навіны

З моманту стварэння IBM Watson у 2007 годзе людзі пастаянна імкнуцца да развіцця медыцынскага штучнага інтэлекту (ШІ). Карыстальная і магутная сістэма медыцынскага ШІ мае велізарны патэнцыял змяніць усе аспекты сучаснай медыцыны, забяспечыўшы больш разумную, больш дакладную, эфектыўную і інклюзіўную дапамогу, забяспечыўшы дабрабыт медыцынскіх работнікаў і пацыентаў і тым самым значна палепшыўшы здароўе людзей. За апошнія 16 гадоў, хоць даследчыкі медыцынскага ШІ назапасіліся ў розных невялікіх галінах, на дадзеным этапе яны яшчэ не змаглі ўвасобіць навуковую фантастыку ў рэальнасць.

У гэтым годзе, дзякуючы рэвалюцыйнаму развіццю тэхналогій штучнага інтэлекту, такіх як ChatGPT, медыцынскі штучны інтэлект дасягнуў значнага прагрэсу ў многіх аспектах. Беспрэцэдэнтны прарыў у магчымасцях медыцынскага штучнага інтэлекту: часопіс Nature пастаянна запускае даследаванні мадэлі медыцынскай вялікай мовы і базавай мадэлі медыцынскай выявы; Google выпускае Med-PaLM і яго пераемніка, дасягаючы экспертнага ўзроўню ў пытаннях экзамену для медыцынскіх работнікаў ЗША. Буйныя акадэмічныя часопісы сканцэнтруюцца на медыцынскім штучным інтэлекце: Nature публікуе прагноз па базавай мадэлі агульнага медыцынскага штучнага інтэлекту; пасля серыі аглядаў штучнага інтэлекту ў медыцыне раней у гэтым годзе, New England Journal of Medicine (NEJM) апублікаваў свой першы агляд лічбавага здароўя 30 лістапада і выпусціў першы нумар падчасопіса NEJM NEJM AI 12 снежня. Глеба для пасадкі медыцынскага штучнага інтэлекту яшчэ больш паспела: падчасопіс JAMA апублікаваў глабальную ініцыятыву па абмене дадзенымі медыцынскіх выяваў; Упраўленне па кантролі за харчовымі прадуктамі і лекамі ЗША (FDA) распрацоўвае праект рэкамендацый па рэгуляванні медыцынскага штучнага інтэлекту.

Ніжэй мы разгледзім значны прагрэс, якога дасягнулі даследчыкі па ўсім свеце ў напрамку выкарыстання медыцынскага штучнага інтэлекту ў 2023 годзе.

Базавая мадэль медыцынскага штучнага інтэлекту

Пабудова базавай мадэлі медыцынскага штучнага інтэлекту, несумненна, з'яўляецца самым гарачым напрамкам даследаванняў гэтага года. На працягу года часопісы Nature апублікавалі аглядныя артыкулы па універсальнай базавай мадэлі аховы здароўя і мадэлі аховы здароўя на вялікай мове. Medical Image Analysis, вядучы часопіс у галіне, разгледзеў і выказаў здагадку аб праблемах і магчымасцях даследаванняў базавых мадэляў у аналізе медыцынскіх малюнкаў, а таксама прапанаваў канцэпцыю «радаводу базавай мадэлі» для абагульнення і кіраўніцтва распрацоўкай даследаванняў базавых мадэляў медыцынскага штучнага інтэлекту. Будучыня базавых мадэляў штучнага інтэлекту для аховы здароўя становіцца ўсё больш зразумелай. Абапіраючыся на паспяховыя прыклады мадэляў на вялікай мове, такіх як ChatGPT, выкарыстоўваючы больш прасунутыя метады саманавучання і велізарныя назапашванні дадзеных навучання, даследчыкі ў галіне медыцынскага штучнага інтэлекту спрабуюць стварыць 1) спецыфічныя для захворванняў базавыя мадэлі, 2) агульныя базавыя мадэлі і 3) мультымадальныя вялікія мадэлі, якія інтэгруюць шырокі спектр рэжымаў з масіўнымі параметрамі і пашыранымі магчымасцямі.

