Коли люди ставлять перед собою захмарні до безглуздості цілі, розсудливі насміхаються. Зазвичай вони мають на це право. Проте іноді варто припустити, що навіть найсміливіші прагнення можуть бути здійсненними.
У 2015 році Прісцилла Чан, педіатр, та її чоловік Марк Цукерберг, засновник Facebook, заснували Ініціативу Чан-Зукерберга (czi) з метою допомогти науці створити світ, в якому всі хвороби можна було б попередити, вилікувати або контролювати. Не дивно, що ця ініціатива була зосереджена на технологіях. Але лише у 2020 році в щорічних оновленнях Чан-Цукерберга заговорили про потенціал штучного інтелекту (ШІ). Чотири роки по тому важко уявити, щоб хтось, переслідуючи свої цілі, не ставив його на перше місце.
Частка біомедичних досліджень, в яких використовується штучний інтелект, зростала в геометричній прогресії задовго до того, як ця галузь почала засліплювати світ “фундаментальними моделями” на кшталт різноманітних gpts (генеративних попередньо навчених трансформаторів) від Openai, Llama від Meta та Gemini від Google (див. графік). З огляду на величезні обсяги даних, які генерують біомедичні дослідження, раннє застосування ШІ навряд чи є несподіванкою. Однак минулий прогрес і багатообіцяючі перспективи – це лише прелюдія до того, що відбувається зараз.
Системи штучного інтелекту, подібні за потужністю до фундаментальних моделей і великих мовних моделей, які генерують переконливий текст у всіх можливих стилях, досить переконливо і корисно відповідають на складні питання і створюють зображення, що відображають ідеї, висловлені у вербальних підказках, стають частиною охорони здоров’я. Вони мають застосування майже в кожній її частині. Вони можуть покращити вибір дослідників щодо того, як саме редагувати гени; вони феноменально добре розуміють сенс великих даних з різних джерел; вони можуть запропонувати нові мішені для розробки ліків і допомогти винайти великі і малі молекули, які могли б працювати як ліки проти них. Сам Czi зараз працює над створенням “віртуальної клітини” на базі штучного інтелекту, за допомогою якої він сподівається здійснити революцію у всіх біомедичних дослідженнях.
Ефекти не обмежуються лабораторією. Різні види діагностики, в яких ШІ відіграє певну роль, готові до трансформації. Роботи-хірурги беруться за розширення спектру операцій. Спосіб, у який пацієнти отримують доступ до інформації про стан здоров’я і мотивують себе дотримуватися режимів лікування, виглядає готовим до переосмислення, оскільки чат-боти і носимі монітори здоров’я вчаться працювати разом. Продуктивність систем охорони здоров’я, ймовірно, значно підвищиться.
Бідніші країни можуть отримати найбільшу вигоду. Там попереднє покоління штучного інтелекту вже дає про себе знати в охороні здоров’я. Однією з переваг є те, що вони можуть зробити досить скромне обладнання набагато потужнішим, дозволяючи використовувати його ширше і за межами клініки. Розумні стетоскопи можуть допомогти користувачам виокремити важливі деталі, телефони можна перетворити на “трикодери”, які одночасно вимірюють частоту серцевих скорочень, температуру, дихання і насичення крові киснем. Надання надійних рекомендацій медичним працівникам по всьому світу їхньою рідною мовою – це прогрес, який є простим і водночас змінює правила гри.
Якщо такі інструменти набудуть широкого розповсюдження, а системи охорони здоров’я будуть реформовані таким чином, щоб отримати від них максимальну користь, вони дозволять надавати набагато якіснішу медичну допомогу. Це можливість покращити життя сотень мільйонів і навіть мільярдів людей.
Дехто вбачає в цьому не лише гуманітарний прорив, але й епістемологічний: абсолютно новий тип знань. Штучний інтелект може знаходити асоціації та зв’язки в масивах розрізнених даних, надто великих і заплутаних, щоб людина могла їх розплутати, не потребуючи попередньо створених моделей того, які види причин мають які види наслідків. Деміс Хассабіс, один із засновників DeepMind, компанії-розробника штучного інтелекту, яка зараз є частиною Google, вважає, що ці здібності змінять уявлення людей про саме життя.
