Коли дослідники Гарвардської медичної школи та медичного центру Beth Israel Deaconess порівнювали свою нову модель штучного інтелекту з реальними лікарями у первинній діагностиці, результат виявився незручним для медичної спільноти: у певних сценаріях ШІ був точнішим. Це не означає, що алгоритм замінить лікаря — але означає, що питання «хто ставить діагноз» вже не таке однозначне.
Модель, яка читає пухлину
Гарвардська модель CHIEF (Clinical Histopathology Imaging Evaluation Foundation) навчена на 15 мільйонах цифрових зрізів пухлинних тканин. За даними журналу Cancer (Wiley), вона перевершує інші провідні ШІ-методи на до 36% у комплексі діагностичних завдань — від виявлення ракових клітин до прогнозу виживаності пацієнта та відповіді на лікування.
«Наша амбіція — створити гнучку, універсальну ChatGPT-подібну платформу, що виконує широкий спектр завдань онкологічної діагностики»
Кун-Сін Ю, доцент кафедри біомедичної інформатики Гарвардської школи медицини
Важливо: CHIEF не просто детектує наявність раку. Він прогнозує молекулярний профіль пухлини на основі візуальних ознак клітин — без додаткових генетичних тестів. Для пацієнтів у країнах без розвиненої молекулярної діагностики це може означати доступ до персоналізованого лікування там, де його досі не було.
Водночас інше дослідження Гарварду виявило тривожний побічний ефект: патологічні ШІ-моделі здатні зчитувати демографічні ознаки пацієнта (вік, стать, расу) безпосередньо з тканинних зрізів. Це вносить потенційне упередження в діагностику — різне для різних груп населення.
Передчасні пологи: від 39% чутливості до FDA-дозволу
Паралельний напрям — акушерство. Компанія Ultrasound AI опублікувала результати дослідження PAIR (Perinatal Artificial Intelligence in Ultrasound) у The Journal of Maternal-Fetal & Neonatal Medicine. Її модель аналізує стандартні ультразвукові знімки і прогнозує точну дату пологів з показником R²=0,95 для термінових пологів і R²=0,92 для всіх випадків.
Для передчасних пологів специфічно: після кількох ітерацій навчання чутливість моделі зросла, а специфічність утримується на рівні 93%. FDA видало інструменту дозвіл De Novo — тобто визнало його клінічно обґрунтованим новим класом медичного пристрою.
Розробники особливо наголошують на застосуванні в «акушерських пустелях» — регіонах без доступу до вузькоспеціалізованої допомоги. Інструмент не вимагає нового обладнання: він працює з тими ультразвуковими даними, які вже збирають у звичайних клініках.
Що стоїть між алгоритмом і пацієнтом
Технічна точність — не єдиний бар'єр. Серед невирішених проблем:
- Упередження даних: моделі, навчені на однорідних вибірках, гірше працюють на недопредставлених групах — це вже зафіксовано в гарвардських дослідженнях патології.
- Регуляторний розрив: FDA схвалює окремі інструменти, але єдиного стандарту аудиту ШІ-діагностики у клінічній практиці досі немає.
- Відповідальність: якщо ШІ помилився — хто несе юридичну відповідальність: розробник, лікар, який довірився системі, чи лікарня?
Поки регулятори не дадуть чіткої відповіді на питання відповідальності, масове впровадження ШІ-діагностики у клінічну практику буде залишатися справою ентузіастів, а не системи. Якщо наступного року з'явиться судовий прецедент щодо помилки ШІ-інструменту зі схваленням FDA — це змінить індустрію швидше, ніж будь-яке нове дослідження точності.