Мадэль штучнага інтэлекту для збору медыцынскіх дадзеных

Акрамя буйных мадэляў штучнага інтэлекту, якія адыгрываюць вялікую ролю ў задачах аналізу клінічных дадзеных на наступных этапах, у працэсе збору клінічных дадзеных з'явілася тэхналогія, прадстаўленая генератыўнымі мадэлямі штучнага інтэлекту. Працэс, хуткасць і якасць збору дадзеных могуць быць значна палепшаны з дапамогай алгарытмаў штучнага інтэлекту.

Раней у гэтым годзе выданне Nature Biomedical Engineering апублікавала даследаванне, праведзенае ўніверсітэтам Страйтс у Турцыі, прысвечанае выкарыстанню генератыўнага штучнага інтэлекту для вырашэння праблемы паталагічнай візуалізацыйнай дыягностыкі ў клінічных умовах. Артэфакты ў замарожаных зрэзах тканіны падчас аперацыі перашкаджаюць хуткай дыягнастычнай ацэнцы. Нягледзячы на ​​тое, што тканіна, залітая ў фармалін і парафін (FFPE), забяспечвае больш якасны ўзор, працэс яе вытворчасці займае шмат часу і часта займае 12-48 гадзін, што робіць яе непрыдатнай для выкарыстання ў хірургіі. Таму даследчая група прапанавала алгарытм пад назвай AI-FFPE, які можа зрабіць знешні выгляд тканіны ў замарожаным зрэзе падобным да FFPE. Алгарытм паспяхова выправіў артэфакты замарожаных зрэзаў, палепшыў якасць выявы і адначасова захаваў клінічна значныя характарыстыкі. Пры клінічнай праверцы алгарытм AI-FFPE значна паляпшае дыягнастычную дакладнасць паталагаанатамаў для падтыпаў пухлін, адначасова значна скарачаючы час клінічнай дыягностыкі.

У часопісе Cell Reports Medicine паведамляецца пра даследчую працу каманды з Трэцяга клінічнага каледжа Цзіліньскага ўніверсітэта, радыялагічнага аддзялення бальніцы Чжуншань пры Фуданьскім універсітэце і Шанхайскага ўніверсітэта навукі і тэхналогій [25]. У гэтым даследаванні прапануецца універсальная платформа для глыбокага навучання і ітэрацыйнай рэканструкцыі (гібрыдная DL-IR) з высокай універсальнасцю і гнуткасцю, якая дэманструе выдатную прадукцыйнасць рэканструкцыі малюнкаў пры хуткай МРТ, нізкадозавай КТ і хуткай ПЭТ. Алгарытм дазваляе выконваць шматпаслядоўнае сканаванне аднаго органа ў МРТ за 100 секунд, зніжаць дозу выпраменьвання да ўсяго 10% ад выявы КТ, ліквідаваць шум і рэканструяваць невялікія паражэнні па ПЭТ-здымках з паскарэннем у 2-4 разы, адначасова памяншаючы ўплыў артэфактаў руху.

