Искусственный интеллект стремительно проникает в самые консервативные области человеческой деятельности, включая здравоохранение. В рамках подкаста The Cognitive Revolution ведущий Нейтан Лабенц обсудил грядущую медицинскую трансформацию с профессором Гарвардской медицинской школы Айзеком Коханом. В центре дискуссии — результаты уникального исследования возможностей языковой модели GPT-4, её клиническое превосходство над частью практикующих врачей и фундаментальные вызовы, которые несёт интеграция «чужеродного разума» в клиники.
🩺 Медицинский ИИ: Ошеломляющий дебют GPT-4 0:00
История глубокого погружения Айзека Кохана в мир современных больших языковых моделей началась осенью 2022 года, ещё до официального релиза ChatGPT. Питер Ли, глава Microsoft Research и давний знакомый профессора по академическим кругам, связался с ним в условиях строжайшей конфиденциальности. Кохану был предоставлен ранний исследовательский доступ к GPT-4, и первые же тесты, по его собственным словам, заставили его «лишиться дара речи».
Для проверки возможностей нейросети профессор смоделировал сложнейший клинический случай, с которым сталкиваются неонатологи: в отделение интенсивной терапии поступает новорожденный ребёнок с аномалией развития (отверстием у основания фаллоса) и непальпируемыми яичками. Кохан шаг за шагом вводил данные визуализации и гормональных обследований, запрашивая у ИИ дальнейшие действия. Модель безошибочно провела дифференциальную диагностику и самостоятельно вышла на точный молекулярно-генетический диагноз: дефицит 11-бета-гидроксилазы. Профессор отмечает, что если случайным образом собрать 100 практикующих врачей, вряд ли хотя бы один из них сможет с ходу воспроизвести такой диагностический путь. При этом модель одновременно демонстрировала поразительную гибкость, отвечая на экспертном уровне как на сложнейшие медицинские вопросы, так и на вопросы по талмудическому праву.
По мнению Кохана, GPT-4 демонстрирует свойства «клинически сверхчеловеческого» интеллекта, который неизбежно изменит расстановку сил в здравоохранении. Профессор утверждает, что уже в ближайшем будущем получение медицинской помощи без поддержки ИИ будет расцениваться как не соответствующее стандартам. По словам Кохана, ИИ трансформирует не только клинические процессы, но и бэк-энд медицины: систему взаиморасчетов, выставление счетов, документооборот и одобрение процедур страховыми компаниями.
Тем не менее, Кохан призывает избегать слепого оптимизма, описывая GPT-4 как «чужеродный интеллект», который одновременно умнее и глупее любого человека, которого вы когда-либо встречали. Из-за склонности модели к масштабным галлюцинациям и внезапным аргументированным спорам на основе ошибочных данных, её использование без прямого контроля со стороны человека в обозримом будущем категорически недопустимо.
🎓 Путь профессора Кохана: от «зимы ИИ» к новой революции 5:28
Профессиональный бэкграунд Айзека Кохана позволяет ему оценивать текущий технологический бум без лишней академической наивности. Выросший в Швейцарии, он переехал в США для получения высшего образования. Будучи студентом-биологом, он параллельно освоил программирование, а после поступления в медицинскую школу осознал, что благородная профессия врача на практике слабо опирается на строгую научную методологию.
Это подтолкнуло его временно оставить клиническую практику ради получения докторской степени (PhD) в области компьютерных наук в 1980-х годах — в период бурного расцвета первых систем искусственного интеллекта. Когда наступила затяжная «зима ИИ», вызванная разочарованием от невыполненных обещаний разработчиков той эпохи, Кохан вернулся в клинику, завершив обучение по специальности «детская эндокринология». В дальнейшем он возглавил кафедру биомедицинской информатики в Harvard Medical School, где под его руководством ведутся исследования на стыке геномики и компьютерных наук.
