Как искусственный интеллект помогает врачам в больницах и при реабилитации пациентов

В прошлый раз мы обсудили, как технологии искусственного интеллекта (ИИ) способны улучшить качество медицинской помощи, оказываемой в амбулаторных условиях. Продолжим разговор о достижениях ИИ в области здравоохранения.

Сегодня руководители медицинских организаций и венчурные инвесторы вкладывают большие средства в развитие технологий медицинских ИИ. А некоторые ведущие лечебные учреждения США (клиника Мэйо, Кливлендская клиника, Массачусетская больница общего профиля в Бостоне, госпитале Джона Хопкинса и медицинский центр Калифорнийского университета в Лос-Анджелесе) уже внедрили и достаточно успешно используют приложения на основе ИИ для оказания помощи пациентам, находящимся на стационарном лечении, улучшения качества диагностики заболеваний и повышения качества обслуживания.

В отделения реанимации и интенсивной терапии (ОРИТ) госпитализируют самых тяжелых пациентов, находящихся между жизнью и смертью. Для наблюдения за ними и принятии решений о необходимом лечении используется огромное количество различных параметров — артериальное давление (АД), сердечный ритм, насыщение крови кислородом (SpO2), показатели функции печени и почек и многие другие. Обработать и интерпретировать эти данные нужно не только правильно, но и быстро. От этого зависит жизнь пациента. ИИ помогает прогнозировать риск развития потенциально смертельных состояний и посылает медицинскому персоналу сигналы тревоги, чтобы специалисты вовремя приняли меры.

Еще в 2016 году исследователи из Университета Сан-Франциско разработали и опробовали приложение на основе ИИ для обнаружения сепсиса (потенциально опасного для жизни состояния, которое развивается при попадании инфекции в кровь). Алгоритм ИИ, используя ряд данных (АД, частоту сердечных сокращений, температуру тела, частоту дыхания, SpO2, количество лейкоцитов, возраст пациента и другие параметры), прогнозировал риск развития сепсиса и сигнализировал об этом медицинскому персоналу. Благодаря использованию этой системы удалось снизить уровень смертности в стационаре на ≥12%. Аналогичные алгоритмы ИИ для ранней диагностики сепсиса сейчас используются в Университете Дьюка и Госпитале Джона Хонкинса.

А в 2019 году корейские ученые предоставили результаты исследования своей модели глубокого обучений для прогнозирования риска развития внезапной остановки сердца или острой дыхательной недостаточности за 1-6 часов до развития этих осложнений. Возможность раннего выявления из общей группы пациентов с высоким риском остановки сердца является крайне важной задачей здравоохранения, над решением которой трудятся многие крупные компании. Например, компания Microsoft сотрудничает в Кливлендской клиникой в США. Результатом этого партнерства стал алгоритм ИИ, который прогнозирует необходимость использования вазопрессоров (лекарственных средств, которые входят в схему лечения внезапной остановки средства) у пациентов ОРИТ.

Использование алгоритмов ИИ в работе ОРИТ поможет не только прогнозировать ухудшение состояния пациентов, но и поможет ускорить их выздоровление.

Минимизация риска осложнений, успех лечения и скорость выздоровления госпитализированных пациентов зависит от многих составляющих. Например, больные с недостаточностью питания (состояние, при котором организм человека недополучает необходимого количества питательных веществ, часто бывает у пожилых людей) требуют более длительного лечения в условиях стационара, имеют больший риск развития инфекционных осложнений и повторных госпитализаций, чем пациенты с нормальным статусом питания. А своевременное выявление пациентов, которые недоедают, и назначение им специальной диеты значительно улучшает результаты лечения. С задачей определения пациентов из группы риска по недостаточности питания может справиться ИИ. Анализируя данные электронной медицинской карты (ЭМК) алгоритм будет определять, кому из пациентов требуется помощь диетолога в первую очередь.

В отделениях неврологии ИИ может помочь в уходе за пациентами с эпилепсией, определяя вероятность развития припадка и потребность в помощи медицинского персонала.

А в инфекционных больницах алгоритмы ИИ могут быть использованы для подбора оптимальной антимикробной терапии для пациента. Используя открытые базы данных о возбудителях инфекций и лекарственных средствах и сопоставляя их с информацией из ЭМК больного, ИИ быстро определит, какие именно препараты лучше всего подходят для лечения в данном случае.

Постановка точного диагноза и выбор лучшей стратегии лечения пациента во многом зависит от качества диагностики.

