ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ КАК НОВОЕ ЯВЛЕНИЕ В РАЗВИТИИ ЗДРАВООХРАНЕНИЯ И МЕДИЦИНСКОГО ОБРАЗОВАНИЯ (ОБЗОР ЛИТЕРАТУРЫ)

Резюме

В настоящее время перед образовательными организациями высшего профессионального образования возникла необходимость подготовки квалифицированных кадров, имеющих профессиональные компетенции, обеспечивающие в будущем медицинских работников трудовыми дескрипторами по внедрению цифровых технологий и работу с искусственным интеллектом. В этой связи становится актуальным анализ основных трендов использования искусственного интеллекта в здравоохранении, его перспективы развития и проблемы реализации на практике. Анализ 36 отечественных и зарубежных научных статей по проблеме внедрения искусственного интеллекта в здравоохранение, опубликованных в период с 2002 по 2022 г., показал, что накоплен достаточный отечественный и зарубежный опыт по определению основных направлений совершенствования системы и качества медицинского образования с целью обеспечения нужд системы здравоохранения по внедрению цифровых технологий. Представленный обзор позволяет сформировать представление о перспективах использования искусственного интеллекта в медицине, о необходимости подготовки будущих медицинских работников, владеющих знаниями и умениями по работе с искусственным интеллектом, при выполнении своих профессиональных обязанностей в современных условиях.

Ключевые слова:профессиональное медицинское образование; искусственный интеллект; цифровые технологии в медицине

Финансирование. Исследование не имело спонсорской поддержки.

Конфликт интересов. Автор заявляет об отсутствии конфликта интересов.

Для цитирования: Булычева Е.В. Искусственный интеллект как новое явление в развитии здравоохранения и медицинского образования (обзор литературы) // Медицинское образование и профессиональное развитие. 2022. Т. 13, № 3. С. 76-84. DOI: https://doi.org/10.33029/2220-8453-2022-13-3-76-84

В современных условиях совершенствование медицинского образования требует внедрения цифровых инноваций [1]. Согласно данным, представленным в докладе международной исследовательской и консалтинговой компании International Data Corporation, выделяют несколько трендов развития современного здравоохранения. Так, в ближайшие 5 лет ожидается увеличение инвестиций в технологии искусственного интеллекта и передовую аналитику; увеличение до 65% пациентов, имеющих доступ к медицинской помощи через цифровые услуги; увеличение расходов медицинских организаций на технологии дистанционного медицинского обслуживания и клинические испытания с использованием цифровых систем до 70%; до 60% IT-инфраструктуры организаций здравоохранения будет построено на платформе данных с использованием искусственного интеллекта для автоматизации процессов и принятия решений; до 60% медицинских организаций перейдут от тестирования к полному развертыванию технологий виртуальной и дополненной реальности; до 65% рабочих процессов в области медицинской визуализации будут использовать искусственный интеллект для выявления заболеваемости и помощи при клинических вмешательствах [2]. Очевидно, что для реализации внедрения и рационального использования цифровых технологий, в том числе искусственного интеллекта, требуется, кроме наличия материально-технической базы, еще и формирование особых компетенций работников сферы здравоохранения.

Цель - провести анализ данных, опубликованных в научной литературе по вопросу перспектив и проблемам внедрения искусственного интеллекта в медицинское образование для обеспечения здравоохранения компетентными медицинскими работниками, способными работать в условиях современных цифровых технологий.

Материал и методы

Обзор подготовлен путем сбора научных источников литературы, опубликованных отечественными и зарубежными авторами за последние 10 лет (2002-2022 гг.) по ключевым словам: профессиональное медицинское образование, искусственный интеллект, цифровые технологии в медицине. Обобщение данных, а также стратегия электронного поиска проводилась согласно принципам PRISMA.

Для анализа было отобрано 36 научных статей, посвященных вопросам искусственного интеллекта в здравоохранении, опубликованных в рецензируемых научных журналах, индексируемых в наукометрических базах WoS, Scopus, входящих в перечень, утвержденный ВАК при Минобрнауки России. Поиск научных статей проводили в электронных базах PubMed, Google Scholar, РИНЦ. Критерии включения и исключения определены согласно рекомендациям Института Джоанны Бриггс "Критические инструменты оценки для использования в систематических обзорах" [3, 4]. Критериями включения статей в систематический обзор стали наличие в них проблем профессионального медицинского образования и потребности использования цифровых технологий, данные об опыте использования искусственного интеллекта в медицине, качество подготовки медицинских кадров для обеспечения необходимости по внедрению искусственного интеллекта в систему здравоохранения.

