Забудьте всё, что вы слышали до конца 2022 года. Именно тогда произошел поворотный момент. До того как ChatGPT стал доступен широкой публике, медицинский ИИ был жестко ограничен. Это был «узкоспециализированный ИИ» — отличный в выполнении одной конкретной, повторяющейся задачи, но совершенно бесполезный во всём остальном.
Разработчики обучали такие модели на размеченных данных. Возьмем маммограммы. Вы подкармливаете алгоритм тысячами изображений, четко помеченных как «рак» или «доброкачественная опухоль», и он учится различать их. На основе этого он выдает оценку риска для новых снимков. И это работает. Более того, крупное исследование в журнале Nature показало, что ИИ превосходит средних рентгенологов, существенно сокращая количество ложноположительных и ложноотрицательных результатов в наборах данных США.
Но у узкоспециализированного ИИ есть слепая зона.
Инструмент, умеющий «читать» молочные железы, не способен «читать» легкие. Он не обнаружит перелом ребра, даже если это ребро находится прямо рядом с легким. Он полезен? Да. FDA (Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США) одобрило уже более 1500 подобных устройств. А каково внедрение в ежедневную практику? Запоздалое. Высокая стоимость, странная система возмещения расходов и пугающая тень юридической ответственности оставляют эти инструменты на полках.
И тут произошел грандиозный сдвиг. Появился генеративный ИИ.
Вместо узких задач эти модели поглощают океан текстов. Учебники. Научные статьи. Каждый медицинский факт, доступный в интернете. Эта фундаментальная база позволяет им справляться с хаотичной, широкой реальностью человеческой природы. Объяснить рентгеновский снимок. Оценить размытые симптомы. Контролировать хронические заболевания. Разобраться в побочных эффектах. Что самое важное — ими может пользоваться кто угодно. Пациенты, а не только врачи.
Специалисты из OpenAI выяснили, что 55% взрослых уже проверяют свои симптомы через ChatGPT. Они делают это в любом случае.
«Коммерческое использование медицинского ИИ застряло на уровне административных задач, игнорируя огромный потенциал для непосредственной работы с пациентами».
Больницы в основном используют генеративный ИИ для бумажной работы. Microsoft Dragon Copilot слушает разговоры и составляет заметки. Другие инструменты корректируют коды для выставления счетов, чтобы избежать отказа в оплате страховых компаний. Эффективно. Прибыльно для страховых фирм.
Практически ноль приложений создано для самостоятельного использования пациентами.
Почему? Потому что создание медицинского узкоспециализированного ИИ обходится дорого. Сбор данных. Валидация. Одобрение FDA. Это стоит миллионы, что делает ценник слишком высоким для обычных людей. Плюс юридическая ответственность. Если ИИ пропустит диагноз рака и продастся вам напрямую, вы подадите в суд на компанию. Если же он продается больнице, врач остается конечным лицом, принимающим решения. Юридические риски для разработчика исчезают.
Именно поэтому недавнее исследование Нью-Йоркского университета (NYU) стало настоящей бомбой.
Исследователи сравнили дорогие, специализированные клинические инструменты с дешевыми, универсальными большими языковыми моделями (LLM). Результат? У брендовых, «медицинских» инструментов не оказалось преимущества. Бесплатные или дешевые LLM показали результаты не хуже, а то и лучше.
Это меняет всё. Универсальные LLM не ставят диагнозов конкретных заболеваний, поэтому они не подвержены строгому контролю FDA. Нет контроля FDA — меньше судебных исков. Меньше барьеров — больше свободы для предпринимателей.
Следующий «единорог» в сфере здравоохранения
Вот где кроется возможность. Не стоит создавать еще один дорогой, однофункциональный медицинский прибор. Там нет денег.
Помогайте людям пользоваться уже существующим генеративным ИИ. В этом — ключ к созданию следующего гиганта индустрии здравоохранения.
Путь не будет гладким. Предприниматели столкнутся с трудными вопросами. Что это будет за продукт? Приложение? Набор агентов? Образовательная платформа? Как монетизировать сервис — через подписки, контракты с работодателями или вознаграждения, основанные на результатах?
Безопасность — это кошмар. Точность зависит от того, как пользователь формулирует вопросы. Важны уточняющие вопросы. Что произойдет, если ИИ зафиксирует реальную медицинскую катастрофу в 3 часа ночи? Вам нужна инфраструктура круглосуточной клинической поддержки, иначе вы несете ответственность.
Это сложно. Это рискованно.
Но логика работает. Если вы лечите пациента в клинике, вы помогаете ему в течение часа. Если вы научите пациента эффективно использовать ИИ, вы улучшите управление его здоровьем на десятилетия вперед.
Рынок широко открыт. Кто бросится первым?
