Обнаружение первых признаков когнитивного снижения часто происходит не через формальные диагнозы, а по мелким подсказкам, записанным в медицинских документах. В ходе новейших исследований выяснилось, что искусственный интеллект (ИИ) способен выявлять эти ранние сигналы зачастую с большей точностью, чем опытные врачи. Результаты, опубликованные 7 января в журнале npj Digital Medicine, демонстрируют впечатляющую способность систем ИИ анализировать записи о пациентах и обнаруживать признаки проблем с памятью, мышлением или изменениями в поведении, которые могут служить предвестниками деменции и других когнитивных нарушений.

Как ИИ выявляет скрытые признаки когнитивных нарушений

В рамках исследования разработана система, которая не занимается постановкой окончательного диагноза, а скорее служит инструментом предварительного скрининга. Она анализирует заметки врачей — такие как посещения, отчеты о прогрессе и выписки — и ищет повторяющиеся упоминания о когнитивных изменениях или путанице, а также тревоги, выраженные родственниками пациента. В отличие от традиционной диагностики, которая требует глубокого наглядного обследования, этот подход помогает определить группу риска для последующего более детального изучения.

«Цель не заменить клиническое суждение, а помочь выявить тех пациентов, которым необходим особый контроль», — говорит доктор Лидия Мура, специалист по неврологии в Госпитале Массачусетса общего профиля, участвующая в исследовании. — Таких пациентов можно направить к нейрохирургам или психиатрам для дальнейшего обследования, особенно в регионах с дефицитом специалистов».

Важной особенностью системы является её «агентный» подход: в проекте задействованы пять взаимодействующих между собой программных агентов, каждый из которых выполняет свою роль, проверяя работу коллег. Такой метод позволяет системе самообучаться без прямого вмешательства человека, делая выводы на основе анализа тысяч медицинских записей, накопленных за три года.

Технические особенности и результаты исследования

Базой для обучения системы послужили записи, полученные из реестра одного из крупных госпиталей. В их анализе участвовали истории болезни, включающие сведения о диагностированных когнитивных нарушениях и тех, у кого признаков таких проблем не обнаружили. Обучение проходило на сбалансированной выборке: половина данных содержала упоминания о когнитивных изменениях, а другая — нет. После нескольких итераций обучения точность системы достигла уровня 91%, что значительно превышает показатели традиционных методов скрининга.

Для проверки практической применимости система была протестирована на отдельной выборке — более реальных данных, где только треть записей отмечались как потенциально связанные с когнитивными проблемами. В этом тесте чувствительность системы снизилась до 62%, что означало, что она пропустила около 4 из 10 случаев, отмеченных врачами как признаки снижения когнитивных функций.

Неожиданные открытия и сравнительный анализ

Интересной оказалась реакция экспертов при повторном анализе случаев, где ИИ и врачи пришли к разным выводам. С помощью слепой экспертизы медицинские специалисты пересмотрели эти записи без знания первичной классификации. В 44% случаев они в итоге согласились с оценкой системы, считая, что ИИ более точно выявил признаки когнитивных нарушений.

«Это оказалось одним из самых удивительных открытий исследования. Во многих случаях ИИ применял более консервативные клинические определения и не отмечал подозрения, если в записях не было прямо указано о памяти или дефектах мышления, в то время как врачи могли считать их несущественными», — делится соавтор исследования, профессор Хоссейн Эстири.

Основной вывод — ручной анализ медицинских карт имеет свои ограничения. Когда признаки явные, все их замечают легко. Но в случае тонких или скрытых проявлений, различия между человеческим и машинным восприятием становятся заметными. ИИ способен выявлять «тонкие намеки», которые зачастую остаются незамеченными при обычном осмотре.

Ограничения и перспективы внедрения

Несмотря на впечатляющие результаты, есть важные нюансы. Эксперт из Университета Калифорнии в Сан-Франциско, Джулия Адлер-Милштейн, подчеркивает, что эффективность системы зависит от качества данных. «Если записи плохо структурированы или документация разнится в разных клиниках, точность ИИ может снизиться. Поэтому важно адаптировать систему под различные условия работы».

На текущий момент рассматриваемая система функционирует в качестве вспомогательного инструмента, который предоставляет врачу подсказки и объяснения, почему система пришла к тому или иному выводу. Такой подход помогает интегрировать ИИ в существующие клинические процессы, не заменяя работу специалиста, а дополняя её.

Будущее диагностики и роль ИИ

Эксперты сходятся во мнении, что развитие подобных технологий открывает новые горизонты для профилактики и ранней диагностики когнитивных заболеваний. В перспективе системы смогут не только выявлять риск, но и предлагать персонализированные рекомендации по профилактике или лечению, основанные на анализе данных со смартфонов, носимых устройств и медицинских мультимедийных ресурсов. Однако для этого потребуется расширение баз данных и стандартизация протоколов записи информации.

Область нейромедицинских исследований активно движется к тому, чтобы объединить усилия врачей и ИИ: первый — для интерпретации сложных симптомов, второй — для поиска скрытых паттернов, недоступных человеческому глазу. Такая синергия способна спасти сотни тысяч жизней, предотвращая развитие тяжелых форм деменции и улучшая качество жизни пожилых людей.

Заключение

Пока что системы ИИ не способны полностью заменить квалифицированных специалистов, однако их роль как инструмента ранней диагностики становится все более важной. В сочетании с профессиональной оценкой они могут значительно повысить точность и скорость выявления первых признаков когнитивных нарушений, позволяя своевременно начать лечение и сохранить независимость пожилых людей.