МНЕНИЯ: МЕДИЦИНА, ЛУЧЕВАЯ ДИАГНОСТИКА И ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ

Мнения: медицина, лучевая диагностика и искусственный интеллект

Мнение директора «Научно-практического центра медицинской радиологии ДЗМ» Сергея Морозова о возрастающей роли искусственного интеллекта в медицине.

Искусственный интеллект в медицине решит дефицит кадров

Не секрет, что в России ощущается дефицит кадров. Особенно остро стоит проблема в сельских больницах и в труднодоступных областях. Есть статистика, согласно которой в России на 1 врача-диагноста приходится 3 тыс. населения, в США дела обстоят хуже: 1 специалист на 10 тыс., а в каком-нибудь Бангладеш 1 врач на 1 млн. человек. Завести оборудование проще, чем найти специалиста, который сможет интерпретировать результаты. Даже если врач есть, то часто требуется консультация узкого специалиста, так как врачи общей практики не всегда обладают нужными знаниями. Человечество накапливает знания с такой огромной скоростью, что охватить медицинское информационное поле практически не под силу одному человеку. Поэтому машины могут взять на себя рутинные операции, высвободив время и силы людей. Программы могут заменить специалистов, лаборантов в самых труднодоступных уголках страны и мира.

Обработка больших объемов информации

Обработка больших объемов информацииТуберкулез распространен в России. Несмотря на предпринимаемые меры, в силу климата, россияне вынуждены проводить большую часть жизни в плохо-проветриваемых, скученных помещениях. Сейчас перед медиками стоит задача ранней диагностики, выявления и предотвращения вспышек туберкулеза. Диагностировать туберкулез можно при помощи методов лучевой диагностики. Описания и анализ массовых скринингов на туберкулез, на ранние стадии онкологических заболеваний занимают много времени и сил врачей. Кроме этого диагностам поступают на двойной анализ маммограммы, данные ЭКГ и прочие изображения. Сначала их должен изучить врач, потом они попадают к дистанционному эксперту, и только потом заключение отправляют лечащему врачу. Искусственный интеллект способен решить эту проблему: функции двух специалистов можно переложить на алгоритмическую программу. Лечащий врач в самые короткие сроки будет получать снимки с выделенными аномалиями.

Можно ли заработать на решениях ИИ для медицины?

Можно. В США компания Viz.ai, зарегистрировала алгоритм ИИ как медицинское изделие для экстренной диагностики инсульта. Программа быстро анализирует результаты компьютерной томографии, находит или не находит признаки инсульта и сразу же отправляет заключение лечащему врачу. Время обработки результатов, дефицитное для больного, сокращено до минимума. Использование ИИ спасает жизни людей, предотвращает инвалидность.

Что можно поручить искусственному интеллекту?

В программировании руководствуются стандартным правилом 1 секунды: алгоритм ИИ эффективны на тех операциях, которые человек может выполнить менее чем за 1 секунду. Учитывая большие объемы информации, программы могут освободить значительное количество людей, которые смогут заняться другой деятельностью: обучением, повышением квалификации, диагностикой, осмотрами, хирургией. Человеческий ресурс можно перенаправить на решение коммуникативных вопросов. Все это сможет повысить эффективность производительности труда, сделает медицинскую помощь более доступной.

Скоро будем лечиться у роботов?

Скоро будем лечиться у роботов?Мудрость человека пока роботы заменить не могут. Кроме решения рутинных задач, которые можно алгоритмизировать, существует много проблем, которые пока может решить только человеческий разум. За врачами остается и синтез знаний, принятие решений, когда информации недостаточно, в случае многовариантных ситуаций. Алгоритмы пока могут работать в ситуациях, когда информация структурирована, когда накоплен большой объем данных, когда сама процедура принятия решения проста.

Процесс обучения ИИ

В лучевой диагностике аппаратура выдает снимок или изображение. Пациенты это называют рентген. Изображение сопровождается поясняющими текстовыми материалами.. Традиционно эти данные поступают к специалисту, который изучает входные параметры, анализирует информацию, находит или не находит признаки аномалии. Как происходит обучение машин: создаются базы данных большого объема, где собраны миллионы проанализированных человеком изображений с аномалиями и без них, собранные в разных странах, сделанные на разных аппаратах. Большой разброс и вариативность важна для правильного обучения программы. Алгоритм на основе подготовленной информации учится находить признаки, например, опухоли, сравнивая новые данные и данные из архива. Дальше задача усложняется. Программа должна выявить не только опухоль, но определить тип: злокачественная или доброкачественная. Определить наблюдается ли прорастание сосудов. Шаг за шагом алгоритм «обучается» всем тонкостям анализа. На основе подготовленных, архивных данных он учится распознавать на снимке очаг, направление роста новообразования, наличие метастаз.

Кроме типичных ситуаций, программу обучают и нетипичным: в базу загружают некачественные, смазанные изображения. Программа должна правильно распознавать и ложные снимки.

Когда обучение закончено, программу необходимо тестировать. Этот этап называется этапом валидации. Разработчики тестируют алгоритм в разных ситуациях, в разных медицинских учреждениях, в разных странах. Валидация не заменяет клинические испытания. Они обязательны для медицинских изделий. Только после проведения клинических испытаний можно регистрировать продукт в государственных органах.

Сколько специалистов способен заменить алгоритм?

