Мы часто представляем себе медицинские инновации как нечто, происходящее в лабораториях с микроскопами и сложным оборудованием, настоящая революция разворачивается в сфере данных и искусственного интеллекта.
Удивительно, но здравоохранение долгое время было одной из последних отраслей, кто по-настоящему принял цифровую трансформацию. Еще совсем недавно, до 2009 года, большинство медицинских учреждений хранили информацию о пациентах на бумаге, что делало ее почти недоступной для анализа и эффективного использования. Даже сегодня, в 2025 году, факсимильные (!) аппараты все еще используются, требуя ручного сканирования документов в электронные системы.
Основные вызовы в работе с медицинскими данными сегодня – это не столько технологические, сколько проблемы, связанные с людьми и процессами:
- Сложность обмена данными
Существуют стандарты обмена данными, однако реализация сильно варьируется от учреждения к учреждению и от одной системы электронных медицинских карт (ЭМК) к другой. - Семантическая неоднозначность
Даже простые данные, такие как артериальное давление (два значения: систолическое и диастолическое), могут быть представлены по-разному в разных системах, что делает их интерпретацию сложной. - Сопротивление изменениям в рабочем процессе
Специалисты, работающие в условиях жесткого графика, не любят менять привычные рабочие процессы. Любое новое решение должно быть бесшовно интегрировано в их повседневную деятельность, иначе оно не будет использоваться.
Компания Extenda Solutions, возглавляемая Р.Дж. Кедзиорой, фокусируется на решении этих проблем с данными в цифровом здравоохранении. Это консалтинговая организация, специализирующаяся на разработке индивидуального программного обеспечения, проектах по работе с данными и ИИ, а также исследованиях и разработках (R&D), направленных на улучшение здоровья и благополучия пациентов.
Одним из ярких примеров их работы является программа по теленаблюдению за диабетической ретинопатией, которая действует уже более 20 лет. Диабетическая ретинопатия является основной причиной предотвратимой слепоты. В рамках этой программы в медицинских центрах по всей территории США устанавливаются камеры для фотографирования сетчатки глаза пациентов. Снимки отправляются в центр обработки, где оценивается наличие заболевания, а затем, при необходимости, назначается соответствующее лечение. Сочетание этих изображений с информацией из медицинских карт пациентов позволяет делать более точные рекомендации.
А при чем тут ИИ?
Искусственный интеллект уже активно используется в здравоохранении, и его применение продолжает расширяться:
- Машинное обучение для анализа изображений
Это “старая школа” ИИ, но она остается чрезвычайно актуальной. Машинное обучение широко используется для анализа медицинских изображений, например, в проекте по диабетической ретинопатии, для выявления аномалий, которые человеческий глаз может пропустить. Компьютеры не устают, в отличие от людей, что делает их идеальными для таких задач. - Крупные языковые модели (LLM) и их применение
- Низкорисковые области
Врачи быстро внедряют фоновое прослушивание (ambient listening), когда ИИ записывает и документирует визит пациента, позволяя врачу сосредоточиться на общении, а не на вводе данных. Также ИИ используется для административных задач, например, для преобразования заметок в структурированную информацию для выставления счетов. - Повышение качества лечения и диагностики
ИИ помогает быстрее диагностировать редкие заболевания, такие как волчанка, которые обычно требуют многих лет для постановки диагноза. Он также может выявлять существующие лекарства, которые могут быть эффективны для лечения редких заболеваний, когда разработка новых нерентабельна.
- Низкорисковые области
Важно понимать, что ИИ не заменит врачей или медицинских работников, а расширит их возможности. Он будет аугментировать их способности, делая их работу более эффективной и точной. В будущем, по мнению экспертов, будет безответственно не использовать ИИ в медицинском обслуживании из-за его способности обрабатывать огромные объемы данных, включая новые исследования, которые могут достигать клинической практики за 17 лет.
