В рамках серии встреч «AI in Healthcare» на базе Стэнфордского университета эксперты обсудили текущее состояние генеративного ИИ в медицине и те барьеры, которые мешают его массовому внедрению. В дискуссии приняли участие Джастин Нордон (основатель Qualified Health), Мэтт (главный научный сотрудник Microsoft в сфере здравоохранения) и Трой Тазбаз, бывший глава отдела цифрового здравоохранения FDA, который поделился уникальным взглядом на проблему со стороны регулятора.
📈 Революция продуктивности: «Тайные киборги» в белых халатах 1:48
Современные исследования показывают колоссальный разрыв между тем, как ИИ используется отдельными специалистами, и тем, как его принимают медицинские организации. Мэтт ссылается на недавние данные, согласно которым использование передовых моделей ИИ может утроить продуктивность при выполнении задач, связанных с интеллектуальным трудом . При этом в профессиональной среде наблюдается феномен, который эксперт по ИИ Итан Моллик назвал «тайными киборгами»: люди активно используют нейросети для работы, но не афишируют это перед руководством .
Ситуация в медицине выглядит следующим образом:
- Согласно исследованию British Medical Journal (BMJ), около 20% врачей общей практики в Великобритании используют инструменты ИИ в клинической работе как минимум еженедельно .
- В то же время опрос организации HIMSS показывает, что большинство медицинских учреждений ограничивают доступ к чат-ботам и не проводят обучение персонала работе с ИИ .
- Джастин Нордон отмечает ироничную ситуацию: пока клиники официально запрещают ChatGPT из соображений конфиденциальности (HIPAA), врачи продолжают использовать его на личных смартфонах .
Трой Тазбаз объясняет этот консерватизм тем, что расходы на IT в здравоохранении исторически ниже, чем в других отраслях . По его мнению, медицина всегда следует за технологическим прогрессом с опозданием, а традиционная система обучения врачей еще не адаптировалась к тому, что их профессия становится максимально зависимой от алгоритмов .
🔄 Смена парадигмы: от внедрения сверху к запросу снизу 7:39
Традиционно медицинское ПО внедряется «сверху вниз»: администрация выбирает вендора, оценивает окупаемость (ROI) и навязывает инструмент персоналу. Однако с генеративным ИИ ситуация иная — это «донный» (bottoms-up) процесс. Технология настолько доступна и эффективна, что она просачивается в клиники через личные устройства сотрудников .
Трой Тазбаз предлагает изменить подход к цифровизации:
- Формирование сигнала спроса. Вместо того чтобы ждать предложений от IT-гигантов, больничные системы должны объединяться и четко формулировать свои проблемы, которые требует решения .
- Прозрачность использования. Стэнфорд и UCSF уже создают внутренние защищенные инстанции ИИ, чтобы видеть, для каких именно задач врачи используют нейросети в реальности .
- Отказ от статичных снимков. По мнению Мэтта, оценивать возможности ИИ сегодня — это всё равно что пытаться сделать фотоснимок кадра в фильме: через мгновение ситуация уже изменится, так как скорость развития моделей феноменальна .
🧠 Человек vs Машина: когда «врач + ИИ» проигрывает просто «ИИ» 15:50
Одной из самых спорных тем дискуссии стала эффективность связки врача и нейросети. Долгое время считалось аксиомой, что ИИ должен быть лишь помощником («human-in-the-loop»), и результат их совместной работы всегда будет лучше, чем работа каждого по отдельности. Однако свежие данные ставят это под сомнение.
Джастин Нордон упоминает исследования профессора Стэнфорда Джонатана Чена, которые показывают, что в ряде тестов ИИ в одиночку справляется лучше, чем врач, использующий этот же ИИ . Мэтт признается, что эта информация вызывает у него «экзистенциальный кризис», так как он годами продвигал идею партнерства человека и машины .
Аргументы участников по этому поводу:
- Проблема интерфейса. Возможно, врачи пока просто не умеют эффективно взаимодействовать с моделью (промпт-инжиниринг) .
- Ложные цели. Трой Тазбаз считает опасным «стравливание» ИИ и врачей в академических тестах. По его мнению, это лишь замедляет внедрение технологии, вызывая сопротивление у медиков .
- Смена фокуса. ИИ должен забирать на себя те задачи, где он объективно сильнее (анализ данных, рутина), позволяя человеку сосредоточиться на эмпатии и сложных клинических решениях .
Трой приводит аналогию: «Вы можете выгнать Ferrari на шоссе 101 в час пик. Она доедет до цели одновременно с дешевой малолитражкой, но вы просто потратите лишние деньги» . В нынешней системе здравоохранения ИИ часто используют как ту самую Ferrari в пробке, не давая ему раскрыть потенциал из-за устаревших процессов.
🚁 Вертолет в мире пробок: переосмысление «системы болезней» 21:43
Участники сошлись во мнении, что в США на самом деле нет «системы здравоохранения» (Healthcare) — есть «система ухода за больными» (Sick-care), которая работает эпизодически, когда человек уже заболел . Генеративный ИИ может стать инструментом, который превратит эту систему в нечто иное.
Мэтт предлагает взглянуть на ИИ не как на Ferrari, а как на вертолет . Если мы пытаемся ехать на нем по дороге, мы ограничены правилами дорожного движения и трафиком. Но если мы осознаем, что эта технология способна летать, нам придется выстроить совершенно новую инфраструктуру — от посадочных площадок до правил авиасообщения .
Ключевые возможности новой модели:
- Субъективность пациента (Agency). ИИ дает пациентам возможность глубоко изучить свою болезнь за пару часов, приходя на прием более подготовленными .
- Решение административного кризиса. Внедрение инструментов «эмбиент-заметок» (автоматическое ведение протокола приема) уже сейчас радикально снижает выгорание врачей, избавляя их от бумажной работы .
🛡️ Регуляция и безопасность: взгляд бывшего главы FDA 25:30
Трой Тазбаз, основываясь на своем опыте в FDA, утверждает, что регуляция не должна быть тормозом инноваций. Он определяет её как «продвинутые ограждения» (guardrails), которые необходимы в любой критически важной отрасли, будь то авиация или физика .
Основные принципы безопасного ИИ по Тазбазу:
- Жизненный цикл вместо разовой проверки. В отличие от статичных медицинских приборов, генеративный ИИ постоянно учится и меняется. Регулятор должен оценивать не только продукт в момент выхода, но и процессы его обновления .
- Постоянный мониторинг. Для Тазбаза стало неожиданностью, что в медицине софт часто внедряется без систем глубокого мониторинга производительности в реальном времени. В корпоративном IT-мире это недопустимо .
- Совместная работа. Государство не должно диктовать правила в одиночку; индустрия должна сама предлагать здравые ограничения, которые реально внедрить на практике .
В завершение встречи эксперты подчеркнули, что главная ценность ИИ в медицине — это возвращение врачу времени для пациента. Как заметил Мэтт, он готов использовать любой инструмент, который позволит ему «снять слои административной луковицы» и вернуться к тому, ради чего он шел в профессию .
