Искусственный интеллект, машинное обучение и глубокое обучение: потенциальные ресурсы для врача, занимающегося инфекционными заболеваниями

Введение: Искусственный интеллект (ИИ), машинное обучение и глубокое обучение, включая генеративный ИИ, все активнее изучаются в контексте исследований и ведения инфекционных заболеваний у человека.

Цель: Обобщить недавние и потенциальные будущие применения ИИ и его значение для клинической инфекционной практики.

Методы: Было просмотрено 1617 результатов в PubMed, приоритет отдавался клиническим исследованиям, систематическим обзорам и метаанализам. Этот нарративный обзор сосредоточен на исследованиях с проспективно собранными реальными данными и клинической валидацией, а также на работах с трансляционным потенциалом, таких как поиск новых лекарств и вмешательства, основанные на микробиоме.

Результаты: Имеются некоторые данные о клинической полезности ИИ при применении в лабораторной диагностике, например при цифровом чтении культуральных чашек, диагностике малярии и профилировании антимикробной резистентности, в анализе клинических изображений, например при диагностике туберкулеза легких, в инструментах поддержки клинических решений, например при прогнозировании сепсиса и назначении антимикробных препаратов, а также в управлении вспышками на уровне общественного здравоохранения, например при COVID-19. Однако в большинстве исследований до настоящего времени отсутствуют валидация в реальной практике и метрики клинической полезности. Существенная неоднородность дизайна исследований и отчетности ограничивает сопоставимость результатов. Существуют многочисленные практические и этические проблемы, включая прозрачность алгоритмов и риск систематической ошибки.

Выводы: Интерес к инструментам на основе ИИ для исследований и ведения инфекционных заболеваний и их разработка, несомненно, ускоряются, однако их реальная клиническая полезность на сегодня представляется гораздо более скромной.