"Человеческий фактор" и искусственный интеллект: противостояние или кооперация?

Алгоритмы искусственного интеллекта (ИИ) сравнительно недавно вошли в нашу жизнь, но уже играют важную роль в различных областях, в том числе и в медицине. Интерес к возможностям, которые дает нам ИИ, повышается с каждым днем. Сегодня едва ли не каждую неделю появляются сообщения о том, что та или иная исследовательская лаборатория разработала новый подход к использованию ИИ в области здравоохранения или обучила собственную нейросеть для диагностики или лечения определенного заболевания.

Алгоритмы машинного обучения хорошо подходят для обработки больших объемов информации, классификации цифровых изображений, автоматизации некоторых процессов диагностики, а также могут обеспечить поддержку принятия решений на этапе диагностики и лечения заболевания и снизить количество врачебных ошибок. По некоторым оценкам внедрение ИИ в клиническую практику может улучшить результаты лечения пациентов на 30-40% при одновременном снижении затрат почти в два раза.

Одним из важных направлений, в котором разработка и внедрение ИИ имеет не только существенные перспективы, но и высокую социальную значимость — это онкология. Рост заболеваемости онкологическими заболеваниями по всему миру, кадровый дефицит врачей, возросшая нагрузка на специалистов, высокая стоимость лечения — все эти факторы требуют современных и эффективных методов решения, которые может дать нам развитие ИИ.

Медицинскую помощь пациентам с онкологическими заболеваниями оказывают не только онкологи, но и врачи других специальностей — врачи общей практики, гастроэнтерологи, хирурги, гематологи, урологи, гинекологи, пульмонологи и многие другие. В некоторых регионах консультация онколога может быть труднодоступной, и пациент вынужден обращаться к другому специалисту. Нехватка врачей несомненно может повлиять на качество диагностики и лечении рака.

Особую тревогу вызывает кадровый дефицит среди специалистов-патоморфологов. Их заключения играют важную роль в диагностике и принятии решений о тактике ведения онкологических пациентов. Нехватку врачей-клиницистов в лечебном учреждении легко заметить, например, в ситуации, когда на прием к нужному специалисту можно записаться только через месяц. А вот недостаточное кадровое обеспечение отделений патоморфологии непосредственно пациенту и обществу в целом остается незаметным, до тех пор, пока не произойдет критическое событие — диагностическая ошибка или значительное увеличение сроков ожидания патоморфологического заключения.

Действительно, рабочая нагрузка на клинических специалистов в условиях кадрового дефицита увеличивается, но всё же остается ограниченной количеством пациентов, которых они могут осмотреть и лечить. В то же время во многих лабораториях патологоанатомы несут ответственность за все клинические образцы и материалы, которые они получают от своих коллег клиницистов за определенный период времени. Таким образом, рабочая нагрузка патолога не ограничивается определенным количеством пациентов, а скорее даже расширяется с учетом всех материалов, которые могут иметь отношение к данному клиническому случаю. В таких условиях работы высока опасности переутомления врача-патоморфолога, и как следствие ухудшения качества работы и появление диагностических ошибок.

Согласно результатам опроса, проведенном в 2017 году Королевским колледжем патологов Великобритании, достаточное количество персонала имеют только 3% патоморфологических отделений Национальной службы здравоохранения. Аналогичная ситуация складывается и в других странах мира. В США в период с 2007 по 2017 год число практикующих патоморфологов уменьшилось на 17,53%. На фоне увеличения количества новых случаев заболевания раком в год диагностическая нагрузка на одного патологоанатома США возросла на 41,73%.

Обеспеченность лабораторий и отделений кадрами в разных частях страны может существенно отличаться — в некоторых регионах качественная, быстрая и точная оценка гистологических препаратов неосуществима из-за отсутствия достаточного количества штатных специалистов-патологов. Например, в США распределение патоморфологов значительно отличается в зависимости от штата: в Айдахо - 1,37 на 100 000 населения, а в округе Колумбия - 15,71.

