Цифровой помощник врача: как ИИ трансформирует диагностику заболеваний
Искусственный интеллект в медицине — уже не технология будущего, а рабочий инструмент. Например, он помогает анализировать МРТ младенцев, диагностировать врождённые патологии и обрабатывать миллионы рентгеновских снимков. В статье — реальные проекты, которые показывают, как технологии меняют работу врачей и клиник.
В этой статье мы расскажем:
Искусственный интеллект постепенно становится важной частью инфраструктуры здравоохранения. По оценке «Яков и Партнёры» и «МЕДСИ», рынок медицинских решений на базе ИИ в России в 2024 году достиг 12 млрд рублей и к 2030-му может вырасти в шесть раз — до 78 млрд.
Результаты применения ИИ в сфере заметны уже сегодня. Согласно данным Минздрава, внедрение таких систем позволяет ускорить постановку диагнозов на 30–40% и повысить точность выявления заболеваний на 15–20%. Технологии помогают врачам быстрее обрабатывать большие объёмы данных и позволяют сосредоточиться на сложных клинических решениях.
Сегодня ИИ внедряют в самые разные направления медицины: от распределения пациентов в приёмных отделениях до анализа сложных медицинских снимков. Так, платформа Enlitic из Колорадо помогает врачам быстро определить, кому из обратившихся нужна срочная помощь, а компания Ezra использует нейросети для выявления рака на ранней стадии по результатам МРТ.
Особенно высока ценность технологий там, где традиционная диагностика ограничена. Можно выделить три ключевых области:
- Автоматизация рутинных задач: пересмотр множества исследований, отсечение нормы из общего потока, заполнение документации. Благодаря этому врач может сосредоточиться на сложных и нестандартных случаях.
- Выявление редких патологий. Когда врачи нечасто сталкиваются с патологией и могут упустить её признаки, ИИ помогает выявлять скрытые закономерности и снижает риск пропусков в диагностике.
- Мониторинг угрожающих жизни состояний. Например, при инсульте счёт идёт на минуты, и алгоритмы позволяют быстрее поставить диагноз и назначить лечение.
В этих задачах врачам помогает Центр технологий для общества Yandex Cloud. Вместе с медицинскими специалистами и учёными команда создаёт решения, которые помогают быстрее и точнее диагностировать сложные и редкие патологии, а также выбирать более подходящую тактику лечения. Расскажем о проектах, где такие подходы доказали эффективность на практике.
Как ускорить диагностику патологий мозга у младенцев
Команда Yandex Cloud вместе со студентами Школы анализа данных (ШАД) разработала нейросеть, которая сокращает время анализа МРТ-снимков головного мозга младенцев с нескольких дней до нескольких минут. Это особенно важно для раннего выявления ДЦП и других неврологических нарушений: чем быстрее поставят диагноз, тем выше шансы на успешное лечение и реабилитацию ребёнка.
До внедрения системы врачи вручную рассчитывали объёмы серого и белого вещества на снимках — процесс занимал часы и даже дни и часто был неточным. У существующих программных решений были ограничения — они, как правило, применимы только для пациентов старше года.
Как работает решение:
- врач загружает в него снимки МРТ;
- перед передачей данных на сервер метаданные анонимизируются — персональные данные пациента удаляются;
- нейросеть определяет серое и белое вещество и вычисляет их соотношение, формируя результат за считаные минуты.
Для обучения алгоритма собрали около 1,5 тыс. обезличенных МРТ-снимков головного мозга детей до года. Первичную разметку сделала модель BIBSNet, после чего её дополнили ручной разметкой от врачей из-за ограниченности данных. Для сегментации изображений использовали нейросеть ResNet (Residual Neural Network) и свёрточную нейросеть U-Net.
Сервис развернули в инфраструктуре Yandex Cloud, используя Yandex Compute Cloud, Yandex DataSphere и Yandex Object Storage. В облаке организовали систему архивации и передачи изображений, которая позволяет врачам работать с МРТ напрямую в удобном формате и без задержек.
Что это даёт:
- значительное сокращение времени диагностики;
- повышение точности анализа, особенно в случаях, где различия между нормой и патологией минимальны;
- возможность отслеживать динамику развития мозга в раннем возрасте и использовать данные для научных исследований;
- более раннее выявление рисков тяжёлых заболеваний.
