ხელოვნური ინტელექტი სულ უფრო ფართოდ გამოიყენება მედიცინაში — სამედიცინო გამოსახულებების ანალიზიდან ცილოვანი სტრუქტურების პროგნოზირებამდე. შედეგები ზოგჯერ გამოცდილ სპეციალისტებს ედრება და ხშირად მათ სჯობს სიჩქარეში. მაგრამ ეს ტექნოლოგია ჯერ კიდევ განვითარების ადრეულ, არათანაბარ ეტაპზეა: ზოგი გამოყენება FDA-ის მიერ დამტკიცებულია და ათასობით კლინიკაში ამოქმედებულია, სხვა კვლავ ექსპერიმენტულია. ვნახოთ, რას შეუძლია და რას ვერ ახერხებს AI მედიცინაში დღეს.
დიაგნოსტიკა: სად უკვე მუშაობს AI
ყველაზე ფართოდ დანერგილი სფეროა სამედიცინო გამოსახულებების ანალიზი. AI სისტემებს შეუძლიათ გააანალიზონ რენტგენი, CT სკანი, MRI და ბადურის ფოტოები ავადმყოფობის ნიშნების გამოსავლენად. ხშირად ამას ადამიანი რადიოლოგისთვის არარეალური სიჩქარით ახერხებენ.
ორი მაგალითი, რომლებიც უკვე კლინიკურ პრაქტიკაშია:
LumineticsCore (ადრე IDx-DR) 2018 წელს გახდა პირველი ავტონომიური AI დიაგნოსტიკური მოწყობილობა, რომელსაც ამერიკის სურსათისა და წამლის ადმინისტრაცია (FDA) დაამტკიცა. სისტემა ბადურის ფოტოებს აანალიზებს დიაბეტური რეტინოპათიის გამოსავლენად, სიბრმავის ერთ-ერთი მთავარი მიზეზი, ოფთალმოლოგის მონაწილეობის გარეშე. კლინიკური გამოცდით მიღწეული სიზუსტე 87%-ია სენსიტიურობაში და 90% სპეციფიურობაში.
Viz.ai მუშაობს 1,800-ზე მეტ კლინიკაში აშშ-ში და ევროპაში. სისტემა CT სკანებს რეალურ დროში ამოწმებს ინსულტის ნიშნებზე და დაუყოვნებლივ აგზავნის შეტყობინებას ნევროლოგიური ჯგუფისთვის, ამცირებს სკანსა და სპეციალისტის ჩარევას შორის გასულ დროს.
სულ FDA-ს მიერ 1,430-ზე მეტი AI-ჩართული სამედიცინო მოწყობილობაა დამტკიცებული; მათი სამი მეოთხედი რადიოლოგიის სფეროში. 2025 წლის მეტაანალიზი ადასტურებს, რომ AI და რადიოლოგები კიბოს დიაგნოსტიკის ზოგიერთ ამოცანაში სებრ შედეგებს იძლევიან. AI-ს უპირატესობა სიჩქარე და მასშტაბია.
წამლების შემუშავება
ახალი წამლის შემუშავება ჩვეულებრივ 10-15 წელს და მილიარდ დოლარზე მეტ ხარჯს მოითხოვს. AI ამ ვადებს ამოკლებს: მოლეკულების ქცევის კომპიუტერულ პროგნოზირებით, ლაბორატორიულ ცდებამდე.
AlphaFold, Google DeepMind-ის მიერ შექმნილი ცილოვანი სტრუქტურის პროგნოზირების სისტემა, 2024 წელს ქიმიის დარგში ნობელის პრემიის ლაურეატი გახდა. მის მონაცემთა ბაზაში 200 მილიონზე მეტი ცილის სტრუქტურის პროგნოზია; 190 ქვეყნიდან 3 მილიონზე მეტი მკვლევარი იყენებს მას 35,000-ზე მეტ სამეცნიერო ნაშრომში. AlphaFold 3-მა, 2024 წლის მაისში Nature-ში გამოქვეყნებულმა, 50%-ით გაუმჯობესდა პოტენციური პრეპარატის სამიზნე ცილასთან შეკავშირების პროგნოზში, წამლის შემუშავების ერთ-ერთ კრიტიკულ ეტაპში.
AI ასევე გამოიყენება ახალი მოლეკულების შემუშავებაში, კლინიკური კვლევის მონაწილეთა შერჩევაში და კანდიდატ-პრეპარატების ადრეულ გამორიცხვაში, რომლებიც ძვირადღირებული ადამიანური ცდებამდე სავარაუდოდ ჩავარდებიან.
რისკები
AI-ს შესაძლებლობების გვერდით, სამედიცინო სფეროში მის გამოყენებას სერიოზული რისკები ახლავს.
