жаңалықтар

IBM Watson 2007 жылы жұмыс істей бастағаннан бері адамдар медициналық жасанды интеллект (AI) дамуымен үздіксіз айналысуда. Қолданылатын және қуатты медициналық интеллект жүйесі заманауи медицинаның барлық аспектілерін қайта құрудың орасан зор әлеуетіне ие, бұл ақылды, дәлірек, тиімді және инклюзивті күтімге мүмкіндік береді, медицина қызметкерлері мен пациенттердің әл-ауқатын арттырады және сол арқылы адам денсаулығын айтарлықтай жақсартады. Соңғы 16 жылда медициналық AI зерттеушілері әртүрлі шағын салаларда жинақталғанымен, бұл кезеңде олар ғылыми фантастиканы шындыққа жеткізе алмады.

Биыл ChatGPT сияқты AI технологиясының революциялық дамуымен медициналық AI көптеген аспектілерде үлкен жетістіктерге жетті. Медициналық AI қабілетіндегі бұрын-соңды болмаған серпіліс: Nature журналы медициналық үлкен тілдік модель мен медициналық кескіннің негізгі моделін зерттеуді үздіксіз бастады; Google Med-PaLM және оның мұрагерін шығарады, АҚШ дәрігерінің емтихан сұрақтары бойынша сарапшы деңгейіне жетеді. Негізгі академиялық журналдар медициналық АИ-ге назар аударады: Табиғат жалпы медициналық АИ-нің негізгі үлгісіне болжамды шығарады; Осы жылдың басында AI in Medicine шолуларынан кейін New England Journal of Medicine (NEJM) өзінің алғашқы цифрлық денсаулық шолуын 30 қарашада жариялады және 12 желтоқсанда NEJM субжурналының NEJM AI бірінші нөмірін шығарды. Медициналық AI қонуы одан әрі жетілген: JAMA субжурналы медициналық сурет деректерімен бөлісу бастамасын жариялады; АҚШ-тың Азық-түлік және дәрі-дәрмекпен қамтамасыз ету басқармасы (FDA) медициналық АИ-ді реттеуге арналған нұсқаулықтардың жобасын әзірлеуде.

Төменде біз бүкіл әлем бойынша зерттеушілердің 2023 жылы қолдануға жарамды медициналық AI бағытында қол жеткізген маңызды жетістіктерін қарастырамыз.

Медициналық AI негізгі моделі

Медициналық AI базалық моделінің құрылысы, сөзсіз, биылғы жылдың ең қызу зерттеу бағыты. Nature журналдары жыл бойы денсаулық сақтаудың әмбебап негізгі моделі және денсаулық сақтаудың үлкен тілдік моделі туралы шолу мақалаларын жариялады. Саладағы жетекші журнал Medical Image Analysis медициналық имиджді талдаудағы негізгі модельді зерттеудің қиындықтары мен мүмкіндіктерін қарап шықты және асыға күтті және медициналық АИ негізгі модельдік зерттеулерінің дамуын қорытындылау және бағыттау үшін «базалық үлгінің асыл тұқымды» тұжырымдамасын ұсынды. Денсаулық сақтау үшін негізгі AI үлгілерінің болашағы айқын бола түсуде. ChatGPT сияқты үлкен тілдік үлгілердің сәтті мысалдарына сүйене отырып, озық өзін-өзі қадағалайтын алдын ала оқыту әдістерін және оқыту деректерінің кең жинақтауын пайдалана отырып, медициналық АИ саласындағы зерттеушілер 1) ауруға тән базалық модельдерді, 2) жалпы базалық модельдерді және 3) кең ауқымды мүмкіндіктер мен супер қабілеттермен біріктіретін мультимодальды үлкен модельдерді құруға тырысуда.

Медициналық деректерді жинаудың AI моделі

Төменгі ағындағы клиникалық деректерді талдау тапсырмаларында үлкен рөл атқаратын үлкен AI модельдерінен басқа, жоғары клиникалық деректерді алуда генеративті AI үлгілерімен ұсынылған технология да пайда болды. Деректерді алу процесі, жылдамдығы және сапасын AI алгоритмдері айтарлықтай жақсартуға болады.