Сегодня проект тестируют в Санкт-Петербургском государственном педиатрическом университете (СПбГПМУ). В планах — внедрение в другие медицинские учреждения и открытие доступа к разработке мировому сообществу, чтобы её могли использовать исследователи и клиники по всему миру.
Человеческий мозг — сложная система, которая требует внимания с первых дней жизни. Существуют нарушения, связанные как со слишком медленным, так и со слишком быстрым его развитием. Выявить такие патологии помогает МРТ. Но МРТ головного мозга у младенцев — это комплексная и ответственная процедура. Одно такое исследование длится в среднем 20–40 минут, а на анализ изображений и написание медицинского заключения даже у опытного специалиста может уходить от нескольких часов до нескольких дней. Нейросеть Яндекса поможет врачам значительно ускорить диагностику и выбор терапии для маленьких пациентов.
Как выявить признаки врождённой патологии позвоночника на ранней стадии
Spina bifida — редкое тяжёлое врождённое заболевание, при котором у ребёнка неправильно формируется позвоночник и спинной мозг. В самых серьёзных случаях это приводит к параличу, нарушениям работы внутренних органов и необходимости тяжёлых операций.
Диагностика spina bifida — сложная задача. На первом скрининге (11–14 недель) выявить патологию трудно из-за особенностей визуализации. Чаще всего болезнь диагностируют лишь во время второго скрининга (19–21 неделя). При поздней диагностике практически не остаётся времени на подготовку к операции, которую обычно проводят до 26-й недели беременности. Но хирургическое вмешательство существенно повышает шансы на благоприятный исход. Вот почему своевременная и точная диагностика имеет первостепенное значение для успешного лечения.
Патология встречается примерно у одного из тысячи новорождённых, и многие врачи за свою карьеру могут ни разу с ней не столкнуться. Поэтому ценность цифровых инструментов особенно высока: они помогают вовремя выявить проблему даже менее опытным специалистам.
В 2024 году фонд «Спина бифида», НМИЦ АГП им. В. И. Кулакова, Yandex Cloud и ШАД разработали решение для ранней диагностики spina bifida. В его основе — искусственный интеллект, обученный на уникальной базе из 6 тыс. ультразвуковых снимков, включая 300 случаев с подтверждённой патологией.
Из-за того, что заболевание редкое, разработчикам пришлось потратить много времени и сил на формирование достаточного набора обучающих данных. Основной проблемой стало не качество картинки как таковое, а несоблюдение методики проведения УЗИ: например, отсутствие нужного срединно-сагиттального или аксиального среза. УЗИ — операторозависимый метод, и врач может просто не сохранить ключевой кадр, необходимый для анализа. Именно это затрудняет сбор качественного датасета.
Чтобы повысить точность, команда попыталась воссоздать процесс клинического мышления врача в виде алгоритма. Для этого они детально описали, как именно врач действует при анализе снимков, и реализовали каждый этап в виде отдельной модели. Сначала одна модель выделяет область интереса и определяет, в какой плоскости она находится — сагиттальной или аксиальной. Затем другие модели проверяют, корректно ли выполнен срез для каждой из плоскостей. И только после этого работают модели, которые ищут признаки патологии. Такой подход позволил системе учиться быстрее и выдавать более надёжные результаты.
Диагностика начинается с того, что врач загружает ультразвуковое изображение через специальный веб-интерфейс. После этого интеллектуальная система автоматически обрабатывает снимок:
- определяет и выделяет интересующую область,
- анализирует плоскость сканирования,
- передаёт изображение алгоритмам для проверки качества и поиска признаков патологии.
Если специалист не согласен с предложенным результатом, он может оставить замечания. Эту информацию затем используют для улучшения и дополнительного обучения. Итоговое решение остаётся именно за медиком — сервис работает как «второе мнение».
Процесс обработки построен на платформе Yandex Cloud. Разработчики открыли исходный код, чтобы привлечь IT-сообщество к созданию аналогичных систем для диагностики других заболеваний. В планах — расширение базы данных, масштабирование подхода на другие патологии ЦНС у плода и интеграция с международными медицинскими системами.
Как быстро анализировать медицинские снимки
Компания «Цельс» разработала первую в России ИИ-систему для рентгенологии, зарегистрированную Росздравнадзором как медицинское изделие. Сегодня решение помогает врачам в почти 45 регионах страны, а также проходит тестирование за рубежом. За несколько лет оно обработало более 12 млн медицинских исследований.