Медыцынскі штучны інтэлект у супрацоўніцтве з медыцынскімі работнікамі

Хуткае развіццё медыцынскага штучнага інтэлекту таксама прымусіла медыцынскіх работнікаў сур'ёзна разгледзець і вывучыць магчымасці супрацоўніцтва са штучным інтэлектам для паляпшэння клінічных працэсаў. У ліпені гэтага года DeepMind і шматінстытуцыйная даследчая група сумесна прапанавалі сістэму штучнага інтэлекту пад назвай Complementary Driven Clinical Workflow Delay (CoDoC). Дыягнастычны працэс спачатку дыягнастуецца прагназуючай сістэмай штучнага інтэлекту, затым ацэньваецца іншай сістэмай штучнага інтэлекту на аснове папярэдняга выніку, і калі ёсць сумневы, дыягназ, нарэшце, ставіцца клініцыстам, каб палепшыць дакладнасць дыягностыкі і збалансаваць эфектыўнасць. Калі гаворка ідзе пра скрынінг рака малочнай залозы, CoDoC знізіў узровень ілжыва станоўчых вынікаў на 25% пры тым жа ўзроўні ілжываадмоўных вынікаў, адначасова зніжаючы нагрузку на клініцыстаў на 66% у параўнанні з бягучым працэсам «падвойнага чытання» ў Вялікабрытаніі. Што тычыцца класіфікацыі туберкулёзу, узровень ілжывастаноўчых вынікаў быў зніжаны на 5-15 працэнтаў пры тым жа ўзроўні ілжываадмоўных вынікаў у параўнанні з незалежным штучным інтэлектам і клінічнымі працоўнымі працэсамі.

Падобным чынам, Эні Ю. Нг і інш. з кампаніі Kheiron у Лондане, Вялікабрытанія, увялі дадатковыя счытвальнікі са штучным інтэлектам (у супрацоўніцтве з экспертамі-людзьмі) для паўторнага вывучэння вынікаў, калі ў працэсе арбітражу падвойнага счытвання не было вынікаў паўторнага вывучэння, што палепшыла праблему прапушчанага выяўлення пры раннім скрынінгу рака малочнай залозы, і працэс практычна не меў ілжыва станоўчых вынікаў. У іншым даследаванні, праведзеным пад кіраўніцтвам каманды з Медыцынскай школы Макгаверна Тэхаскага ўніверсітэта і праведзеным у чатырох цэнтрах інсульту, выкарыстоўвалася тэхналогія штучнага інтэлекту на аснове камп'ютэрнай тамаграфіі (КТ-ангіяграфіі) для аўтаматызацыі выяўлення вялікага сасудзістага аклюзіўнага ішэмічнага інсульту (ЛВА). Клініцысты і радыелагі атрымліваюць апавяшчэнні ў рэжыме рэальнага часу на свае мабільныя тэлефоны на працягу некалькіх хвілін пасля завяршэння КТ-візуалізацыі, якія паведамляюць ім аб магчымай наяўнасці ЛВА. Гэты працэс штучнага інтэлекту паляпшае працоўныя працэсы ў бальніцы пры вострым ішэмічным інсульце, скарачаючы час ад дзвярэй да пахвіннай вобласці ад паступлення да лячэння і забяспечваючы магчымасці для паспяховага выратавання. Вынікі апублікаваны ў JAMA Neurology.

Мадэль аховы здароўя на аснове штучнага інтэлекту для ўсеагульнай карысці

У 2023 годзе таксама будзе шмат добрых прац, звязаных з выкарыстаннем медыцынскага штучнага інтэлекту для пошуку асаблівасцей, нябачных для чалавечага вока, у больш даступных дадзеных, што дазволіць праводзіць універсальную дыягностыку і ранні скрынінг у вялікіх маштабах. У пачатку года Nature Medicine апублікавала даследаванні, праведзеныя Цэнтрам вачэй Чжуншань Універсітэта Сунь Ятсена і Другой клінічнай бальніцай Фуцзяньскага медыцынскага ўніверсітэта. Выкарыстоўваючы смартфоны ў якасці тэрміналаў прыкладанняў, яны выкарыстоўвалі відэавыявы, падобныя на мультфільмы, каб выклікаць позірк у дзяцей і запісаць іх паводзіны і рысы твару, а таксама дадаткова прааналізавалі анамальныя мадэлі з дапамогай мадэляў глыбокага навучання, каб паспяхова выявіць 16 захворванняў вачэй, у тым ліку прыроджаную катаракту, прыроджаны птоз і прыроджаную глаўкому, з сярэдняй дакладнасцю скрынінга больш за 85%. Гэта забяспечвае эфектыўныя і простыя ў папулярызацыі тэхнічныя сродкі для маштабнага ранняга скрынінга парушэнняў зроку ў немаўлят і звязаных з імі захворванняў вачэй.

