Радиологи или искусственный интеллект? Горилла, слишком большая, чтобы ее игнорировать

Мы часто действительно не видим того, чего не ожидаем

В 2013 году был проведен поразительный эксперимент , всколыхнувший медицинский мир. 24 радиологам, обученным выявлять легочные узелки, предложили снимки компьютерной томографии (КТ). На некоторых снимках исследователи намеренно разместили цифровое изображение гориллы, которое было в 48 раз больше типичного узелка. Результат удивил: 83% радиологов не заметили очевидную гориллу. Технология отслеживания взгляда подтвердила, что они смотрели прямо на ее область. Почему же они ее не увидели?

Опыт продемонстрировал явление, называемое «слепота невнимания» (inattentional blindness). Мозг может отфильтровывать необычную и неожиданную информацию, особенно при сосредоточении на конкретной задаче. Это показало, что даже высококвалифицированные эксперты при информационной нагрузке могут пропускать зрительные сигналы.

Сегодня вновь возникает похожий вопрос: Сможем ли мы благодаря ИИ наконец замечать «горилл» прямо перед глазами?

Развитие искусственного интеллекта в медицинской визуализации

Хотя искусственный интеллект (ИИ) особенно впечатляет в выявлении опухолей, его роль в радиологии значительно шире. Современные алгоритмы:

• Мгновенно анализируют признаки инсульта на КТ.

• Отмечают переломы на травматологических снимках.

• Количественно определяют мельчайшие изменения размера опухолей на онкологических изображениях.

В онкологии ИИ способен обрабатывать большие наборы изображений, выявлять детали, которые могут ускользнуть от радиолога, и поддерживать клинические решения.

MASAI и EDITH UK: ИИ уже в клинических исследованиях

Для оценки возможностей ИИ в реальной практике проводятся важные клинические исследования:

• Исследование MASAI: The Lancet Digital Health опубликовал это рандомизированное контролируемое исследование, изучающее, улучшает ли маммографический скрининг с ИИ выявление раннего рака молочной железы. Цель — уменьшить ложноотрицательные результаты и интервальные опухоли.

• Проект EDITH UK: В этом крупном британском исследовании проверяется, способен ли ИИ при скрининге рака молочной железы работать не хуже человека или даже лучше. При успехе он может ускорить диагностику и сократить ожидание для пациентов.

Эти примеры показывают, что ИИ уже не только экспериментальная технология, но и одна из основ современных диагностических процессов .

Наряду с преимуществами есть риски: конфиденциальность данных и алгоритмические смещения

Как и любая мощная технология, ИИ имеет риски, требующие тщательного управления:

• Смещения данных: Если алгоритмы обучаются только на данных крупных городских больниц, их точность в сельских или неблагополучных группах может оказаться недостаточной.

• Безопасность данных: По мере распространения облачных систем конфиденциальность сведений пациентов становится еще важнее. Необходимы надежное шифрование, ограничение доступа и соблюдение правовых требований.

• Склонность доверять автоматизации: Слепое доверие врачей результатам алгоритмов может приводить к ошибкам диагностики и лечения.

Поэтому ИИ следует применять осторожно, всегда оставляя окончательное решение человеческой экспертизе.

Человеческое участие: парадокс Моравека и когнитивная гибкость

Парадокс Моравека подчеркивает, что ИИ легко выполняет сложные вычисления, но пока не справляется с кажущимися человеку «простыми» навыками — эмпатией, интуицией и интерпретацией контекста. Например:

• ИИ может выявить узелок,

• но не способен оценить историю жизни пациента, его эмоциональное состояние и социальное окружение.

Здесь вступает в действие когнитивная гибкость : принимающим клинические решения необходимо сочетать технический анализ с эмпатией к пациенту.

Радиологи и ИИ: сотрудничество вместо конкуренции

Хотя заголовок звучит как «Радиологи или искусственный интеллект?», будущее заключается в формуле «Радиологи + искусственный интеллект». Благодаря этому сотрудничеству:

• ИИ быстро анализирует изображения,

• Отмечает предварительные находки,

• А радиолог интерпретирует данные в клиническом контексте пациента.

Такой гибридный подход повышает точность диагностики и уменьшает умственную нагрузку радиологов. Исследования MASAI и EDITH показывают возможность более раннего выявления рака молочной железы и доказывают, как сотрудничество может приносить пользу пациентам.

Радиолог будущего: грамотный в ИИ и способный адаптироваться

В мире, где ИИ берет на себя все больше задач, радиологам неизбежно нужны новые навыки. 4 ключевые компетенции радиолога будущего:

1. Обучаться ИИ: Лично осваивать ИИ на практикумах, онлайн-программах сертификации и внутренних практических занятиях.

2. Расширять грамотность в ИИ: Поддерживать включение этики, науки о данных и оценки ИИ в программы подготовки специалистов.

3. Требовать равенства и безопасности: Сотрудничать с учеными и регуляторами, уменьшая алгоритмические смещения и защищая данные пациентов.

4. Сохранять бдительность: Рассматривать результат ИИ как начало принятия решения и помнить, что окончательное решение остается за врачом.

Вывод: больше не пропускать «горилл» на изображениях

Путь от знаменитого эксперимента с гориллой 2013 года до исследований MASAI и EDITH изменил способ, которым радиология видит мир. Теперь у нас есть и развитые алгоритмы, и опытные радиологи.

При правильном применении ИИ может:

• Повышать клиническую точность,

• Сокращать время диагностики,

• Позволять пациентам быстрее получать результаты обследований.

Но не будем забывать: эффективность технологии определяется тем, как мы ее используем.

А что думаете вы?

Действительно ли ИИ совершает революцию в радиологии? Или без осторожности мы продолжим пропускать новых «горилл»?

Поделитесь мнением: давайте вместе увидим больше в ходе этих изменений.