Искусственный интеллект при ревматоидном артрите: современное состояние и перспективы развития — обзор актуальных достижений

Изучение потенциальных возможностей применения искусственного интеллекта (ИИ), включая методы машинного обучения и глубокого обучения, — быстро развивающееся направление медицины и здравоохранения. Эти методы могут быть особенно важны для оказания качественной помощи пациентам с хроническими ревматическими заболеваниями, для которых не разработано оптимального лечения, в частности с ревматоидным артритом (РА) — вторым по распространённости аутоиммунным заболеванием. После краткого обзора основных понятий ИИ мы обобщаем достижения в его применении в клинической практике и исследованиях РА. Мы также обозначаем направления будущих исследований, рассмотрев пробелы в знаниях, а также технические и этические трудности применения ИИ. С начала 2000-х годов автоматизированные модели широко применяются для улучшения диагностики РА с использованием самых разных методов, например метода опорных векторов, случайного леса и искусственных нейронных сетей. Алгоритмы ИИ могут помогать в скрининге и выявлении групп риска, диагностике на основе омиксных, визуализационных, клинических данных и данных датчиков, выявлении пациентов в электронных медицинских картах (фенотипировании), оценке ответа на лечение, наблюдении за течением заболевания, прогнозировании исходов, разработке новых лекарственных препаратов и развитии фундаментальных исследований. Они также могут помогать оценивать риск развития сопутствующих заболеваний, например сердечно-сосудистых, у пациентов с РА. Однако эффективность и надёжность предлагаемых моделей могут значительно различаться. Несмотря на обнадёживающие результаты применения моделей ИИ для ранней диагностики и ведения пациентов с РА, они пока не готовы к внедрению в клиническую практику. Необходимы дальнейшие исследования, чтобы разрабатывать надёжные алгоритмы, применимые в разных условиях, и тщательно выявлять возможные источники систематических ошибок и недобросовестных практик. Растущий объём данных подтверждает потенциал ИИ для преобразования скрининга, диагностики и ведения пациентов с РА. Однако клиническому применению моделей ИИ препятствует ряд факторов. Внедрение алгоритмов машинного и/или глубокого обучения в реальную практику станет важным этапом развития ИИ в медицине.