У канцы года часопіс Nature Medicine апублікаваў вынікі працы, праведзенай больш чым 10 медыцынскімі і навукова-даследчымі ўстановамі па ўсім свеце, у тым ліку Шанхайскім інстытутам захворванняў падстраўнікавай залозы і Першай клінічнай бальніцай Чжэцзянскага ўніверсітэта. Аўтар ужыў штучны інтэлект для скрынінгу бессімптомнага раку падстраўнікавай залозы ў цэнтрах фізічнага абследавання, бальніцах і г.д., каб выявіць асаблівасці паражэнняў на звычайных камп'ютэрных тамаграфічных здымках, якія цяжка выявіць няўзброеным вокам, і такім чынам дасягнуць эфектыўнага і неінвазіўнага ранняга выяўлення раку падстраўнікавай залозы. Пры аналізе дадзеных больш чым 20 000 пацыентаў мадэль таксама выявіла 31 выпадак клінічна прапушчаных паражэнняў, што значна палепшыла клінічныя вынікі.

Абмен медыцынскімі дадзенымі

У 2023 годзе па ўсім свеце з'явілася значна больш дасканалых механізмаў абмену дадзенымі і паспяховых выпадкаў, якія забяспечваюць шматцэнтравае супрацоўніцтва і адкрытасць дадзеных пры ўмове абароны прыватнасці і бяспекі дадзеных.

Па-першае, з дапамогай самой тэхналогіі штучнага інтэлекту даследчыкі штучнага інтэлекту зрабілі свой унёсак у абмен медыцынскімі дадзенымі. Ці Чанг і іншыя з Універсітэта Рутгерса ў ЗША апублікавалі артыкул у Nature Communications, у якім прапанавалі федэральную структуру навучання DSL, заснаваную на размеркаваных сінтэтычных суперніцкіх сетках, якая выкарыстоўвае генератыўны штучны інтэлект для навучання канкрэтных згенераваных дадзеных шматцэнтравых цэнтраў, а затым замяняе рэальныя дадзеныя шматцэнтравых цэнтраў згенераванымі дадзенымі. Забяспечвае навучанне штучнага інтэлекту на аснове вялікіх дадзеных шматцэнтравых цэнтраў, абараняючы пры гэтым прыватнасць дадзеных. Гэтая ж каманда таксама апублікавала ў адкрытым доступе набор дадзеных згенераваных паталагічных малюнкаў і адпаведных ім анатацый. Мадэль сегментацыі, навучаная на згенераваным наборы дадзеных, можа дасягнуць вынікаў, падобных да рэальных дадзеных.

Каманда Дай Цюнхая з Універсітэта Цынхуа апублікавала артыкул пра npj Digital Health, прапанаваўшы рэлейнае навучанне, якое выкарыстоўвае вялікія шматсайтавыя даныя для навучання мадэляў штучнага інтэлекту з улікам лакальнага суверэнітэту даных і адсутнасці міжсайтавых сеткавых падключэнняў. Гэтая тэхналогія спалучае ў сабе праблемы бяспекі і прыватнасці даных з імкненнем да павышэння прадукцыйнасці штучнага інтэлекту. Пасля гэтага тая ж каманда сумесна распрацавала і праверыла CAIMEN, сістэму дыягностыкі пухлін грудной клеткі і міжсцення на аснове федэральнага навучання, у супрацоўніцтве з Першай афіляванай бальніцай Медыцынскага ўніверсітэта Гуанчжоу і 24 бальніцамі па ўсёй краіне. Сістэма, якую можна ўжываць да 12 распаўсюджаных пухлін міжсцення, дасягнула на 44,9 працэнта лепшай дакладнасці пры асобным выкарыстанні, чым пры выкарыстанні толькі экспертамі-людзьмі, і на 19 працэнтаў лепшай дакладнасці дыягностыкі пры дапамозе экспертаў-людзей.