Как же алгоритмы ИИ могут помочь исправить сложившуюся ситуацию? Данные исследований применения нейросетей в области диагностики различных видов рака (рака молочной железы, легкого, предстательной железы, кожи и других) свидетельствуют о том, что внедрение ИИ в клиническую практику может реально снизить рабочую нагрузку на врача-патоморфолога. Алгоритмы машинного обучения могут наносить разметку на гистологические препараты и выделять участки, которые требуют внимания специалиста, отделять доброкачественные изменения в тканях от злокачественных, автоматически измерять протяженность патологических изменений в диагностическом материале, классифицировать обнаруженные изменения. Таким образом ИИ должен стать тем новым рабочим инструментом, который ускорит диагностический процесс и снизит количество ошибок.

В конце 2019 года был опубликован новый отчет Научно-исследовательского института неотложной медицинской помощи (ECRI) по вопросам, касающимся безопасности пациентов на протяжении оказания медицинской помощи. И проблемой номер один второй год подряд считаются диагностические ошибки.

Что же такое диагностические ошибки и каковы причины их возникновения? К диагностическим ошибкам можно отнести случаи в которых время постановки диагноза было непреднамеренно задержано, например из-за длительного ожидания результатов какого-либо исследования. Кроме того ошибкой считаются ситуации, когда был поставлен неверный диагноз или заболевание было пропущено и диагноз не был поставлен вовсе.

ECRI отмечают, что причинами диагностических ошибок могут быть самые разные факторы — атипичное течение заболевание у конкретного пациента, назначение неподходящего метода исследования, плохая технологическая оснащенность больницы, расхождение в заключениях специалистов при оценке цифровых изображений или гистологических препаратов, переутомление или недостаточная опытность врача и многие другие.

Диагностическая ошибка в ряде случаев может поставить под угрозу безопасность пациента, привести к несвоевременному назначению лечения, наступлению инвалидности и даже его смерти. Поэтому неудивительно, что именно этот тип ошибок являются основной причиной судебных исков о злоупотреблении служебным положением в США — в два раза больше заявлений, чем любой другой тип медицинских ошибок. Среди всех заявлений о халатности диагностические ошибки по праву считаются наиболее дорогостоящим и наиболее опасным видом медицинских ошибок. Диагностические ошибки также наносят существенный вред экономике. Например, в США 30% ежегодных расходов на здравоохранение (а это около 750 миллиардов долларов) связаны с неэффективной диагностикой. И около 30 миллиардов долларов тратятся в связи с судебными исками.

С целью минимизации влияния диагностических неточностей и ошибок на пациентов сегодня предлагается ряд стратегий. И один из способов, который позволит снизить частоту ошибок — это применение ИИ для анализа определенных параметров и показателей, классификации цифровых изображений.

ИИ может сократить рабочую нагрузку врача-патоморфолога и предотвратить таким образом ошибки сделанные из-за переутомления. Например, алгоритмы машинного обучения могут выполнять количественную оценку определенных рецепторов в исследуемой ткани или процента клеток, которые экспрессируют белки-маркеры злокачественности (например, маркер пролиферативной активности опухоли Ki 67). Количественный анализ не требует большого количества навыков, но является достаточно трудоемким процессом, который отнимает у специалистов большое количество времени. Если часть работы по анализу цифровых изображений будет выполнять ИИ в фоновом режиме, у патоморфолога появится больше времени для решения важных задач, требующих высокой квалификации, которые на настоящий момент не могут быть легко заменены алгоритмом.

ИИ также может помочь сортировать клинические случаи на основании сделанного им диагностического вывода и перенаправлять их экспертам в соответствующей области. Это также позволит разумно распределять рабочую нагрузку на врача патолога и снизить риск ошибок.

Некоторое нейросети способны обнаруживать и маркировать области, которые требуют прицельного изучения со стороны врача-специалиста. Таким образом снижается риск того, что патоморфолог может пропустить важный участок на гистологическом препарате.

