Технологии ИИ в обучении врачей

Главная особенность медицинского образования — его непрерывность. Попробуем разобраться, как искусственный интеллект помогает врачам и студентам оптимизировать процесс обучения.

Медицинское образование подразумевает непрерывное обучение в течение всей жизни — от программы специалитета до последипломного и специализированного обучения с необходимостью регулярного подтверждения квалификации на протяжении всей врачебной карьеры.

Глобально, цель программы медицинского университета — формирование у врача способности к:

• анализу отдельных фактов;
• логическому моделированию конкретной клинической ситуации;
• системному мышлению.

Трудность этой задачи заключается в огромном количестве информации, которую как будущему, так и практикующему специалисту нужно «уложить в голове» для качественной работы.

Медицина и здравоохранение являются перспективным направлением в области разработок систем ИИ. В 2018 году доля рынка ИИ в области медицинских технологий составляла порядка 12%. В настоящей момент в медицине интересным является все, что помогает здравоохранению справиться с дефицитом или неэффективным распределением ресурсов, включающих в первую очередь человеческие (в т.ч. затраты на обучение врачей). Об этом свидетельствуют данные анализа объема глобального рынка технологий ИИ в медицине. По подсчетам Grand View Research 2019 году объем рынка ИИ в области медицинских технологий оценивался в $3.9 млрд. с ожидаемым среднегодовым темпом роста до 41,5% в 2024.

Основные причины развития ИИ в области медицины и здравоохранения:

• Увеличение продолжительности жизни;
• Рост объема данных о здоровье каждого конкретного пациента;
• Ежедневное появление новых научных данных, которые должны учитываться врачом при принятии решений;
• Необходимость непрерывного медицинского образования.

Рост интереса в оптимизации процесса обучения врачей подтверждает значительное увеличение числа научных публикаций в области разработок программ обучения с применением ИИ.

Количество научных публикаций за год в области разработок новых программ с применением технологий ИИ для обучения студентов и врачей, база Web of Science.

За последние 25 лет на основе ИИ было разработано множество программ для оптимизации процесса обучения врачей. Примером могут служить учебные боты.

Не так давно был разработан чат-бот для обучения по различным направлениям, в том числе и в медицине. Зачастую, ответ на определенный вопрос необходим студенту здесь и сейчас. В классической системе преподавания это невозможно. BotCore может вести диалог и выдавать актуальную информацию по любой академической тематике, анализировать процесс обучения конкретного студента и давать рекомендации по изменению учебного плана как студенту, так и его преподавателю. По заявлению создателей бота, он значительно упрощает и ускоряет процесс обучения.

Аналогичные технологии - SnatchBot, VirtualSpirits и Botsify.

Основным преимуществом учебных ботов считается поддержка студентов 24/7 и персонализация обучения, что позволяет добиться большего прогресса в обучении. Чат-боты применяются для оценки эффективности обучения и персональной удовлетворенности каждого конкретного студента, что позволяет автоматически выявлять «пробелы» в обучении и оптимизировать процесс взаимодействия преподавателя и ученика.

Расшифровка рентгеновских снимков может вызывать трудности даже у опытных врачей. Разработчики технологии TROVE ставят задачу упростить и ускорить работу радиологов путем тренировки с помощью системы, включающей тысячи рентгеновских снимков. Программа анализирует прогресс и выявляет «слабые» стороны ученика, будь то студент или практикующий специалист.

Технологии ИИ помогают изучать нормальную физиологию органов и систем человека, обучают врачей и студентов корректной интерпретации ЭКГ, последовательности хода операций в хирургии.

Важной составляющей медицинского образования является практика. Однако, именно этот аспект обучения чрезвычайно сложно реализовать. Одна из причин — юридический аспект ответственности куратора за ошибки студента или молодого врача. Постепенно в образовательном процессе на замену реального пациента может прийти виртуальный.

Отличным примером такой системы является разработка обучающей модели для диагностики боли в животе. Программа включает 208 сценариев с пятью возможными диагнозами. Получая вводные данные о пациенте, студент выдвигает гипотезу о причине боли и назначает дополнительные исследования. Далее программа помогает исключить или подтвердить предположение в зависимости от сценария. Данная технология крайне интересна, так как затрагивает область «неотложной медицины», где врач должен уметь быстро и верно принимать решение.

Анестезиология — это отдельная область медицины, где процесс практической подготовки будущих врачей требует много сил и времени от куратора из-за высоких рисков для пациента. Система Computational Virtual Reality Environment for Anesthesia (CVREA) помогает молодым специалистам в обучении на модели пациента с использованием технологии VR. Также программа может выявлять новые данные о методах ведения пациентов, которые в будущем применяются на практике.

Диагностика раковых опухолей представляет особую сложность. На курсе патологии студентам показывают «картинки», пытаясь объяснить особенности бесконечного многообразия видов раковых опухолей и их особенностей. Каждый день в мире появляются новые данные о типах рака, что ставит под вопрос актуальность изучаемой студентом темы на занятии, ведь не каждый преподаватель способен охватить весь объем новых знаний и преобразовать их в стройный рассказ о новом подтипе раковой опухоли.

Часто два разных специалиста-патоморфолога не могут прийти к согласию в диагнозе, так как эта область медицины характеризуется наличием субъективного мнения врача, основанного на личном опыте. Самообучающиеся программы могут помочь студентам и врачам научиться верно определять патологию путем сравнения своего мнения с заключением программы.

PathVision.ai разработала нейросеть, способную обрабатывать гистологический срез и выделять область с характерными изменениями, указывая, что это за признаки и какому заболеванию они соответствуют.

В будущем такая система может в разы облегчить процесс обучения студентов и врачей, поскольку программа нацелена на постановку верного диагноза, то есть сможет обратить внимание студента, какой фрагмент материала стоит изучить более детально.

Очевидно, что постановка неверного диагноза приводит к неблагоприятным последствиям. В 2016 году было проведено исследование, доказавшее, что врачи, обучаемые с помощью ИИ, на 22% точнее устанавливают правильный диагноз. В сравнении с классической системой тренингов (лекции, семинары), где точность диагноза увеличилась всего на 8%.

Уже существуют программы, позволяющие обучать медиков дифференциальному диагнозу различных заболеваний. Примером может служить игра, где возможно научиться корректно отвечать на звонок в приемный покой, проконсультировать пациента в зависимости от предполагаемого диагноза или же участвовать в роли врача-терапевта.

Важность процесса обучения будущих врачей и повышение уровня знаний специалистов здравоохранения не вызывает сомнений. Классическая академическая система уже сейчас не может в полной мере обеспечить студента должным уровнем знаний и практических умений. Технологии ИИ помогают оптимизировать процесс обучения путем персонализации учебного плана, предоставления актуальных клинических данных и возможности применять и оттачивать полученные знания на виртуальных пациентах.