З іншага боку, рэалізуецца некалькі ініцыятыў па стварэнні бяспечных, глабальных, маштабных набораў медыцынскіх дадзеных. У лістападзе 2023 года Агусціна Саенс і іншыя супрацоўнікі кафедры біямедыцынскай інфарматыкі Гарвардскай медыцынскай школы апублікавалі ў інтэрнэце ў часопісе Lancet Digital Health глабальную структуру для абмену дадзенымі медыцынскіх малюнкаў пад назвай «Дадзеныя штучнага інтэлекту для ўсёй аховы здароўя» (MAIDA). Яны супрацоўнічаюць з арганізацыямі аховы здароўя па ўсім свеце, каб даць усебаковае кіраўніцтва па зборы дадзеных і дэідэнтыфікацыі, выкарыстоўваючы шаблон Федэральнага дэманстрацыйнага партнёра ЗША (FDP) для стандартызацыі абмену дадзенымі. Яны плануюць паступова публікаваць наборы дадзеных, сабраныя ў розных рэгіёнах і клінічных умовах па ўсім свеце. Чакаецца, што першы набор дадзеных будзе апублікаваны ў пачатку 2024 года, а па меры пашырэння партнёрства будуць дададзены новыя. Праект з'яўляецца важнай спробай стварыць глабальны, маштабны і разнастайны набор агульнадаступных дадзеных штучнага інтэлекту.

Пасля гэтай прапановы брытанскі біябанк паказаў прыклад. 30 лістапада брытанскі біябанк апублікаваў новыя дадзеныя, атрыманыя ў выніку поўнага секвенавання геному 500 000 яго ўдзельнікаў. База дадзеных, якая публікуе поўную паслядоўнасць геному кожнага з 500 000 брытанскіх валанцёраў, з'яўляецца найбуйнейшай у свеце поўнай базай дадзеных геному чалавека. Даследчыкі па ўсім свеце могуць запытаць доступ да гэтых абезідэнтыфікаваных дадзеных і выкарыстоўваць іх для вывучэння генетычных асноў здароўя і хвароб. Генетычныя дадзеныя заўсёды былі вельмі адчувальнымі для праверкі ў мінулым, і гэта гістарычнае дасягненне брытанскага біябанка даказвае, што можна стварыць адкрытую, бяспечную для прыватнасці глабальную маштабную базу дадзеных. З дапамогай гэтай тэхналогіі і базы дадзеных медыцынскі штучны інтэлект абавязкова адкрые наступны скачок.

Праверка і ацэнка медыцынскага штучнага інтэлекту

У параўнанні з хуткім развіццём самой тэхналогіі медыцынскага штучнага інтэлекту, развіццё праверкі і ацэнкі медыцынскага штучнага інтэлекту адбываецца крыху павольна. Праверка і ацэнка ў агульнай галіне штучнага інтэлекту часта ігнаруюць рэальныя патрэбы клініцыстаў і пацыентаў у штучным інтэлекце. Традыцыйныя рандомізірованные кантраляваныя клінічныя выпрабаванні занадта працаёмкія, каб адпавядаць хуткай ітэрацыі інструментаў штучнага інтэлекту. Найважнейшым фактарам для садзейнічання медыцынскаму штучнаму інтэлекту з'яўляецца як мага хутчэйшае ўдасканаленне сістэмы праверкі і ацэнкі, прыдатнай для інструментаў медыцынскага штучнага інтэлекту, каб сапраўды пераскочыць ад даследаванняў і распрацовак да клінічнай практыкі.

