Экономика использования ИИ в патоморфологической диагностике
В прошлый раз мы затронули тему преимуществ использования искусственного интеллекта (ИИ) в медицине. Инновационные приложения на основе ИИ помогают повысить производительность работы специалиста, уменьшить время, необходимое для проведения одного исследования и снизить количество диагностических ошибок.
Давайте сегодня обсудим некоторые экономические вопросы, связанные с технологиями ИИ в области здравоохранения.
Сколько стоит ИИ?
Рынок ИИ постоянно расширяется. И если в 2017 году его стоимость составляла 19,631 миллиарда долларов, то по прогнозам к 2024 возрастет до 176,547 миллиардов долларов.
Интересно, что проекты ИИ в области здравоохранения привлекают больше инвестиций, чем любой другой сектор мировой экономики. Так в 2018 году в продукты, связанные с медицинскими ИИ, было инвестировано 2,1 миллиарда долларов, а к 2025 году эта цифра вероятно возрастет до 36,1 миллиарда долларов. Уже более 100 миллионов долларов было вложено в проекты и стартапы по разработке ИИ-патоморфологов.
Но сколько же стоит вывести новый продукт на рынок? Стоимость проекта ИИ зависит от качества и количества данных, которые необходимы для обучения алгоритма, коэффициента производительности, который будет адекватным для выполнения поставленной цели и общего объема работы. Сама разработка и внедрение ИИ в практике обычно разбиваются на несколько этапов, которые и определяют стоимость продукта:
- Фаза обнаружения и анализа, которая направлена на изучение целей и осуществимости проекта, требований к готовому продукту. На этом этапе определяется объем работ, который необходим для создания прототипа;
- Этап внедрения и оценки прототипа. На этом этапе проверяют, соответствует ли проект всем требованиям и осуществимо ли его дальнейшее развитие. Этот этап во многом зависит от сложности программного обеспечения и задач, которые оно должно будет выполнять. Как правило, стоимость разработки прототипа и его настройки составляет около 25 000 долларов;
- Минимально жизнеспособный продукт (MVP). MVP - это уже реальный продукт с определенным набором функциональных возможностей, который разрабатывается на основе прототипа. MPV предоставляется ограниченному кругу пользователей, которые могут проверить работоспособность данного алгоритм ИИ на своих данных. На этом этапе активно проводится сбор данных по работе продукта и принимается решение, действительно ли данное программное обеспечение можно выпустить на рынок. Средняя стоимость MVP обычно составляет от 35 000 до 100 000 долларов США;
- Выпуск продукта. На этом финальном этапе готовый продукт с полным пакетом функций дорабатывается и выпускается на рынок. Стоимость выпуска ИИ может отличаться в зависимости от сложности и концепции алгоритма, но её обычно оценивают уже на предыдущих этапах. Важно, что на предыдущих этапах большое внимание уделяется подтверждению соответствия всем необходимым требованиям проекта, поэтому конечный продукт выпускается с минимальными рисками.
Согласно данным по 2020 году стоимость разработки и внедрения индивидуальных решений на основе ИИ могут стоить от 6000 до 300 000 долларов в зависимости от предназначения и сложности проекта. Высокие требования к производительности и точности ИИ в области медицины, в том числе и патоморфологии, а также большое количество качественных данных, необходимых для обучения алгоритма естественно будут повышать цену конечного продукта. Однако вложенные в эти проекты инвестиции помогут реально улучшить качество медицинской помощи.
В условиях существующего кадрового дефицита и стоимости обучения необходимого количества специалистов, усиление отделений патоморфологии за счёт современных технологий ИИ кажется вполне целесообразным. Обучение даже одного нового специалиста по патоморфологии высокого класса требует существенных материальных затрат. Например, в США получение медицинского образования занимает в среднем от 11 до 16 лет: 4 года занимает обучение на степень бакалавра (undergraduate school), 4-5 лет — непосредственно медицинская школа, и от 3 до 8 лет требуется для получения вторичной специализации в той или иной сфере. Год обучения в медицинской школе в США может обойтись абитуриенту в среднем в сумму от 37 000 до 62 000 тысяч долларов. А для того, чтобы получить образование в учебном заведении Лиги Плюща, например, Гарвардской медицинской школе, придется потратить около 97 000-104 000 долларов в год на подготовку одного специалиста. Кроме того специалист должен получить лицензию, и проходить постоянное повышение квалификации. Таким образом, обучение достаточного количества кадров, для того, чтобы снизить рабочую нагрузку на врачей отделения патоморфологии займет достаточно длительное время и потребует значительных вложений средств.
