Прогресс и предупреждение. Модель искусственного интеллекта позволяет предсказать заболевания, которые у вас появятся через 20 лет.

МАДРИД. В мире профилактики и персонализированной медицины ключевую роль играет способность заранее, даже за десятилетия, предвидеть возможность появления заболевания, чтобы остановить процессы, которые его вызывают, задолго до того, как оно начнет наносить вред. Согласно исследованию, опубликованному в журнале Nature, это можно достичь с помощью искусственного интеллекта (ИИ). «На протяжении жизни мы чаще всего чувствуем себя хорошо, иногда болеем, а со временем начинают появляться хронические заболевания. Эти закономерности по-разному влияют на каждого человека в зависимости от наследственности, образа жизни или социально-экономического статуса. Чтобы хорошо понять состояние здоровья человека и оценить риски, которые могут возникнуть в будущем, недостаточно просто собрать все диагнозы, которые он получал на протяжении своей жизни. Необходимо понять эволюцию каждого человека, узнать, какими заболеваниями он страдал, чтобы понять, как они влияют друг на друга, и предложить конкретные изменения в образе жизни или порекомендовать диагностические тесты для контроля конкретных заболеваний, которые с большей вероятностью могут возникнуть. Сегодня группа исследователей из Европейского института биоинформатики, DKFZ (Немецкого центра исследования рака) и нескольких датских учреждений предлагает применить ту же технологию, которая лежит в основе крупных языковых моделей, таких как ChatGPT, для изучения и прогнозирования естественного течения более тысячи заболеваний одновременно. Полученная модель, получившая название Delphi-2M, способна идентифицировать паттерны заболеваний на основе медицинских историй, факторов образа жизни и предыдущих состояний здоровья. «Самым неожиданным открытием было то, что модель может предсказывать более 1000 заболеваний. Мы ожидали, что она будет работать с некоторыми из них, но не с многими другими. Это показывает, насколько взаимосвязаны многие заболевания, и подчеркивает необходимость исследования механизмов, лежащих в их основе», — объясняет результаты исследования Мориц Герстунг, директор Отдела искусственного интеллекта в онкологии DKFZ и соавтор исследования. Алгоритм был обучен на данных 400 000 человек из Великобритании и проверен на записях почти двух миллионов пациентов в Дании. Он способен прогнозировать состояние здоровья как на уровне населения, так и на индивидуальном уровне на период до двух десятилетий. «Как и в случае с прогнозами погоды, эта модель не дает уверенности, а лишь вероятности. Вместо того, чтобы точно предсказывать, что произойдет с конкретным человеком в определенный момент, она рассчитывает вероятность развития определенных заболеваний в конкретный период. Как и в случае с погодой, краткосрочные прогнозы более надежны, чем попытки предсказать более отдаленное будущее. При расчете вероятности развития инфаркта в течение следующих 10 лет модель дает правильный результат примерно в семи из десяти случаев. Когда временной период увеличивается до двух десятилетий, точность прогноза составляет 14%, что немного выше 12%, которые можно получить, зная возраст и пол человека». Продолжая пример с инфарктом, согласно модели, в когорте Британского биобанка мужчины в возрасте от 60 до 65 лет могут иметь годовой риск от 4 из 10 000 до 1 из 100, в зависимости от их медицинского анамнеза и образа жизни. У женщин средний риск ниже, но разброс вероятностей аналогичен. «Наиболее важно то, что при сравнении прогнозов модели с реальными данными биобанка, которые не использовались при обучении, было подтверждено, что рассчитанные риски совпадают с наблюдаемой частотой случаев в различных возрастных и половых группах. Это доказывает, что оценки точно отражают реальные тенденции в популяции». Delphi-2M достигает точности, сопоставимой с лучшими специфическими моделями для таких заболеваний, как деменция или инфаркт миокарда, и превосходит алгоритмы прогнозирования смертности. Только в случае диабета более надежным остается показатель анализа крови (гликозилированный гемоглобин HbA1c). Кроме того, в ходе исследования были выявлены заболевания, которые увеличивают риск развития других заболеваний, таких как психические расстройства или некоторые опухоли женской репродуктивной системы. Что касается возможности того, что знание заранее о заболеваниях, которые являются лишь вероятностью, сделает нас всех профилактическими больными, Герстунг считает, что необходимы дополнительные исследования, чтобы определить, как эти знания могут принести пользу пациентам. Это потребует, чтобы возможные применения ИИ в качестве помощника в медицине «проверялись в рандомизированных клинических испытаниях, в которых одна группа получает медицинские консультации с поддержкой ИИ, а другая группа — без нее. После периода наблюдения будет оценено, получила ли группа, получавшая помощь с помощью ИИ, больше преимуществ по сравнению с традиционными консультациями», — отмечает он. «Это также может включать субъективные оценки благополучия людей, чтобы оценить эмоциональные последствия знания или незнания своих рисков», — заключает он. Что касается возможных рисков такого мощного инструмента прогнозирования здоровья, как дискриминация со стороны страховых компаний в отношении пациентов с рисками, которые делают их малоинтересными в качестве клиентов, Гильермо Лазкоз, член Комитета по этике исследований Института здравоохранения Карлоса III, считает, что применение ИИ для обработки больших баз данных о здоровье добавляет «еще один слой рисков к тем, которые мы уже знали», например, эти данные могут оказаться в руках банка, который будет использовать их, чтобы перед предоставлением кредита узнать, склонен ли клиент к заболеванию раком или инфаркту. «ИИ может идентифицировать человека на основе данных, которые считались анонимными, что требует новых мер защиты», — продолжает Ласкоз. Для применения этих мер «в Европе разрабатываются безопасные пространства для обработки данных, где данные не передаются, а доступ третьих лиц ограничен по времени и цели», — объясняет он. «Наконец, он предупреждает, что нельзя сравнивать такие организации, как Британский биобанк, использованный в исследовании, опубликованном в Nature, который подвергается строгому контролю, с такими компаниями, как 23andMe, где можно проанализировать свою ДНК, чтобы узнать о своем происхождении, и которая уже была вовлечена в скандалы из-за проблем с защитой данных». Микель Рекуэро, исследователь из Университета Страны Басков (EHU) и адвокат, специализирующийся на защите данных, согласен с тем, что, по крайней мере в европейском контексте, существует много уровней контроля, направленных на предотвращение неправомерного использования биомедицинских данных. «Доступ к биобанкам уже предполагает первую этическую фильтрацию, поскольку исследователи должны обосновать научную цель своего запроса и не могут использовать образцы в неправомерных целях», — отмечает он. «К этому добавляются меры контроля защиты данных: если информация является идентифицируемой, нормативные акты обязывают ограничить ее использование разрешенными целями, исключая, например, применение в страховании или банковском деле», — добавляет он. В этом смысле «новые правила европейского пространства данных о здоровье усиливают эту логику, прямо запрещая коммерческие решения — такие как изменение страховых взносов — на основе генетической информации», утверждает он. «Хотя риски никогда не исчезают полностью, существуют последовательные механизмы (этические, нормативные, юридические), которые действуют превентивно, ограничивая возможности дискриминации и обязывая подтверждать социальную пользу каждого проекта, в котором будут использоваться эти данные», — заключает он. «Модели, такие как GPT-4 или Gemini, изучают язык как последовательность слов. Они предсказывают следующее слово в зависимости от контекста, и исследователи увидели аналогию с здравоохранением. Медицинская история человека также может быть понята как последовательность событий — диагнозы, факторы риска, образ жизни — которые следуют в временном порядке, чтобы делать прогнозы». На данный момент модель необходимо усовершенствовать, чтобы она могла быть полезна для ухода за здоровьем реальных пациентов, но она уже является полезным инструментом для лучшего понимания того, как развиваются и прогрессируют заболевания, или для оценки влияния образа жизни или перенесенных заболеваний на риск будущих заболеваний. «Одним из наиболее инновационных аспектов этой работы является способность Delphi генерировать синтетические данные о здоровье. На основе частичной информации модель может представить полные траектории, которые сохраняют те же статистические свойства, что и реальные данные, но не соответствуют ни одному конкретному человеку. Это защищает конфиденциальность пациентов, поскольку данные не могут быть связаны с реальными людьми и позволяют обучать другие модели ИИ без необходимости доступа к конфиденциальным клиническим данным. Так, например, можно рассчитать, что может произойти со здоровьем населения, если уровень ожирения увеличится на 5%. «Сейчас уже существуют алгоритмы, которые предсказывают риск развития некоторых заболеваний, таких как сердечные проблемы или рак груди, но такой подход не охватывает всю сложность человеческого здоровья, в котором часто сосуществуют несколько заболеваний, которые влияют друг на друга. В условиях старения общества критически важной станет способность предвидеть бремя многих заболеваний и разрабатывать политику и инвестиции, чтобы попытаться их предотвратить и быть готовыми к их появлению». Даниэль Медиавилья