У даследчай працы Google па Med-PaLM, апублікаванай у часопісе Nature, каманда таксама апублікавала тэст ацэнкі MultiMedQA, які выкарыстоўваецца для ацэнкі здольнасці мадэляў з вялікімі мовамі набываць клінічныя веды. Тэст аб'ядноўвае шэсць існуючых набораў прафесійных медыцынскіх пытанняў і адказаў, якія ахопліваюць прафесійныя медыцынскія веды, даследаванні і іншыя аспекты, а таксама набор дадзеных медыцынскіх пытанняў онлайн-пошуку, які разглядае онлайн-пытанні і адказы лекара і пацыента, спрабуючы навучыць штучны інтэлект кваліфікаванаму лекару з многіх бакоў. Акрамя таго, каманда прапануе структуру, заснаваную на ацэнцы чалавекам, якая ўлічвае мноства аспектаў фактаў, разумення, разважанняў і магчымай прадузятасці. Гэта адно з найбольш прадстаўнічых даследчых намаганняў па ацэнцы штучнага інтэлекту ў ахове здароўя, апублікаванае ў гэтым годзе.

Аднак, ці азначае той факт, што мадэлі на вялікіх мовах дэманструюць высокі ўзровень кадавання клінічных ведаў, што яны кампетэнтныя для рэальных клінічных задач? Гэтак жа, як студэнт-медык, які здае прафесійны экзамен на лекара з ідэальным балам, усё яшчэ далёкі ад таго, каб стаць аднаасобным галоўным лекарам, крытэрыі ацэнкі, прапанаваныя Google, могуць не быць ідэальным адказам на пытанне ацэнкі медыцынскіх мадэляў штучнага інтэлекту. Яшчэ ў 2021 і 2022 гадах даследчыкі прапанавалі рэкамендацыі па справаздачнасці, такія як Decid-AI, SPIRIT-AI і INTRPRT, спадзеючыся накіраваць раннюю распрацоўку і праверку медыцынскага штучнага інтэлекту пры ўмове ўліку такіх фактараў, як клінічная практычнасць, бяспека, чалавечы фактар ​​і празрыстасць/інтэрпрэтабельнасць. Зусім нядаўна часопіс Nature Medicine апублікаваў даследаванне даследчыкаў з Оксфардскага і Стэнфардскага ўніверсітэтаў аб тым, ці варта выкарыстоўваць «знешнюю праверку» або «перыядычную лакальную праверку». Для праверкі інструментаў штучнага інтэлекту.

Непрадузяты характар ​​інструментаў штучнага інтэлекту таксама з'яўляецца важным напрамкам ацэнкі, якому ў гэтым годзе нададзена ўвага як у артыкулах часопісаў Science, так і ў NEJM. Штучны інтэлект часта праяўляе прадузятасць, паколькі ён абмежаваны дадзенымі для навучання. Гэтая прадузятасць можа адлюстроўваць сацыяльную няроўнасць, якая ў далейшым перарастае ў алгарытмічную дыскрымінацыю. Нацыянальныя інстытуты здароўя нядаўна запусцілі ініцыятыву Bridge2AI, кошт якой ацэньваецца ў 130 мільёнаў долараў, для стварэння разнастайных набораў дадзеных (у адпаведнасці з мэтамі вышэйзгаданай ініцыятывы MAIDA), якія можна выкарыстоўваць для праверкі непрадузятасці медыцынскіх інструментаў штучнага інтэлекту. Гэтыя аспекты не ўлічваюцца ў MultiMedQA. Пытанне аб тым, як вымяраць і правяраць мадэлі медыцынскага штучнага інтэлекту, усё яшчэ патрабуе шырокага і паглыбленага абмеркавання.

