Очень здорово, если изобретут искусственный интеллект, способный ставить диагноз и назначать лечение.
Вот только для этого нужно учесть столь много факторов и контекста, что чудо явно случится нескоро.
С этой целью был созданы ряд диагностических инструментов, причем некоторые из них уже активно применяются на практике: ISABEL, VisualDx и DXplain («Dx» – это медицинское сокращение от diagnosis, диагноз). Метаанализ всех опубликованных исследований, связанных с этими программами, дал противоречивые результаты 2. Ученые не нашли убедительных доказательств эффективности, чтобы рекомендовать всем врачам использовать их, однако согласились, что у них есть определенный потенциал. Я целый день тестировала эти системы в поликлинике вместе с ординаторами и студентами. В систему вводились симптомы каждого пациента. Прежде чем нажать кнопку «ввод», мы проводили собственную дифференциальную диагностику, после чего сравнивали наши результаты с предложенными компьютером. В простых случаях система слишком сильно мудрила – человеческий разум действовал намного быстрее и эффективней. Затем нам попался случай, представлявший собой диагностическую дилемму. Он идеально подходил для тестирования программы.
Пациентом была молодая здоровая женщина 20 с небольшим лет, которую периодически беспокоили приступы учащенного сердцебиения и одышки. Прежде она занималась игровыми видами спорта, однако из-за повышенной утомляемости забросила их. Из-за финансовых трудностей ее семье недавно пришлось переехать в тесную квартирку на цокольном этаже. Ей там ужасно не нравилось и было не по себе, когда она оставалась одна.
После обращения в приемный покой ее положили на ночь в больницу и серьезные проблемы с сердцем исключили. По мнению кардиолога, симптомы были вызваны чувством беспокойства, и после приема бета-блокаторов[26] для замедления сердечного ритма ей стало лучше, хотя и не полностью.
Едва начав забивать в компьютер симптомы, мы сразу же поняли, как трудно описать диагностический процесс количественно. Когда мы ввели «тахикардия» (учащенное сердцебиение) и «одышка», на экране появился длинный список возможных диагнозов. Система действовала наверняка, чтобы ничего не упустить. Так, список возглавлял «септический шок», который, конечно, может сопровождаться наблюдаемыми симптомами. Только вот когда перед тобой сидит здоровая на вид женщина, которая улыбается и ведет непринужденный разговор, этот вариант в жизни не придет в голову (в отличие от пациента вроде Джея, у которого также была тахикардия с одышкой). Равно как и обширное кровоизлияние и расслоение аневризмы аорты – еще два потенциальных диагноза из списка.
В программе не было графы для описания «сущности» этой девушки. Для учета обстоятельств попросту не было места. Некуда было ввести такие психологические факторы, как «вынужденный переезд в тесную подвальную квартиру из-за финансовых трудностей». Я не виню за это систему, однако эти ограничения в очередной раз подчеркивают, из какого огромного множества деталей состоит диагностический процесс. Кроме того, нейросеть не сможет учесть, что на цокольном этаже более благоприятные условия для развития плесени, чем на верхних. Она способна вызывать или усугублять ряд легочных заболеваний, от астмы и аспергиллеза до гиперчувствительного пневмонита, так что эти варианты нейросеть бы не учла.
Человеческое мышление великолепно и порой совершенно непостижимо. Один и тот же человек может строить сложнейшие логические конструкции и руководствоваться интуицией.
Изучив перечень потенциальных диагнозов, предложенных программой для этого случая, мы сразу же вычеркнули ряд тяжелых проблем со здоровьем, которые были бы просто немыслимы для стоящего на ногах и разговаривающего, а не распластавшегося на каталке, пациента. В остальном в списке присутствовали болезни, которые мы уже рассмотрели, такие как гипертиреоз и анемия. В нем были приведены несколько вариантов, которые и не пришли нам в голову, такие как острая порфирия или отравление азидом натрия. Мы пришли к выводу, что нейросеть вовсе не была аналогом нашего мыслительного процесса, однако могла быть полезна, чтобы не забывать о более редких проблемах.
Одно из главных критических замечаний к работе этих компьютеризированных диагностических систем заключалось в том, что они склонны рассматривать все возможные варианты – это позволяет разработчикам хвастаться впечатляющей статистикой частоты появления в предложенном перечне правильного диагноза. В реальности же врачам приходится идти на компромиссы, особенно когда дело касается более редких болезней, требующих дорогостоящих диагностических процедур, связанных с высоким риском для пациентов.
Кроме того, обычно мы принимаем во внимание связанные с диагностикой организационные вопросы. Сколько времени займет проведение компьютерной томографии (КТ)? Покрывает ли страховка пациента магнитно-резонансную томографию (МРТ)? Как скоро его сможет принять ревматолог? Сможет ли больной взять отгул на работе, чтобы сделать КТ щитовидной железы? Кроме того, свое влияние на диагностический процесс оказывают и предпочтения нашего подопечного. Насколько агрессивный подход ему по душе? Как сильно ему не хочется рисковать? Какова его финансовая ситуация? Все эти факторы реального мира играют определенную роль в проводимых диагностических обследованиях – автоматизированным алгоритмам до них попросту нет никакого дела.
