Интересное

Интеллектуальный подход. 7 задач, которые решает ИИ в здравоохранении и фарме

26 июля 2023

6 мин

Поделиться в соцсетях

Использование искусственного интеллекта может в несколько раз сократить затраты на разработку лекарств и время их разработки. ИИ уже позволяет с высокой точностью диагностировать, например, онкозаболевания. Как технологии на базе ИИ трансформируют бизнес лидеров отрасли, как меняют организацию работы с пациентами, методы диагностики, лечения и разработки новых лекарств?

Вместе с экспертами Альянса в сфере ИИ рассказываем об основных направлениях применения ИИ в здравоохранении и фармацевтике.

Оптимизация процессов в медицинском учреждении

Обработка и маршрутизация обращений пациентов

Работа с обращениями пациентов составляет существенную часть работы медицинских организаций. Чаще всего искусственный интеллект может значительно разгрузить человека на этих задачах.

Вот несколько примеров того, как ИИ может помочь и улучшить процесс работы с пациентами:

сортировка и приоритизация обращений;

обработка рутинных/типичных запросов чат-ботами и виртуальными ассистентами;

оптимизация процессов назначения приёмов.

По данным экспертов Альянса в сфере ИИ, до 90% обращений пациентов не требуют вмешательства оператора-человека.

До 90%

обращений пациентов не требуют вмешательства человека

Составление оптимального рабочего графика для всех специалистов

Искусственный интеллект может с минимальной погрешностью проанализировать, предсказать загруженность медицинского учреждения и составить график работы не только для врачей, но и для другого персонала.

Кроме того, ИИ помогает определить, какие именно приёмы необходимо провести в очном формате, а когда можно ограничиться телемедицинской консультацией.

Это позволяет снизить нагрузку на персонал, улучшить качество работы и повысить удовлетворённость сотрудников.

Оптимизация времени, необходимого на заполнение документов во время приёма

Во время приёма врач тратит 30% времени на то, чтобы заполнить электронную медицинскую карту (ЭМК). ИИ, который работает с голосовым вводом, помогает ускорить этот процесс, а освободившееся время направить на более плотную работу с пациентом. Это позволяет повысить точность диагностики, приверженность пациента плану лечения и степень доверия врачу.

По данным экспертов Альянса в сфере ИИ, автоматизация в два раза сокращает время на заполнение медкарты оператором.

Улучшение качества диагностики и лечения

Создание системы поддержки принятия врачебных решений

ИИ может обрабатывать огромное количество медицинских данных, включая электронные медицинские записи, лабораторные результаты и медицинские изображения. Это позволяет врачам получать быстрый доступ к информации о пациентах и сравнивать их ситуации с другими случаями, улучшая качество принимаемых решений.

Также искусственный интеллект может проанализировать различные варианты лечения и предложить оптимальный курс, основанный на специфических характеристиках пациента.

По данным экспертов Альянса в сфере ИИ, в два раза улучшается качество оказания медицинских услуг после внедрения ИИ.

В 2 раза

улучшается качество оказания медуслуг благодаря ИИ

Улучшение точности аппаратной диагностики

Искусственный интеллект существенно улучшает точность аппаратной диагностики в медицине благодаря нескольким ключевым аспектам:

ИИ улучшает качество изображений, которые получают во время аппаратной диагностики: УЗИ, рентгена или МРТ.

Повышение скорости диагностики. ИИ-система обрабатывает сотни медицинских изображений в минуту, а спорные моменты передаёт на контроль специалисту.

Использование методов глубокого обучения позволяет ИИ улучшать свою точность с течением времени.

Например, компания СберМедИИ создала и внедрила в работу московских взрослых поликлиник группу диагностических алгоритмов. Они обрабатывают данные пациентов, полученные методом компьютерной томографии. В их числе «КТ Инсульт», который помогает быстро обнаружить нарушения мозгового кровообращения, и «КТ Лёгких» для распознавания очагов вирусной пневмонии и онкологических заболеваний.

Точность выявления онкозаболеваний на медицинских снимках повышается, по данным Альянса в сфере ИИ, до 95%.

95%

достигает точность выявления онкозаболеваний на снимках с помощью ИИ

Андрей Петров,

Chief Technical Officer

компании «Севергрупп

Медицина»:

Андрей Петров,

Chief Technical Officer компании «Севергрупп Медицина»:

Вообще, соблазн переложить рутинные, повторяющиеся операции на ИИ очень велик. И при наличии большого объёма качественных данных для обучения, это кажется вполне себе реализуемой задачей. Но вот с этими самыми данными как раз бывает загвоздка. В обычной жизни годные, подлежащие нормализации данные встречаются нечасто, и если к ним у компании нет доступа, значит, обучать ИИ будет не на чем.

Такой доступ обычно есть у государственных организаций, клиник, больниц. И в дни пандемии, когда на базе «НМЦ-Томографии» была сделана не одна тысяча снимков для определения эффекта «матового стекла» и процента поражения лёгких, одна компания, специализирующаяся на исследованиях снимков с помощью AI вышла на нас с предложением запустить пилот анализа результатов КТ для определения патологий и новообразований в лёгких пациентов. Ведь в основном все в то время смотрели на COVID и мало кто на что-то другое. Мы наладили процесс передачи обезличенных снимков в эту компанию, и в ответ нам приходили рекомендации о приёме специалистов для ранней диагностики тех или иных пациентов. Примерно из 3000 снимков в 120 были обнаружены подозрения на новообразования, которые потом перепроверял врач. Подтвердили в итоге всего пять.