Осы жылдың басында Nature Biomedical Engineering Түркияның Стрейтс университетінің зерттеуін жариялады, ол клиникалық қолданбаларда патологиялық кескінді диагностикалау мәселесін шешу үшін генеративті AI қолдануға бағытталған. Операция кезінде мұздатылған кесінді тіндеріндегі артефактілер жылдам диагностикалық бағалауға кедергі болып табылады. Формалин мен парафинді ендірілген тін (FFPE) жоғары сапалы үлгіні қамтамасыз еткенімен, оны өндіру процесі көп уақытты қажет етеді және жиі 12-48 сағатты алады, сондықтан оны хирургияда қолдануға жарамсыз етеді. Сондықтан зерттеу тобы мұздатылған бөліктегі тіндердің көрінісін FFPE-ге ұқсас ете алатын AI-FFPE деп аталатын алгоритмді ұсынды. Алгоритм мұздатылған бөлімдердің артефактілерін сәтті түзетіп, кескін сапасын жақсартты және бір уақытта клиникалық маңызды белгілерді сақтап қалды. Клиникалық валидацияда AI-FFPE алгоритмі ісік қосалқы түрлері бойынша патологтардың диагностикалық дәлдігін айтарлықтай жақсартады, сонымен бірге клиникалық диагностика уақытын айтарлықтай қысқартады.

Cell Reports Medicine Цзилинь университетінің Үшінші клиникалық колледжі, радиология бөлімі, Фудан университетіне қарасты Чжуншан ауруханасы және Шанхай ғылым және технология университеті [25] тобының зерттеу жұмысын хабарлайды. Бұл зерттеу жоғары әмбебаптығы мен икемділігі бар, жылдам МРТ, төмен дозалы КТ және жылдам ПЭТ-те кескінді қалпына келтірудің тамаша өнімділігін көрсететін жалпы мақсаттағы терең оқытуды және итеративті реконструкция біріктіру құрылымын (Hybrid DL-IR) ұсынады. Алгоритм MR Бір органды көп ретті сканерлеуге 100 секундта қол жеткізе алады, сәулелену дозасын КТ кескінінің тек 10% дейін азайтады және шуды жояды және қозғалыс артефактілерінің әсерін азайта отырып, 2-4 есе жеделдету арқылы PET алу кезіндегі шағын зақымдануларды қалпына келтіре алады.

Медицина қызметкерлерімен бірлесе отырып, медициналық АИ

Медициналық жасанды интеллекттің қарқынды дамуы медицина мамандарын клиникалық процестерді жақсарту үшін АИ-мен қалай ынтымақтасу керектігін байыпты қарастыруға және зерттеуге итермеледі. Осы жылдың шілде айында DeepMind және көп институционалды зерттеу тобы бірлесіп Қосымша басқарылатын клиникалық жұмыс үрдісінің кешігуі (CoDoC) деп аталатын AI жүйесін ұсынды. Диагностикалық үдеріс алдымен болжамды AI жүйесі арқылы диагноз қойылады, содан кейін алдыңғы нәтиже бойынша басқа AI жүйесімен бағаланады, ал егер күмән болса, диагностиканың дәлдігі мен теңгерім тиімділігін арттыру үшін диагнозды ақырында дәрігер жасайды. Сүт безі қатерлі ісігінің скринингіне келетін болсақ, CoDoC Ұлыбританиядағы қазіргі «екі рет оқылатын арбитраж» процесімен салыстырғанда, бірдей жалған теріс көрсеткішпен жалған оң көрсеткіштерді 25%-ға төмендетті, сонымен бірге клиниканың жұмыс жүктемесін 66%-ға азайтты. Туберкулездің жіктелуі тұрғысынан тәуелсіз АИ және клиникалық жұмыс процестерімен салыстырғанда бірдей жалған теріс көрсеткішпен жалған оң көрсеткіштер 5-тен 15 пайызға дейін төмендеді.