Результаты

В научной литературе акцентируется внимание на том, что в последние годы область медицинских наук претерпела значительные изменения. Одними из важных и наиболее сложных для осмысления стали изменения, связанные с технологиями развития искусственного интеллекта [5]. Согласно современным представлениям искусственный интеллект рассматривается как ансамбль разработанных и закодированных человеком рационально-логических формализированных правил, которые организуют процессы, позволяющие имитировать интеллектуальные структуры, производить целерациональные действия, а также осуществлять последующее кодирование и принятие инструментальных решений вне зависимости от человека [6].

Вопросы разработки, внедрения и использования искусственного интеллекта в медицине и в процессе обучения медицинским дисциплинам детально рассмотрены и опубликованы в ряде научных статей [7-13], в которых общей чертой является постулирование как необходимости, так и неизбежности цифровизации в сфере здравоохранения. Согласно докладу Минздрава России "Итоги 2020 года", в настоящее время в здравоохранении в сфере внедрения цифровых технологий более 926 тыс. автоматизированных рабочих мест медицинских работников подключены к медицинской информационной системе (МИС); 82,4% медицинских организаций используют МИС; 68,7% медицинских организаций подключены к централизованной подсистеме региональной государственной информационной системы (ГИС) в сфере здравоохранения; каждая пятая медицинская организация обеспечивает гражданам доступ к электронным медицинским документам в личных кабинетах пациента "Мое здоровье" на Едином портале государственных услуг и функций (ЕПГУ); больше половины медицинских организаций обеспечивают информационное взаимодействие с учреждениями медико-социальной экспертизы посредством подсистемы "Реестр электронных медицинских документов" ЕГИСЗ. Тем не менее И.П. Черная и соавт. [1] отмечают, что речь идет в данном случае о внедрении информационно-коммуникационных технологий, поэтому в рамках обозначенного в российском законодательстве подхода цифровыми инновациями эти результаты считать нельзя. Однако вместе с тем цифровые инновации как результат внедрения сквозных технологий в России существуют. Достаточно показательны в этом смысле публикуемые материалы Центром компетенций цифровой трансформации сферы здравоохранения Минздрава России совместно с проектом CDO2Day (https://cdo2day.ru/), обзоры НИУ ВШЭ. В настоящее время успешно внедряются инновационные цифровые сервисы для здравоохранения на основе искусственного интеллекта, включая ИИ-алгоритмы компьютерного зрения в лучевой диагностике, которые автоматически детектируют и выделяют признаки патологий в широком диапазоне медицинских исследований: рентген и компьютерная томография исследования органов грудной клетки, маммограммы, снимки глазного дна, микроскопия мазка костного мозга и крови, ортопантомограммы и др. Кроме того, успешно применяются системы искусственного интеллекта по распознаванию рака легкого на компьтерно-томографических изображениях [14], в хирургии и хирургической онкологии [15]. Показана высокая эффективность использования искусственного интеллекта при диагностике рака кожи [16], при проведении магнитно-резонансной томографии, циркулярной границе резекции при раке прямой кишки [17] и при гистологических исследованиях метастатических лимфатических узлов при раке желудка [18]. В исследованиях A. Esteva показано, что графическая информация в виде снимка опухоли кожи была трактована с точностью, аналогичной таковой экспертных оценок [16]. Кроме того, при анализе маммограмм с помощью систем искусственного интеллекта у пациенток с уже известным диагнозом удалось сделать на 2,7-9,4% меньше ложноотрицательных заключений по сравнению с заключениями рентгенологов [19]. Все эти данные свидетельствуют о пользе искусственного интеллекта в качестве диагностического инструментария. Как отмечают P. Lakhani, B. Sundaram [20] в своих исследованиях, системы искусственного интеллекта могут получить больше информации из последовательных случаев в течение нескольких минут, что намного превышает количество случаев, которые может проанализировать врач за всю жизнь. Подходы к принятию решений на основе искусственного интеллекта могут использоваться в случаях, когда эксперты не могут прийти к единому мнению.

