Психология адаптации пациентов к использованию искусственного интеллекта при проведении скрининга хронических неинфекционных заболеваний

Введение. Сегодня традиционная модель оказания медицинской помощи дополняется и частично замещается новыми формами ее реализации. Так, технологии на основе искусственного интеллекта берут на себя функции диагностики, лечения, скрининга и мониторинга хронических заболеваний.

Цель. Разработать медицинскую методологию дистанционного анкетного скрининга факторов риска хронических неинфекционных заболеваний (ФР ХНИЗ) у лиц молодого возраста для оптимизации их диагностики.

Материалы и методы. В исследовании приняли участие 3 155 студентов в возрасте 19,6 ± 1,5 года, из них мужчины составили 46,9%, женщины – 53,1%. При прохождении медицинского осмотра все участники воспользовались дистанционным анкетным скринингом.

Результаты. Низкая степень риска была выявлена у 57,4%, средняя – у 30,9%, а высокая – у 11,7% обследуемых. С наибольшей частотой обследуемых беспокоят жалобы со стороны эндокринной (28,9%), пищеварительной (21,8%), дыхательной (21,1%), сердечно-сосудистой систем (20,1%) и онкологическая настороженность (8,1%). Наличие ФР по двум и более профилям патологии определялось у 75,7% обследованных. Среди часто встречающихся ФР девять относятся к самооценке эмоционально-личностной сферы. Удовлетворены телемедицинской системой 96,6% обследуемых и 91,7% медработников.

Выводы. 1. Использование дистанционного анкетного скрининга ХНИЗ обеспечило широкий охват и высокую удовлетворенность медицинской услугой. 2. Система выделяет контингент обследуемых с высокой, средней и низкой степенью риска, а также лиц с критическими ФР, нуждающихся в первоочередной помощи. 3. Сочетание данных анамнестического дистанционного обследования и клинического осмотра повышает качество принятия врачебного решения и снижает его субъективную составляющую. 4. Применение статистических методов показало хорошую эффективность интегральной оценки здоровья и удовлетворительную для выявления ФР ХНИЗ. 5. Использование дистанционного анкетного скрининга ФР ХНИЗ у лиц молодого возраста сокращает затраты на лечение и повышает качество жизни пациентов.

1. Davenport T, Kalakota R. The potential for artificial intelligence in healthcare. Future Healthc J. 2019;6(2):94–98. https://doi.org/10.7861/futurehosp.6-2-94.

2. Селиверстов ПВ. Искусственный интеллект в сестринской практике. Правовые аспекты и трансформация профессиональной роли медицинской сестры. Медицинская сестра. 2024;26(8):11–19. https://doi.org/10.29296/25879979-2024-08-02.

3. Третьякова ЕП. Использование искусственного интеллекта в здравоохранении: распределение ответственности и рисков. Цифровое право. 2021;2(4):51–60. https://doi.org/10.38044/2686-9136-2021-2-4-51-60.

4. Jarrahi MH. Artificial intelligence and the future of work: human-AI symbiosis in organizational decision making. Bus Horiz. 2018;61(4):577–586. https://doi.org/10.1016/j.bushor.2018.03.007.

5. Селивёрстов ДП. Нанореволюция в медицине: синергия нанотехнологий, искусственного интеллекта и цифровых инноваций. Медицинская сестра. 2024;26(7):44–48. https://doi.org/10.29296/25879979-2024-07-06.

6. McGenity C, Clarke EL, Jennings C, Matthews G, Cartlidge C, Freduah-Agyemang H et al. Artificial intelligence in digital pathology: a diagnostic test accuracy systematic review and meta-analysis. arXiv. 2023;arXiv:2306.07999. https://doi.org/10.48550/arXiv.2306.07999.

7. Dreyer K, Allen B. Artificial Intelligence in Health Care: Brave New World or Golden Opportunity? J Am Coll Radiol. 2018;15(4):655–657. https://doi.org/10.1016/j.jacr.2018.01.010.

8. Селиверстов ПВ, Бакаева СР, Шаповалов ВВ, Алешко ОВ. Телемедицинские технологии: от теории к практике. Медицинский совет. 2022;16(23):366–372. https://doi.org/10.21518/2079-701X-2022-16-23-366-372.

9. Esmaeilzadeh P, Mirzaei T, Dharanikota S. Patients’ Perceptions Toward Human – Artificial Intelligence Interaction in Health Care: Experimental Study. J Med Internet Res. 2021;23(11):e25856. https://doi.org/10.2196/25856.

10. Tyson A, Pasquini G, Spencer A, Funk C. 60% of Americans Would Be Uncomfortable With Provider Relying on AI in Their Own Health Care. Pew Research Center. 2023. Available at: https://www.pewresearch.org/science/2023/02/22/60-of-americans-would-be-uncomfortable-withprovider-relying-on-ai-in-their-own-health-care/.

11. Селивёрстов ПВ. Перспективы использования телемедицинских технологий на основе искусственного интеллекта при проведении медицинского осмотра. Медицинский совет. 2024;18(5):312–319. https://doi.org/10.21518/ms2024-072.

