Однако и на 3D мы не останавливаемся. 4D-модели фиксируют еще и изменения во времени, мы можем наблюдать и анализировать движущиеся структуры. Например, при КТ-исследовании сердца видим, как в разные фазы цикла оно движется, можем наблюдать в динамике прохождение крови через разные отделы. А что, если все эти данные будут сохранены и мы сможем сопоставить их с новыми результатами исследований того же пациента, например, через десять, двадцать лет? Вероятно, это внесло бы больше ясности в процессы старение и возможность управления ими. Насколько это реалистично? Пока что в этой области медицина только развивается. Сейчас, когда врач видит на КТ маленький очаг, например, в легком – 5 мм, мы еще не знаем, чем это станет через пять лет. И только динамическое наблюдение позволяет поставить диагноз. Для этого пациенту и рекомендуется «наблюдаться» – проходить контрольное исследование через три, шесть месяцев, год. Это и есть динамическое наблюдение.

Сейчас идут очень интересные исследования, когда сопоставляются данные томографии или ПЭТ/КТ с данными генетики или данными биопсии. Это радиомика – одна из длинной вереницы омик (геномика, протеомика, метаболомика и т. д.), родившихся на стыке двух величайших открытий рубежа веков: расшифровки генома человека и начала освоения больших данных.

Радиомика концентрируется на извлечении из медицинских изображений математических данных, чтобы на основе их анализа строить математические модели и прогнозы развития того или иного заболевания, обнаруженного и наблюдаемого с помощью рентген-диагностики. Она теоретически сможет предсказать, чем этот маленький очаг, возможно, случайно обнаруженный на томографии, окажется на самом деле через пять лет. Пока что достоверных результатов нет, но разработки ведутся во всем мире. Чем больше мы сможем накопить данных, чем качественнее они будут структурированы, чем лучше мы будем их хранить, тем активнее будет расти это перспективное направление, тем ближе к нам окажется медицина будущего.

По пути к этой цели – дать каждому пациенту качественное экспертное заключение я часто вспоминаю свой необычный опыт. Как ни странно, он пригодился мне, пожалуй, в неменьшей степени, чем обучение организации здравоохранения в американском университете. Много ли вы знаете любителей плавать в холодной воде? Оказывается, их гораздо больше, чем можно было бы подумать. И я один из них. Полагаю, из книги уже ясно, что море оказалось для меня неисчерпаемым источников различных инсайтов. Описанный в первых главах опыт ныряния в волнах, «укрощения» стихии, вероятно, стал основой для вполне взрослого эксперимента – заплыва Le Defi de Monte-Cristo. Это пятикилометровый заплыв, повторяющий побег всем известного узника замка Иф из романа Александра Дюма. И если в первом заплыве в 1999 году участвовали всего 25 французских любителей плавания, то в 2021 – уже почти 8000 человек из почти 50 стран мира. Зачем люди это делают? Прежде всего, чтобы проверить свои силы, преодолеть страхи и психологические барьеры и, в конце концов, прочувствовать радость от этого преодоления, «сродниться» с новой средой, которая казалась совершенно чужой и враждебной. И вот морская аналогия: нас накрывает холодной волной нового витка цивилизации. Стоит ли ее бояться? Конечно, нет. Надо научиться плавать, управлять дыханием и поверить в свои силы. Несомненно, работа по-новому может давать такой же стресс, как многочасовое плавание в холодной воде. Но попробовать стоит. И пусть для одних этот заплыв – странная авантюра, для других – это освобождение из мрачного замка Иф собственных страхов и предрассудков.

Полезные тезисы:

Успешная реализация проекта центра телерадиологии – это результат, во-первых, постоянного профессионального развития и поиска, во-вторых, грамотного разделения труда, где каждый занимается тем, что умеет лучше всех, и в-третьих, использование всех доступных средств коммуникации.

Глава 8. Искусственный интеллект: как воспитать одаренного ученика, и кто его родители

Каково это, когда в доме растет вундеркинд? Сначала все умиляются, смотрят, затаив дыхание, на происходящее, на первые проявления одаренности – как на чудеса. А что происходит потом? Приходится преодолевать трудности, работать все больше и больше. Время идет, процесс обучения становится все более сложным, а достижения перестают казаться сверхъестественными. Уже не все получается сразу, восторги постепенно затихают, а вскоре и забываются вовсе. Вчерашний вундеркинд в конце концов может оказаться на месте обыкновенного клерка. Печальная история? И да и нет.

