Тут и пригодится этот новый класс специалистов, обученных работе со стандартной системой искусственного интеллекта, заключающей в себе все те знания, на приобретение которых у обычных врачей уходит по меньшей мере десять лет интенсивной подготовки. Они смогут работать с обычными случаями, направляя пациентов, нуждающихся в более узкоспециализированной помощи, к врачам. Новые перспективы построения интересной карьеры могут пойти на пользу выпускникам колледжей, особенно если учесть сужение рынка труда в других сферах под влиянием развития интеллектуального ПО.

В некоторых областях медицины, в частности тех из них, которые не требуют непосредственного взаимодействия с пациентами, развитие технологий искусственного интеллекта должно привести к резкому росту производительности труда и в конечном итоге — к полной автоматизации. Например, врачей-рентгенологов учат интерпретировать изображения, полученные с помощью различных методов сканирования, которые используются в медицине. Учитывая стремительный прогресс в области обработки и распознавания изображений, можно предположить, что совсем скоро машины узурпируют задачи, традиционно выполняемые рентгенологами. Программное обеспечение уже умеет распознавать людей на фотографиях, опубликованных в Facebook, и даже помогает выявлять потенциальных террористов в аэропортах. В сентябре 2012 г. FDA выдала разрешение на применение автоматизированной системы ультразвуковой диагностики рака молочной железы. Данное устройство, разработанное компанией U-Systems, Inc., предназначено для выявления опухолей у тех 40 % женщин, которым не подходит стандартная технология маммографического исследования по причине высокой плотности тканей молочной железы. Интерпретацией изображений по-прежнему занимаются рентгенологи, но теперь для принятия решения им достаточно трех минут. Для сравнения: при использовании традиционных ручных средств ультразвуковой диагностики на анализ полученных изображений уходит двадцать-тридцать минут{213}.

Автоматизированные системы также могут стать надежным источником независимого мнения. Наиболее эффективным — правда, и весьма дорогостоящим — методом диагностики рака считается метод, при котором два рентгенолога сначала внимательно изучают каждый снимок, полученный методом маммографии, а затем обсуждают выявленные отклонения, пока не достигнут консенсуса. При использовании этой стратегии «двойного исследования» обеспечивается значительно более высокий процент выявляемых случаев рака, а также существенное сокращение случаев вызова пациентов для прохождения повторных обследований. В 2008 г. в New England Journal of Medicine были опубликованы результаты исследования, показывающего, что второго врача можно заменить машиной. В частности, было доказано, что результаты работы рентгенолога в связке с компьютерной системой диагностирования сопоставимы с результатами работы двух врачей, интерпретирующих изображения независимо друг от друга{214}.

Еще одной сферой, в которой технологии искусственного интеллекта уже успели заявить о себе, является патология. Ежегодно более 100 млн женщин по всему миру проходят обследование под названием «мазок Папаниколау» с целью диагностирования рака шейки матки. В ходе данного обследования полученные клетки шейки матки помещаются на предметное стекло и изучаются под микроскопом специалистом лаборатории или врачом с целью определения признаков злокачественных новообразований. Это очень трудоемкая процедура, которая может стоить до $100 за обследование. Однако сейчас многие диагностические лаборатории занимаются внедрением мощной автоматизированной системы сканирования компании BD из Нью-Джерси, специализирующейся на производстве медицинского оборудования. В 2011 г. в журнале Slate вышла серия статей об автоматизации данной процедуры, в одной из которых обозреватель новых технологий Фархад Манджу назвал систему сканирования BD FocalPoint GS Imaging System «чудом медицинской техники», чье «программное обеспечение для анализа изображений быстро сканирует предметные стекла в поисках более чем 100 визуальных признаков аномальных клеток». Затем система «ранжирует стекла в соответствии с вероятностью наличия заболевания» и, наконец, «определяет по 10 областей на каждом стекле для изучения человеком»{215}. Машина намного лучше аналитиков-людей справляется с работой по выявлению случаев рака, при этом обеспечивая почти двукратное сокращение времени обследования.

В аптеке при Медицинском центре Калифорнийского университета в Сан-Франциско ежедневно готовится приблизительно 10 000 отдельных доз различных лекарств, хотя вы не найдете там ни одного фармацевта, который прикасался бы к таблеткам или флаконам. Всеми этапами подготовки тысяч различных препаратов — от организации хранения и перемещения больших объемов фармацевтической продукции до упаковки и выдачи отдельных таблеток — занимается мощная автоматизированная система. Она оснащена манипулятором, который непрерывно перемещается от одного контейнера к другому, захватывая нужное количество таблеток и помещая их в небольшие пластиковые пакетики. Каждая доза отправляется в свой пакетик, на который затем наносится штрихкод с информацией о препарате и пациенте. При этом установка располагает лекарства для одного пациента в том порядке, в котором они должны приниматься в течение дня. Когда приходит время приема, отвечающая за выдачу лекарств медсестра сканирует штрихкод сначала на упаковке с препаратами, затем — на браслете на запястье пациента. Если они не совпадают или выдача препарата осуществляется в неправильное время, раздается предупреждающий сигнал. Еще три специализированных робота занимаются подготовкой инъекционных препаратов; один из них работает исключительно с высокотоксичными препаратами химиотерапии. Данная система практически полностью исключает ошибки, обусловленные так называемым «человеческим фактором»: люди просто не участвуют в процессе.

Автоматизированная система в Калифорнийском университете в Сан-Франциско стоимостью $7 млн лишь один из наиболее ярких примеров процесса трансформации фармацевтической отрасли в результате внедрения робототехники. Гораздо менее дорогостоящие роботы, ненамного отличающиеся размерами от вендинговых машин, наводняют розничные аптеки в супермаркетах. Чтобы работать фармацевтом в США, необходимо сначала долго и много учиться (четыре года после бакалавриата для получения квалификации врача), а затем пройти очень сложный экзамен для получения соответствующей лицензии. При этом труд фармацевта хорошо оплачивается: по данным за 2012 г., средний годовой заработок в этой отрасли составил $117 000. Тем не менее особенно в условиях розничной аптеки, большая часть такой работы состоит из рутинных и повторяющихся операций, сопровождающихся постоянным страхом совершить ошибку, которая может кому-то стоить жизни. Другими словами, многое из того, чем занимаются фармацевты, идеально подходит для автоматизации.