С целью создания методологии строгой валидации новых технологических инструментов профессор основал специализированный научный журнал NEJM AI — дочернее издание авторитетного New England Journal of Medicine. Кохан подчёркивает, что без клинической верификации ИИ-продуктов общество столкнётся с колоссальными рисками во всех вертикалях человеческой деятельности.
📊 Четыре парадигмы интеграции ИИ в медицину 25:04
В своей книге «The AI Revolution in Medicine» Айзек Кохан и его соавторы формулируют четыре базовые концептуальные модели, описывающие возможные варианты интеграции искусственного интеллекта в медицинскую практику. Каждая из этих парадигм отражает различные подходы к верификации, контролю и роли ИИ.
🧪 Модель «Испытание» (The Trial): Почему ИИ — это не лекарство
Первый подход предполагает оценку ИИ-систем по аналогии с фармацевтическими препаратами — через классические рандомизированные контролируемые исследования (РКИ). Такая схема успешно применялась для узкоспециализированных сверточных нейросетей ранних поколений, которые выполняли конкретные задачи: например, выявление ретинопатии по снимкам глазного дна или диагностику пневмонии по рентгенограммам. Однако Кохан полностью отвергает применимость этой модели для генеративного ИИ уровня GPT-4.
Профессор выделяет следующие ключевые причины неприменимости РКИ к большим языковым моделям:
- Универсальность диалога: В отличие от узкого теста на ретинопатию, беседа врача с универсальным ИИ может начаться с жалоб на кашель, а закончиться сложнейшими выводами в области онкологии или редких генетических мутаций, что делает невозможным формирование фиксированных контрольных групп.
- Невоспроизводимость среды: Внедрение GPT-4 в технологичной клинике Бостона даст принципиально иные результаты, нежели его интеграция в условиях дефицита первичного звена в сельских районах Китая или Африки. В качестве исторического примера Кохан приводит эпидемию COVID-19 в 2020 году: прогностические ИИ-модели смертности, разработанные для одних госпиталей, полностью проваливались в клиниках, расположенных всего в нескольких сотнях миль, из-за различий в этническом составе пациентов и уровне распространенности ожирения.
- Динамичность систем: Лекарственные формулы статичны, тогда как языковые модели непрерывно обновляются. По свидетельству Кохана, версия GPT-4, доступная весной 2023 года, радикально отличалась от той, которую он тестировал осенью 2022 года.
Ведущий Нейтан Лабенц выдвинул контраргумент, вспомнив знаменитое исследование корпорации RAND 40-летней давности, когда ученые годами отслеживали показатели здоровья двух изолированных групп населения (с бесплатным доступом к медицине и без него). Лабенц предположил, что макросоциологический мониторинг выживаемости пациентов с доступом к ИИ теоретически возможен. Кохан парировал это утверждение, указав, что в современных реалиях избежать «утечки» данных и взаимного загрязнения выборок невозможно: пациенты и врачи из контрольной группы всё равно будут кустарно использовать ИИ, что превратит результаты долгосрочного РКИ в предмет разговоров в кулуарах, лишённый научной строгости.
📝 Модель «Стажер» (The Trainee): Иллюзия экзаменационных успехов
Вторая парадигма предлагает тестировать ИИ так же, как оценивают студентов-медиков и стажёров — через сдачу стандартизированных профессиональных экзаменов. GPT-4 продемонстрировал феноменальный скачок: если предыдущая модель GPT-3.5 полностью проваливала тесты Национального совета медицинских экзаменов США (USMLE), то обновлённая GPT-4 сдаёт их по высшему разряду.
Однако Кохан предупреждает, что академические успехи ИИ иллюзорны. Профессор напоминает, что в основе человеческих экзаменов лежит неявное допущение: тестируемый обладает общим человеческим здравым смыслом, разделяет базовые ценности вида и понимает контекст реальности, который на экзамене напрямую не проверяется. У ИИ этого фундамента нет.