Анализ больших данных, используемых в искусственном интеллекте, также позволяет стратифицировать пациентов на группы риска [21-23] и прогнозировать исход болезни [24]. Особый интерес в настоящее время представляет внедрение биокомпьютерных наноплатформ и модулей, которые состоят из небольших молекул, полимеров, нуклеиновых кислот или белков, которые могут использоваться при медицинской диагностике, биомедицинской визуализации, мониторинге окружающей среды и доставке терапевтических препаратов к целевым клеточным популяциям. Как отмечает В.Ф. Пятин и соавт. [25], будущая реализация парадигм системной биологии и системной нейрофизиологии, основанных на комплексном анализе больших и глубоких гетерогенных источников данных, будет иметь решающее значение для достижения более глубокого понимания патофизиологии болезни Альцгеймера, с использованием современных технологий интерфейс-"мозг-компьютер" и "искусственный интеллект", для того чтобы увеличить информативность, которую можно извлечь от доклинических и клинических показателей. Интеграция различных источников информации позволит получить новую целостную картину патофизиологического процесса заболевания, которая будет охватывать его от молекулярных изменений до когнитивных проявлений. Внедрение многовекторных нейротехнологий искусственного интеллекта и принципов цифрового здравоохранения будет способствовать развитию нейробыта и нейромаркетинга. Медико-социальное сопровождение к активному здоровому долголетию возможно при синхронизации информационных систем медицинских организаций, социальных учреждений, внедрению единого нейрофизиологического контура и современных интерфейсов, комбинированных и гибридных кластеров в диагностике, лечении, профилактике и реабилитации когнитивных нарушений и расстройств.

Учитывая вышеизложенное, становится очевидным, что внедрение искусственного интеллекта в здравоохранение является не­обратимым и необходимым процессом. В этой связи формирование соответствующих профессиональных компетенций у медицинских работников в процессе их подготовки становится требованием современного времени, как и внедрение непосредственно в процесс обучения современных цифровых технологий. Как признают специалисты, одной из проблем искусственного интеллекта является необходимость высокого уровня пользователей, поэтому до настоящего времени экспертные системы не получали широкое и эффективное применение в медицинской практике [26-29].

В ракурсе данной проблемы кадрового обеспечения цифровой трансформации медицинского образования в Распоряжении Правительства РФ от 02.12.2021 № 3759-р "Об утверждении стратегического направления в области цифровой трансформации науки и высшего образования" среди приоритетов отмечается регуляторное обеспечение внедрения цифровых технологий в образовательных организациях высшего образования и научных организациях. Проведенный И.П. Черной и соавт. [1] анализ нормативной базы цифровых инноваций по обучению их использования показал, что основной акцент делается на решение управлением проблем процесса трансформации, в том числе в части снижения административной нагрузки и повышения качества обработки и доступности данных. В такой же логике описана задача повышения уровня цифровых компетенций научно-педагогических работников в двух проектах "Единая сер­висная платформа науки" и "Цифровое мышление", для решения которых необходимо формирование единой экосистемы сервисов, обеспечение к ним доступа. Вопросы повышения квалификации кадров планируются лишь для организаций, подведомственных Минобрнауки России, а также для подготовки квалифицированных команд цифровой трансформации образовательных организаций высшего образования, в обязанности которых входит формирование и реализация такой стратегии.

В своей работе А.В. Резаев и Н.Д. Трегубова [5] отмечают, что внедрение новых методов исследования и преподавания в медицинских вузах - куда более сложный процесс, нежели изменения в содержании преподаваемых предметов. Основная задача при этом - отличить консервативные (относительно постоянные) элементы процесса образования и медицинской практики от эфемерных, легко изменяющихся. Вопрос заключается в том, что должно храниться в человеческом разуме, а что можно отдать на откуп искусственному интеллекту и онлайн-помощникам.

