БГ Репортер
НАУКА

ИИ в бели престилки: Кога алгоритъмът е по-добър диагностик от лекаря?

05


С навлизането на изкуствения интелект в почти всяка професия неизбежно възниква и въпросът каква роля ще има той в медицината. През 2020 г. в Nature излиза изследване, което за първи път поставя въпроса директно: алгоритъм за разчитане на мамографии (рентгенови изследвания за рак на гърдата), тестван върху десетки хиляди снимки в САЩ и Великобритания, надминава всички шестима независими радиолози, с които е сравнен. Малко по-късно подобни резултати започват да се трупат и в други области — диабетна ретинопатия, меланом, ЕКГ. На фона на тези публикации все по-често се задава въпросът дали изкуственият интелект скоро ще започне да замества лекаря.

Краткият отговор от научната литература е „не съвсем“ — и точно това „не съвсем“ е интересното. ИИ наистина вече надминава лекарите в редица конкретни диагностични задачи, но същата литература показва и нещо по-важно: най-добрите резултати се постигат не когато машината работи сама, а когато работи заедно с лекаря.
Нека сега разгледаме какво точно прави ИИ за медицината днес, къде вече е по-добър от човек и кои части от лекарската работа ще останат човешки още дълго време.

Където машината вече вижда по-добре от окото

Най-силните доказателства, че изкуственият интелект може да изпревари лекаря, идват от тесни, повтаряеми задачи с ясни изображения и сигнали. Там, където входните данни са стандартизирани и има точна „истина“, алгоритмите често не просто се изравняват със специалистите, а направо ги изпреварват.

Мамография. През 2020 г. екип на Google Health и DeepMind публикува в Nature система за откриване на рак на гърдата, която намалява фалшиво положителните резултати с 5.7% в САЩ и с 1.2% във Великобритания, а фалшиво отрицателните — съответно с 9.4% и с 2.7%. В независима оценка с шестима радиолози моделът надминава всички тях поотделно, като площта под ROC кривата е с 11.5 процентни пункта над средната за хората, разчитащи мамографии. Във Великобритания, където стандартът е двоен прочит — двама независими лекари да преглеждат всяка мамограма — алгоритъмът може да поеме ролята на втория преглеждащ и така да намали натоварването му с 88%, без да компрометира точността.

Меланом. В проучване в Scientific Reports изкуствения интелект превъзхожда всичките 157 дерматолози, участвали в сравнението, при дерматоскопска класификация на меланом. Площта под кривата (AUC) на модела достига 94.4%, чувствителността — 85.0%, специфичността — 95.0%. За пациентите, които зависят от това дали лекарят ще разпознае ранен меланом, тези числа са разликата между навременна интервенция и късно откриване.

Диабетна ретинопатия. Алгоритъмът ARDA, оценен реалистично в JAMA Network Open, постига чувствителност и специфичност над 96% за тежките форми на ретинопатия — тоест за случаите, в които очното дъно вече е в реална опасност. Още по-впечатляващо: системата улавя 100% от пациентите, които според клиничните стандарти трябва да бъдат насочени към офталмолог. В държави с недостиг на специалисти това вече не е технологичен лукс, а въпрос на достъп до зрение.

ЕКГ. Модел, описан в The Lancet Digital Health, постига по-висока точност и по-добри F1 резултати от средните човешки в повечето от 21 категории аритмии и ЕКГ диагнози. Когато алгоритъмът „чува“ модела по-добре от ухото на кардиолога, скринингът става различен спорт.

Защо точно при тези задачи?

Не е случайно, че най-силните победи на ИИ идват от радиология, дерматология, ретина и ЕКГ. Това са области, в които входът е стандартизиран (снимка, сигнал, дермоскопски кадър), има ясно дефинирана „истина“ за сравнение (биопсия, последваща клинична картина), а задачата е разпознаване на шаблон в огромен обем данни.