З 1 500 постачальників у сфері ШІ-медицини більше половини були засновані за останні сім років
Тут є застереження. Фундаментальні моделі, на яких базуються “генеративні” додатки, такі як Chatgpt, мають деякі серйозні недоліки. Називайте це галюцинаціями, як раніше називали дослідники, або конфабуляцією, як вони вважають за краще зараз, вони все одно щось вигадують. Як і у випадку з більшістю ШІ, якщо ви тренуєте їх на поганих або розрізнених даних, результати не будуть такими, якими вони повинні бути. Якщо дані є упередженими, як це часто буває з даними про здоров’я (хороші дані про меншини, малозабезпечені групи та маргіналізовані верстви населення часто важко отримати), результати не будуть слугувати населенню в цілому так, як вони повинні, і можуть завдати шкоди недостатньо представленим групам населення. “Недетермінований” характер моделей (вони не завжди однаково реагуватимуть на один і той самий стимул) створює філософські та практичні проблеми для тих, хто регулює медичні вироби. Манжети для вимірювання артеріального тиску та термометри відображають реальність більш прямолінійно.
Ніщо з цього не заважає ринку продуктів і послуг у сфері ШІ-медицини стрімко зростати. Великі ШІ-компанії зацікавлені в купівлі фахівців у сфері охорони здоров’я, а медичні компанії купують ай. За оцінками аналітичної компанії Research and Markets, у 2023 році світова система охорони здоров’я витратила близько $13 млрд на обладнання, пов’язане з ШІ-технологіями (наприклад, спеціалізовані процесори та пристрої, що їх використовують), та програмне забезпечення, що забезпечує діагностику, аналіз зображень, дистанційний моніторинг пацієнтів тощо. За прогнозами, до 2028 року ця цифра сягне $47 млрд. Аналітики cb Insights підрахували, що в період з 2019 по 2022 рік інвестори вклали в галузі штучного інтелекту, пов’язані з охороною здоров’я, колосальні $31,5 млрд у вигляді акціонерного капіталу. З 1 500 постачальників у сфері медичних штучних інтегрованих систем більше половини були засновані за останні сім років.
Оцифрування системи охорони здоров’я принесло чимало дорогих розчарувань. Але існує реальна можливість того, що ai виправдає деякі надії, які на неї покладаються. Простіші і більш поблажливі інтерфейси повинні зробити системи на основі штучного інтелекту для обробки даних і допомоги в управлінні часом більш зручними для лікарів, пацієнтів і постачальників медичних послуг, ніж ті, що існували раніше. А системи охорони здоров’я гостро потребують підвищення продуктивності, якщо вони хочуть адаптуватися і вдосконалюватися в світі високих витрат і старіння населення. За прогнозами, до 2030 року дефіцит медичних працівників сягне майже 10 мільйонів – близько 15% від сьогоднішньої чисельності всіх працівників охорони здоров’я у світі. Штучний інтелект не вирішить цю проблему самостійно. Але він може допомогти.
У цьому звіті ми розглянемо чотири форми, в яких ця допомога, найімовірніше, буде надаватися. Існує допомога, яка вже надається лікарям, що ставлять діагнози – допомога, якої вони вкрай потребують, враховуючи, що 800 000 американців гинуть або стають інвалідами через помилкові медичні рішення щороку. Існує допомога пацієнтам, які хочуть зрозуміти свої симптоми або потребують допомоги і мотивації, щоб залишатися здоровими. Існує допомога, яку інструменти штучного інтелекту та обробка даних надають компаніям, що намагаються швидше та надійніше розробити нові методи лікування. І є допомога системі в цілому.
Сьогоднішні системи охорони здоров’я сильно обмежені дефіцитом працівників і знань. Штучний інтелект може надати значну підтримку на обох фронтах; може статися так, що він може запропонувати трансформаційні обсяги цієї підтримки. Чи означатиме така трансформація, що до 2100 року всі хвороби будуть попереджені, вилікувані або керовані? Сама по собі – ні. Але вона робить цю, здавалося б, гордовиту мету більш вірогідною. Обговорення впливу ШІ-технологій сповнені страху і занепокоєння, іноді небезпідставно. Те, що він пропонує для охорони здоров’я в усьому світі, являє собою радикальний потенціал для добра.
