ФУНКЦІОНАЛЬНІ МОЖЛИВОСТІ МЕДИЧНОГО ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ  ГАЛУЗІ ОХОРОНИ ЗДОРОВ’Я ТА ПРОФЕСІЙНОЇ ОСВІТИ

І. П. Кривенко; К. О. Чалий

doi:10.11603/mie.1996-1960.2024.3-4.15462

Автор(и)

І. П. Кривенко Національний медичний університет імені О. О. Богомольця https://orcid.org/0000-0001-5539-8632
К. О. Чалий Національний медичний університет імені О. О. Богомольця https://orcid.org/0000-0001-7077-0324

DOI:

https://doi.org/10.11603/mie.1996-1960.2024.3-4.15462

Ключові слова:

медичний штучний інтелект, машинне та глибоке навчання, великі мультимодальні моделі, експертні системи, інтелектуальна робототехніка, Google Health, Med- Gemini

Анотація

У статті здійснено аналіз практичних аспектів застосування медичного штучного інтелекту (ШІ), що охоплюють широкий спектр завдань у галузі охорони здоров’я та професійної освіти.
Розглянуто використання спеціалізованих рішень на основі ШІ, інтеграцію експертних систем та інтелектуальної робототехніки в клінічну практику з метою вдосконалення діагностики, лікування, реабілітації та моніторингу показників здоров’я пацієнтів.
Приділено увагу характеристиці платформ для розроблення та впровадження медичних рішень на основі ШІ, зокрема рішень Google Health. Проаналізовано функціональні можливості компонентів Google Health, таких як Med-PaLM, призначений для оброблення природної мови й аналізу текстових даних, включаючи електронні медичні записи (EHR), клінічні протоколи та наукові статті, та мультимодальної моделі Med-Gemini, що забезпечує аналіз текстових, візуальних і сигнальних медичних даних, прогнозування ризиків і підтримку діагностики.
Відзначено високу ефективність Med-Gemini в автоматизації аналізу медичних зображень, опрацюванні клінічних запитів, прогнозуванні ризиків захворювань і генерації медичних звітів із експертним оцінюванням. Наведено класифікацію типів промтів у клінічній практиці та приклади їх застосування з використанням Med-Gemini.
Обґрунтовано, що сучасні технології ШІ здатні не лише вдосконалити існуючі експертні системи, але й інтегрувати їх в електронні медичні записи, створюючи єдину екосистему для підтримки клінічних рішень. Така інтеграція дозволяє лікарям оперативно отримувати релевантні рекомендації під час надання медичної допомоги, знижувати кількість діагностичних помилок і підвищувати ефективність лікування. Розглянуто функціональні можливості провідних експертних систем в охороні здоров’я, таких як IBM Watson, UpToDate, Epocrates, та їх потенціал для інтеграції з електронними медичними записами. Підкреслено роль інтелектуальної робототехніки з алгоритмами ШІ в упровадженні інноваційних підходів у хірургії, реабілітації та догляді за пацієнтами.
Результати дослідження підтверджують, що медичний ШІ являється потужним інструментом, здатним не лише суттєво покращити якість медичної допомоги, але й значно підвищити рівень професійної підготовки професіоналів сфери охорони здоров’я.

Посилання

Shahab, O., El Kurdi, B., Shaukat, A., Nadkarni, G., Soroush, A. (2024). Large language models: a primer and gastroenterology applications. Therapeutic Advances in Gastroenterology, 17, 17562848241227031. doi: 10.1177/17562848241227031. DOI: https://doi.org/10.1177/17562848241227031

Busnatu, Ș., Niculescu, A. G., Bolocan, A. et al. (2022). Clinical applications of artificial intelligence— an updated overview. Journal of clinical medicine, 11(8), 2265. doi: 10.3390/jcm11082265. DOI: https://doi.org/10.3390/jcm11082265

Danilov, A., Aronow, W. S. (2023). Artificial intelligence in cardiology: applications and obstacles. Current Problems in Cardiology, 48(9), 101750. doi: 10.1016/j.cpcardiol.2023.101750. DOI: https://doi.org/10.1016/j.cpcardiol.2023.101750

AbuAlrob, M. A., Mesraoua, B. (2024). Harnessing artificial intelligence for the diagnosis and treatment of neurological emergencies: a comprehensive review of recent advances and future directions. Frontiers in Neurology, 15, 1485799. doi: 10.3389/fneur.2024.1485799. DOI: https://doi.org/10.3389/fneur.2024.1485799

Okagawa, Y., Abe, S., Yamada, M., Oda, I., Saito, Y. (2022). Artificial intelligence in endoscopy. Digestive Diseases and Sciences, 67(5), 1553-1572. doi: 10.1007/s10620-021-07086-z. DOI: https://doi.org/10.1007/s10620-021-07086-z

Stan-Ilie, M., Sandru, V., Constantinescu, G. et al. (2023). Artificial intelligence—The rising star in the field of gastroenterology and hepatology. Diagnostics, 13(4), 662. doi: 10.3390/diagnostics13040662. DOI: https://doi.org/10.3390/diagnostics13040662

Kambale, M., Jadhav, S. (2024). Applications of artificial intelligence in anesthesia: A systematic review.

