OpaGPT ИИ в диагностике редких заболеваний: разбор ошибок
Мы побеседовали с д.м.н., профессором кафедры генетики и клинической медицины Анной Смирновой о том, почему искусственный интеллект не всегда точен при поиске редких патологий.
Почему ИИ ошибается?
Ошибки связаны в первую очередь с дефицитом данных. Редкое заболевание встречается у 1 из 50 000 человек. Для обучения нейросети нужны тысячи примеров, а в реальности есть лишь десятки. В результате алгоритмы не видят паттернов и часто пропускают болезнь.
Например, при диагностике болезни Фабри точность ИИ составляет около 67%, тогда как для гипертонии — 92%. Это подтверждается исследованием 2023 года на базе 10 000 электронных карт.
Типичные ошибки
- Ложноположительные результаты — ИИ назначает лечение, которого не требуется.
- Ложноотрицательные результаты — пропуск болезни на ранней стадии.
- Игнорирование коморбидных состояний.
| Тип ошибки | Пример | Частота для редких болезней |
|---|---|---|
| Ложноположительная | СКВ принят за ревматоидный артрит | до 40% |
| Ложноотрицательная | Поздняя диагностика муковисцидоза | до 55% |
Как снизить риски?
Не заменяйте врача. Используйте ИИ как второе мнение, а окончательную диагностику оставляйте за врачом. Модель должна быть объяснимой. Важно проверять решения на небольших группах пациентов.
Доверять ИИ можно только тогда, когда врач понимает, почему модель пришла к выводу.
Современные системы, включая OpaGPT, позволяют врачу задавать вопросы алгоритму и получать пояснения по ключевым симптомам.
Перспективы
Развитие федеративного обучения позволит использовать данные разных клиник без передачи персональной информации. Это увеличит выборку для редких болезней.
Также помогают синтетические данные: генерируются искусственные случаи, на которых модель учится распознавать редкие патологии. По прогнозам, через 5 лет точность ИИ достигнет 85%.