А через сколько же лет окупят себя вложения в разработку ИИ предназначенного, например, для диагностики рака предстательной железы в материалах тканей, полученных во время биопсии простаты?
В США ежегодно проводится около 1 миллиона биопсий предстательной железы, и стоимость 1 исследования составляет в среднем от 378 до 1810 долларов. Для создания высокоэффективного алгоритма ИИ, которого можно будет внедрить в работу любого патоморфологического отделения в среднем может потребоваться около 300 000 долларов. Если брать 1% от минимальной стоимости исследования в счет оплаты работы с ИИ, то возврат инвестиций произойдет за 1 месяц.
Может ли ИИ заменить врача?
Уже сегодня ИИ достиг серьезных успехов в диагностике различных заболеваний. Опубликовано достаточно много исследований, которые показали, что нейросети способны оценить результаты анализов или выявлять злокачественное новообразование на рентгеновском снимке или гистологическом препарате ни чуть не хуже, а в некоторых случаях даже лучше, чем человек. ИИ не устает, может работать в любое время суток и тратит меньше времени на анализ исходных данных. И внедрение ИИ в клиническую практику коснется врачей многих специальностей - клиницистов, рентгенологов, врачей функциональной диагностики и патоморфологов. Некоторые специалисты уже обеспокоены тем, что ИИ заменит их, что приведет к уменьшению числа рабочих мест. Но эти тревоги на самом деле несколько преувеличены.
Действительно внедрение ИИ неизбежно приведет к автоматизации некоторых этапов диагностического процесса. Но наибольших успехов удается достичь лишь при комбинированном подходе, когда человек и ИИ работают вместе. В настоящее время ИИ точнее всего работает, когда имеет четкую определенную задачу — наносит разметку на цифровое изображение, дает количественную оценку изменений в области интереса, классифицирует обнаруженные аномалии. Выполнение этих процессов автоматически может увеличить скорость оценки гистологических препаратов и предоставить врачу-патоморфологу самые важные данные о структуре ткани. В свою очередь специалист может оценить обнаруженную патологию тканей в контексте многочисленных клинико-патоморфологических данных о круге заболеваний, при которых могут встречаться подобные изменения. То есть врач может оценить картину в целом, опираясь на выводы, которые предоставил ему ИИ и свои собственные знания. Большинство ведущих специалистов в области разработки ИИ считают, что именно такой гибридный подход к компьютерной поддержке принятия врачебных решений принесет наибольшую пользу.
Кроме того полной автоматизации диагностики с помощью алгоритмов ИИ препятствуют правовые и этические нормы. Кто будет нести ответственность за решения, принимаемые машиной? А какова будет цена ошибки, совершенной ИИ в сложном диагностическом случае? Ответов на эти вопросы пока нет, и вряд ли мы их получим в скором времени. Именно поэтому врач не может быть заменен ИИ, ведь он несет как юридическую, так и моральную ответственность за свою работу.
Также на настоящий момент существенной проблемой является воспроизводимость эффективной работы ИИ в разных регионах, городах, на разных когортах людей. Сами разработчики алгоритмов машинного обучения, задаются вопросом: “Если мы хорошо обучим модель ИИ для пациентов в Бостоне, будет ли она также эффективно работать с пациентами в Амстердаме?” Машина, в отличие от врача, не имеет данных о локальных факторах риска, эпидемиологических данных, составе населения и других переменных, которые могут повлиять на окончательное заключение. Невозможно проверить работоспособность системы ИИ на всем населении города или региона, ИИ не может учитывать все демографические изменения, которые постоянно происходят. Хотя ИИ способен к самостоятельному непрерывному обучению, некоторые коррективы в его работу повышения точности результата может внести только человек. Для того, чтобы работа ИИ в реальных условиях была наиболее точной и приносила максимальную пользу, необходимо проверять ее эффективность в многоцентровых клинических исследованиях.
Становится очевидно, что системы ИИ не заменят врачей-людей, а скорее усовершенствуют и дополнят рабочий процесс. Возможно, единственными поставщиками медицинских услуг, которые в будущем потеряют работу, будут именно те, кто отказывается идти в ногу со временем и работать вместе с ИИ.
Сегодня нам нужны такие технологии ИИ, которые станут надежными помощниками в работе врачей самых разных специальностей, которые не только облегчат работу специалистов, повысят качество оказываемой ими медицинской помощи, но и сделают финансирование здравоохранения более эффективным.