Това е точно гимнастиката, в която дълбоките невронни мрежи — особено конволюционните — са най-силни. Те виждат фини текстурни различия в милиметър пиксели и не изпускат концентрация дори и при двеста прегледа. Лекарят все пак е човек, който след дванайсет часа дежурство, гледайки поредната снимка след поредното кафе, винаги може да пропусне нещо. Докато при алгоритъмът няма значение колко време е работил и с какви количества задачи.

Какво конкретно прави ИИ за лекаря — днес

Тук е същинският въпрос за читателя и за пациента: не дали ИИ ще замени лекаря, а къде вече му помага. Конкретно, не теоретично.

Първи филтър при масов скрининг. Когато милиони мамограми, ретинни снимки или дермоскопии трябва да минат през система, алгоритъмът сортира — нормално, съмнително, спешно. Така лекарят получава вече подреден входящ списък, започващ от най-критичните случаи. Това е разликата между „гледам всичко по реда на постъпване“ и „първо това, което е най-вероятно да убие пациента“.

Втори четец в радиологията. Вместо двама радиолози да четат всяка мамограма независимо, единият четец вече може да е алгоритъм. В двойния прочит на британската скринингова програма това освобождава лекарския час за случаите, в които наистина има спор или сложност. В претоварени системи като британската това не е удобство — това е оцеляване.

Подкрепа за вземане на решения за по-малко опитни лекари. Систематичен преглед в дерматологията показва нещо красиво: когато ИИ помага на лекаря, най-голямата печалба не е при специалистите, а при общопрактикуващите. Един обяснителен AI модел повишава балансираната точност на дерматолозите с 2.8 процентни пункта спрямо стандартен AI — тоест AI не само дава отговор, той прави лекаря по-добър диагностик.

Прогноза на риск върху големи масиви данни. Кой пациент в спешното ще влоши състоянието си в следващите шест часа? Кой диабетик ще развие усложнение? Кой онкологичен пациент ще реагира на дадена терапия? Това са въпроси, на които човек просто не може да отговори, държейки наум 40 променливи едновременно. Машината обаче може.

Триаж и приоритизация. В спешни отделения, в патология, в радиология — алгоритмите подреждат опашката от случаи така, че спешното да не чака зад рутинното. Инсулт, белодробна емболия, вътрешно кървене — всеки час забавяне е цена. ИИ намалява тази цена.

По-малко административна тежест. Дигитализиране на бележки, кодиране на диагнози, попълване на формуляри — част от тази работа вече се поема от модели и освобождава време на лекаря да гледа пациента в очите, а не от екрана.

Нюансът, който медийните заглавия пропускат

„ИИ надмина дерматолозите“ е добро заглавие. Метаанализите обаче рисуват по-сложна картина.
Систематичен преглед от 2025 г. установява, че генеративните ИИ модели — тоест големите езикови модели като общи диагностици — все още нямат статистически значимо предимство пред лекарите изобщо и са по-слаби от експертните лекари. Понякога са сравними с неекспертни лекари — но „понякога“ не е стандартът, на който медицината трябва да стъпи.

И още нещо важно: когато лекари работят с ИИ, резултатите се качват. Систематичен преглед на ИИ-подпомагана диагностика на рак на кожата показва, че чувствителността и специфичността на хората клиницисти се повишават осезаемо при подпомагане от модел — особено за общопрактикуващите и не-дерматолозите.

Тоест научната истина не е „ИИ срещу лекаря“. Тя е: ИИ + лекар > всеки от двамата поотделно.

Има и реални ограничения. Моделите се обучават върху определени популации — често по-светла кожа, по-стандартна апаратура, по-западни клинични практики. Прехвърлянето им в други държави, други типове пациенти, други технически условия често чувствително  сваля точността. Данните, върху които се обучават моделите, често не са представителни за всички пациенти. Решенията на алгоритъма трудно се обясняват — той дава отговор, но не и причината за него. А представянето му в реална клинична среда често се различава от това при контролирани тестове. Алгоритъм, който блести на тестов сет, понякога се препъва в реалния пациент.

Какво лекарят ще прави още дълго — и защо

Има и много части от медицината, които не са свързани с разпознаване на шаблон. И именно те най-вероятно ще останат човешки ангажимент през следващите десетилетия.

Сложните случаи с няколко съпътстващи заболявания. Например пациент с диабет, бъбречна недостатъчност, депресия, болки в гърба и нова неврологична симптоматика. Специализиран ИИ може да помогне за всяка част поотделно. Но да съчетае всичко в едно решение — кое е спешно, кое е страничен ефект, кое е психосоматично, кое е реално — това все още е работа на лекаря, който познава пациента, контекста и компромисите.

Комуникацията. Да обясниш диагноза „рак“ на човек срещу теб. Да помогнеш на семейство да реши дали да продължи интензивно лечение. Да забележиш, че пациентът казва едно, а тялото му казва друго. Тук машината не само не превъзхожда — тя е извън играта.

Емпатията и доверието. Терапевтичната връзка лекува. Това не е метафора — пациенти, които вярват на лекаря си, се придържат по-добре към терапия, по-добре оздравяват, по-малко влизат в болнични отделения. Алгоритъмът може да изпрати известие, но не може да хване ръката ти и да те успокои.

Етичните решения. Кога да спрем агресивно лечение? Какво искаме за пациента, който вече не може да каже сам? Колко риск си струва и за каква и колко вероятна полза? Тези въпроси не са шаблон. Те са разговор, ценности, преценка. Те зависят от това кой е човекът пред теб, не от това какво показва скенерът.

Физическият преглед. Палпацията (опипване на пациента с ръце), аускултацията (преслушване на тялото със стетоскоп) и въобще оценката „на живо“ просто няма как да минат без лекар. Разбира се също и хирургията, раждането, реанимацията. Във всички тези случаи процедурата задължително е тяло срещу тяло — и никак не се вижда на хоризонта това да се промени скоро.

Отговорността. Когато диагнозата е грешна, когато трябва да се поеме рискът от нестандартно решение, когато пациентът пита „какво бихте направили на мое място, докторе“ — отговорът трябва да дойде от някой, който ще носи последствията от съветите си. Алгоритъмът не носи последствия, докато лекарят — носи. И именно затова крайното решение, поне в обозримото бъдеще, ще остане при него.

Заключение

Алгоритъмът е по-добър диагностик от лекаря, но не „по принцип“, а в тесни, шаблонни, претрупани с данни задачи: разпознаване на рак върху мамограма, оценка на ретина, четене на ЕКГ, скрининг на меланом. В тези задачи той е често по-точен, винаги по-постоянен и никога уморен.

Но медицината далеч не е само разпознаване на шаблони. В масовия случай тя е разговор с уплашен човек, преценка в неопределеност, ръка на рамото в най-тежкия момент от живота на някого. Тази част от бялата престилка дълго, ако не и завинаги, ще остане човешка.
И хубавото е, че лекарите ще имат повече време да се концентрират именно върху тези неща, докато в същото време машината, като по-добър диагностик, ще върши досадната работа с данните и шаблоните. Екипът на бъдещето ще бъде от двамата — алгоритъм, който вижда това, което човекът пропуска, и лекар, който разбира пациента, когото алгоритъмът никога няма да познава.

Източници


Автор: Радослав Тодоров

Изображения: canva.com

Тази статия е част от специалния брой на сп. БГ Наука „Изкуственият интелект под лупа, Част 1“, можете да го свалите безплатно в PDF от тук>>

Подобни

Как да използваме ИИ, без да предаваме собственото си мислене: Ръководство за здравомислещия скептик

admin

Успех за „Социално силните“ – филмът, който разказва историите на българи, покорили света

admin

Петър Теодосиев от БГ Наука ще покаже как се създават AI приложения в помощ на ученето в H2START Masterclass

admin