В роли вундеркинда во всей ее неоднозначности пока еще выступает сегодня искусственный интеллект, который активно развивается в медицинской сфере. И на мой взгляд, эта тема становится… токсичной. Потому что завышенные ожидания, футуристические иллюзии, ни на чем не основанные разговоры о феноменальных перспективах, что он всех заменит, рутины не останется, людей тоже – эра Альтрона на пороге. Хочется сказать: стоп! Давайте наконец займемся делом, начнем работать, встраивать этого вундеркинда в реальные жизненные процессы. Нужны малые, пусть даже неуклюжие, шаги вместо больших разговоров. Слишком высокие ожидания неизбежно сталкиваются с проблемами внедрения и зачастую вдребезги разбиваются.

Что такое технологии искусственного интеллекта в медицине? На самом деле, это современное медицинское программное обеспечение, алгоритмы, которые позволяют автоматизировать определенные медицинские функции в здравоохранении. И даже то, что мы уже видим сегодня в действии, уже очень здорово. Подключив дополнительные модули, мы создаем инструменты для диагностов (рентгенологов и других) и для клинических специалистов, которые занимаются непосредственно лечением людей. Получаемые нами данные (медицинские снимки, данные лабораторных и других исследований и т. д.) при поддержке этих алгоритмов обретают новые смыслы, становятся основой для машинного обучения. Однако отбросим иллюзии: алгоритмы, искусственный интеллект, берут на себя функции ассистента, не Альтрона. И большее им недоступно в принципе. По меньшей мере, на горизонте многих и многих лет.

История искусственного интеллекта в медицине началась не вчера и даже не в XXI веке. На самом деле она часть истории зарождения компьютеров, кибернетики в целом, когда компьютеры (вычислительные машины) были гигантскими и медлительными, практически как динозавры. Все начиналось с Алана Тьюринга, автора идеи современных компьютеров и искусственного интеллекта, его игры в имитацию. Он полагал, что машина может думать – точнее, использовать накопленные «знания», аккумулированную информацию по какой-либо конкретной, достаточно узкой теме. Что оказалось чистой правдой. И первые разработки искусственного интеллекта, эта самая игра в имитацию, была очень тесно связана именно с медициной.

Проверка машинного обучения (традиционное для русского языка название искусственного интеллекта) заключалась в прохождении теста Тьюринга. Как это происходило? Человек переписывался с двумя невидимыми собеседниками (задолго до появления электронной почты и мессенджеров!), один из этих невидимых собеседников – человек, второй – компьютер. «Собеседники» отвечают на вопросы по определенной теме, причем ответ может быть и односложным, и развернутым, и задача «тестировщика» – понять, кто из них человек. Задача машины – имитировать человека и ввести в заблуждение тестировщика. И уже в 60-е годы существовали компьютерные программы, которые смогли пройти этот тест. Одна из них даже весьма успешно имитировала психотерапевта, а затем – больного шизофренией, да настолько правдоподобно, почти половина психиатров в эксперименте приняли ответы программы за слова реального больного.

Но что принципиально важно: первоначально машинное обучение было нацелено на имитацию интеллектуальной деятельности человека, и действительно были идеи, надежды, что возможно создать сверхразум. С тех пор, по мере исследования вопроса, эти идеи устарели, трансформировались, от искусственного интеллекта сегодня ждут не творческого начала и сверхидей, а исполнительности и точности. Но, как это часто бывает, устаревшее понимание укоренилось среди обывателей, отсюда и страхи и завышенные ожидания, о которых мы говорили выше. Сегодня совершенно очевидно, что в обучении искусственного интеллекта более рациональным будет использование тех способностей машины, которых не хватает человеку: скорость анализа информации, объем оперативной памяти и т. д. Однако эти характеристики совершенно не были свойственным первым интеллектуальным машинам: в экспериментах середины прошлого века в тестах Тьюринга между сообщениями намеренно вводились паузы, потому что иначе определить машину можно было бы после первого же вопроса – она «соображала» и отвечала намного медленнее, чем собеседник из плоти и крови. С тех пор ситуация изменилась ровно наоборот.