Сегодня человек способен описать 25-30 томограмм за один трудовой день. Алгоритм сможет выполнить до 70 таких анализов. Т.е. способен заменить 2-3 специалистов в клинике. Можно оценить, что обученный программный код берет на себя 30% функций врача и 60% функций лаборантов.

Что извлекает пациент из применения ИИ в диагностике?

Пациенты пока не выигрывают во времени, но обеспечивают высокую скорость обработки при диспансеризации, при проведении массовых скринингов. Исследования сложных случаев по-прежнему выполняют люди, специалисты. Алгоритмы более точно проводят диагностику. Экспериментально подтверждено в ходе исследования работы алгоритма для анализа рентгенограмм на туберкулез, который проводился на компании «ФтизисБиоМед». Алгоритм правильно оценил снимки в 97,5 случаев из ста. Врачи работают с семидесяти процентной точностью.

Стартапы по разработке искусственного интеллекта для лучевой диагностики

Разработчики, люди из другой области, с другим мышлением, часто далекие от медицины не ставят конкретных целей. А медики обучены думать, прежде всего, о человеке. Поэтому начиная проект нужно четко поставить цели: для кого этот продукт разрабатывается, и какие проблемы он сможет решить.

Алгоритм разработки продукта на основе ИИ:

  1. Выявить проблему врача,
  2. Определить, какие процедуры являются рутинными и подлежат алгоритмизации. (Правило 1 секунды)
  3. Для этих действий создать алгоритм принятия решения.

Хорошо, если в команде будет медик-специалист, имеющий реальный опыт в области, подлежащей автоматизации, связывающий бизнес, медицину и IT-технологии.

Как у них

В США в апреле этого года протестировали и одобрили для массового применения офтальмологическое диагностическое устройство использующее искусственный интеллект. Эта программа без врача может диагностировать диабетические осложнения. Надо отметить, что это революционная программа на основе ИИ, но эксперты уверены, что вскоре таких программ будет много.

Как у нас

В России тоже есть примеры использования ИИ. Например, при лучевой диагностике, а к этому виду исследований относят рентген, МРТ, самообучающиеся программы используются для выявления аномальных участки на снимках. Программа сама подсвечивает эти области и снимок, который получает врач, фактически проанализирован.

Российский опыт разработки и использования ИИ в медицине

Российский опыт разработки и использования ИИ в медицинеВ России нет стимула для автоматизации медицинских процедур, так как труд врачей стоит дешево. В столицах и крупных городах сконцентрированы специалисты, которые занимаются рутинными процедурами. Поэтому дешевле увеличить штат врачей, чем профинансировать создание программы. Чтобы появились условия в России, необходимы три вещи:

  • Стандартизация описания компьютерной томографии и МРТ;
  • Стандартизированные базы данных для программистов;
  • Государственная регистрация алгоритмов для применения в медицине;

Прежде, чем на рынок массово выйдут программы, необходима большая предварительная работа.

Может ли Закон о телемедицине способствовать автоматизации в медицине?

Закон о телемедицине – эпохальное событие для IT-разработчиков, так как он стимулирует цифровизацию данных, сбор единых баз данных, предполагает структурирование медицинской информации. По сравнению с США, в России не так много законодательных ограничений и есть все предпосылки для составления баз данных, содержащих миллионы описаний, необходимых для машинного обучения. В США с эти сложнее, так данные клиник не структурированы, стоят дорого и плохого качества. В России с этим легче, но продукты востребованы меньше. Но использование российских данных невозможно использовать в других странах, так как там другие традиции, практики, школы. Медицинской общественности известен пример IBM, которая долгое время разрабатывала программу, основываясь на американских данных, и пыталась продать её в другие страны. Но результаты, которые выдавала программа Watson for Oncology, оказались неприемлемы специалистам других школ, не соответствовали местным традициям и законам. Создание продукта для другой страны подразумевает использование местных данных, и широкое привлечение узких специалистов-медиков, юристов.

Прежде чем автоматизировать процесс в медицине или в любой другой области, его нужно оптимизировать, а потом стандартизировать. В медицине это сделать сложно, так как многие решения принимаются интуитивно. Случается, что разработчики, далекие от проблем медицины, доверительно консультируются у одного врача, разрабатывают программу под конкретные цели, а продать и окупить вложенные средства не могут, так как другим специалистам этот продукт не нужен.

Медицинская среда консервативна сама по себе. Процессы автоматизации не приветствуются. Есть мнение, что работу медика можно отнести к искусству. Роботизация и автоматизация убивает творческий подход. Хотя оценка результатов деятельности врачей зачастую свидетельствует, что люди склонны ошибаться чаще, чем обученные машины.

Какие направления перспективны для алгоритмизации?

Перспективнее создавать платформы – общие решения для экспертов, медиков, которые смогут привлечь разработчиков для создания конечных продуктов. Такие решения позволят создать основу, глобальную систему для создания частных продуктов. Создание продуктов на таких платформах, позволит объединить усилия бизнесменов, разработчиков и медиков.

Не менее важный аспект для внедрения ИИ имеет качество и количество медицинских данных. А на финальном этапе - проведение клинических испытаний.

Масса примеров доказывает эффективность применения ИИ в медицине. Машина точнее, чем человек определяет патологию на изображении. Человеку отводится более ответственная роль постановки диагноза с учетом других данных, результатов анализов, динамики процессов, истории, стадии болезни.

ЧИТАЙТЕ ТАКЖЕ

Задать вопрос

Оставьте свое сообщение и контакты для связи.
Мы с вами обязательно свяжемся.