения позволят оцифровать организм человека и добиться компьютеризации медицины. В книге «Теперь пациент вас увидит» (The Patient Will See You Now) я описал свое понимание демократизации медицины. Медицинский патернализм исчезнет, когда пациенты станут не только порождать информацию, но и владеть ею, получив доступ к своим медицинским документам, а в конечном счете любой больной сможет (при желании) принимать более осязаемое участие в процессе лечения.

Рис. 1.4. Четыре промышленные революции. Источник: с изменениями из: F. Murray, “CEOs: The Revolution is Coming,” Fortune (2016): http://fortune. com/2016/03/08/davos-new-industrial-revolution.

Эта книга описывает следующую после оцифровки и демократизации фазу – и имеет очень далекоидущие цели. Возможно, на вас производит определенное впечатление мой интерес к новым технологиям, однако на самом деле я всегда мечтал и мечтаю о возрождении истинно гуманистического элемента медицинской практики. С глубоким обучением мы получим некий остов, каркас, что позволит нам питать корни медицины, – это будут узы, связывающие человека с человеком. Несмотря на то, что мы пока полностью не добились ни оцифровки, ни демократизации медицины, все же и то и другое медленно, но неуклонно завоевывает позиции, и я верю, что нам удастся не только завершить этот процесс, но и привнести в самое сердце медицины искусственный интеллект. Кульминацией этого процесса и станет то, что я называю «истинная медицина».

Истинная медицина требует трех «глубоких» составляющих (см. рис. 1.5).

Первая составляющая – это подробное медицинское описание каждого индивида (оцифровка медико-биологических данных о человеке) с учетом всех существенно важных данных. Сюда можно отнести все аспекты нашего медицинского, социального, поведенческого и семейного анамнеза, а также чисто биологические признаки и свойства: анатомические, физиологические и экологические. Наша биология многослойна – это геном, закодированный в ДНК, наша РНК, белки, метаболиты, иммуном, микробиом, эпигеном и многое другое. В научном биомедицинском сообществе для обозначения всей совокупности этих составляющих используют термин «глубокое фенотипирование»; мы видели такой подход в примере с эпилептическим статусом у новорожденного ребенка. Глубокое фенотипирование одновременно всепроникающе, так как охватывает множество разнотипных данных, какие только можно себе представить, и всеобъемлюще, поскольку мы стремимся покрыть им как можно большую часть человеческой жизни, потому что многие исчисляемые характеристики биологических свойств изменяются с возрастом. Несколько лет назад я написал обзор, в котором утверждал, что нам нужны медицинские данные, которые покрывали бы всю длительность жизни – от зиготы до могилы[8]. Мой бывший наставник сказал тогда, что лучше было бы выбрать промежуток «от любовного аха до смертного праха». Но, думаю, вы ухватили главную идею.

Рис. 1.5. Три главных составляющих модели истинной медицины. Источник (левый рисунок): с изменениями из: E. Topol, “Individualized Medicine from Prewomb to Tomb,” Cell (2014): 157 (1), 241–253.

Второй составляющей является глубокое обучение, которое будет играть большую роль в медицине будущего. Оно будет включать в себя не только распознавание паттернов и машинное обучение (которое врачи станут использовать в диагностике), но и множество различных приложений, например виртуальное медицинское обучение пациентов, способное помочь и в профилактике, и в лечении заболеваний. Глубокое обучение наверняка сыграет важную роль и в условиях госпиталя, где можно будет использовать машинное зрение для обеспечения большей безопасности пациента и улучшения качества ухода. А это в конечном счете может гарантировать и полноценный мониторинг состояния больных на дому, что позволит сэкономить на больничных помещениях и оборудовании. Несмотря на то, что результаты глубокого обучения уже принесли определенную пользу медицине, особенно в последние годы, мы пока в самой начальной стадии. Почти 50 лет назад Уильям Шварц опубликовал в New England Journal of Medicine статью, озаглавленную «Медицина и компьютер»[9]. В ней он рассуждал о том, что в будущем компьютеры и врачи будут «часто вступать в диалог, компьютер станет следить за анамнезом, клиническими, лабораторными и прочими данными, обращая внимание врача на патологические изменения и подсказывая варианты возможных диагнозов, а также эффективного и безопасного лечения». Чем мы можем дополнить это предвидение теперь, 50 лет спустя? Как ни удивительно – очень немногим. Есть, конечно, разрозненные примеры, как поиск в Google помогал поставить сложные диагнозы, но нельзя же, в самом деле, считать поиск описания простых симптомов способом точной диагностики – это чаще всего порождает не знание диагноза, а тревожность и, так сказать, киберипохондрию.