В качестве примера Кохан приводит онкологический диагноз. Обсуждение стратегии лечения рака — это не просто выбор протокола, а экзистенциальный компромисс для пациента. Больной может сознательно выбрать менее агрессивную терапию, чтобы гарантированно дожить до свадьбы ребёнка через шесть месяцев, пожертвовав лишним годом потенциальной жизни в больничной палате. Модель способна безупречно рассчитать выживаемость, но она полностью лишена человеческого укоренения (human grounding), необходимого для осознания таких ценностных компромиссов.
🤝 Модель «Партнер» (The Partner): Симбиотическая медицина в действии
Именно парадигма партнёрства и «симбиотической медицины» является той моделью, к которой здравоохранение должно прийти в самое ближайшее время, считает Кохан. Традиционное взаимодействие «врач — пациент» превращается в триаду: «врач — пациент — ИИ».
Идеальный сценарий использования ИИ на приёме, по мнению Кохана, выглядит следующим образом: активный цифровой агент непрерывно слушает диалог в кабинете, анализирует электронную карту и выступает в роли педантичного, всезнающего, но склонного к ошибкам напарника (sidekick). Такой ассистент способен мгновенно сигнализировать врачу о критических нюансах:
- «Вы обратили внимание на этот симптом? Существует высокая вероятность патологии, которую вы не упомянули».
- «Миссис Джонс уже сдавала этот дорогостоящий анализ в другой клинике три дня назад, не нужно назначать его повторно».
- «Появился новый препарат, который в два раза эффективнее назначенного вами и обладает меньшей токсичностью».
По мнению Кохана, врачи физически не способны самостоятельно отслеживать лавинообразно растущие массивы научных публикаций, особенно в таких узких сферах, как клиническая геномика. Цифровой напарник решит эту проблему. Профессор иронично подмечает: старая медицинская шутка гласит, что выпускника, окончившего медицинский вуз на самые тройки и находящегося на самом дне своего выпуска, всё равно называют «доктором». Половина врачей по определению находятся в нижней части статистического распределения. По словам Кохана, интеграция GPT-4 способна мгновенно подтянуть эту отстающую половину специалистов до уровня лучших представителей профессии, что совершит колоссальный прорыв в качестве массового здравоохранения.
Оценивая психологическую готовность людей доверять машинам, собеседники вспомнили феномен популярности ИИ-приложений для борьбы с одиночеством, таких как Replika. Кохан напомнил об историческом прецеденте — программе ELIZA, созданной Джозефом Вайценбаумом в 1960-х годах. Будучи примитивным грамматическим парсером, который просто перефразировал реплики пользователя по методике роджерианской психотерапии, ELIZA вызывала мощнейший антропоморфный отклик. Секретарь самого Вайценбаума закрывалась в кабинете, требуя оставить её наедине с программой для полноценного «сеанса терапии». Кохан считает, что этот пример, будучи одновременно трогательным и пугающим, обнажает колоссальный дефицит внимания в современном здравоохранении. Пациенты часами ищут крупицы информации в интернете, создавая феномен «Доктора Google», поскольку реальный первичный приём у терапевта длится от силы 10–15 минут, оставляя большинство вопросов без ответов.
🔬 Модель «Факелоносец» (The Torchbearer): На грани научных открытий
Четвертый, футуристический сценарий рассматривает ИИ как автономного научного первопроходца или оракула,ского к совершению прорывных открытий. Кохан и Лабенц сошлись во мнении, что на текущем этапе GPT-4 принципиально не способна самостоятельно генерировать новые, проверяемые научные гипотезы, которые бы успешно подтверждались последующими клиническими испытаниями. Модель великолепно выстраивает теории в областях, где человечество уже накопило гигантский массив текстов, но пасует перед созданием кардинально новых научных парадигм.
Тем не менее, на стыке уже имеющихся знаний ИИ способен выдавать результаты, граничащие с научной интуицией. Кохан руководит Координационным центром Сети недиагностированных заболеваний (Undiagnosed Diseases Network, UDN), объединяющей флагманские госпитали США, включая Гарвард, Стэнфорд, Бейлор и Дьюк. В рамках этой сети ученым удается раскрыть этиологию лишь около 34% сложнейших аномалий с помощью геномного секвенирования.