ალგორითმული მიკერძოება. 2019 წელს Science ჟურნალში გამოქვეყნებულმა კვლევამ, 50,000-ზე მეტი პაციენტის ჩანაწერის ანალიზით, დაადასტურა: ამერიკულ კლინიკებში ფართოდ გამოყენებული რისკ-შეფასების ალგორითმი სისტემურად ამცირებდა შავკანიანი პაციენტების სამედიცინო საჭიროებებს. ალგორითმი ჯანდაცვის ხარჯებს ჯანმრთელობის მდგომარეობის მაჩვენებლად იყენებდა, მაგრამ ხარჯების ისტორიული უთანასწორობის გამო, თანაბრად ავადმყოფ შავკანიანებს ნაკლები ხარჯი ეწეოდა. შედეგი: 50%-ზე მეტი შავკანიანი პაციენტი გამორჩა პრიორიტეტული მოვლის სიას.
მონაცემთა კონფიდენციალობა. სამედიცინო AI-ს დიდი რაოდენობის პაციენტის მონაცემები სჭირდება. ევროპაში GDPR-ი და სამედიცინო მოწყობილობათა რეგულაცია (MDR) მკაცრ მოთხოვნებს წესავს. AI-ის სასწავლებლად ან გასაშვებად პაციენტის მონაცემების გამოყენება მკაცრად რეგლამენტირებულია.
ადამიანის კონტროლი. AI სისტემებს შეუძლიათ ჩუმად შეეცდომონ, მაშინ როდესაც შეყვანილი მონაცემები მათი სწავლების სფეროს გარეთაა. ევროპის AI კანონი მოითხოვს სავალდებულო ადამიანის ზედამხედველობას მაღალრისკიანი AI სისტემებისთვის, ეს კლინიკური AI-ის უმეტეს გამოყენებას ეხება.
რას მოუტანს საქართველოს
საქართველო ციფრული ჯანდაცვის გზაზე ადრეულ ეტაპზეა: ევროკავშირისა და WHO-ის მხარდაჭერით ქვეყანა ნერგავს ელექტრონული დანიშნულების (ePrescription) სისტემას და ავითარებს ტელემედიცინას სოფლის რაიონებში. კლინიკური AI-ის ფართო გამოყენება ქართულ საავადმყოფოებში ამ ეტაპისთვის არ დასტურდება.
თუმცა EU AI კანონი პირდაპირ ეხება ნებისმიერ ქართულ კომპანიას, რომელიც სამედიცინო AI პროდუქტს ევროკავშირის ბაზარზე გამოჰყავს. IIa კლასის სამედიცინო მოწყობილობებში ჩაშენებული AI სისტემები კანონის მაღალი რისკის კატეგორიაში ხვდებიან. 2026 წლის აგვისტომდე სრული შესაბამისობა სავალდებულო გახდება (CE-ნიშანდებული მოწყობილობებისთვის 2027 წლამდე).
სიახლეებში
ამ კვირაში გახდა ცნობილი, რომ Meta-ს Brain2Qwerty v2 სისტემას ტვინის სიგნალების ტექსტად გარდაქმნა შეუძლია, ოპერაციის გარეშე, EEG სენსორებით. ეს ადასტურებს, სად ბუნდოვნდება ზღვარი AI ჯანდაცვასა და ნეიროტექნოლოგიას შორის. იხ. ჩვენი სტატია ამ სიახლეზე.
ხშირად დასმული კითხვები
ანაცვლებს AI ექიმებს?
ახლო მომავალში არა. დღეს AI ინსტრუმენტია, რომელიც კლინიცისტებს ეხმარება: პათოლოგიის ნიშნების მონიშვნა, პრეპარატ-კანდიდატების სიის შედგენა, ადმინისტრაციული სამუშაოს ავტომატიზაცია. EU-სა და აშშ-ის რეგულატორები მაღალრისკიანი სამედიცინო AI-სთვის ადამიანის ზედამხედველობას ითხოვენ.
AI-ის დიაგნოზს შეიძლება ვენდოთ?
FDA- ან EU-ს მიერ სერტიფიცირებული სისტემები კონკრეტულ უსაფრთხოების შეფასებებს გადიან. მაგრამ არცერთი დიაგნოსტიკური ინსტრუმენტი უტყუარი არ არის. AI-ის შედეგი ყოველთვის გამოცდილ კლინიცისტთან განხილვას საჭიროებს.
რატომ მუშაობს AI კარგად სამედიცინო გამოსახულებებზე?
სურათებში ნიმუშების ამოცნობა სწორედ ის ამოცანაა, სადაც ნეირონულ ქსელებს, მილიონობით სკანზე გაწვრთნილს, შეუძლიათ ადამიანის თვალისთვის ძნელამოჩენადი სიგნალების გამოვლენა. შედეგი დამოკიდებულია სასწავლო მონაცემების ხარისხსა და მრავალფეროვნებაზე.
ჩემი სამედიცინო მონაცემები AI-ის დროს დაცულია?
კანონი ამას ითხოვს. EU-ში GDPR-ი და MDR მკაცრ მოთხოვნებს წესავს. პრაქტიკაში, ათასობით ჯანდაცვის სისტემაში შემოწმება კვლავ გამოწვევად რჩება.
წყაროები: FDA AI/ML სამედიცინო მოწყობილობათა მონაცემთა ბაზა; AlphaFold Impact Report, deepmind.google; Obermeyer et al., Science 2019 (doi:10.1126/science.aax2342); EU AI კანონი, Regulation (EU) 2024/1689; WHO Health Systems in Action: Georgia 2024.