Алгоритмы ИИ могут быть внедрены в работу лабораторий (например, PCR.AI для ускорения и повышения точности определения инфекционных агентов с помощью полимеразной цепной реакции), рентгенологических кабинетов (приложения от компании Qure.ai для анализа КТ-изображений головного мозга у пациентов с травмами, инсультами, опухолями) и отделений патоморфологии (нейросеть PathVision.AI для диагностики рака предстательной железы (РПЖ)).

Приложения на основе ИИ еще не очень широко распространены в реальной клинической практике врачей-патоморфологов. Большинство перспективных проектов сейчас находится на стадии клинических исследований, но возможно уже завтра эти алгоритмы ИИ смогут занять свою нишу в работе патоморфологической службы. Например, в США разработкой приложений для цифровой патоморфологии на основе ИИ занимается всего несколько компаний, а в широкую клиническую практику пока вышли продукты только 5 из них.

Мы, команда PathVision.AI, разработали нейросеть, которая способна повысить эффективность работы любого лечебного учреждения за счет повышения точности патоморфологических исследований и сокращения времени, требующегося специалисту для постановки диагноза. Нейросеть обучена делать разметку слайдов, отмечая области, требующие внимания врача, классифицировать обнаруженные изменения на злокачественные и доброкачественные, рассчитывать балл по Глисону. Сейчас нейросеть проходит испытания, которые покажут возможность ее внедрения в реальную клиническую практику врачей-патоморфологов.

Современные методы исследования позволяют получить большие объемы полезной информации о состоянии здоровья пациента, а технологии ИИ помогут избежать диагностических ошибок, автоматизировать повторяющиеся процессы и сократить время, необходимое для принятия решения и формирования заключения.

Кроме непосредственного участия в лечебном процессе, приложения на основе ИИ могут повысить медицинскую эффективность путем автоматизации административных процессов, оптимизируя потоки пациентов и финансовые затраты, помогая в заполнении документации.

Например, в больнице Джона Хопкинса с помощью алгоритмов ИИ удалось ускорить распределение койко-мест в отделениях на 30% и увеличить количество пациентов, выписанный до 12.00 на 21%.

А компания KenSci предлагает ИИ для прогнозирования клинический, операционных и финансовых рисков в работе лечебного учреждения. Данное приложение может помочь не только улучшить результаты стационарного лечения, но и в большинстве случаев уменьшить расходы, связанные с оказанием медицинской помощи.

Наверное самым ярким примером применения технологий машинного обучения в реабилитационной медицине являются нейропротезы с встроенными приложениями на основе ИИ. Алгоритмы ИИ объединяют и анализируют большие потоки информации, полученные с устройств функциональной электрической стимуляции мышц, интерфейса мозг-компьютер и из Интернета вещей для эффективного управления движениями конечностей даже у пациентов с тетрапарезами (моторное нейропротезирование от компании Bitbrain).

Современные достижения в области “умных” протезов также помогают в реабилитации пациентов, которые потеряли ногу или руку вследствие заболевания или травмы.

Приложения на основе ИИ могут помочь врачам лечебной физкультуры и физиотерапевтам подобрать наиболее подходящую программу реабилитации пациентам как на этапе стационарного лечения, так и во время продолжения восстановительной терапии в амбулаторных условиях.

Стали появляться первые результаты исследований систем домашней реабилитации на основе ИИ. Например, корейская система, состоящая из смарт-часов и конволюционной нейросети, может помочь облегчить домашние тренировки и улучшить их результат у пациентов после инсульта. Компания Motus Nova пошли еще дальше и разработали “развлекательную” реабилитационную систему для пациентов после инсульта. Устройство с поддержкой ИИ позволяет мотивировать пациентов выполнять лечебные упражнения посредством интерактивных видеоигр. ИИ оценивает базовые возможности пациента, оценивает прогресс в процессе реабилитационных тренировок и на основе этих данных выбирает наиболее эффективный вид терапии для восстановления.

ИИ также могут помочь в реабилитации спортсменов после травм и реконструктивных операций. Например, компания Xyonix разработала алгоритм ИИ, который помогает пациентам восстановиться и вернуться к соревновательной деятельности после операции на коленном суставе. Этот алгоритм анализирует видео, сделанные во время наблюдения за прогулками пациента, и автоматически обнаруживает и количественно оценивает дефекты позы или походки. А на основании отчета ИИ врач лечебной физкультуры порекомендует пациенту специальные упражнения, которые помогут исправить эти недостатки.

ИИ упрощает жизнь пациентов, врачей и администрации больниц, автоматизируя задачи, которые обычно выполняются людьми. Это позволяет освободить время врачей для непосредственного ухода за больными, повысить эффективность медицинской помощи и улучшить результаты лечения.