Можно фантазировать, что искусственный интеллект избавит медицину от таких бед, как неточная диагностика и трата времени на побочную работу – заполнение страховых счетов и кодирование заболеваний, – но пока это только мечты. Предпринимателям, работающим с клиницистами, специалистам по вычислительной технике и ученым, работающим в других дисциплинах (в поведенческих науках и биоэтике), предоставляется широчайшая возможность помочь интеграции искусственного интеллекта в здравоохранение.

Третья (и наиболее важная) составляющая – это глубокая эмпатия и связь между пациентами и клиницистами. В течение более 40 лет – с момента поступления на медицинский факультет – я наблюдаю неуклонную деградацию гуманистической стороны медицины, что подтверждается данными табл. 1.2. За это время здравоохранение стало не просто крупным, но (к 2017 г.) крупнейшим бизнесом. Теперь система здравоохранения – это самый крупный в США работодатель, обогнавший по числу созданных рабочих мест сети розничной торговли. По приведенным данным видно, что расходы на здравоохранение резко взлетели. Но даже при безудержном росте занятости в этом секторе и при росте расходов на одного пациента резко сократилось время, которое врач может посвятить одному больному, – как на амбулаторном приеме, так и в больницах. Врачи очень сильно загружены. При невероятно высокой стоимости суточного пребывания на больничной койке (около $5 тыс.), контакт с врачом может продолжаться всего несколько минут, за что взимается отдельная плата. Поглощенные непосредственным общением с пациентами и их лечением, врачи пассивно взирали на кардинальные изменения в отрасли, касающиеся ведения электронной медицинской документации, «управляемого медицинского обеспечения», медицинского менеджмента и введения RVU – условных единиц величины (каждой из перечня услуг врача присвоена определенная сумма RVU). В наши дни как никогда высок процент врачей и медицинских сестер, которые страдают от профессионального выгорания и депрессии, вызванных неспособностью оказывать пациентам реальную помощь, а ведь именно это было их основной мотивацией, когда они посвятили себя медицине.

Таблица 1.2

Некоторые показатели здравоохранительной деятельности в США, которые изменились за последние 40 с небольшим лет

Главный недостаток современного здравоохранения – это отсутствие заботы о пациенте как таковой. То есть мы, врачи, в недостаточной мере заботимся о своих пациентах. Сами пациенты тоже чувствуют, что до них никому нет дела. И Фрэнсис Пибоди был прав, говоря о том, что именно забота о пациенте способствует успеху лечения[10]. Величайшая возможность искусственного интеллекта – это не сокращение числа диагностических и лечебных ошибок, не снижение нагрузки и даже не излечение рака, а восстановление драгоценной, освященной веками глубокой – гуманистической – связи между врачом и больным. У нас не только будет больше времени на полноценное общение, что позволит врачу проявить подлинное сочувствие и сострадание, – мы сможем переосмыслить практику профессионального отбора и подготовки врачей. Мы десятилетиями дорожили нашими медицинскими светилами, высоко оценивая их знания и авторитет, но внедрение искусственного интеллекта улучшит качество диагностики и объем знаний, доступный всем лечащим врачам. В конечном счете врачи признают искусственный интеллект и станут относиться к алгоритмам как к профессиональному инструменту. Такое выравнивание ландшафта медицинских знаний в конце концов приведет к новым высотам: мы сможем отбирать для врачебной карьеры людей, обладающих наиболее развитым эмоциональным интеллектом. Мой друг и коллега Абрахам Вергезе, которого я считаю одним из величайших гуманистов в медицине, подчеркнул важность такого подхода в предисловии к этой книге, которую, как я надеюсь, вы прочтете внимательно. Вот что предлагает истинная медицина.

* * *

Для того чтобы дать представление о концептуальной сущности истинной медицины, я начну с описания современной медицинской практики и постараюсь объяснить, почему мы отчаянно нуждаемся в новых решениях таких проблем, как неверные диагнозы, врачебные ошибки, неблагоприятный исход лечения и неконтролируемый рост стоимости медицинских услуг. Отчасти эти проблемы обусловлены современными методами медицинской диагностики. Чтобы понять, чем искусственный интеллект может быть полезен и чем опасен, мы рассмотрим примеры успешного применения ИИ в разных сферах – от игр до беспилотных автомобилей. Не менее, а возможно, и более важно рассмотреть отрицательные стороны возможного внедрения ИИ: субъективные искажения при интерпретации, возможность усиления социального неравенства, саму структуру ИИ (по сути, это «черный ящик»), а также возможные нарушения врачебной тайны и разглашение конфиденциальных сведений. Передача персональных данных десятков миллионов профилей Facebook в Cambridge Analytica – компанию, которая использовала искусственный интеллект для психологического таргетирования, – наглядно показала, какие неприятные последствия может вызвать применение искусственного интеллекта в контексте здравоохранения.

Только после решения всех этих проблем мы будем готовы к переходу к новой медицине, в инструментарий которой будет интегрирован искусственный интеллект. Мы оценим, как машинное распознавание паттернов повлияет на работу рентгенологов, патологоанатомов и дерматологов – то есть врачей-«паттернистов». Но искусственный интеллект проникнет во все сферы медицины, даже в те, где заняты врачи и хирурги, не занимающиеся распознаванием паттернов. Одна из сфер, особенно остро нуждающихся в изменениях, – это психиатрия, где наблюдается разительное несоответствие между количеством пациентов, страдающих, например, депрессией, и ограниченным количеством специалистов, которые могут оказать им квалифицированную помощь или предупредить развитие болезни. Искусственный интеллект, вполне возможно, сможет сыграть критически важную роль в дальнейшем развитии психиатрии и улучшении качества психиатрической помощи.

Но искусственный интеллект, и в частности глубокое обучение, повлияет не только на практическую медицину. Косвенным образом ИИ преобразит и биомедицинские науки в целом. Например, облегчит разработку новых лекарств. Искусственный интеллект поможет извлекать полезные сведения из комплексных массивов данных, среди которых миллионы последовательностей нуклеотидов в геномах, сложные структуры человеческого мозга, интегрированные потоки данных, получаемые в режиме реального времени с многочисленных датчиков, которые регистрируют показатели жизнедеятельности. В основе этих усилий – стремление позаботиться о пациенте, но стремительное развитие фундаментальной науки и методов разработки новых лекарств тоже окажет огромное влияние на медицину.

Искусственный интеллект может внести революционные изменения и в другие аспекты нашей жизни, которые так или иначе обусловлены отношением к здоровью. Один из таких аспектов касается нашего питания. Неожиданное, но уже применяемое на практике достижение машинного обучения – это создание потенциальной научной основы для персонализированного здорового питания. Это поистине удивительное достижение – знать, какие виды пищи наилучшим образом подходят каждому конкретному индивидууму.