Персонализированная Медицина
С появлением носимых устройств, таких как кольца Aura или датчики пота, генерируется огромное количество персональных данных о здоровье. Врачи пока не всегда готовы к работе с этими новыми типами данных. Здесь на помощь приходит ИИ, позволяя перейти к гораздо более персонализированной медицине.
Немалая часть здоровья человека определяется тем, что происходит вне кабинета врача. Устройства непрерывного мониторинга глюкозы (CGM), изначально разработанные для диабетиков, теперь доступны и для людей без диабета. Они позволяют визуально увидеть, как те или иные действия, например, 10-минутная прогулка после еды, влияют на уровень глюкозы в крови, что является мощным инструментом для улучшения собственного здоровья. ИИ анализирует эти данные, предоставляя пользователям персонализированные рекомендации.
Что ждет нас впереди?
В ближайшие годы ожидаются следующие ключевые изменения:
- Новые инициативы для обмена данными, такие как TEFCA (Trusted Exchange Framework and Common Agreement) в США
- Развитие разговорной аналитики.
Extenda Solutions, например, работает над созданием базы данных тестов обоняния (потеря обоняния может быть индикатором серьезных заболеваний, таких как болезнь Паркинсона или Альцгеймера). На базе этой базы данных будет реализована разговорная аналитика, позволяющая пользователям “разговаривать” с данными, подобно ChatGPT, чтобы получать информацию без необходимости осваивать сложные языки программирования (SQL, R и т.д.). Это позволит расширить доступ к данным для более широкого круга людей и стимулировать новые исследования.
Экспертное мнение BAUM
В BAUM мы смотрим на искусственный интеллект шире, чем просто набор технологий: для нас это экосистема, где люди, данные и алгоритмы соединяются в единую цепочку создания ценности. Именно поэтому мы разрабатываем RAZUM AI — платформу прикладного ИИ, которая не только «демократизирует» доступ к ИИ, но и приглашает врачей, исследователей и инженеров формировать живое сообщество авторов. Каждый участник сможет выпускать собственные «плагины» — микроприложения, которые встраиваются в платформу. Эти плагины снимают с медиков рутинную документацию, помогают распознавать редкие патологии на снимках, подсказывают оптимальные протоколы лечения и, главное, радикально ускоряют сам процесс научного поиска.
Наша цель — превратить любого профильного специалиста в «супер-исследователя». Пройдя короткий курс по RAZUM AI, он соединит свою экспертную интуицию с доступом к большим наборам мульти-модальных данных и мощью последних языковых и визуальных моделей. То, что раньше требовало месяцев сверки и скриптов, станет задачей нескольких часов.
Чтобы эта мечта работала, нам нужен надежный фундамент из данных. Создание единого, качественного массива — это отдельная, многослойная работа: от юридических соглашений о праве на использование и международных стандартов интероперабельности до чисто инженерных вопросов хранения, версионирования и линейности.
В BAUM мы предлагаем решать её с помощью «умного» объектного хранилища SWARM.
Эта система будет способна держать сотни миллионов клинических записей, изображений и геномных профилей, автоматически обогащать их метаданными, индексировать векторные представления и давать молниеносный семантический поиск по смыслу, а не только по ключевым словам. Благодаря такой архитектуре данные остаются «на месте», а вычисления подъезжают к ним — так мы используем эффект гравитации данных, который особенно критичен в медицине, и строим инфраструктуру, рассчитанную на годы вперёд.
RAZUM AI и SWARM взаимно усиливают друг друга: обладая доступом к чистым, богато аннотированным данным, модели учатся быстрее и точнее, а каждый новый плагин немедленно становится частью расширяющейся экосистемы. В результате выигрывают все — пациенты, получающие точную и быструю диагностику; исследователи, которые ускоряют открытие терапевтических мишеней; и медицинские организации, снижающие издержки и повышающие качество услуг. Именно такую взаимосвязанную, устойчивую картину применения ИИ в здравоохранении мы строим в BAUM уже сегодня.
Андрей Гантимуров
andrey_gantimurov@baum.ru
Отслеживать