Интеграция искусственного интеллекта в медицину проходит через парадоксальный этап: возможности моделей уже превосходят способности врачей в решении конкретных задач, однако реальное внедрение технологий в клиническую практику буксует. В рамках подкаста Stanford Healthcare AI доктор Эми Абернати, руководитель Highlander Health и бывший топ-менеджер FDA, обсудила с экспертами Стэнфорда, почему «когнитивная разгрузка» врачей неизбежна и как медицине не потерять человечность в эпоху алгоритмов.
🧠 Проблема «избыточных возможностей»: почему потенциал ИИ не используется 1:09
Современные языковые модели (LLM) демонстрируют феноменальные результаты на медицинских бенчмарках, которые постоянно обновляются и усложняются . Однако, как отмечает Мэтт (ведущий Stanford Online), между этими цифрами и реальной практикой существует огромный разрыв.
- Насыщение бенчмарков: Новые модели настолько быстро проходят тесты на «интеллект», что разработчики не успевают создавать более сложные испытания .
- «Нависание» возможностей: Ведущие подкаста называют текущую ситуацию «overhang of capability» — состоянием, когда ИИ умеет гораздо больше, чем от него требуют пользователи в повседневной работе .
- Пользовательский барьер: По мнению доктора Абернати, профессиональное сообщество пока находится на стадии неуверенного «прощупывания» инструментов . Врачи используют ChatGPT или Gemini скорее для ответов на быстрые вопросы, чем для глубокой интеграции в рабочие процессы.
Эми Абернати призналась, что даже она, будучи экспертом в индустрии, всё ещё учится правильно составлять промпты. По её словам, 24-летний сын обучает её этому искусству эффективнее, чем любая медицинская литература . Это подчеркивает отсутствие стандартизированных руководств по использованию ИИ в здравоохранении.
👩⚕️ Врач против алгоритма: парадокс производительности 11:04
Одной из самых обсуждаемых тем стала статистика, согласно которой ИИ в одиночку зачастую справляется с медицинскими задачами лучше, чем связка «врач + ИИ» .
- Данные Google (AMIE): Исследования системы AMIE от Google показывают, что тренд производительности врача, использующего ИИ, оказывается ниже, чем у изолированной модели .
- Эффект «торможения»: По мнению Абернати, это происходит из-за того, что врачи пока не умеют правильно взаимодействовать с моделями. В процессе обучения врачи (особенно в интернатуре) переходят от последовательного выполнения задач к интуитивному мышлению по принципу «болен или не болен» . Этот инстинктивный уровень интеграции фактов часто вступает в конфликт с логикой ИИ, из-за чего человек начинает «тянуть систему вниз» .
- 01 Preview: Даже новые модели, такие как OpenAI o1-preview, в тестах на дифференциальную диагностику обходят опытных клиницистов .
🏥 Эволюция медицинского приема: от Google-поиска к LLM 7:59
Абернати проводит аналогию между современным внедрением ИИ и появлением интернета в 1990-х годах. Тогда пациенты приходили к онкологам с пачками распечаток из интернета, а врачи чувствовали себя неуютно, не зная, как реагировать на этот поток не всегда достоверной информации .
Сегодня ситуация повторяется. Пациенты активно используют ИИ для интерпретации своих анализов. Доктор Абернати поделилась личной историей: когда её матери прислали результаты радиологических тестов, Эми всерьёз задумалась, насколько этично и безопасно использовать LLM для расшифровки этих данных и объяснения их пожилому человеку .
По мнению участников дискуссии:
- Информационная разгрузка: Раньше компьютеры взяли на себя вычисления, затем интернет — хранение информации. Теперь ИИ забирает на себя когнитивную функцию — умение собрать воедино тысячи разрозненных данных для принятия решения .
- Угроза когниции: Человеческий мозг освобождается от рутинного анализа, что может восприниматься как угроза профессиональной значимости врача .
🧪 Что нужно для реальных изменений: доказательства и регуляция 18:28
Несмотря на громкие заголовки о том, что через 10 лет врачи не понадобятся (мнения Билла Гейтса и экспертов Google DeepMind ), реальность госпиталей остается прежней. Абернати утверждает, что для массового внедрения ИИ сейчас не хватает двух вещей: доказательств эффективности внедрения и гибкой регуляции.
1. Наука о внедрении (Implementation Science)
Мы имеем много данных о том, как ИИ работает «в вакууме», но крайне мало — о том, как он меняет работу клиники в динамике . Абернати подчеркивает, что внедрение ИИ меняет сам процесс оказания помощи и даже характер генерируемых клинических данных. Нужно изучать, как эти изменения влияют на долгосрочные результаты лечения .
2. Регуляторные барьеры FDA
Для таких задач, как чтение маммограмм (Software as a Medical Device), правила ясны. Но когда речь заходит о «поддержке принятия клинических решений» при помощи разговорного ИИ, регуляция становится размытой . Нынешние системы требуют заранее прописанных планов контроля изменений, что плохо работает с динамично развивающимися LLM. Абернати считает, что индустрии нужны «гибкие системы управления» и новые формы саморегулирования .
🕊️ Новая роль человека: человечность как дефицитный ресурс 13:41
Главный прогноз Абернати носит оптимистичный характер: ИИ не заменит врача, но перераспределит его задачи.
- Эмоциональный интеллект: ИИ может писать вежливые письма и эффективно проявлять эмпатию в тексте . Это позволяет врачу не тратить силы на формальную вежливость, а вернуться к настоящему человеческому общению.
- Лидерство и навигация: Ни один ИИ не сможет заменить врача в роли лидера, который помогает испуганной семье пациента навигацию в море тяжелых решений .
- Спрос на человечность: Высвобождение когнитивного ресурса должно быть направлено на то, что Абернати называет «distinctly human» — уникально человеческую часть медицинской работы .
В завершение дискуссии Мэтт выразил уверенность, что в ближайшем будущем появится совершенно новая категория регулирования и внедрения, которая позволит врачам безопасно использовать «навесающий» потенциал ИИ .
