The post has been translated automatically. Original language: Russian
Now many startups in the field of medicine and healthcare claim that their AI assistants are about to replace a doctor or solve the problem of staff shortages. But if you descend from the heavens (clouds) of automation to the ground, the reality turns out to be much more complicated.
Industry experts identify several "pitfalls" that AI service developers need to think about even at the product design stage.:
The main fear is the atrophy (degradation) of clinical thinking. Doctors and experts fear (which we fully agree with) that blindly trusting AI prompts will gradually reduce their own diagnostic skills.
As one of the specialists put it at the recent Orgzdrav-2025 congress: "If the system freezes, should I reboot it along with the patient's life?"
There is a high percentage of errors at the intersection of theory and practice. AI does an excellent job with routine tasks like analyzing CT scans or X-rays, but the accuracy of this diagnosis is still "floating." And in medicine, as well as in aviation, for example, "instructions and rules are written in blood" (the price of a mistake is human life).
To reduce the percentage of false positives, generative models should be trained on strictly validated data under the supervision of hundreds of practicing doctors, and not just on "raw" arrays of incomprehensible data from the Internet. That is, technology needs time and an involved expert environment is needed.
Patients are "experts" as a negative trigger for doctors. The availability of AI platforms has led to patients coming to appointments with ready-made diagnoses from neural networks. This creates ethical conflicts and causes a natural resistance to innovation in the conservative medical environment (and doctors are a very conservative environment).
The problem of onboarding. According to statistics, only about half of doctors today regularly and actively use modern IT tools in their work. For various reasons (and not only economic ones), the barrier to entry is still high.
Advice for startups: The success of an IT product in medicine, in our opinion, today does not depend on the number of fancy chips in AI solutions, but mainly on whether you were able to prove the system's safety to the doctor and organically integrate it into his daily routine. So that these solutions really relieve the doctor and help him in practice. It is also important for startups to create solutions that protect both the doctor (from burnout and mistakes) and the patient. After all, as we wrote above, the cost of mistakes in the medical field is incredibly high.
PS: The picture was made using AI
Объем медицинских данных (с учетом активного развития инструментов автоматизации) сейчас растет в геометрической прогрессии, но пока эти огромные массивы накапливаемых данных до сих пор скорее похожи на "дикое, засеянное сорняками поле".
Попробуем поразмышлять о наиболее важных и потенциальных векторах применения больших данных в медицине и здравоохранении. Выделим некоторый топ направлений и попробуем оценить их потенциал.
Поддержка принятия клинических (врачебных) решений. Постановка диагноза
Просто хранить и накапливать электронные медкарты и справочники - это безусловно уже "вчерашний день". Конечно, электронные медицинские карты с актуальными медицинскими записями ускоряют процесс получения информации о пациенте, позволяют точнее понять клиническую картину, но тем не менее, в таком виде - это все таки скорее про "цифровую бумагу", нежели про инновации.
Потенциал кроется там, где алгоритмы начинают работать со структурированной, основанной на принципах доказательной медицины, информацией.
Сопоставление анамнеза пациента и заболевания с данными клинической картины, с анализом распространенности заболеваний, клиническими стандартами (протоколами и рекомендациями), с инструментами дифференциальной диагностики - позволит в считанные секунды "подсвечивать" врачам наиболее важную информацию в вопросах постановки диагноза.
Почему это важно?
Постановка диагноза (точность и скорость) - это ключевой вопрос в клинической практике, от которого зависит исход каждого медицинского инцидента.
Ведь неверно поставленный диагноз - это как строительство дома без фундамента. Все что ты "городишь" на этом основании - развалится с вероятностью в 100% - и это не только потеря времени, но и неизбежные разрушительные последствия (как например от принятия не тех лекарственных средств пациентом).
Скорость постановки диагноза также важна. Пока диагноз не определен - заболевание развивается, ослабляя организм и причиняя ему вред. Каждый потерянный день, неделя (иногда часы) в постановке правильного диагноза - это то, что потом будет сложнее, дороже и менее эффективно.
И здесь (в вопросе постановки диагноза), ценность структурированных "чистых, больших" данных, переоценить невозможно. Ведь без таких данных построить эффективные системы помощи принятия клинических решений просто невозможно.
Кстати, этот вопрос (скорости и точности постановки диагноза) - стал ключевым в рождении платформы "МедЭлемент" более 10 лет назад. И именно с этого вопроса началась разработка сервисов нашей платформы (и продолжается).
Так, одним из первых элементов, помогающим врачам и специалистам в нашей медицинской информационной системе, стал интерпретатор лабораторных показателей (анализ отклонений от референтных значений для разных поло-возрастных групп с элементами оценки влияния ряда внешних факторов и заболеваний)
А продолжение темы больших медицинских данных и их применения в следующих постах.
Всем не болеть и хорощего настроения!
ПС: картинка сделана с использованием ИИ
Share
