Медицинская сфера стоит на пороге крупнейшей технологической революции со времен открытия антибиотиков благодаря стремительному развитию искусственного интеллекта и больших языковых моделей. В новом выпуске подкаста Рича Ролла декан Медицинской школы Стэнфордского университета Ллойд Майнор подробно обсуждает, как новые технологии изменят диагностику, обучение врачей и борьбу с системным выгоранием персонала. Главный посыл беседы — необходимость соблюдения баланса между колоссальными возможностями автоматизации и жестким контролем над приватностью данных пациентов.
🏛️ Роль руководителя в авангарде медицинской науки 1:52
Управление крупным академическим медицинским центром требует не только административных навыков, но и умения балансировать между порой противоположными интересами. По словам Ллойда Майнора, его фундаментальная обязанность заключается в обеспечении ресурсами и стратегическом планировании для сотрудников, которые ежедневно реализуют глобальные задачи университета.
Официальная миссия Stanford University School of Medicine подразделяется на три ключевых направления:
- Оказание высокотехнологичной медицинской помощи пациентам.
- Проведение передовых научных исследований, двигающих науку вперед.
- Обучение студентов, аспирантов, докторантов и практикующих врачей.
Рич Ролл справедливо замечает, что коммерческие интересы клиники, академические цели школы и непосредственная забота о пациентах далеко не всегда совпадают, что превращает позицию декана в сложную политическую роль. Ллойд Майнор соглашается с этим тезисом, подчеркивая, что конфликты неизбежны, однако лидерство обязано искать синергию там, где на первый взгляд видны лишь противоречия. Свою задачу декан видит в создании атмосферы справедливости, где каждый участник переговоров уходит с ощущением пусть не полной, но значимой победы.
🤖 Искусственный интеллект как новые антибиотики 5:12
По мнению Ллойда Майнора, текущий этап развития технологий — это величайший момент в истории медицины со времен открытия антибиотиков. При этом интеграция базовых элементов автоматизации началась давно. Сегодня ручной ввод рецептов практически полностью заменен электронными системами учета. Как отмечает гость, переход на цифровые медицинские карты позволил значительно повысить безопасность пациентов:
- Система автоматически выявляет критические ошибки (например, случайно смещенную запятую в дозировке).
- Алгоритмы мгновенно сверяют совместимость препаратов, предотвращая опасные перекрестные реакции.
Современные алгоритмы машинного обучения и глубоких нейросетей вывели эти процессы на принципиально новый уровень, о котором пять лет назад нельзя было даже мечтать. Появление трансформерных моделей и больших языковых моделей (LLM) открывает колоссальные перспективы как в фундаментальных исследованиях, так и в повседневной клинической практике.
🔬 Революция в диагностике: от дерматологии до патологии 8:22
В качестве примера эффективного союза медицины и ИТ Ллойд Майнор приводит проект стэнфордских дерматологов и компьютерных специалистов. Они обучили нейросеть на огромном массиве фотографий поражений кожи, сделанных на обычные смартфоны, снабдив каждый снимок точным патоморфологическим диагнозом. В ходе слепого тестирования на новых изображениях модель искусственного интеллекта показала точность распознавания злокачественных опухолей, абсолютно сопоставимую с результатами сертифицированных врачей-дерматологов.
Для практического здравоохранения это означает доступность качественного первичного скрининга в удаленных сельских регионах, где профильных специалистов физически нет.
Аналогичный прорыв происходит в радиологии и компьютерной томографии. Ллойд Майнор приводит официальную статистику:
«Мы знаем, что в сфере диагностической визуализации около 4% интерпретаций снимков людьми содержат пропуски элементов, имеющих важное клиническое значение».
ИИ не заменяет радиолога, но выступает незаменимым ассистентом:
- Алгоритм способен подсветить врачу конкретную зону (например, верхнюю долю легкого), требующую повышенного внимания.
- Система мгновенно анализирует весь архив рентгенограмм пациента за прошлые годы, оценивая динамику изменений в тканях.
Как утверждает гость, радиологи не исчезнут как класс, однако специалисты, использующие ИИ в своей работе, быстро заменят тех, кто отказывается от новых инструментов.
