Microsoft Research выпустила подкаст: Хорвиц и Тополь о том, как ИИ изменит медицину

Microsoft Research выпустила подкаст: Хорвиц и Тополь о том, как ИИ изменит медицину

Microsoft Research выпустила эпизод подкаста The Shape of Things to Come («Облик грядущего») с ведущим Дагом Бёрджером, руководителем в Microsoft Research. Гости: главный научный сотрудник Microsoft Эрик Хорвиц, врач-учёный и консультант Microsoft по ИИ в здравоохранении Эрик Тополь из Scripps Research, а также Ава Амини, главный менеджер по исследованиям в Microsoft. По описанию эпизода, они говорят об ИИ-диагностике, ИИ в анализе медицинских изображений, «моделях всего пациента», виртуальных клетках и биологических фундаментальных моделях в научных открытиях, а также о том, почему перспективные исследования медленно доходят до пациентов.

Хорвиц отмечает, что здравоохранение и биологические науки оказались в выигрышном положении: контент там давно оцифрован (структуры белков, электронные медицинские карты), поэтому эти области готовы к применению ИИ. По его словам, за последние пять, восемь лет в биологии заметен прогресс и у дискриминативных, и у генеративных моделей; прорыв AlphaFold он называет верхушкой айсберга. В медицине он видит шанс решить давние проблемы: безопасность пациентов, своевременность диагнозов и доступность помощи.

Хорвиц рассказывает о работе его команды в Microsoft над диагностикой. Вместо того чтобы отдавать ИИ готовый случай целиком и оценивать точность диагноза, исследователи поставили систему на место врача. У неё есть начальные симптомы, жалоба и немного анамнеза; дальше она сама решает, какие вопросы задать и какие анализы назначить, взвешивая ценность информации и стоимость обследования, и когда поставить диагноз, даже в условиях неопределённости. Это он называет «последовательным диагностическим заданием» (sequential diagnosis challenge). По словам Хорвица, ряд передовых языковых моделей показал в нём замечательные способности. Он оговаривается, что сравнения с врачами общей практики имеют ограничения и их нужно воспринимать с оговорками, но они всё равно показывают перспективность методов для помощи будущим клиницистам. Бёрджер упоминает, что у Хорвица вышла обложечная статья в журнале Science.

Тополь называет эту статью знаковой. По его словам, впервые агентная система поставила более точные диагнозы не только по сравнению с врачами, но и по сравнению со многими другими передовыми моделями. Он говорит о заметно возросшей точности (по его выражению, «почти вдвое», без указания базы и процентов) при меньших затратах, и считает это первой демонстрацией того, что можно получить более высокую точность при более низкой цене. Он противопоставляет это тому, что до сих пор видели: ИИ использовали, чтобы завышать коды в счетах и, возможно, повышать расходы.

Дальше Тополь говорит, что медицина увлеклась «блестящим объектом» генеративного ИИ (ему около четырёх лет), но недоиспользует то, что доказано лучше, а именно глубокое обучение на медицинских изображениях: сетчатке, рентгене грудной клетки, электрокардиограмме. Парадокс в том, что не внедряются уроки маммографии (рандомизированное исследование с участием более ста тысяч женщин) и колоноскопии (44 рандомизированных исследования), хотя ИИ способен извлекать из снимков информацию, которую не видят люди. Следующим этапом ИИ он называет «модели всего пациента»: электронные карты, исходные изображения и другие слои данных (геномика, протеомика, экспосома). Такие модели, по его словам, позволили бы на уровне отдельного человека предсказывать болезни и сроки их появления и моделировать сценарии «что, если» для отсрочки или предотвращения болезни. Пока же, по его словам, исследования не повлияли на лечение, и это «досадно, мягко говоря».

На вопрос Бёрджера, чего не хватает сообществу, Тополь отвечает: внедрения. Результаты лежат в рецензируемых журналах, в том числе данные рандомизированных исследований в реальных условиях, но не применяются. Причины он видит в медлительности профессии в принятии перемен, финансовых ограничениях и нежелании больниц инвестировать при очень низкой марже. Врачи и пациенты, добавляет он, не требуют этих новшеств: женщины в США почти не получают современный ИИ при маммографии, а где получают, там часто за свой счёт и в ограниченной сети клиник. Расшифровка в доступной части обрывается на этом ответе Тополя.