Используемые в настоящее время технологии искусственного интеллекта при обучении охватывают все сферы образовательного процесса: аудиторную, внеаудиторную, самостоятельную работу обучающихся, научно-исследовательскую деятельность, производственную практику. Анализ вопросов применения искусственного интеллекта в высшем образовании, проведенный С.А. Чубовым, показал, что его использование при подготовке фармацевтов позволило реализовать целый ряд возможностей для будущего специалиста: разработку лекарственных средств, обеспечение эффективных взаимоотношений, проведение аналитики продаж и маркетинга лекарственных средств, управление производством [30].

О необходимости использования искусственного интеллекта свидетельствуют приведенные данные в статье П.В. Мельникова и соавт.: 1 мин хирургического видео высокой четкости, по оценкам, в 25 раз превышает объем данных, найденных в изображении компьютерной томографии высокого разрешения, образовательный процесс - одна из основных точек приложения искусственного интеллекта [15]. Искусственный интеллект можно использовать для обработки огромных объемов хирургических данных для выявления или прогнозирования нежелательных явлений в режиме реального времени для поддержки интраоперационных клинических решений. На примере лапароскопической рукавной резекции желудка в реальном времени с использованием систем искусственного интеллекта показана точность 92,8% по автоматическому определению этапов операции и выявлению пропущенных или неожиданных этапов. Также при лапароскопической холецистэктомии критический вид безопасности составлял от 62 до 79% в зависимости от этапа операции. Обучающая модель достигла конкурентной точности 92,5; 95,4 и 91,3% в таких стандартных заданиях, как шитье, перекладывание иглы и вязание узла соответственно.

Э.И. Денисов отмечает, что роботы и автономные системы, основанные на искусственном интеллекте, все шире применяются во всех сферах жизни, но они создают ряд проблем и требуют гигиенической оценки [31]. Системы дополненной и виртуальной реальности, используемые на производствах и в быту, создают риски для здоровья особенно уязвимых групп работников и населения и требуют гигиенического контроля. Несмотря на ряд преимуществ, технологии дополненной виртуальной реальности требуют особого внимания гигиенистов, так как появляется все больше работ о негативных последствиях их влияния на самочувствие и здоровье особенно уязвимых групп работников и населения [32, 33]. При пользовании системами дополненной виртуальной реальности в большинстве случаев активируется опто-вестибуло-спинальная система, что вызывает спектр вестибулосенсорных, вестибуловегетативных и вестибулосоматических реакций, а также нарушения функционирования центральной нервной, сердечно-сосудистой системы, органов желудочно-кишечного тракта, психической сферы [32-35]. В этой связи Э.И. Денисов [31] и И.В. Бухтияров [36] отмечают необходимость разработки методов и критериев оценки киберфизических систем на основе развития информационной гигиены и гигиенической регламентации.

Заключение

В настоящее время накоплен достаточный опыт по эффективному использованию систем искусственного интеллекта в медицине, что требует формирования в процессе получения медицинского образования и совершенствования уже имеющихся профессиональных навыков компетенции по умению использовать передовые цифровые технологии в профессиональной деятельности.

Литература

1.Черная И.П., Просалова В.С., Николаева А.А. Сквозные технологии как цифровые инновации в здравоохранении и медицинском образовании // Теория и практика общественного развития. 2022. № 3. С. 64-73. DOI: https://doi.org/10.24158/tipor.2022.3.9

2.Соловьев Н.В. Искусственный интеллект в медицине // сборник материалов научной конференции студентов и молодых ученых "Солидарность и сотрудничество". 2018. C. 63-66.

3.Joanna Briggs Institute. Checklist for prevalence studies. 2017. URL: https://joannabriggs.org/sites/default/files/2019-05/JBI_Critical_Appraisal (дата обращения: 27.02.2020)

4.Munn Z., Moola S., Lisy K., Riitano D., Tufanaru C. Methodological guidance for systematic reviews of observational epidemiological studies reporting prevalence and incidence data // International Journal of Evidence-based Healthcare. 2017. Vol. 13. Р.147-153.

5.Резаев А.В., Трегубова Н.Д. Искусственный интеллект и искусственная социальность: новые явления и проблемы для развития медицинских наук // Эпистемология и философия науки. 2019. Т. 56, № 4. С. 183-199.