Еще более масштабные изменения Ллойд Майнор прогнозирует в патоморфологии. Изучение срезов удаленных опухолей под микроскопом требует колоссального опыта. При редких патологиях даже высококлассный врач за всю карьеру может встретить не более 6–12 специфических случаев. Искусственный интеллект, агрегирующий оцифрованные данные сотен медицинских систем по всему миру, обучается на таком объеме редких патологий, который ни один человек физически не способен увидеть за всю свою жизнь. Это в разы повышает точность верификации опухолей. Параллельно машинное обучение совершило революцию в прогнозировании трехмерной структуры белков по их аминокислотной последовательности, что позволяет фармацевтическим компаниям проектировать новые таргетные лекарства буквально с нуля.
🩺 Превентивное здоровье против «индустрии болезней» 17:24
Ллойд Майнор проводит жесткую границу между терминами «прецизионная медицина» (Precision Medicine) и «прецизионное здравоохранение» (Precision Health).
- Прецизионная медицина — это точечное, высокоэффективное лечение, подбираемое под конкретного пациента и его опухоль (например, современная терапия рака груди). Однако этот подход работает уже после того, как человек заболел. По мнению гостя, в США построена лучшая в мире система ухода за больными (sick care), но она катастрофически мало внимания уделяет недопущению самой болезни.
- Прецизионное здравоохранение — это предиктивный подход, направленный на предотвращение недугов на ранней стадии. Ллойд Майнор сравнивает эту концепцию с авиацией: датчики современного самолета ежеминутно передают на землю сотни параметров двигателя, позволяя устранить неполадку задолго до отказа мотора. Точно так же, по замыслу покойного стэнфордского профессора доктора Сэма Гамбира, должна отслеживаться и биология человека.
📱 Носимые устройства и риски «геймификации» здоровья 18:56
Инструментом перехода к предиктивному контролю становятся потребительские гаджеты. Стэнфорд совместно с компанией Apple провел масштабное виртуальное исследование Apple Heart Study, в котором приняли участие 700 000 человек. Ученые доказали, что датчики смарт-часов способны с высокой точностью выявлять мерцательную аритмию — опасное нарушение ритма, которое часто протекает бессимптомно, но многократно увеличивает риск инсульта.
Помимо пульса, технологии движутся в сторону неинвазивного непрерывного мониторинга артериального давления и уровня глюкозы (CGM). Рич Ролл делится личным опытом использования таких систем, отмечая, что знание процессов в собственном теле дает человеку ментальное ощущение контроля и автономии. Однако собеседники затронули и неочевидную опасность тотальной «геймификации» здоровья. Рич Ролл подчеркивает: если пользователь стремится исключительно к идеальному удержанию ровной линии сахара в приложении, он может начать непрерывно питаться насыщенными жирами, полностью исключив углеводы, что нанесет тяжелый удар по другим системам организма.
Развитие хронических заболеваний, являющихся главными причинами смертности (сердечно-сосудистые патологии, диабет 2-го типа, ожирение, болезнь Альцгеймера), происходит десятилетиями. Своевременное обнаружение биомаркеров за 20 лет до возможного инфаркта позволяет полностью изменить образ жизни и избежать катастрофы. К сожалению, текущая медицинская модель к этому не приспособлена. Ллойд Майнор напоминает, что около 70% факторов, определяющих развитие болезней, носят социальный, поведенческий и экологический характер:
- Уровень доходов и доступ к качественным свежим продуктам (проблема «продовольственных пустынь»).
- Городская инфраструктура, располагающая или препятствующая физической активности.
- Индивидуальные психологические привычки и паттерны поведения.
Даже неочевидные поведенческие интервенции могут давать измеримый результат. Так, стэнфордское исследование показало, что простая замена кухонной утвари в доме на посуду меньшего размера приводит к автоматическому снижению объемов порций и стабильной потере веса у членов семьи.
🎓 Цифровая трансформация медицинского образования 25:46
Система подготовки будущих врачей обязана кардинально измениться, уверен декан Стэнфорда. Во время его собственного обучения студентов заставляли механически зазубривать терапевтические дозировки лекарств.