Ключевые факты

  • В эпизоде подкаста Microsoft Research The Shape of Things to Come ведущий Даг Бёрджер беседует с Эриком Хорвицем, Эриком Тополем и Авой Амини о будущем медицины с ИИ.
  • Хорвиц описывает «последовательное диагностическое задание»: ИИ на месте врача сам выбирает вопросы и анализы и решает, когда поставить диагноз; ряд передовых языковых моделей показал в нём «замечательные способности», хотя сравнения с врачами общей практики имеют ограничения.
  • Тополь называет статью в Science первой, где агентная система поставила более точные диагнозы, чем врачи и многие передовые модели, при меньших затратах; точность выросла «почти вдвое» (без базы и процентов).
  • По Тополю, глубокое обучение на медицинских изображениях доказано лучше генеративного ИИ, но недоиспользуется: уроки маммографии (более 100 тысяч женщин) и колоноскопии (44 исследования) не внедряются.
  • Следующий этап ИИ в медицине, по Тополю, это «модели всего пациента» (электронные карты, изображения, геномика, протеомика, экспосома); главный тормоз он видит во внедрении.

Почему это важно

Это разговор двух людей, которые стоят у истоков темы: Хорвиц руководит научной работой в Microsoft, Тополь возглавляет исследования в Scripps Research. Новых результатов или релиза в эпизоде нет, но в нём сформулирована главная претензия к области: научные доказательства уже есть, а до пациентов они не доходят. Тополь прямо называет узким местом внедрение, а не качество моделей. Для картины происходящего важен и сдвиг в способе оценки: диагностику проверяют не на готовом описании случая, а в процессе, где ИИ сам выбирает вопросы и обследования, взвешивая их стоимость.

Кому это важно

Врачам и руководителям больниц, которые решают, во что вкладываться: Тополь указывает на низкую маржу и осторожность систем здравоохранения. Исследователям на стыке ИИ и биологии, которых касаются разговоры о моделях всего пациента, виртуальных клетках и биологических фундаментальных моделях. Разработчикам медицинских ИИ-продуктов и регуляторам, поскольку речь о том, почему доказанные методы (например, ИИ в маммографии) почти не доходят до практики. Интересующимся темой читателям эпизод даёт неспециальный обзор: Бёрджер спрашивает Тополя, что вынесет из разговора обычный слушатель, не обязательно эксперт по ИИ или медицине.

Как это применить

Прямых инструкций в доступной части разговора нет, это обсуждение, а не руководство. Практический вывод Тополя: оценивать и внедрять уже проверенное, а именно ИИ-анализ снимков (сетчатка, рентген грудной клетки, электрокардиограмма, маммография, колоноскопия), а не только гоняться за генеративными моделями. Из подхода Хорвица можно взять идею оценивать медицинский ИИ в роли клинициста, который сам выбирает вопросы и тесты и учитывает их стоимость. Полную запись эпизода можно послушать в подкасте Microsoft Research.

Можно ли доверять

Источник, сам Microsoft Research, а двое из трёх гостей работают в Microsoft; Тополь назван консультантом Microsoft по ИИ в здравоохранении, хотя Бёрджер подчёркивает, что он единственный гость, не сотрудник компании. Тон разговора доброжелательный: Тополь хвалит статью коллег. Оценка «почти вдвое», слова Тополя, без базы и процентов; названия и состава моделей, числа врачей в сравнении и стоимости в доступном тексте нет. Сам Хорвиц оговаривает, что сравнения с врачами имеют ограничения. Текст расшифровки в доступной части оборван, поэтому слова Амини и обсуждение виртуальных клеток и поиска лекарств здесь не пересказаны.

Риски и подводные камни

Главная оговорка, слова самого Хорвица: сравнения с врачами общей практики имеют ограничения, их нужно принимать с оговорками, а перспективность метода не равна готовности к клинике. Тополь называет и системные барьеры: медлительность профессии, финансовые ограничения, нежелание инвестировать, отсутствие запроса от врачей и пациентов. Он же напоминает об обратной стороне: ИИ уже использовали, чтобы завышать коды в счетах и потенциально повышать расходы. Наконец, это беседа единомышленников, а не независимая оценка, и сроков, когда «модели всего пациента» или ИИ-снимки дойдут до пациентов, в доступной части не названо.

«Это действительно была первая демонстрация того, что можно получить более высокую точность при более низкой стоимости.»

— Эрик Тополь, Scripps Research