У студзені выданне Nature Medicine апублікавала артыкул пад назвай «Наступнае пакаленне медыцыны, заснаванай на доказах», аўтарам якога з'яўляецца Вівек Субія з Цэнтра рака імя доктара М.Д. Андэрсана пры Тэхаскім універсітэце, у якім разглядаюцца абмежаванні клінічных выпрабаванняў, выяўленыя ў кантэксце пандэміі COVID-19, і адзначаецца супярэчнасць паміж інавацыямі і прытрымліваннем працэсу клінічных даследаванняў. Нарэшце, у артыкуле адзначаецца будучыня рэструктурызацыі клінічных выпрабаванняў — наступнае пакаленне клінічных выпрабаванняў з выкарыстаннем штучнага інтэлекту, гэта значыць выкарыстанне штучнага інтэлекту з вялікай колькасці гістарычных даследчых дадзеных, рэальных дадзеных, мультымадальных клінічных дадзеных, дадзеных носных прылад для пошуку ключавых доказаў. Ці азначае гэта, што тэхналогія штучнага інтэлекту і працэсы клінічнай праверкі штучнага інтэлекту могуць узаемна ўзмацняць і сумесна развівацца ў будучыні? Гэта адкрытае і прымушае задумацца пытанне 2023 года.

Рэгуляванне медыцынскага штучнага інтэлекту

Развіццё тэхналогій штучнага інтэлекту таксама стварае праблемы для рэгулявання штучнага інтэлекту, і палітыкі па ўсім свеце рэагуюць на гэта ўважліва і асцярожна. У 2019 годзе FDA ўпершыню апублікавала Прапанаваную рэгулятарную базу для змяненняў праграмнага забеспячэння медыцынскіх прылад са штучным інтэлектам (праект для абмеркавання), у якой падрабязна апісаны яе патэнцыйны падыход да перадпродажнай ацэнкі мадыфікацый праграмнага забеспячэння на аснове штучнага інтэлекту і машыннага навучання. У 2021 годзе FDA прапанавала «План дзеянняў па праграмным забеспячэнні на аснове штучнага інтэлекту/машыннага навучання як медыцынскай прылады», які ўдакладніў пяць канкрэтных мер рэгулявання ў галіне медыцынскага інтэлекту. У гэтым годзе FDA перавыдала перадпродажную заяву на функцыі праграмнага забеспячэння прылад, каб даць інфармацыю аб рэкамендацыях па перадпродажнай заяве для ацэнкі FDA бяспекі і эфектыўнасці функцый праграмнага забеспячэння прылад, у тым ліку некаторых функцый праграмных прылад, якія выкарыстоўваюць мадэлі машыннага навучання, навучаныя з дапамогай метадаў машыннага навучання. Рэгулятарная палітыка FDA ператварылася з першапачатковай прапановы ў практычнае кіраўніцтва.

Пасля публікацыі Еўрапейскай прасторы дадзеных аб ахове здароўя ў ліпені мінулага года ЕС зноў прыняў Закон аб штучным інтэлекце. Першы накіраваны на найлепшае выкарыстанне дадзеных аб ахове здароўя для забеспячэння якаснай медыцынскай дапамогі, скарачэння няроўнасці і падтрымкі дадзеных для прафілактыкі, дыягностыкі, лячэння, навуковых інавацый, прыняцця рашэнняў і заканадаўства, адначасова забяспечваючы грамадзянам ЕС большы кантроль над сваімі асабістымі дадзенымі аб здароўі. Другі дае зразумець, што сістэма медыцынскай дыягностыкі з'яўляецца сістэмай штучнага інтэлекту з высокай рызыкай, і яна павінна ўкараніць мэтанакіраваны строгі кантроль, кантроль на працягу ўсяго жыццёвага цыклу і кантроль перад ацэнкай. Еўрапейскае агенцтва па лекавых сродках (EMA) апублікавала праект рэферэнснага дакумента аб выкарыстанні штучнага інтэлекту для падтрымкі распрацоўкі, рэгулявання і выкарыстання лекаў, з акцэнтам на павышэнне даверу да штучнага інтэлекту для забеспячэння бяспекі пацыентаў і цэласнасці вынікаў клінічных даследаванняў. У цэлым, рэгуляцыйны падыход ЕС паступова фарміруецца, і канчатковыя дэталі рэалізацыі могуць быць больш падрабязнымі і строгімі. У рэзкі кантраст са строгім рэгуляваннем ЕС, рэгуляцыйны план Вялікабрытаніі па штучным інтэлекце дае зразумець, што ўрад плануе прыняць мяккі падыход і пакуль не прымаць новыя законапраекты або ствараць новых рэгулятараў.