«Это было безумием, потому что дозировка — это абстрактное число, зависящее от формы выпуска препарата. Человеческий мозг не приспособлен для удержания таких массивов изолированных цифр», — вспоминает Майнор.
В ближайшее десятилетие необходимость в слепом запоминании информации практически исчезнет благодаря ИИ-помощникам. Вместо этого акцент сместится на развитие критического мышления, умение правильно формулировать запросы к базам данных и здоровый скептицизм по отношению к выдаваемым алгоритмами результатам.
Технологии виртуальной (VR) и дополненной (AR) реальности уже стали частью учебного процесса в Стэнфорде. Хотя студенты по-прежнему препарируют анатомические трупы для воспитания уважения к человеческому телу, эти занятия детально дублируются цифровыми симуляциями. Интерактивные 3D-модели позволяют вращать плоскости, мгновенно удалять или добавлять мышечные слои и наглядно видеть векторы натяжения тканей, что невозможно сделать на реальном биоматериале или по учебнику.
Для практикующих специалистов такие системы служат своеобразным «авиасимулятором». Нейрохирурги Стэнфорда перед тем, как сделать первый надрез на голове пациента, надевают VR-гарнитуру и проводят операцию виртуально. Модель полностью воспроизводит анатомические особенности конкретного пациента на основе его МРТ, позволяя врачу заранее изучить расположение опухоли относительно магистральных сосудов и составить пошаговый безопасный план.
⚖️ Инициатива RAISE Health: этика, конфиденциальность и предвзятость алгоритмов 39:02
Для предотвращения цифровых рисков Стэнфордский университет выступил сооснователем платформы RAISE Health (Responsible AI for Safe and Equitable Health — Ответственный ИИ для безопасного и справедливого здравоохранения). Ллойд Майнор выделяет три ключевые угрозы, требующие немедленного регулирования:
- Новый тип деанонимизации. Большие языковые модели, интегрирующие данные из открытых источников (включая социальные сети), способны раскрыть личность пациента даже по обезличенному клиническому запросу. Например, если врач введет в общедоступную сеть симптомы: «пациент с волчанкой и высокой лихорадкой, только что вернувшийся из Южной Америки», алгоритм путем сопоставления косвенных фактов сможет вычислить конкретного человека. Решением является развертывание ИИ строго внутри закрытого контура клиники.
- Предвзятость обучающих выборок (Bias). Если медицинский искусственный интеллект обучался преимущественно на клинических данных белых мужчин, его диагностические рекомендации для женщин или представителей других этнических групп могут оказаться некорректными и опасными. Необходима жесткая инклюзивность на этапе сбора медицинских датасетов.
- Разрушение контакта между врачом и пациентом. ИИ ни в коем случае не должен становиться бюрократическим барьером или автоматическим геймифицированным привратником на пути к живому специалисту. Напротив, технологии призваны избавить врача от необходимости непрерывно стучать по клавишам во время приема, позволив ему смотреть пациенту в глаза и задействовать эмпатию, которая сама по себе является мощным лечебным фактором.
Опасения общества понятны: опросы Pew Research Center показывают, что подавляющее большинство людей сейчас не доверяют ИИ в вопросах своего здоровья. Ллойд Майнор считает это естественной реакцией на неосведомленность. Людям нужно терпеливо объяснять, что автоматизация внедряется для их безопасности — например, роботы в отделениях интенсивной терапии безошибочно рассчитывают дозы сложнейшей химиотерапии с привязкой к весу и анализам крови, исключая человеческий фактор.
🏢 Экспансия Бигтеха и ритейла в здравоохранение 45:34
Рынок медицины стремительно переформатируется за счет прихода непрофильных гигантов. Торговая сеть Walmart активно открывает медицинские клиники при своих супермаркетах, предлагая прозрачное и понятное ценообразование. Корпорация Amazon делает ставку на приобретение сетей первичной медицинской помощи и развитие цифровых аптек.