Кохан провёл эксперимент: он загрузил в GPT-4 данные нераскрытых или особо трудных кейсов, предоставив список из 5 мутировавших генов-кандидатов, и спросил, какой из них несёт ответственность за патологию. ИИ поставил на первое место именно тот ген, виновность которого команда Кохана незадолго до этого доказала в ходе многомесячных сложнейших экспериментов по биологическому моделированию на дрозофилах (плодовых мушках). Модель не создала новую биологическую теорию с нуля, но продемонстрировала сверхчеловеческую способность сопоставлять разрозненные крупицы мирового научного знания для решения конкретной прикладной задачи.
🔮 Будущее здравоохранения: Кастомизация, AlphaFold и автономия пациента 46:34
Обсуждая технологический вектор развития на ближайшие годы, Кохан отметил, что революция в медицине произойдет не за счет банального масштабирования вычислительных мощностей, а благодаря качественной инфраструктурной интеграции.
Профессор прогнозирует два ключевых инфраструктурных сдвига, которые произойдут в ближайшее время:
- Локальная контекстуализация через эмбеддинги: Поскольку прямое дообучение (fine-tuning) огромных моделей вроде GPT-4 затруднено, больницы начнут использовать внешние векторные базы данных (например, фреймворк Pinecone). Это позволит развернуть над универсальным ИИ специализированный слой знаний, отражающий демографию, структуру заболеваемости и внутренние клинические протоколы конкретного госпиталя.
- Ликвидация административного выгорания: Внедрение многоканального ИИ-распознавания речи позволит избавить врачей от роли высокооплачиваемых клерков по заполнению карт. Сидя в кабинете, ИИ будет слушать диалог, сопоставлять его с анамнезом и автоматически формировать идеальный черновик клинической записи. Врачу останется лишь верифицировать текст, после чего адаптированные копии мгновенно отправятся пациенту, лечащему врачу и в страховую компанию.
В более долгосрочной перспективе (в горизонте 10–15 лет) Кохан ожидает тесного слияния больших языковых моделей со специализированными научными ИИ-системами вроде AlphaFold от DeepMind. AlphaFold оперирует «языком» аминокислотных последовательностей и законами физики, позволяя предсказывать трехмерные структуры белков. По прогнозу профессора, уже через 5–10 лет ученые смогут полностью симулировать жизнедеятельность живой клетки на компьютере. Это позволит фармацевтическим гигантам на этапе компьютерного моделирования с ювелирной точностью отбирать перспективные молекулы-кандидаты для лечения рака или болезни Альцгеймера, безошибочно прогнозируя их эффективность и побочные эффекты еще до начала дорогостоящих фаз клинических испытаний.
Завершая беседу, Айзек Кохан затронул фундаментальный этический вопрос: на чьей стороне будет играть медицинский ИИ? В среднесрочной перспективе на рынке неизбежно возникнет жесткая конкуренция и конфликт интересов: страховые компании развернут свои модели для минимизации выплат, госпитали — для максимизации прибыли, а пациенты — для защиты собственной жизни.
Единственным выходом из этого этического тупика Кохан видит парадигму абсолютной автономии данных пациента. Профессор активно поддерживает практику, когда человек лично контролирует свою медицинскую информацию. Технологические прецеденты уже созданы: благодаря инициативе Apple Health, реализованной при участии команды Кохана, клиенты более чем 800 американских госпиталей могут в один клик выгрузить все свои лабораторные тесты, назначения и клинические заметки прямо на личный iPhone. Кохан убежден, что если пациент будет выступать единоличным владельцем и донором своих данных для ИИ, это снимет риски манипуляций со стороны корпораций и обеспечит максимальное общественное доверие к новой технологической эпохе.