У Кітаі Цэнтр тэхнічнага агляду медыцынскіх вырабаў (NMPA) Нацыянальнай адміністрацыі па медыцынскіх вырабах раней апублікаваў такія дакументы, як «Пункты агляду праграмнага забеспячэння для дапамогі ў прыняцці рашэнняў на аснове глыбокага навучання», «Кіруючыя прынцыпы агляду рэгістрацыі медыцынскіх вырабаў са штучным інтэлектам (праект для каментарыяў)» і «Цыркуляр аб кіруючых прынцыпах класіфікацыі і вызначэння медыцынскіх праграмных прадуктаў са штучным інтэлектам (№ 47 у 2021 г.)». У гэтым годзе зноў быў апублікаваны «Кароткі змест вынікаў першай класіфікацыі медыцынскіх вырабаў у 2023 годзе». Гэтая серыя дакументаў робіць вызначэнне, класіфікацыю і рэгуляванне медыцынскіх праграмных прадуктаў са штучным інтэлектам больш зразумелымі і простымі ў выкарыстанні, а таксама дае выразныя рэкамендацыі па пазіцыянаванні і стратэгіях рэгістрацыі прадуктаў розных прадпрыемстваў у галіне. Гэтыя дакументы забяспечваюць аснову і кіраўніцкія рашэнні для навуковага рэгулявання медыцынскіх вырабаў са штучным інтэлектам. Варта чакаць, што ў парадку дня Кітайскай канферэнцыі па медыцынскім штучным інтэлекце, якая прайшла ў Ханчжоу з 21 па 23 снежня, будзе створаны спецыяльны форум па лічбавым кіраванні медыцынай і якасным развіцці дзяржаўных бальніц, а таксама форум па развіцці галіны стандартызацыі тэхналогій тэсціравання і ацэнкі медыцынскіх вырабаў са штучным інтэлектам. У гэты час у пасяджэнні возьмуць удзел чыноўнікі Нацыянальнай камісіі па развіцці і рэформах і Нацыянальнай акадэміі па справах медыцынскіх вырабаў (NMPA), якія могуць апублікаваць новую інфармацыю.

Выснова

У 2023 годзе медыцынскі штучны інтэлект пачаў інтэгравацца ва ўсе медыцынскія працэсы, якія ахопліваюць збор дадзеных бальніц, іх аб'яднанне, аналіз, дыягностыку і лячэнне, а таксама скрынінг насельніцтва, і арганічна супрацоўнічаць з медыцынскімі работнікамі/працаўнікамі па кантролі захворванняў, дэманструючы патэнцыял для паляпшэння здароўя чалавека. Пачынаюць з'яўляцца карысныя даследаванні ў галіне медыцынскага штучнага інтэлекту. У будучыні прагрэс медыцынскага штучнага інтэлекту залежыць не толькі ад самога тэхналагічнага развіцця, але і патрабуе поўнага супрацоўніцтва прамысловасці, універсітэтаў і медыцынскіх даследаванняў, а таксама падтрымкі палітыкаў і рэгулятараў. Гэта міждысцыплінарнае супрацоўніцтва з'яўляецца ключом да дасягнення медыцынскіх паслуг, інтэграваных з штучным інтэлектам, і, безумоўна, будзе спрыяць развіццю здароўя чалавека.