6.Резаев А.В., Трегубова Н.Д. Сайты компаний-разработчиков как источник данных об искусственном интеллекте. Сравнительный анализ Google, Yandex и Baidu // Социологический журнал. 2021. Т. 27, № 4. С. 118-145. DOI: https://doi.org/10.19181/socjour.2021.27.4.8648

7.Итинсон К.С. Искусственный интеллект как перспективная технология в области медицинского образования и медицины // Карельский научный журнал. 2020. Т. 9, № 2 (31): 16-18.

8.Поряева Е.П., Евстафьева В.А. Искусственный интеллект в медицине // Вестник науки и образования. 2019. № 6-2 (60). С. 15-18.

9.Воробьев П.А., Воробьев А.П. Как обучить искусственный интеллект медицине или размышления о новой роли стандартизации // Проблемы стандартизации в здравоохранении. 2018. № 7-8. С. 19-34.

10. Позднева С.П., Маслов Р.В. Проблемы гуманизма и искусственный интеллект // Цивилизация - общество - человек. 2018. № 6-7. С. 19-23.

11. Богомолов А.И., Невежин В.П., Жданов Г.А. Искусственный интеллект и экспертные системы в мобильной медицине // Хроноэкономика. 2018. № 3 (11): 17-28.

12. Добриднюк С.Л. Искусственный интеллект в медицине и здравоохранении // Информационное общество. 2017. № 4-5. С. 78-93.

13. Забавников А.Е. Искусственный интеллект и медицина // Философские традиции и современность. 2017. № 1 (11): 66-73.

14. Кульберг Н.С., Гусев М.А., Решетников Р.В., Елизаров А.Б., Новик В.П., Прокудайло С.Б., Филиппович Ю.Н., Гомболевский В.А., Владзимирский А.В., Камынина Н.Н., Морозов С.П. Методология и инструментарий создания обучающих выборок для систем искусственного интеллекта по распознаванию рака легкого на КТ-изображениях // Здравоохранение Российской Федерации. 2020. № 64 (6). С. 343-350. DOI: https://www.doi.org/10.46563/0044-197X-2020-64-6-343-350

15. Мельников П.В., Доведов В.Н., Каннер Д.Ю., Черниковский И.Л. Искусственный интеллект в онкохирургической практике // Тазовая хирургия и онкология. 2020. № 10 (3-4). С. 60-64.

16. Esteva A., Kuprel B., Novoa R.A., Ko J., Swetter S.M., Blau H.M., Thrun S. Dermatologist-level classification of skin cancer with deep neural networks // Nature. 2017. N 542. P. 115-118.

17. Wang S.Z., Wang J.G., Lu Y. Clinical application of convolutional neural network in pathological diagnosis of metastatic lymph nodes of gastric cancer // Zhonghua Wai Ke Za Zhi. 2019. Vol. 57, N 12. P. 934-938. DOI: https://www.doi.org/10.3760/cma.j.issn.0529-5815.2019.12.012.

18. Wang D., Xu J., Zhang Z. et al. Evaluation of rectal cancer circumferential resection margin using faster region-based convolutional neural network in highresolution magnetic resonance images // Dis Colon Rectum. 2020. Vol. 63, N 2. P. 143-151. DOI: https://www.doi.org/10.1097/DCR.0000000000001519

19. McKinney S.M., Sieniek M., Godbole V. et al. International evaluation of an AI system for breast cancer screening // Nature. 2020. Vol. 577. P. 89-94.

20. Lakhani P., Sundaram B. Deep learning at chest radiography: Automated classification of pulmonary tuberculosis by using convolutional neural networks // Radiology. 2017. Vol. 284. P. 574-582.

21. Fritz B.A., Cui Z. Zhang M. Deep-learning model for predicting 30-day postoperative mortality // Br J Anaesth. 2019. Vol. 125, N 5. P. 688-695. DOI: https://www.doi.org/10.1016/j.bja.2019.07.025

22. Rajkomar A., Oren E., Chen K. et al. Scalable and accurate deep learning with electronic health records // NPJ Digit Med. 2018. N 1. P. 18.

