Искусственный интеллект в репродуктивной медицине: этические и клинические аспекты

Внедрение систем искусственного интеллекта (ИИ) в медицине является одним из важнейших современных трендов мирового здравоохранения. Технологии ИИ позволяют значительно усовершенствовать систему диагностики, разработку новых лекарственных средств, а также повысить качество оказания медицинской помощи при одновременном снижении расходов. Несмотря на очевидные преимущества использования алгоритмов на основании ИИ, существует ряд ограничений на пути внедрения данных программ в здравоохранение. Среди таких проблем остро встает вопрос об этических ограничениях в деятельности ИИ и ответственности за решения, которые способна принимать программа. Еще одним немаловажным вопросом безопасного применения ИИ является принцип «черного ящика», когда при определении причинно-следственных связей между данными нельзя определить, как именно система пришла к полученным выводам. На сегодняшний день основная задача исследований в области ИИ должна заключаться в повышении точности программного продукта.
Заключение: В обзоре рассмотрены основные области применения ИИ, различные методики машинного обучения, этические ограничения и перспективы внедрения данных программ в клиническую практику, в том числе в области вспомогательных репродуктивных технологий (ВРТ).

В 1956 г. американский информатик Джон Маккарти впервые предложил термин «искусственный интеллект» (ИИ), который заключался в способности машин обучаться. Наиболее активное развитие ИИ получил в середине 2000-х гг., когда технологическое обеспечение компьютерных программ сделало возможным анализ большого массива структурированных и неструктурированных данных [1]. На сегодняшний день основу ИИ составляет машинное обучение, в ходе которого зависимость между объектами и ответами устанавливается не явным решением задачи, а при помощи выявления закономерности на основе решения множества схожих задач [2]. Машинное обучение можно проводить при помощи нескольких методов: обучение с учителем, обучение без учителя и обучение с подкреплением. Наиболее широко распространенной методикой является обучение с учителем, которое подразумевает тренировку алгоритма на основании набора размеченных входных данных, связанных с известными выходными параметрами [3]. Обучение без учителя не предполагает наличие определенного исхода и анализирует взаимосвязи и закономерности между исследуемыми объектами. Данная методика чаще всего используется для дифференцировки и классификации различных изображений [4]. Обучение с подкреплением представляет собой частный случай обучения с учителем, но в качестве учителя выступает сама модель, то есть система обучается на постоянном анализе собственных ошибок. Стоит отметить, что программы, разработанные на основе ИИ, не требуют определения всех зависимостей между входными параметрами и анализируемым результатом [5]. Тем не менее, данные, полученные при помощи машинного обучения, не всегда превосходят по качеству и предиктивной способности информацию, полученную в ходе построения более простых математических моделей. Например, при решении задач, имеющих понятные и простые взаимосвязи между входными параметрами, использование программного обеспечения на основе ИИ может оказаться менее точным [6]. Таким образом, алгоритмы с использованием ИИ наиболее востребованы при решении сложных задач, в которых невозможно учесть все многообразие различных зависимостей и потенциальное влияние одного фактора на другой. В сфере здравоохранения ИИ становится все более востребованным, в том числе, в области вспомогательных репродуктивных технологий (ВРТ) [7]. В настоящее время в репродуктивной медицине отмечается быстрое сокращение разрыва между наукой и клинической практикой. Ускоренное развитие научно-технического прогресса и внедрение ИИ в области вспомогательных репродуктивных технологий (ВРТ) ставит перед специалистами ряд новых вопросов, нуждающихся в скорейшем решении. В репродуктивной медицине наряду с правовым регулированием важное место занимают этические нормы, среди которых следует выделить степень ответственности программы за принятое решение. Использование алгоритмов на основании ИИ, безусловно, имеет очевидные преимущества, позволяет оптимизировать работу репродуктолога и эмбриолога, минимизируя затраты на оказание медицинской помощи и повышая эффективность лечения бесплодия методом ВРТ; однако существует ряд ограничений, которые необходимо учитывать, при интеграции данных программ в клиническую практику.

Использование искусственного интеллекта в репродуктивной медицине

Среди большого количества различных областей, в которых активно используются программы на основе ИИ, особое место занимает современное здравоохранение. ИИ дает возможность классифицировать различные снимки, полученные при помощи компъютерной томографии, магнитно-резонансной томографии, ультразвукового исследования, а также гистологические изображения, анализирует клинико-анамнестические данные пациентов, оптимизирует протоколы лечения и диагностики, определяет взаимосвязь между клинической картиной заболевания, показателями лабораторного обследования и эффективной терапией [8]. В репродуктивной медицине внедрение программ с использованием машинного обучения дало возможность повысить точность диагностики качества эякулята и оптимизировать выбор наиболее перспективного сперматозоида для оплодотворения, прогнозировать эффективность программ ВРТ, проводить селекцию наиболее качественных эмбрионов для переноса в полость матки, определять наиболее эффективные протоколы овариальной стимуляции на основании клинико-анамнестических данных супружеской пары и прогнозировать течение беременности на ранних сроках [6–11].

Машинное обучение в ВРТ чаще всего проводится при помощи следующих методик:

• Дерево решений (Decision tree);
• Случайный лес (Random forest);
• Метод опорных векторов (Support vector machine, SVM);
• Байесовская сеть (Bayesian network, BN);
• Глубокое обучение (Deep learning);

Для каждой из методик есть свой класс задач, для решения которых ее использование имеет свои преимущества. Так, например, для определения эмбриона с наиболее высоким потенциалом к имплантации предпочтительнее использовать методику «дерево решений» или «нейронная сеть» по сравнению с тес...

Драпкина Ю.С., Калинина Е.А., Макарова Н.П., Мильчаков К.С., Франкевич В.Е.