Первые попытки имитации работы нервных клеток начались в конце 1950-х годов с разработки Фрэнком Резенбладом простейшей нейросети, названной Персептрон, способной распознавать простые образы,. В последующие 50 лет развитие нейросетей было замедлено из-за нехватки вычислительных мощностей и данных. В это время получили распространение экспертные системы — компьютерные программы, предназначенные для решения узкопрофильных задач.
В 1970 году появилась первая медицинская система — Mycin, разработанная на основе прототипа Дендрал (1964 год). Mycin анализировала симптомы пациентов для определения диагноза и подбора антибиотиков. Исследование 1976 года показало, что корректность рекомендаций Mycin составляла 65%, что превышало средний показатель врачей-инфекционистов (42%) в аналогичных условиях. Однако Mycin не вошла в клиническую практику из-за огромных, дорогих и сложных в эксплуатации компьютеров того времени.
Интерес к нейросетям возродился в 1980-х годах благодаря появлению компьютерного томографа (КТ), который делал серию тонких поперечных снимков тела (слоем 0,5–5 мм), требующих большого объема врачебного анализа. На основе Персептрона была разработана нейросеть Нейрокат, обученная на размеченных врачами снимках КТ. Точность Нейроката варьировалась от 70% до 90%, но она не достигла массового внедрения, так как уступала по точности врачам.
Бурное развитие искусственного интеллекта началось в 2010-х годах благодаря трем факторам: доступное и мощное оборудование (спрос на которое стимулировали геймеры), новые алгоритмы машинного обучения (например, обратное распространение ошибки) и распространение интернета, обеспечившее безумные объемы данных, необходимых для обучения. Современная скорость передачи данных и облачные вычисления позволили использовать передовые нейросети даже со смартфона, поскольку все вычисления происходят на сервере,.
С 2005 по 2020 год количество исследований в области искусственного интеллекта в медицинских специальностях выросло в 62 раза (с 200 до 12 500 публикаций в год).
Искусственный интеллект продемонстрировал способность запоминать и обрабатывать информацию с огромной скоростью и объемом, что дает ему преимущество перед людьми. Машина может запомнить толстый медицинский справочник на 100% за секунды, тогда как врачу на это требуются месяцы или годы, при этом воспроизводимость у человека будет хуже,.
Медицинская наука развивается быстро: ежегодно публикуется около 150 000 научных медицинских статей (15 000 по онкологии, 12 000 по кардиологии). Ни один врач или ученый не способен прочесть и запомнить такой объем, что приводит к отставанию медицины от науки и риску получения пациентами устаревшего или некачественного лечения.
Статистика США показывает, что в среднем 11% поставленных диагнозов ошибочны. Ежегодно 370 000 человек в США умирают, а 420 000 становятся инвалидами из-за неверных диагнозов.
Примеры диагностической эффективности ИИ:
Несмотря на общий прогресс, случаются инциденты: платформа IBM Watson for Oncology, запущенная в коммерческую эксплуатацию после демонстрации точности 93% в определении рака молочной железы (против 73% традиционных методов), оказалась ненадёжным и дорогостоящим «чёрным ящиком», предоставляющим неверные рекомендации,. В 2021 году IBM продала это бизнес-направление.
Искусственный интеллект проявляет более высокие коммуникативные качества, чем некоторые медицинские специалисты. Исследователи из Калифорнийского университета обнаружили, что ответы чат-бота GPT на медицинском форуме AskDocs были предпочтительнее ответов врачей в 79% случаев, так как содержали более полные, точные данные и были более эмпатичными,.