23. Weng S.F., Vaz L., Qureshi N. Prediction of premature all-cause mortality: a prospective general population cohort study comparing machine-learning and standard epidemiological approaches // PLoS One. 2019. Vol. 14, N 3. P. e0214365. DOI: https://www.doi.org/10.1371/journal.pone.0214365

24. Brennan M., Puri S., Ozrazgat-Baslanti T., Feng Z., Ruppert M., Hashemighouchani H., Momcilovic P., Li X., Wang D.Z., Bihorac A. Comparing clinical judgment with the MySurgeryRisk algorithm for preoperative risk assessment: a pilot usability study // Surgery. 2019. Vol. 165, N 5. P. 1035-1045.

25. Пятин В.Ф., Колсанов А.В., Романчук Н.П., Романов Д.В., Давыдкин И.Л., Волобуев А.Н., Сиротко И.И., Булгакова С.В. Биоинформатика и искусственный интеллект: геронтологические и гериатрические компоненты медико-социального сопровождения к активному здоровому долголетию // Бюллетень науки и практики. 2020. Т. 6, № 12. С. 155-175.

26. Покидова А.В. Искусственный интеллект в медицине // Достижения науки и образования. 2018. Т. 1, № 23. С. 9-11.

27. Кушнерова И.А., Акимов С.С. Перспективы применения искусственного интеллекта в медицине // Материалы VIII Всероссийской научно-практической конференции "Компьютерная интеграция производства и ИПИ-технологии". 2017. С. 249-250.

28. Шатаев Д.А. Проблема искусственного интеллекта в медицине // Материалы II международной научно-практической конференции "Качество жизни: современные риски и технологии безопасности". 2017. С. 262-266.

29. Аверьянова О.А., Коршак В.И. Искусственный интеллект в условиях современной медицины // Естественные и математические науки в современном мире. 2016. Т. 42. С. 34-38.

30. Чубов С.А. Теоретические и технологические аспекты формирования профессиональной компетентности будущих фармацевтов на основе применения средств искусственного интеллекта // Известия Волгоградского государственного педагогического университета. 2022. № 2 (165). С. 117-121.

31. Денисов Э.И. Роботы, искусственный интеллект, дополненная и виртуальная реальность: этические, правовые и гигиенические проблемы // Гигиена и санитария. 2019. Т. 98, № 1. С. 5-10. DOI: https://www.doi.org/10.18821/0016-9900-2019-98-1-5-10

32. Handbook of virtual environments: design, implementation, and applications. Ed. by Stanney K.M., Hale K.S. CRC Press, 2002. 1232 p. ISBN: 080583270X.

33. Herrera A.K., Mathew F.Z., Gugliucci M.R., Bustillos C. Augmented reality, virtual reality, & health. NIH-NNLM NER. Repository. 42. University of Massachusetts Medical School, 2017. 75 p. URL: http://escholarship umassmed edu/ner/42 (date of access 25.02.2021)

34. Johnson S., Coxon M. Sound can enhance the analgesic effect of virtual reality // Royal Society open science. 2016. Vol. 3, N 3. P. 150567.

35. Jones T., Moore T., Choo J. The Impact of Virtual Reality on Chronic Pain // PloS one. 2016. Vol. 11. N 12. P. e0167523. DOI: https://www.doi.org/10.1371/journal.pone.0167523

36. Бухтияров И.В., Денисов Э.И. Гигиенические аспекты роботизации: факторы риска и принципы безопасности // Гигиена и санитария. 2021. № 1. С. 6-12.

Материалы данного сайта распространяются на условиях лицензии Creative Commons Attribution 4.0 International License («Атрибуция - Всемирная»)

ГЛАВНЫЙ РЕДАКТОР
ГЛАВНЫЙ РЕДАКТОР
Балкизов Залим Замирович
Генеральный секретарь Российского общества специалистов медицинского образования, директор Института подготовки специалистов медицинского образования ФГБОУ ДПО РМАНПО Минздрава России, профессор кафедры профессионального образования и образовательных технологий ФГАОУ ВО РНИМУ им. Н.И. Пирогова Минздрава России, генеральный директор компании ГЭОТАР-Мед, Советник Президента Национальной медицинской палаты, Москва, Российская Федерация

Журналы «ГЭОТАР-Медиа»