Сейчас мы можем предсказать, какие виды пищи могут вызвать резкий подъем уровня глюкозы в крови у здорового человека, не страдающего сахарным диабетом. Благотворное действие персонализированного питания способно далеко превзойти эффект традиционных диетических рекомендаций – классических «пирамид питания» или, например, модных в свое время диет (диета Аткинса или «диета Южного пляжа»), не имеющих под собой твердой доказательной базы. Применяя искусственный интеллект, мы сможем проанализировать огромные массивы данных и предсказать будущие направления развития «умной» диетологии. Многие из этих бытовых новшеств пойдут рука об руку с виртуальным медицинским помощником. Скорее всего, это будет голосовой ассистент, как Siri, Alexa или Google Home: едва ли все сведется к иконкам на экране. Мне кажется, что лучший способ – это создание некоего виртуального аватара или даже голограммы (но если кому-то удобнее, то можно получать информацию и в виде обычного текста или электронных писем). Виртуальный медицинский ассистент – это квинтэссенция глубокого машинного обучения всем индивидуальным данным, тщательно собранным, непрерывно совершенствуемым и объединенным со всем массивом биомедицинских знаний; при этом такой ассистент способен и давать обратную связь, и обучать пользователя. Такие системы поначалу будут ориентированы на специфические заболевания – например, на сахарный диабет или артериальную гипертонию, – но со временем они начнут представлять собой обширные платформы для заботы о здоровье, которые помогут предотвращать болезни или лучше их лечить.

Все эти потенциальные преимущества могут быть сведены на нет злоупотреблением персональными данными. Эти злоупотребления не ограничиваются преступлениями, которые и сейчас совершаются слишком часто, – скажем, киберворовство, вымогательство (преступники шантажируют пациентов больниц их личной информацией), взлом баз данных, – но и включают в себя продажу и безнравственное крупномасштабное использование конфиденциальных персональных данных. Новое явление, тревожное и совершенно неприемлемое: страховые компании или работодатели смогут использовать все ваши данные – и все результаты глубокого обучения – для принятия жизненно важных для вас решений относительно размера медицинской страховки, премий и сохранения за вами рабочего места. Чтобы избежать подобных ужасных сценариев, потребуются разумные меры, которые, конечно, будут стоить больших усилий.

Эта книга посвящена поиску оптимального баланса в отношениях между пациентами, врачами и машинами. Если мы сможем это сделать, если мы сможем использовать уникальную мощь машин для того, чтобы укрепить связующие людей узы, то сможем найти и жизненно необходимое средство устранения проблем, глубоко укоренившихся в современной медицине.

Я надеюсь, что смогу убедить вас в том, что истинная медицина, использующая искусственный интеллект, возможна – и крайне желательна. Соединение мощи машин и людей – мощи человеческого и искусственного интеллекта – поднимет уровень медицины на беспрецедентную высоту. Мы увидим, что на этом пути нас подстерегает великое множество препятствий. Путь будет нелегким и очень долгим. Но целенаправленные усилия непременно помогут достичь желаемого. Повышение эффективности труда медицинского персонала может либо выжать из него все соки, либо сэкономить время, которое вернется пациенту сторицей: будущее поможет нам вернуть лучшее из прошлого. Достижение последней цели потребует активной вовлеченности многих и многих людей, особенно среди лечащего персонала, чей долг – отстаивать права пациентов. Подобно подросткам из Паркленда, которые после печально известной стрельбы в школе в 2018 г. начали борьбу против вооруженного насилия, медики должны быть готовы бороться с корыстными интересами могущественных групп, чтобы не упустить шанс отстоять первоочередность заботы о пациентах, не проспать его, как это не раз случалось в прошлом. Возвышение машин должно сопровождаться возвышением человечности – расширением непосредственных контактов пациента с врачом, углублением сострадания и понимания, ибо только такой подход сделает охрану здоровья и заботу о пациентах реальностью. Это нужно для того, чтобы восстановить и развить здравоохранение в исконном смысле этого слова. Точка.

Итак, начнем.