Saudi Journal of Anaesthesia, 18(2), 249-256. doi: 10.4103/sja.sja_955_23. DOI: https://doi.org/10.4103/sja.sja_955_23

Giorgini, F., Di Dalmazi, G., Diciotti, S. (2024). Artificial intelligence in endocrinology: a comprehensive review. Journal of endocrinological investigation, 47(5), 1067-1082. doi: 10.1007/s40618-023-02235-9. DOI: https://doi.org/10.1007/s40618-023-02235-9

Popescu, S. I., Muşat, A. A. M., Patoni, C. et al. (2023). Artificial intelligence in ophthalmology. Romanian Journal of Ophthalmology, 67(3), 207. doi: 10.22336/rjo.2023.37. DOI: https://doi.org/10.22336/rjo.2023.37

Mintser, O. (2023). Shtuchnyi intelekt u medytsyni [Artificial intelligence in medicine]. Kolektyvna monohrafiia «Stratehiia rozvytku shtuchnoho intelektu v Ukraini» za zah. red. A. I. Shevchenka, 151–174. doi: 10.15407/development_strategy_2023. [In Ukrainian]. DOI: https://doi.org/10.15407/development_strategy_2023

Mintser, O. (2023). The use of artificial intelligence in health care. problems of identification of patients’ conditions in the processes of detailing the diagnosis. Artificial Intelligence, 1(95), 8–11. doi:10.15407/jai2023.01.008. DOI: https://doi.org/10.15407/jai2023.01.008

Hogg, H. D. J., Al-Zubaidy, M., Denniston, A. K. et al. (2023). Stakeholder perspectives of clinical artificial intelligence implementation: systematic review of qualitative evidence. Journal of Medical Internet Research, 25, e39742. doi: 10.2196/39742. DOI: https://doi.org/10.2196/39742

Alowais, S. A., Alghamdi, S. S., Alsuhebany, N. et al. (2023). Revolutionizing healthcare: the role of artificial intelligence in clinical practice. BMC medical education, 23(1), 689. doi: 10.1186/s12909- 023-04698-z. DOI: https://doi.org/10.1186/s12909-023-04698-z

Bonacchi, R., Filippi, M., Rocca, M. A. (2022). Role of artificial intelligence in MS clinical practice.

NeuroImage: Clinical, 35, 103065. doi: 10.1016/j.nicl.2022.103065. DOI: https://doi.org/10.1016/j.nicl.2022.103065

Ginavanee, A., Prasanna, S. (2024). Improving Healthcare Data Management in HL7-Based EHR Systems with the Secure Infrastructure of Google Cloud Platform. Second International Conference on Intelligent Cyber Physical Systems and Internet of Things (ICoICI). IEEE, 195–202. doi: 10.1109/ICoICI62503.2024.10696524. DOI: https://doi.org/10.1109/ICoICI62503.2024.10696524

Singhal, K., Tu, T., Gottweis, J. et al. (2025). Toward expert-level medical question answering with large language models. Nature Medicine, 1–8. doi: 10.1038/s41591-024-03423-7. DOI: https://doi.org/10.1038/s41591-024-03423-7

Singhal, K., Azizi, S., Tu, T. et al. (2023). Large language models encode clinical knowledge. Nature, 620, 172–180. doi: 10.1038/s41586-023-06291-2. DOI: https://doi.org/10.1038/s41586-023-06291-2

Saab, K., Tu, T., Weng, W. et al. (2024). Capabilities of gemini models in medicine. arXiv preprint arXiv:2404.18416.

Yang, L., Xu, S., Sellergren, A. et al. (2024). Advancing multimodal medical capabilities of Gemini. arXiv preprint arXiv:2405.03162.

Alhur, A. (2024). Redefining Healthcare with Artificial Intelligence (AI): The Contributions of ChatGPT, Gemini, and Co-pilot. Cureus, 16. doi: 10.7759/cureus.57795. DOI: https://doi.org/10.7759/cureus.57795

Kryvenko, I., Hrynzovskyi, A., Chalyy, K. (2023). The internet of medical things in the patient- centered digital clinic’s ecosystem. Lecture Notes on Data Engineering and Communications Technologies. Springer, 178. 515–529. doi: 10.1007/978-3-031-35467-0_31. DOI: https://doi.org/10.1007/978-3-031-35467-0_31

Kryvenko, I., Chalyy, K. (2023). Phenomenological toolkit of the metaverse for medical informatics’ adaptive learning. Educación Médica, 24(5). 100854. doi: 10.1016/j.edumed.2023.100854. DOI: https://doi.org/10.1016/j.edumed.2023.100854