Содержание |
Осознать потребность врача и предложить цифровое решение
Создание сервиса с использованием искусственного интеллекта (ИИ) для медицины всегда начинается с выявления и понимания проблемы, которая является актуальной для медицинского сообщества. На этом этапе важно выстроить коммуникацию между разработчиками и экспертами, в роли которых выступают действующие врачи медицинских учреждений. У последних есть свои задачи, требующие решения средствами современных технологий. Узнав о них от врачей, разработчики сообщают, возможно ли технически создание сервиса и если да, то предлагают его прототип врачам. Вместе они принимают решение о начале разработки.
К примеру, есть проблема: рентгенологам приходится тратить много времени на исследование КТ снимков головного мозга при подозрении на инсульт (обычно от 15 минут до 1 часа). А ведь все знают, как важен фактор времени в этом случае. Чем быстрее будет поставлен диагноз, тем больше шансов для пациента избежать тяжелых последствий в виде, например, инвалидности. Требовалось новое, «прорывное» решение, медики поделились этой проблемой с разработчиками и в результате был создан сервис «КТ Инсульт». И уже сегодня разработка может помогать медицинским специалистам, в их ежедневной работе. На основе алгоритмов ИИ модель автоматически осуществляет разметку КТ снимков, определяя тип и локализацию зоны инсульта. Время на обработку каждого снимка уменьшилось до нескольких минут.
Самым распространенным в прошлом году примером использования ИИ в медицине стала обработка снимков компьютерной томографии легких, пораженных COVID-19. Процент поражения влияет на то, какое лечение должен получить пациент. Выявить долю этого поражения – это всегда кропотливая и сложная работа даже для опытного врача. При этом ИИ может быстро и эффективно, буквально за считанные минуты обрабатывать данные, тем самым помогая врачу в принятии итогового решения и постановке диагноза. Сервис «КТ Легких» по анализу КТ-изображений показал свою эффективность во время пандемии и успешно применяется сейчас.
Он обрабатывает каждый снимок несколько минут, в самых сложных случаях – не более 15 минут. Кроме того, сервис обозначает приоритеты для врачей: им в первую очередь предоставляются изображения с подозрением на патологию. То есть можно быстрее начать лечение у тех пациентов, которые в нем больше всего нуждаются.
Таким образом, сегодняшние разработки в области искусственного интеллекта отвечают на текущие потребности медицинского сообщества и призваны помогать им в их работе.
Данные: найти и обезличить
На следующем этапе для создания сервиса понадобится получить данные и экспертизу врачей, на базе которых начнется обучение машины. Это похоже на то, как старшие коллеги учат менее опытных врачей, разбирая случаи из клинической практики. Разница лишь в том, что для машинного обучения требуется на порядок больше данных – даже не сотен и тысяч, а сотен тысяч пациентов. И это должны быть не просто обезличенные данные пациента, а проанализированные и подтвержденные врачом конкретные случаи.
Но сначала нужно, чтобы данные были корректно собраны и размечены. На неподготовленных данных разработать эффективную модель ИИ невозможно. Поэтому важен выбор профильных клиник, с которыми проводятся переговоры, под какие задачи будут собираться обезличенные данные. Далее стартуют вычислительные эксперименты, которые имеют своей целью выбор оптимальной архитектуры и настройку параметров под конкретную задачу. Сбор данных, проверка качества на каждом этапе и их разметка в любом медицинском учреждении – очень трудоемкий процесс, он требует привлечения наиболее квалифицированных врачей. А технические специалисты должны привести все собранные данные к «единому знаменателю», устраняя искажения. Важно, чтобы собранные массивы были однородны по большинству параметров, а выборки – сбалансированы (например, чтобы количество случаев с патологией и без патологии, было примерно одинаковым).Как DevOps-сервис помогает «разгрузить» высоконагруженные системы BPMSoft 
Ведь если, к примеру, модель обучить на снимках, сделанных на одном оборудовании, а затем она встретится с изображениями, сделанными на другом оборудовании, это может привести к ошибке. Просто потому, что модель увидит какие-то новые особенности данных и может их ошибочно истолковать. Производителей и модификаций оборудования очень много, вот почему даже те модели ИИ, которые уже используются в промышленной эксплуатации, постоянно обновляются, дообучаются – это постоянный, непрекращающийся процесс. То есть повышают квалификацию, как это принято во врачебном сообществе. Одним из примеров работы с датасетом является создание совместно с Правительством Москвы умного помощника врача «ТОП-3».
