AI-БОЛИТ: КАК ИИ УСИЛИТ ЗДРАВООХРАНЕНИЕ?

Несмотря на достижения в области медицины за последние годы, инновации в сфере здравоохранения всё ещё отстают на фоне устаревших технологий и способов лечения. Сейчас ситуация быстро меняется: технологии искусственного интеллекта способствуют значительному прогрессу в различных аспектах отрасли. Аналитики JP Morgan выделили четыре главных тренда в медицинском AI.

1. Возможность использования больших данных

Данные в сфере здравоохранения составляют более трети мирового объёма, но они не структурированы и плохо организованы. Однако за последние 15 лет на оцифровку медицинских записей потрачены десятки миллиардов долларов, что позволяет моделям искусственного интеллекта использовать более 500 петабайт данных, связанных со здоровьем пациентов.

2. Сокращение затрат и сроков открытия и разработки лекарств.

Разработка лекарств —  длительный и дорогостоящий процесс. От доклинических исследований до начала продаж может пройти до 18 лет, а затраты на один препарат составляют в среднем $2,3 млрд, из которых в среднем 80% тратится на исследования и разработки. Генеративный ИИ может сократить расходы и одновременно повысить показатели успеха лекарств. McKinsey оценивает потенциальное увеличение годовой экономической стоимости фармацевтической и медицинской промышленности на $60–$110 млрд.

Например, клинические испытания фазы III (последний этап перед одобрением регулирующим органом США) являются комплексными и капиталоёмкими. Такие испытания препаратов против ожирения компаний Eli Lilly и Novo Nordisk длились в среднем от 17 месяцев до полутора лет с участием 1000–2500 пациентов с ожирением, на регистрацию которых обычно уходит 6–10 месяцев. Компания с поддержкой искусственного интеллекта, такая как QuantHealth, может перенести моделирование клинических испытаний в облако, где они могут предсказать как будет проходить всё клиническое исследование с точностью 86%, что позволяет оптимизировать дизайн исследования и значительно ускорить процесс.

3. Вклад в науку нового поколения

Модели генеративного обучения также могут помочь делать открытия в биологии и медицине. Точно так же, как ChatGPT может предсказать следующее слово в предложении, модели ИИ предсказывают молекулярные структуры. Например, AlphaFold от Google может сделать то, на что раньше учёным требовались годы и миллионы долларов, всего за несколько часов и с минимальными затратами. В 2021 году учёным удалось определить только 20% существующих белковых структур. Сегодня Институт исследований рака сообщает, что 99% известных белков уже известны. Благодаря более глубокому пониманию белковых структур учёные смогут более эффективно разрабатывать лекарства от многих типов заболеваний, продвигать разработку лекарств и биологические исследования.

4. Сокращение острой нехватки медицинских работников

Последствия глобальной пандемии привели к тому, что отрасль испытывает острую нехватку медицинских работников, но ИИ помогает сократить этот разрыв. Достижения в области носимых или имплантированных устройств позволяют осуществлять непрерывный мониторинг состояния здоровья, уменьшая необходимость в личных визитах к врачу. Некоторые частные компании также создают виртуальных «врачей», основанных на больших языковых моделях, что повышает масштабируемость и персонализацию медицинской помощи.

По мнению аналитиков JP Morgan рынок здравоохранения является привлекательным для инвесторов, стремящихся диверсифицировать концентрацию в американских технологических компаниях или найти недооценённых бенефициаров ИИ.