Сол сияқты, Лондондағы (Ұлыбритания) Kheiron компаниясының қызметкері Энни Ю Нг және т.б., сүт безі қатерлі ісігінің ерте скринингінде өткізіп алған анықтау мәселесін жақсартатын және процесте жалған оң нәтижелер болмаған кезде, екі рет оқылатын арбитраждық процесте кері қайтарып алу нәтижелері болмаған кезде нәтижелерді қайта тексеру үшін қосымша AI оқырмандарын (адамдық тексерушілермен бірлесіп) енгізді. Техас университетінің МакГоверн медициналық мектебінің командасы басқарған және төрт инсульт орталығында аяқталған тағы бір зерттеу үлкен тамырлы окклюзиялық ишемиялық инсультты (LVO) анықтауды автоматтандыру үшін компьютерлік томографиялық ангиографияға (CTA) негізделген AI технологиясын қолданды. Клиниктер мен рентгенологтар КТ түсіру аяқталғаннан кейін бірнеше минут ішінде ұялы телефондарына нақты уақыттағы ескертулерді алады, оларға LVO болуы мүмкін екендігі туралы хабарлайды. Бұл AI процесі жедел ишемиялық инсульт үшін аурухана ішіндегі жұмыс процестерін жақсартады, қабылдаудан емдеуге дейінгі уақытты қысқартады және сәтті құтқаруға мүмкіндік береді. Нәтижелер JAMA Neurology журналында жарияланған.

Әмбебап пайдаға арналған AI денсаулық сақтау үлгісі

2023 жылы адам көзіне көрінбейтін мүмкіндіктерді оңай қол жетімді деректерден табу үшін медициналық AI қолданатын, әмбебап диагностика мен ауқымды ерте скринингке мүмкіндік беретін көптеген жақсы жұмыстар болады. Жыл басында Табиғат медицинасы Сунь Ятсен университетінің Чжуншань көз орталығы мен Фуцзянь медицина университетінің екінші еншілес ауруханасы жасаған зерттеулерді жариялады. Қолданба терминалдары ретінде смартфондарды пайдалана отырып, олар балалардың көзқарасын тудыру және балалардың көзқарасы мен бет әлпетінің ерекшеліктерін жазу үшін мультфильмге ұқсас бейне кескіндерді пайдаланды және скринингтік дәлдікпен орташа скринингтік дәлдікпен 8% жоғары туа біткен катаракта, туа біткен птоз және туа біткен глаукоманы қоса, 16 көз ауруын сәтті анықтау үшін терең оқыту үлгілерін пайдалана отырып, аномальды модельдерді одан әрі талдады. Бұл нәрестенің көру қабілетінің бұзылуын және онымен байланысты көз ауруларын кең ауқымды ерте скрининг үшін тиімді және танымал техникалық құралдарды қамтамасыз етеді.

Жылдың соңында Nature Medicine дүние жүзіндегі 10-нан астам медициналық және ғылыми-зерттеу мекемелерінің, соның ішінде Шанхайдағы ұйқы безі аурулары институты мен Чжэцзян университетінің бірінші еншілес ауруханасының атқарған жұмыстары туралы хабарлады. Автор ұйқы безі обырын тиімді және инвазивті емес ерте анықтауға қол жеткізу үшін қарапайым көзбен анықтау қиын қарапайым сканерленген КТ кескіндеріндегі зақымдану белгілерін анықтау үшін физикалық тексеру орталықтарында, ауруханаларда және т.б. асимптоматикалық адамдардың ұйқы безі қатерлі ісігінің скринингіне АИ қолданды. 20 000-нан астам пациенттердің деректерін қарастырған кезде, модель сонымен қатар клиникалық түрде өткізілмеген зақымданулардың 31 жағдайын анықтады, бұл клиникалық нәтижелерді айтарлықтай жақсартты.

Медициналық деректерді ортақ пайдалану

2023 жылы бүкіл әлемде деректердің құпиялылығы мен қауіпсіздігін қорғау негізінде көп орталықты ынтымақтастық пен деректердің ашықтығын қамтамасыз ететін көптеген тамаша деректер алмасу механизмдері мен сәтті істер пайда болды.