Могу сказать, что если в фармацевтике вполне можно незатратно моделировать химические соединения, экономя время и ресурсы, то в такой консервативной области, как медицина, сотканной из исключительных сценариев с высокими рисками, полностью положиться на ИИ мы сможем нескоро. В случае наступления осложнений вряд ли можно переложить ответственность на ИИ. Поэтому за каждым алгоритмом ML пока что всегда будет стоять врач.‎

Как ИИ решает задачи в фармакологии

Помощь в разработке новых лекарств: обнаружение новых соединений, прогнозирование эффективности лекарства

Искусственный интеллект позволяет оптимизировать процесс по обнаружению новых соединений: технология использует анализ больших объёмов химических данных и предсказания потенциально активных соединений, которые могут стать основой для новых лекарств.

ИИ позволяет вместо проведения ресурсоёмких опытов по взаимодействию молекул для получения необходимых свойств соединения использовать генеративные и рекомендательные модели. За счёт этого сокращается время и затраты на подбор идеальной рецептуры лекарства.

Например, компании применяют технологии ИИ на стадии поиска и разработки ключевой молекулы (drug discovery). С помощью собственной ИИ-платформы фармпроизводитель определил два препарата для лечения фиброза. Один из них уже находится на первой стадии клинических исследований.

В целом, по данным Альянса в сфере ИИ, время от обнаружения лекарства до проведения испытаний сокращается с 6 лет до 1 года.

Искусственный интеллект может анализировать и предсказывать, как потенциальные лекарственные соединения будут взаимодействовать с белками, рецепторами и другими биологическими мишенями.

Это позволяет исследователям фокусироваться на наиболее перспективных стратегиях для дальнейшего изучения, а также снизить риски во время испытаний препаратов.

В 6 раз

уменьшается время от обнаружения лекарства до проведения испытаний

В целом, по данным Альянса в сфере ИИ, время от обнаружения лекарства до проведения испытаний сокращается с 6 лет до 1 года.

В 6 раз

уменьшается время от обнаружения лекарства до проведения испытаний

Искусственный интеллект может анализировать и предсказывать, как потенциальные лекарственные соединения будут взаимодействовать с белками, рецепторами и другими биологическими мишенями.

Это позволяет исследователям фокусироваться на наиболее перспективных стратегиях для дальнейшего изучения, а также снизить риски во время испытаний препаратов.

Камила Зарубина,

директор по акселерации

и партнёрам биомедицинского

кластера Фонда «Сколково»:

Камила Зарубина,

директор по акселерации и партнёрам

биомедицинского кластера Фонда «Сколково»:

Задачи фармакологии считаются одной из классических областей применения искусственного интеллекта. В мире существует много примеров успешной коллаборации «большой фармы» и ИТ-разработчиков систем с применением ИИ. Появилась даже бизнес-модель совместного лицензирования молекул, разработанных с помощью ИИ. Интерес со стороны российской фарминдустрии к такого рода разработкам оставался сдержанным, поскольку рынок разработки фармпрепаратов был невелик. Сейчас мы видим позитивные сдвиги в этой области под влиянием внешних обстоятельств. Среди резидентов фонда есть несколько компаний, профессионально занимающихся фарммоделированием. Среди них я бы отметила «Фармпредикт» и «Синтелли», они показывают хорошую динамику развития. Сейчас пока рано говорить о российских «единорогах» в этой области, но мы как фонд активно поддерживаем это направление и ожидаем развития этого тренда на горизонте 3—5 лет.

Повышение точности контроля качества производства препаратов

Автоматизация визуального контроля. ИИ-алгоритмы, основанные на компьютерном зрении, могут автоматически обнаруживать дефекты или несоответствия в лекарственных препаратах, такие как неправильная форма таблеток, неравномерное покрытие или неправильная маркировка. Это позволяет снизить вероятность ошибок, связанных с человеческим фактором, и улучшить общую точность контроля качества.

Искусственный интеллект может анализировать данные с различных датчиков и систем на производственной линии, чтобы выявлять аномалии и определять возможные проблемы прямо в процессе производства. Это позволяет оперативно корректировать параметры процесса и предотвращать выпуск некачественной продукции.

ИИ может анализировать результаты испытаний на стабильность, проводимых для определения сроков годности лекарств, и предсказывать возможные изменения в качестве препаратов во время хранения. Это помогает разработать оптимальные условия хранения и упаковки для каждого продукта.методов глубокого обучения позволяет ИИ улучшать свою точность с течением времени.

На 15%

можно сократить расходы на хранение лекарств благодаря ИИ-системам

Снижение издержек на хранение за счёт прогнозирования спроса на продукцию

Современные рекомендательные системы способны в динамическом режиме управлять множеством параметров — от колебаний спроса до затрат на хранение — и формировать оптимальный план логистики и хранения. По данным альянса, до 15% снижаются таким образом издержки на хранение и до 20% — задействованные складские площади.


Самые важные кейсы лидеров бизнеса, мнения ведущих экспертов и тренды в отраслях экономики теперь всегда под рукой — подпишитесь на наш Telegram-канал.

Поделиться в соцсетях

Статья была вам полезна?

Да

Нет