Кроме того, системам ИИ не страдают от профессионального выгорания и таким образом снижает риск человеческой ошибки, которая возникает естественным образом в результате истощения. Все эти преимущества в сочетании с тем фактом, что системы ИИ могут выполнять диагностику в соответствии с единым стандартом независимо от местоположения или времени суток, делает алгоритмы машинного обучения привлекательной мерой по устранению диагностических ошибок.

Высокое качество обучения и использование стандартизированных руководящих принципов помогает врачам-патоморфологам, внимательно изучив материалы биопсии, сформулировать точный диагноз, на основании которого онколог сможет выбрать для пациента наиболее подходящую тактику лечения. Однако патоморфологический анализ обладает субъективным характером. Специалисты-патоморфологи не всегда приходят к единому мнению при оценке один и тех же гистологических препаратов из-за естественных различий в зрительном восприятии оттенков, качестве образования и опыте работы врача, а также качестве оборудования. Расхождения в суждениях могут возникнуть даже между патоморфологами с одинаковой профессиональной подготовкой. Эти расхождения могут привести к неточностям или задержеr в диагностике заболевания и повлиять на эффективность лечения.

В ряде случаев для постановки точного диагноза требуется второе мнение эксперта-патоморфолога, который может быть приглашен для пересмотра гистологических препаратов или ему на оценку могут быть высланы их цифровые копии. Но таких высококлассных экспертов очень мало в любой области, в том числе и в онкоурологии. С каждым годом количество выполненных диагностических биопсий предстательной железы увеличивается и в условиях нехватки патоморфологов-экспертов в области урологии во всем мире это создает очень высокую нагрузку для отделения патоморфологии. И поэтому получить своевременно второе мнение не всегда представляется возможным.

Но что если в качестве экспертного мнения использовать заключения ИИ?

Уже сейчас некоторые нейросети могут сделать заключение об имеющихся на гистологическом препарате изменениях на уровне эксперта. Исследования сверточных нейросетей показывают, что ИИ, например, может отличить доброкачественную опухоль молочной железы от рака или классифицировать рак предстательной железы по шкале Глисона (баллы по этой шкале влияют на прогноз заболевания, показывают насколько агрессивный характер имеет опухоль) также эффективно как и врач-патоморфолог. Швейцарские исследователи недавно опубликовали результаты своей работы, в которой специально обученная нейросеть при оценке опухоли по шкале Глисона достигла средней пары каппа 0,62, что соответствует средним показателям оценки экспертов-патоморфологов (от 0,60 до 0,73). Это значит, что реально осуществимо обучить систему ИИ для обнаружения и оценки рака предстательной железы на том же уровне, что и ведущие эксперты.

Это дает нам возможность использовать ИИ в качестве второго мнения, в целях стандартизации оценки или помочь обеспечить качественную патоморфологическую экспертизу в тех частях страны и мира, где ее нет. Кроме того, интеграция нейросетей в клиническую практику в дополнение к стандартным протоколам диагностики могут существенно повысить производительность врачей-патоморфологов.

Еще одним несомненным преимуществом, которое может предоставить нам внедрение ИИ в реальную практику — это скорость получения патоморфологического заключения. Недавно были опубликованы результаты клинического исследования, в котором ИИ определял тип опухоли головного мозга в режиме реального времени, пока пациент все еще находился на операционном столе. Авторы исследования выяснили, что специально обученная нейросеть может классифицировать изменения в материале, полученном интраоперационно, и поставить диагноз с точностью, сопоставимой с заключениями экспертов-патоморфологов. При этом для, чтобы поставить диагноз опытному врачу-патоморфологу требуется около 40 минут. А ИИ справляется с той же задачей в среднем менее чем за 3 минуты.

В следующий раз поговорим об экономике использования ИИ в патоморфологической диагностике.

Больше информации о ИИ в медицине здесь: