Провайдеры систем искусственного интеллекта, традиционно встречавшие сопротивление мирового врачебного сообщества, в последние годы стали чуть ли не самыми желанными партнерами для инвесторов и грандов индустрии здравоохранения. Общее число реализуемых по всему миру тематических проектов уже перевалило за тысячу. И уже к 2020 году глобальный рынок медицинских ИИ‑систем, по актуальным прогнозам маркетологов, достигнет объема в $10 млрд. Скачок спроса на ИИ‑продукты аналитики и игроки рынка объясняют, с одной стороны, снижением себестоимости их разработки, с другой – смещением акцентов в глобальном здравоохранении в сторону диагностики и превентивной медицины.
Последние три года были ознаменованы рекордными инвестициями в разработки медицинских ИИ-систем. В 2016 году известный в Китае специалист в области исследований генома Джун Ванг и его партнеры привлекли в проект по разработке и системы искусственного интеллекта ICarbonX, проводящие диагностику и прогнозирование развития редких заболеваний на основе анализа генетических данных, инвестиции китайского финансового конгломерата Tencent Holdings Limited. Сделка, обошедшаяся инвесторам почти в $155 млн, стала сенсацией на глобальном IT-рынке – до этого подобные стартапы в лучшем случае получали не более $10-11 млн (подробнее – в таблице «Свежие размышления»).
В 2018 году консорциум инвесторов, объединяющий компании Khosla Ventures, Nvidia, Aurum, Johnson&Johnson Innovation JJDC и другие, вложил более $30 млн в израильский проект Zebra Medical Vision, развивающий на привлеченные ранее от инвестфондов $20 млн ИИ-системы для анализа медицинских изображений. Сейчас Zebra Medical Vision работает уже более чем с 1 100 госпиталями по всему миру и для семи своих продуктов уже получила маркировку CE (Conformitе Europеenne, европейское соответствие). Как утверждает в своих многочисленных интервью один из основателей проекта Элад Бенджамин, стартап выстрелил благодаря системному взгляду на диагностику и эффективной системе очистки данных.
Интерес профильных инвесторов к медицинским ИИ-системам постепенно нарастал с начала 2000-х. В течение последних 10 лет в тематические стартапы понемногу вкладывали почти все крупные IT-корпорации, включая Google, IBM, Apple, Facebook, Philips, Amazon, Microsoft, General Electric (подробнее – в таблице «От большого ума»). Мейджоры с каждым годом все активнее искали и покупали наиболее перспективные, на их взгляд, медицинские ИИ-разработки по всему миру. Это, с одной стороны, стало толчком для развития новых специализированных проектов, с другой – привлекло в прежде узкую нишу венчурных инвесторов.
По данным исследовательской компании Venture Scanner, сейчас на разработке медицинских ИИ-систем фокусируют внимание свыше 800 компаний, развивающих в общей сложности более 1 000 тематических стартапов. По прогнозу Research and Markets, объем рынка таких продуктов к 2020 году вырастет до $10 млрд.
В США, выступающих локомотивом развития ИИ-технологий в здравоохранении, профильный сегмент уже сейчас оценивается маркетологами в $320 млн и обещает прибавлять по 38% в год. Наиболее популярные медицинские ИИ-разработки можно условно разделить на две основные группы: первая – системы анализа медицинских изображений, текстуальных и голосовых данных; вторая – носимые устройства мониторинга состояния пациента, позволяющие врачам точнее ставить диагнозы и принимать решения о лечении.
К первой группе проектов относится, например, разработка Behold.ai, достигшая точности в 85% при диагностике заболеваний легких по рентгеновским снимкам. Технология построения 3D-моделей легких на 80% снижает необходимость в инвазивных процедурах, а если все-таки операция проводится, облегчает работу хирурга и состояние пациента. Многие разработки направлены на создание систем, анализирующих описание пациентами симптомов их заболеваний. Британский стартап Babylon, например, создал ИИ-систему, которую в самой компании называют симптом-чекером: выдаваемое описавшему свои ощущения пациенту резюме помогает человеку понять, необходима ли ему в принципе консультация специалиста. Все подобные приложения способны к самообучению – чем чаще их используют, тем более корректным становится отклик.
Вторая группа – гаджеты, связанные с системами и программами ИИ. Типичный пример здесь – «умные» фитнес-браслеты. Одна из наиболее популярных разработок в этом сегменте – программа PAI Health – позволяет на основе сведений о 45 тысячах пациентов регистрировать различные показатели в работе организма и давать пользователю рекомендации по фитнесу, а в конечном итоге – снижать риск возникновения заболеваний. Правда, в полной мере отнести даже самые продвинутые из этих устройств к медицинским ИИ-системам пока нельзя: разработчики, как правило, не торопятся регистрировать такие гаджеты в качестве медоборудования.
Разворот в сторону медицинских ИИ-систем означает для мировой индустрии здравоохранения радикальное переосмысление подходов к применению IT-инструментов в клинической практике, а то и шире – к диагностике и лечению в целом. Как рассказывал в интервью Vademecum исполнительный директор американского Duke Clinical Research Institute Эрик Петерсон, первые разработки в области big data и ИИ-систем в медицине начали появляться в 70-е годы, примерно в то же время, что и в авиации.
Однако вплоть до начала 2000-х эта ниша практически не развивалась. Причина – закрытость и консерватизм врачебного сообщества, малоэффективная коммуникация клиницистов и IT-специалистов, плюс стремительное развитие медицинских технологий. Как отмечали исследователи компании McKinsey в тематическом отчете за 2013 год, врачи привыкли выносить решения независимо, они предпочитают скорее руководствоваться собственным клиническим опытом, чем опираться на протоколы big data.
Почему же инвесторы вдруг решили, что ИИ-разработки, прежде воспринимавшиеся медиками в штыки, окажутся востребованными?
Растущую популярность ИИ-систем в мировой индустрии здравоохранения обусловили актуальные тенденции развития каждой из отраслей – информтехнологий и медицины. Значительно снизилась себестоимость IT-разработок – например, компания Uber AI Labs предлагает технологию, которая позволяет пользоваться ИИ-системой, устанавливаемой на один стандартный компьютер, вместо требовавшихся в прошлом веке для решения подобных задач нескольких тысяч процессоров. Сегодня за счет внедрения в клиниках по всему миру электронных медицинских карт кратно повысилась доступность больших массивов пациентских данных. Основным достижением последней пятилетки стал рывок технологий распознавания медицинских изображений.
Навстречу революционным IT-разработкам из индустрии здравоохранения шагнули практики превентивной и персонализированной медицины, требующие принципиально новых инструментов, в первую очередь, для проведения более точной диагностики. И IT-индустрия ответила на этот вызов: как доказал в результате серии экспериментов один из основателей китайского «Национального суперкомпьютерного центра» (занимается в том числе и разработками в сфере ИИ) Пэн Шаолян, компьютерная диагностика отобранных для его исследования 30 болезней, включая, например, депрессию и туберкулез, точнее врачебной на 20%.
Несомненна, по мнению исследователей, и экономическая эффективность использования ИИ-систем в медицине. По оценкам Американской ассоциации инсульта, 304 млн жертв этой болезни к 2030 году будут стоить государственному здравоохранению $240 млрд, и около 42% этой суммы уйдет на уход за больными, тогда как применение ИИ-разработок для диагностики, выявления заболевания на их ранних стадиях и выдаче рекомендации по предотвращению развития патологии оказываются на 10% точнее врачебных, что позволит системе сэкономить до $25 млрд только на одном нозологическом направлении.
Наконец, ИИ-системы позволят хотя бы частично решить проблему дефицита медицинских кадров. Этим мотивом в числе прочих, как сообщает портал Nikkei, руководствуется правительство Японии, планирующее выделить $100 млрд на строительство больниц, применяющих ИИ-системы. Целевой транш, как подсчитали в исследовательской компании Fuji Keizai, позволит вырасти национальному рынку медицинских ИИ-систем до $135 млн.
По словам директора Фонда Международного медицинского кластера Михаила Югая, в мире уже есть примеры, когда многие внутрибольничные процессы подчинены решениям ИИ-системы: «В корейском Bundang, который является участником нашего кластера, применяется целый спектр таких решений. Это и система BestCare с электронным архивом, возможностью передачи биометрических данных, протоколами поддержки принятия клинических решений и управления ресурсами, и «умные» кровати с экранами, демонстрирующими сведения о пациенте, и снабженные ИИ роботы. Применение таких систем означает смену форматов коммуникации, барьер между главными участниками лечебного процесса – пациентом и врачом – стирается, они начинают больше общаться, в том числе онлайн».