В Москве было проведено крупное исследование на основе данных анонимизированных посещений медицинских учреждений. Дата-аналитики обобщили статистику всех диагнозов при амбулаторном лечении за один год в Московском регионе, проанализировали более 2,2 миллионов визитов 420 тысяч пациентов. После этого они проранжировали по вероятности категории заболеваний по общепринятой классификации МКБ-10 и выбрали 265 категорий, которые покрывают 95% случаев выборки. В качестве валидационных данных были взяты 1,7 миллионов визитов 700 тысяч пациентов, не используемых ранее. В результате был создан сервис «Умный помощник врача», который стал чемпионом престижного международного конкурса WSIS Prizes 2021, проводимого под эгидой ООН. На входе «помощник» получает текст из медицинской карты, анамнеза первичной госпитализации, затем работает математическая модель на основе нейросетей, и он выдает три наиболее вероятных диагноза по Международной классификации болезней (МКБ-10). Теперь его используют во всех взрослых поликлиниках Москвы, а также в ряде регионов России.
Сервисов много – платформа одна
Для того, чтобы искусственный интеллект быстрее вошел в арсенал современного врача, нужно чтобы он как можно более органично вписался в уже существующие рабочие интерфейсы. Условное сравнение: если человек пользуется калькулятором, то будет очень странно, если ему предложат еще один отдельный аппарат («с искусственным интеллектом»). Зато он вряд ли удивится, если новые модели калькулятора будут решать все более сложные задачи. Задача производителей медицинского ИИ – снизить нагрузку на систему здравоохранения в целом и на отдельные сферы медицины в частности. Однако достигнуть этого, разумеется, удастся не сразу (как не сразу привыкали врачи пользоваться УЗИ-сканерами и КТ-аппаратами, которые тоже когда-то были «новинками»). Вот почему новое программное обеспечение с ИИ внедряется в привычные для медиков информационные системы, дополняя их функционал. В результате врачам не нужно специально учиться, отрываясь от повседневной работы, чтобы начать работать с искусственным интеллектом, достаточно общих азов компьютерной грамотности. И чаще всего медицинским учреждениям нужен не какой-то отдельный сервис, а комплекс алгоритмов, которые могут быть использованы в той или иной ситуации.
Так возникла идея создания Медицинского цифрового диагностического центра (MDDC). Это комплексное решение для помощи в постановке диагноза с использованием искусственного интеллекта. Однако в любом случае оно валидируется врачами-специалистами. MDDC объединяет в себе более 50 продуктов и решений СберМедИИ, а также других компаний экосистемы Сбера и партнеров.
Врачи клиник, подключившихся к MDDC, в онлайн-режиме могут отправлять на «цифровой консилиум» данные первичного приема, инструментальной и лабораторной диагностики. Загрузить цифровые документы можно через веб-интерфейс или отдельное приложение для автоматизированного рабочего места, либо через программы, уже интегрированные в медицинскую информационную систему (МИС) клиники.
Информация автоматически маршрутизируется и обрабатывается алгоритмами ИИ, предварительные заключения поступают на верификацию профильным врачам MDDC, и после этого рекомендация по постановке диагноза возвращается в клинику. Финальные рекомендации выдают врачи MDDC, специализирующиеся по широкому профилю медицинских направлений: терапия, кардиология, радиология, онкология, хирургия, стоматологические исследования.
Таким образом, современные технологии могут эффективно и качественно помогать врачам в их ежедневной работе. ИИ-алгоритмы помогают значительно ускорять процессы принятия врачебных решений, не пропустить ошибку, обратить дополнительное внимание в первую очередь на области возможной патологии (приоритизация списка пациентов). Крайне важным направлением представляется возможность ретроспективного анализа медицинских данных с помощью искусственного интеллекта.