Наконец, применение таких нейросетей на практике связано с рядом особенностей. Чтобы ими воспользоваться, нужно потратить какое-то время – врач, по сути, будет вынужден остановить осмотр пациента, чтобы ввести необходимые данные в программу. С учетом того, в какой спешке современным медикам приходится проводить прием, все, что сокращает продолжительность (и без того ограниченную) личного контакта между врачом и пациентом, должно представлять реальную ценность.
Нейросети – впечатляющие детища технологического прогресса, которые все еще не нашли свою нишу в медицине. Скорее всего, в итоге они будут применяться для самых запутанных случаев и обучения. Вместе с тем следует помнить, что просто составить перечень возможных проблем со здоровьем – это не то же самое, что поставить диагноз. Компьютеру не надо ничего решать, а вот врачу приходится, равно как и пациенту.
В случае девушки, которым мы занимались тогда в поликлинике, бо́льшая часть проведенных анализов и диагностических процедур дали отрицательные результаты. Рентген грудной клетки и исследование функции легких не выявили каких-либо патологий. Только вот, в отличие от автоматического алгоритма, нам все равно нужно было что-то предпринять, чтобы облегчить ее симптомы. Мы были вынуждены принять решение, пускай у нас и не было никакого конкретного диагноза.
Самым важным диагностическим признаком было улучшение функции легких за пределами новой квартиры. Таким образом, независимо от того, что именно провоцировало респираторные симптомы – плесень или стресс из-за замкнутого пространства, лучшее, что мы могли ей предложить, – помочь перестроить жизнь так, чтобы больше времени находиться вне квартиры. Она стала проводить выходные с тетей, встречаться с друзьями будними вечерами. На следующем приеме она сказала, что ей как будто стало лучше. Пациентка сосредоточила все силы на том, чтобы накопить достаточно денег на собственное жилье.
Автоматические алгоритмы – это один из возможных способов свести диагностические ошибки к минимуму. Но существует ли какой-то способ оптимизировать внутренние алгоритмы, по которым строится мыслительный процесс врача? Усовершенствование диагностического мышления является более глобальным подходом, потенциально способным улучшить ситуацию во всех областях медицины, избежав подводных камней подхода с «болезнью недели», используемым во многих системах здравоохранения для борьбы с врачебными ошибками.
Марк Грабер и Хардип Сингх, исследователи, сосредоточившиеся на повышении точности врачебной диагностики, признают, что целенаправленное мышление – куда более сложный подход, чем стандартные меры по повышению качества, включая борьбу с внутрибольничными инфекциями или скрининг на депрессию. Неужели это невыполнимая задача? «Когда имеешь дело с 10 000 возможных болезней, степень неопределенности слишком высока, – признает Грабер. – Мы справляемся в 90 % случаев, и это весьма впечатляюще!» А затем лукаво добавляет: «Но можем ли мы довести этот показатель до 95 %?»
Повышение уровня точности вместо того, чтобы пытаться устранить все возможные диагностические ошибки, кажется вполне достижимой целью. Вместе с тем каждый врач мыслит по глубоко укоренившимся в его уме шаблонам, изменить которые оказывается не так уж просто. На пути объективности и рационального мышления встают подсознательные предубеждения, не говоря уже о тех подлых эмоциях, в успешном укрощении которых мы так себя убеждаем. Кроме того, шаблоны мышления то и дело бесцеремонно перемешиваются, когда мы торопимся или на что-то отвлекаемся.
Иногда наши размышления достойны Канта, в то же время порой мы руководствуемся интуицией и строим предположения, подобно дешевым уличным гадалкам. Человеческое мышление напичкано шаблонами восприятия, и то, насколько активно мы на них полагаемся, соразмерно лишь степени нашего неведения об их использовании. Столь непредсказуемые модели мышления почти не поддаются таким мерам, как введение чек-листов для повышения безопасности пациентов иди повсеместная стандартизация в духе авиации.
Кроме того, не совсем понятно, как вообще проводить подобные исследования. Как показали Земмельвейс, Найтингейл и Проновост, необходимо найти способ измерить проблему, применить выбранную меру воздействия, а затем отслеживать результаты этого вмешательства на основе фактических результатов. Каким же должен стать первый шаг в отношении диагностического мышления? Не существует никакого «мыслемера», который исследователи могли бы незаметно внедрить в наши мозговые извилины, чтобы измерить мыслительный процесс со всеми его проявлениями гениальности и банальности. Большинство из нас, наверное, не смогли бы даже объяснить словами, как именно мы думаем. Таким образом, хотя интуитивно и кажется, что имеет смысл работать над процессом мышления, исследовать его на деле – занятие не из легких. В результате имеющиеся данные в этой области крайне ограничены.