С помощью разработки врачи могут выявлять множество патологий: от злокачественных образований на маммографии до инсультов на КТ мозга. Кроме того, она способна обнаруживать заболевания на ранних стадиях, когда шансы на успешное лечение выше всего.
Система устроена максимально просто для медицинских учреждений. Когда врач делает снимок пациента, она автоматически получает его и проверяет качество. Затем ИИ анализирует изображение и в пределах пары минут выдает результат: выявленные патологии, их расположение и размеры, текстовое заключение.
По оценке компании, более 3 тыс. врачей и 20 тыс. пациентов ежедневно взаимодействуют с системой. Большая часть обрабатываемых снимков поступает через федеральную платформу «МосМедИИ».
С помощью системы врачи экономят 20–70% времени в зависимости от сценария применения. Наибольший показатель — в случае автоматического описания нормы на скрининговых исследованиях, когда специалистам не приходится описывать до 70–80% исследований без патологии. В поддержке принятия врачебных решений сокращается время на автоматизации измерений: размер патологий, процент поражения тканей. В некоторых сценариях экономия времени не предполагается, зато снижается процент пропуска патологии.
Пропускная способность отделений увеличивается в зависимости от направления диагностики и сценария применения. Например, при использовании ИИ для автоматизации скрининга этот показатель способен вырасти на 25–80%.
«Цельс» развернули на мощностях Yandex Cloud. Переход в облако ускорил процессы — новые системы и сервисы в больницах можно запускать за один день. Облачная инфраструктура обеспечила бесперебойную работу: медицинские учреждения получили стабильный инструмент диагностики, доступный круглосуточно.
Благодаря гибкости платформы компания смогла быстро расширить область присутствия и выйти на новые региональные рынки без дополнительных инфраструктурных затрат. Сейчас компания активно развивается и расширяет географию услуг, предоставляя решения для медицинской диагностики как в России, так и за рубежом.
Какие перспективы и вызовы ждут ИИ в медицине
Медицинские проекты поступают в Центр технологий для общества практически каждый день. Мы оцениваем их по критериям и смотрим, насколько они реализуемы с учётом наших ресурсов. В приоритет попадают те идеи, в которые мы верим сами и где выше шанс принести практическую пользу в обозримом будущем. Всего было подано уже, наверное, сотни заявок, но реализовали пока единицы.
Если говорить о тематике, раньше большинство проектов были связаны с диагностикой: выявлением патологий, повышением качества, автоматизацией описаний. Эти подходы понятны, и по ним есть данные для обучения моделей. Но сейчас на горизонте всё чаще появляются инициативы, связанные с LLM. Это уже не про диагноз, а про оптимизацию процессов, расширение узких мест — потому что ресурсов у системы здравоохранения не хватает, а задачи только растут.
Поэтому особенно важными мы считаем проекты, которые помогают снять рутину. Автоматизация — это то, за что нам скажут спасибо все медицинские работники. Такие решения не просто экономят время, но и меняют сам подход к работе.
Что будет дальше — сказать сложно. Ещё пару лет назад мы не могли представить, как стремительно в нашу повседневную работу ворвутся большие языковые модели. Так что любые прогнозы сегодня — это скорее футурология, которой мы стараемся не заниматься.
А вот с вызовами всё понятно уже сейчас. Нужно наладить работу с данными, выстроить сбалансированную нормативную базу, которая не будет тормозить разработку и внедрение, и постараться не потратить текущие ресурсы на модные, но бесполезные инициативы.
И наконец, если говорить про внедрение — я бы советовал подходить к этому с холодной головой. Не гнаться за хайпом, но и не отметать технологии из-за скепсиса. Нужно попробовать понять, какую пользу они действительно могут дать — клиническую, экономическую, организационную. И обязательно тестировать решения до масштабирования. Только так можно убедиться, что оно действительно работает — не в презентации, а в реальной жизни.
Хотите узнать, как облачные технологии меняют здравоохранение, образование и культуру? Подписывайтесь на телеграм-канал Центра технологий для общества Yandex Cloud.
Другие статьи о социально значимых проектах:
- «Вулканы играют не по правилам»: как прогнозируют извержения и пеплопады на Камчатке
- Кто на ком женился и сколько у них котят: как нейросети помогают изучать и сохранять снежных барсов
- От малярии до гражданских конфликтов: к чему приводит природное явление Эль-Ниньо и как ИИ помогает его предсказывать