12. Choudhury A, Elkefi S. Acceptance, initial trust formation, and human biases in artificial intelligence: Focus on clinicians. Front Digit Health. 2022;4:966174. https://doi.org/10.3389/fdgth.2022.966174.

13. Кошечкин КА, Хохлов АЛ. Этические проблемы внедрения искусственного интеллекта в здравоохранении. Медицинская этика. 2024;(1):11–17. https://doi.org/10.24075/medet.2024.006.

14. Mudey AB, Dhonde AS, Chandrachood MV. Artificial Intelligence in Healthcare With an Emphasis on Public Health. Cureus. 2024;16(8):e67503. https://doi.org/10.7759/cureus.67503.

15. Donnelly DL. First Do No Harm: Legal Principles Regulating the Future of Artificial Intelligence in Health Care in South Africa. Potchefstroom Electron Law J. 2022;25:10.17159/1727-3781/2022/v25ia11118. https://doi.org/10.17159/1727-3781/2022/v25i0a11118.

16. Коваль ЕА, Мартынова МД, Жадунова НВ. Информированное согласие в эпоху больших данных: необходимость нормативного обновления. Этическая мысль. 2020;20(2):115–131. https://doi.org/10.21146/2074-4870-2020-20-2-115-131.

17. Brunton F, Nissenbaum H. Obfuscation: A User’s Guide for Privacy and Protest. Cambridge: MIT Press; 2016. 136 p. Available at: https://books.google.com/books?id=eGIrEAAAQBAJ&hl=ru&source=gbs_book_other_versions.

18. Murdoch B. Privacy and artificial intelligence: challenges for protecting health information in a new era. BMC Med Ethics. 2021;22(1):122. https://doi.org/10.1186/s12910-021-00687-3.

19. Mehta N, Pandit A, Shukla S. Transforming healthcare with big data analytics and artificial intelligence: A systematic mapping study. J Biomed Inform. 2019;100:103311. https://doi.org/10.1016/j.jbi.2019.103311.

20. Мамина РИ, Пирайнен ЕВ. Эмоциональный искусственный интеллект какинструмент взаимодействия человека и машины. Дискурс. 2023;9(2):35–51. https://doi.org/10.32603/2412-8562-2023-9-2-35-51.

21. Petersson L, Larsson I, Nygren JM, Nilsen P, Neher M, Reed JE et al. Challenges to implementing artificial intelligence in healthcare: a qualitative interview study with healthcare leaders in Sweden. BMC Health Serv Res. 2022;22(1):850. https://doi.org/10.1186/s12913-022-08215-8.

22. Morrow E, Zidaru T, Ross F, Mason C, Patel KD, Ream M, Stockley R. Artificial intelligence technologies and compassion in healthcare: A systematic scoping review. Front Psychol. 2023;13:971044. https://doi.org/10.3389/fpsyg.2022.971044.

23. Толстикова ИИ, Игнатьева ОА, Кондратенко КС, Плетнев АВ. Цифровое поведение и характеристики личности поколения Z в условиях глобальной цифровизации. Информационное общество: образование, наука, культура и технологии будущего. 2020;(4):103–115. https://doi.org/10.17586/2587-8557-2020-4-103-115.

24. Alowais SA, Alghamdi SS, Alsuhebany N, Alqahtani T, Alshaya AI, Almohareb SN et al. Revolutionizing healthcare: the role of artificial intelligence in clinical practice. BMC Med Educ. 2023;23(1):689. https://doi.org/10.1186/s12909-023-04698-z.

25. Кобякова ОС, Кадыров ФН. Проблемы развития телемедицинских технологий в России сквозь призму зарубежного опыта. Национальное здравоохранение. 2021;2(2):13–20. https://doi.org/10.47093/2713-069X.2021.2.2.13-20.

26. Васюта ЕА, Подольская ТВ. Проблемы и перспективы внедрения искусственного интеллекта в медицине. Государственное и муниципальное управление. Ученые записки. 2022;(1):25–32. https://doi.org/10.22394/2079-1690-2022-1-1-25-32.

27. Селиверстов ПВ, Безручко ДС, Васин АВ, Гриневич ВБ, Семенов КП, Алешко ОВ, Шаповалов ВВ. Телемедицинский дистанционный многопрофильный анкетный скрининг как инструмент раннего выявления хронических неинфекционных заболеваний. Медицинский совет. 2023;17(6):142–152. https://doi.org/10.21518/ms2023-070.

28. Селивёрстов ПВ, Гриневич ВБ, Шаповалов ВВ, Крюков ЕВ. Повышение эффективности скрининга хронических неинфекционных заболеваний с использованием технологий на основе искусственного интеллекта. Лечащий врач. 2024;4(27):97–104. https://doi.org/10.51793/OS.2024.27.4.014.

29. Севостьянова ЕВ, Николаев ЮА, Поляков ВЯ. Проблема полиморбидности в современной терапевтической клинике. Бюллетень сибирской медицины. 2022;21(1):162–170. https://doi.org/10.20538/1682-0363-2022-1-162-170.