В свою очередь, классический Бигтех берет на себя наукоемкую обработку данных. Стэнфорд, Университет Дьюка и дочерняя компания Alphabet (Google) под названием Verily совместно реализуют проект Baseline. В рамках этого исследования ученые годами непрерывно отслеживают состояние здоровья нескольких сотен человек с помощью специализированных носимых устройств. Цель — накопить продольные (лонгитюдные) данные и выявить тончайшие биомаркеры, которые предвещают развитие болезней за годы до манифестации.
Тем не менее, Ллойд Майнор напоминает, что медицина остается самой жестко регулируемой отраслью в экономике, поэтому стремительного ИТ-запуска здесь ждать не стоит. Главное отличие от классических соцсетей должно заключаться в строгом соблюдении принципа «opt-in» — пользователь должен лично и осознанно дать разрешение на использование своих медицинских параметров, а не отключать галочки глубоко в настройках.
Ученые стремятся вести превентивный диалог с регуляторами (FDA) до того, как технологии нанесут непоправимый вред (как это произошло с влиянием соцсетей на ментальное здоровье подростков). Для этого Стэнфорд и Калифорнийский университет в Сан-Франциско (UCSF) создали совместный Центр передового опыта в области регуляторной науки (CERSI), финансируемый FDA.
🔮 Прогнозы на будущее: от раннего выявления рака до 3D-печати органов 1:02:46
Заглядывая на 5–10 лет вперед, Ллойд Майнор выражает обоснованный оптимизм по поводу нескольких направлений:
- Онкологический скрининг. В ближайшую пятилетку ожидается массовое внедрение высокоточных жидкостных биопсий. По анализу внеклеточной ДНК (cfDNA) в крови врачи смогут обнаруживать на самых ранних стадиях опухоли, которые сейчас диагностируются слишком поздно — рак поджелудочной железы и яичников.
- Снижение госпитализаций. Домашний телемониторинг позволит фиксировать опасное ухудшение параметров у хроников до того, как им потребуется реанимация.
- Победа над выгоранием. Около двух часов личного времени после смены врачи тратят на заполнение карт и ответы на сообщения в электронных ящиках. Автоматизация этой рутины вернет докторам радость от живого общения с пациентами.
- Тканевая инженерия. В лабораториях Стэнфорда уже ведутся успешные эксперименты по 3D-печати живых функциональных тканей и камер сердца. В будущем это позволит радикально решить проблему врожденных пороков сердца у детей без использования донорских органов.
Пандемия COVID-19 обнажила уязвимость медицинской логистики, опиравшейся на концепцию доставки «точно в срок» (just-in-time). Отсутствие складских запасов средств индивидуальной защиты привело к кризису. Сейчас, по словам декана, ведется переосмысление этих процессов и создание стратегических резервов.
🧘🏼♂️ Личные привычки декана и искусство коммуникации 1:13:15
Отвечая на вопросы о собственном образе жизни, руководитель Стэнфордской медицины признается, что калифорнийский климат помогает ему придерживаться здорового рациона с обилием свежих овощей и фруктов. Ллойд Майнор не является вегетарианцем, но употребляет мясо умеренно. Трижды в неделю он занимается в тренажерном зале и ежедневно выполняет кардионагрузки. Во время пандемии из-за сверхплотного графика утренних совещаний декан спонтанно перешел на интервальное голодание, полностью отказавшись от завтрака, и до сих пор практикует этот режим, отмечая высокую продуктивность.
Главной отдушиной для Майнора остается игра на виолончели — в изоляции он возобновил уроки с педагогом через Zoom, а однажды даже выступал дуэтом с бывшим госсекретарем США Кондолизой Райс, аккомпанировавшей ему на фортепиано.
В завершение беседы Ллойд Майнор поделился личным опытом тестирования нейросетей. Он попросил ChatGPT (еще ранних версий) описать редкий синдром внутреннего уха, в открытии и описании которого сам Майнор принимал непосредственное участие в качестве ученого-отоларинголога. Результат оказался на удивление точным и глубоким, без каких-либо галлюцинаций.
Тем не менее, декан призывает пациентов не заниматься самолечением по «доктору Гуглу», а использовать ИИ как инструмент расширения кругозора, сохраняя максимальный скептицизм и доверяя финальные медицинские решения профессионалам.