Біріншіден, AI технологиясының көмегімен AI зерттеушілері медициналық деректермен алмасуға үлес қосты. Америка Құрама Штаттарының Ратгерс университетінің Ци Чанг және басқалары Nature Communications журналында мақала жариялады, ол көп орталықтардың нақты жасалған деректерін үйрету үшін генеративті AI қолданатын, содан кейін көп орталықтардың нақты деректерін жасалған деректермен алмастыратын бөлінген синтетикалық қарсыластық желілерге негізделген федералдық оқыту негізін DSL ұсынады. Деректер құпиялығын қорғай отырып, көп орталықты үлкен деректерге негізделген AI жаттығуларын қамтамасыз етіңіз. Сол команда сонымен қатар жасалған патологиялық кескіндердің деректер жинағын және оларға сәйкес аннотацияларды ашады. Жасалған деректер жиынында оқытылған сегменттеу моделі нақты деректерге ұқсас нәтижелерге қол жеткізе алады.

Цинхуа университетінің Дай Ционхай командасы npj Digital Health туралы мақаласын жариялады, ол жергілікті деректер егемендігі және торапаралық желі қосылымы жоқ AI үлгілерін үйрету үшін көп сайтты үлкен деректерді пайдаланатын Relay Learning ұсынып отыр. Ол деректер қауіпсіздігі мен құпиялылық мәселелерін AI өнімділігіне ұмтылумен теңестіреді. Сол команда кейіннен Гуанчжоу медициналық университетінің бірінші еншілес ауруханасымен және бүкіл ел бойынша 24 ауруханамен бірлесіп, федералды оқытуға негізделген кеуде қуысының CT пан-медиастинальды ісік диагностикасы жүйесін CAIMEN бірлесіп әзірледі және растады. 12 жалпы медиастиналық ісікке қолдануға болатын жүйе тек адам сарапшылары пайдаланғанға қарағанда, жалғыз қолданғанда 44,9 пайызға, ал адам сарапшылары көмектескен кезде 19 пайызға жақсы диагноз дәлдігіне қол жеткізді.

Екінші жағынан, қауіпсіз, жаһандық, ауқымды медициналық деректер жинағын құру бойынша бірнеше бастамалар жүзеге асырылуда. 2023 жылдың қарашасында Гарвард медициналық мектебінің биомедициналық информатика кафедрасының қызметкері Агустина Саенц және басқалары Lancet Digital Health сайтында барлық денсаулық сақтау саласына арналған жасанды интеллект деректері (MAIDA) деп аталатын медициналық кескін деректерін ортақ пайдалануға арналған жаһандық негізді онлайн жариялады. Олар деректер алмасуды стандарттау үшін АҚШ Федералды Демонстрациялық Серіктес (FDP) үлгісін пайдалана отырып, деректерді жинау және сәйкестендіруді жою бойынша жан-жақты нұсқаулықты қамтамасыз ету үшін дүние жүзіндегі денсаулық сақтау ұйымдарымен жұмыс істейді. Олар әртүрлі аймақтарда және бүкіл әлем бойынша клиникалық параметрлерде жиналған деректер жиынын біртіндеп шығаруды жоспарлап отыр. Алғашқы деректер жинағы 2024 жылдың басында шығарылады деп күтілуде, серіктестік кеңейген сайын көбірек болады. Жоба жалпыға қолжетімді AI деректерінің жаһандық, ауқымды және әртүрлі жиынтығын құрудың маңызды әрекеті болып табылады.

Бұл ұсыныстан кейін Ұлыбританияның Биобанкі үлгі көрсетті. Ұлыбританияның Биобанкі 30 қарашада 500 000 қатысушының бүкіл геномдық секвенциясы бойынша жаңа деректерді жариялады. 500 000 британдық еріктілердің әрқайсысының толық геномдық тізбегін жариялайтын мәліметтер базасы әлемдегі адам геномының ең үлкен толық дерекқоры болып табылады. Дүние жүзіндегі зерттеушілер бұл анықталмаған деректерге қол жеткізуді сұрай алады және оны денсаулық пен аурудың генетикалық негізін зерттеу үшін пайдалана алады. Генетикалық деректер әрқашан тексеру үшін өте сезімтал болды және Ұлыбританияның биобанкінің бұл тарихи жетістігі ашық, құпиялылықсыз жаһандық ауқымды дерекқорды құруға болатынын дәлелдейді. Осы технология мен дерекқордың көмегімен медициналық AI келесі секіріске әкеледі.

Медициналық АИ-ді тексеру және бағалау

Медициналық АИ технологиясының қарқынды дамуымен салыстырғанда, медициналық АИ-ді тексеру мен бағалаудың дамуы сәл баяу. Жалпы АИ саласындағы валидация және бағалау көбінесе клиникалар мен пациенттердің AI-ға қойылатын нақты талаптарын елемейді. Дәстүрлі рандомизацияланған бақыланатын клиникалық зерттеулер AI құралдарының жылдам итерациясына сәйкес келу үшін тым ауыр. Медициналық интеллект құралдары үшін жарамды тексеру және бағалау жүйесін мүмкіндігінше тезірек жетілдіру медициналық АИ-ны зерттеулер мен әзірлемелерді клиникалық қонуға шынымен секіруге ынталандыру үшін ең маңызды нәрсе болып табылады.

Google компаниясының Nature журналында жарияланған Med-PaLM бойынша зерттеу мақаласында топ үлкен тілдік модельдердің клиникалық білім алу қабілетін бағалау үшін қолданылатын MultiMedQA бағалау эталонын да жариялады. Эталон кәсіби медициналық білімді, зерттеулерді және басқа аспектілерді қамтитын алты бар кәсіби медициналық сұрақ-жауап деректер жинағын, сондай-ақ дәрігер-науқастың онлайн сұрақ-жауаптарын ескере отырып, AI-ны білікті дәрігерге үйретуге тырысатын онлайн іздеу медициналық сұрақтардың деректер жиынтығын біріктіреді. Сонымен қатар, топ адам бағалауына негізделген құрылымды ұсынады, ол фактілердің, түсінудің, пайымдаудың және ықтимал қиғаштықтардың бірнеше өлшемдерін ескереді. Бұл денсаулық сақтау саласындағы AI-ны бағалау бойынша осы жылы жарияланған ең өкілді зерттеу жұмыстарының бірі.

Дегенмен, үлкен тілдік модельдердің кодтаушы клиникалық білімнің жоғары деңгейін көрсететіні үлкен тілдік модельдердің нақты әлемдегі клиникалық тапсырмаларға құзыретті екенін білдіре ме? Кәсіби дәрігер емтиханын тамаша баллмен тапсырған медицина студенті жеке бас дәрігерден әлі алыс болғандықтан, Google ұсынған бағалау критерийлері AI үлгілері үшін медициналық AI бағалау тақырыбына тамаша жауап болмауы мүмкін. 2021 және 2022 жылдары зерттеушілер клиникалық практикалық, қауіпсіздік, адами факторлар және ашықтық/түсіндірмелік сияқты факторларды ескере отырып, медициналық АИ-нің ерте дамуы мен валидациясына басшылық етуге үміттеніп, Decid-AI, SPIRIT-AI және INTRPRT сияқты есеп беру нұсқауларын ұсынды. Жақында The Nature Medicine журналы Оксфорд университеті мен Стэнфорд университетінің зерттеушілерінің «сыртқы валидацияны» немесе «қайталанатын жергілікті валидацияны» пайдалану туралы зерттеуін жариялады.«AI құралдарын тексеру үшін.

AI құралдарының бейтарап сипаты биылғы жылы Science және NEJM мақалаларынан назар аударған маңызды бағалау бағыты болып табылады. AI жиі ауытқуды көрсетеді, себебі ол жаттығу деректерімен шектеледі. Бұл бейтараптық әлеуметтік теңсіздікті көрсетуі мүмкін, ол әрі қарай алгоритмдік кемсітушілікке айналады. Жақында Ұлттық денсаулық сақтау институттары медициналық AI құралдарының бейтараптығын растау үшін пайдаланылуы мүмкін әртүрлі деректер жиынтығын (жоғарыда аталған MAIDA бастамасының мақсаттарына сәйкес) құру үшін құны 130 миллион долларға бағаланған Bridge2AI бастамасын бастады. Бұл аспектілерді MultiMedQA қарастырмайды. Медициналық жасанды интеллект модельдерін қалай өлшеуге және растауға болатыны туралы мәселе әлі де кең және терең талқылауды қажет етеді.

Қаңтар айында Nature Medicine журналы Техас университетінің MD Андерсон онкологиялық орталығының қызметкері Вивек Суббиахтың COVID-19 пандемиясының контекстінде ұшыраған клиникалық сынақтардың шектеулерін қарастырып, инновация мен клиникалық зерттеу үдерісін ұстану арасындағы қайшылықты көрсететін «Дәлелге негізделген медицинаның келесі ұрпағы» атты пікір мақаласын жариялады. Ақырында, ол клиникалық сынақтарды қайта құрылымдаудың болашағын – жасанды интеллектті пайдаланатын клиникалық сынақтардың келесі буынын, яғни негізгі дәлелдерді табу үшін көптеген тарихи зерттеулер деректерінен, нақты дүние деректерінен, мультимодальды клиникалық деректерден, киілетін құрылғы деректерінен жасанды интеллектті пайдалануды көрсетеді. Бұл AI технологиясы мен AI клиникалық валидация процестері болашақта бірін-бірі нығайтып, бірге дами алады дегенді білдіре ме? Бұл 2023 жылдың ашық және ойландыратын сұрағы.

Медициналық АИ реттеу

Жасанды интеллект технологиясының жетілдірілуі AI-ны реттеуге де қиындықтар туғызады және бүкіл әлемдегі саясаткерлер мұқият және мұқият әрекет етуде. 2019 жылы FDA алғаш рет жасанды интеллект медициналық құрылғыларына бағдарламалық қамтамасыз етуді өзгерту үшін ұсынылған нормативтік негізді жариялады (талқылау жобасы), оның AI және машиналық оқытуға негізделген бағдарламалық жасақтама модификацияларын нарыққа дейінгі шолудағы әлеуетті тәсілін егжей-тегжейлі сипаттайды. 2021 жылы FDA «Медициналық құрылғының әрекет жоспары ретінде жасанды интеллект/машинаны оқытуға негізделген бағдарламалық жасақтаманы» ұсынды, онда AI медициналық реттеудің бес нақты шарасын түсіндірді. Осы жылы FDA құрылғы бағдарламалық құралы мүмкіндіктерінің қауіпсіздігі мен тиімділігін, соның ішінде машиналық оқыту әдістері арқылы оқытылатын машиналық оқыту үлгілерін пайдаланатын бағдарламалық құрал құрылғысының кейбір мүмкіндіктерін қоса алғанда, FDA бағалауы үшін алдын ала нарыққа жіберу ұсынымдары туралы ақпаратты қамтамасыз ету үшін Құрылғы бағдарламалық құралының мүмкіндіктерін алдын ала сатуға жіберуді қайта шығарды. FDA реттеу саясаты бастапқы ұсыныстан практикалық басшылыққа дейін дамыды.

Өткен жылдың шілдесінде Еуропалық денсаулық сақтау деректер кеңістігі жарияланғаннан кейін ЕО жасанды интеллект туралы заңын тағы да қабылдады. Біріншісі жоғары сапалы медициналық көмек көрсету, теңсіздіктерді азайту және профилактика, диагностика, емдеу, ғылыми инновациялар, шешімдер қабылдау және заңнама үшін деректерге қолдау көрсету үшін денсаулық сақтау деректерін барынша тиімді пайдалануға бағытталған, сонымен бірге ЕО азаматтарының жеке денсаулық деректерін көбірек бақылауын қамтамасыз етеді. Соңғысы медициналық диагностика жүйесінің қауіптілігі жоғары AI жүйесі екенін және ол мақсатты күшті қадағалауды, бүкіл өмірлік циклді қадағалауды және бағалауға дейінгі бақылауды қабылдауы қажет екенін көрсетеді. Еуропалық Дәрі-дәрмек агенттігі (EMA) пациенттердің қауіпсіздігін және клиникалық зерттеулер нәтижелерінің тұтастығын қамтамасыз ету үшін AI сенімділігін арттыруға баса назар аудара отырып, дәрілік заттарды әзірлеуді, реттеуді және пайдалануды қолдау үшін AI-ны қолдану туралы Рефлексия құжатының жобасын жариялады. Тұтастай алғанда, ЕО-ның реттеушілік тәсілі біртіндеп қалыптасып келеді және түпкілікті іске асыру мәліметтері егжей-тегжейлі және қатаң болуы мүмкін. ЕО-ның қатаң реттеулерінен мүлде айырмашылығы, Ұлыбританияның AI реттеу жоспары үкіметтің жұмсақ тәсіл қабылдауды жоспарлап отырғанын және қазіргі уақытта жаңа заң жобаларын қабылдамайтынын немесе жаңа реттеушілер құрмайтынын анық көрсетеді.

Қытайда Ұлттық медициналық өнімдер әкімшілігінің Медициналық құрылғыларды техникалық сараптау орталығы (NMPA) бұрын «Терең оқуға көмектесетін шешім қабылдау бағдарламалық құралын шолу нүктелері», «Жасанды интеллект медициналық құрылғыларды тіркеу шолуының жетекші қағидалары (түсініктеме үшін жоба)» және «Сыртификация және қағидаларды анықтау» сияқты құжаттарды шығарған болатын. Жасанды интеллект медициналық бағдарламалық өнімдері (2021 ж. № 47)». Биылғы жылы «2023 жылғы алғашқы медициналық бұйымдарды жіктеу нәтижелерінің қысқаша мазмұны» қайтадан шығарылды. Бұл құжаттар топтамасы жасанды интеллект медициналық бағдарламалық өнімдерінің анықтамасын, жіктелуін және реттелуін айқынырақ және жұмыс істеуді жеңілдетеді, сондай-ақ саладағы әртүрлі кәсіпорындардың өнімді позициялау және тіркеу стратегиялары үшін нақты нұсқаулар береді. Бұл құжаттар медициналық құрылғыларды басқарудың негізі және ғылыми тұрғыдағы шешімі болып табылады. 21-23 желтоқсан аралығында Ханчжоу қаласында өткен Қытай медициналық жасанды интеллект конференциясының күн тәртібінде мемлекеттік ауруханаларды және жасанды интеллектпен медициналық құрылғыларды сынау мен бағалау технологиясын стандарттау саласын дамыту форумына арналған арнайы форум құрылды. Сол уақытта Ұлттық даму және реформа комиссиясының ресми өкілдері және NMP отырысына жаңа ақпаратты жариялауы мүмкін.

Қорытынды

2023 жылы медициналық АИ аурухана деректерін жинау, біріктіру, талдау, диагностика және емдеу және қауымдастық скринингін қамтитын бүкіл медициналық жоғары және төмен ағындық процеске біріктіре бастады және адам денсаулығына әл-ауқат әкелу әлеуетін көрсететін медициналық/ауруды бақылау қызметкерлерімен органикалық түрде ынтымақтаса бастады. Қолданылатын медициналық AI зерттеулері таң ата бастады. Болашақта медициналық АИ-нің ілгерілеуі тек технологиялық дамудың өзіне ғана байланысты емес, сонымен қатар өнеркәсіптің, университеттің және медициналық зерттеулердің толық ынтымақтастығына және саясаткерлер мен реттеушілердің қолдауына мұқтаж. Бұл кросс-домендік ынтымақтастық AI біріктірілген медициналық қызметтерге қол жеткізудің кілті болып табылады және адам денсаулығының дамуына ықпал ететіні сөзсіз.