Медицина является достаточно консервативной областью. Одна из причин медленного внедрения технологий кроется в высокой цене ошибки: небольшая на первый взгляд оплошность может привести к фатальным последствиям. На сегодняшний день золотым стандартом во всем мире является следование принципам доказательной медицины. Прежде чем применить тот или иной метод диагностики или лечения, врач должен иметь доказательства его эффективности: предлагаемое пациенту вмешательство должно представлять наибольшую действенность и наименьший риск. Это обуславливает аккуратный подход к внедрению всего нового. Но, несмотря на это, передовые разработки стремительно проникают в медицину.
Впечатляющих результатов достигло внедрение новых технологий, в частности, решений на базе искусственного интеллекта, в процесс диагностики заболеваний. Драйвером развития этого направления, конечно же, стали огромные массивы больших данных (Big Data), а также распространение инструментов так называемой предиктивной аналитики. В медицине объемы информации по пациентам просто колоссальные, и нейросети дают возможность «осмыслить» накопленную информацию: искусственный интеллект беспристрастно учитывает миллионы различных факторов, социальных, территориальных, демографических, геномных, и др. и позволяет выявлять уникальные особенности по каждому пациенту. Уже доказано, что автоматизация действий по сбору и последующему анализу медицинских данных позволяет повысить точность ранней диагностики, прогнозирования развития заболеваний и оценку эффективности лечения: так, агентство Frost & Sullivan отмечает, что технологии искусственного интеллекта повышают точность постановки диагнозов на 30–40%, а специалист по патологиям Энди Бек из Гарвардской медицинской школы считает, что дальнейшее использование ИИ-технологий позволит снизить уровень ошибок при диагностике на 85%.
Одним из наиболее известных примеров успешного использования больших данных для поддержки принятия клинических решений является компьютер IBM Watson. Система анализирует собственную базу данных и предоставленную информации по пациенту, после чего ставит диагноз и формулирует рекомендации. В качестве исходных данных в память суперкомпьютера загружено более 600 тысяч медицинских заключений и диагнозов, 2 миллиона страниц текстов, взятых из медицинских журналов и результатов клинических испытаний. Watson может выявить наиболее подходящие методы лечения в каждом конкретном случае, основываясь на данных из историй успешной борьбы с подобными заболеваниями. В качестве примера работы компьютера можно описать ситуацию с выбором эффективного лечения: точность назначения оптимального лечения после диагностирования рака лёгких в больницах США составляет 50%, в то время как у компьютера IBM Watson точность назначения оптимального лечения составляет 90%. При расчёте он учитывает малейшие нюансы из медицинской карты больного и его генетическую информацию.
Новые технологии проявили себя и в диагностике меланомы. Основной способ диагностики этого вида рака – дерматоскопия, осмотр темных образований на коже с помощью лупы. Для снижения роли человеческого фактора в диагностике команда австралийских ученых обучила нейросеть, используя базу данных из ста тысяч фотографий различных образований на коже — как злокачественных, так и не опасных для здоровья. А потом провела эксперимент: новая база из 100 фотографий родинок была оценена 58 практикующими дерматологами из 17 стран и нейросетью. Люди успешно диагностировали рак в 86,6% случаев, искусственный интеллект — в 95%.
Помимо назначения оптимального лечения и определения заболевания, новые технологии могут прогнозировать развитие болезни. Например, в исследовании, опубликованном в журнале PLOS ONE, нейронные сети обучались прогнозировать развитие сердечно-сосудистых заболеваний. Система тренировалась на трехстах тысячах электронных картах пациентов, отражающих развитие и исход заболевания. В качестве теста сеть получала доступ только к одной ранней записи и генерировала прогноз, а исследователи сравнивали его с исходом заболевания по более поздним записям в медицинской карте. Нейронная сеть, фактически сама сформировавшая список правил, по которым нужно оценивать риски сердечно-сосудистых заболеваний, предсказала на 7,6% больше случаев развития осложнений, чем современные руководства.
В России также существуют компании, помогающие выйти диагностике на новый уровень. К примеру, UNIM является первой в России лабораторией, проводящей морфологическую диагностику онкологических заболеваний в цифровом виде, что минимизирует вероятность субъективной ошибки в постановке диагноза. Платформа позволяет получить доступ к консультациям лучших специалистов по патоморфологии вне зависимости от местонахождения и подтвердить или опровергнуть диагноз, поставленный пациенту. Неверный онкологический диагноз – не редкость, его ставят в каждом втором случае, а это может привести к кардинально неправильной методике лечения, слишком жесткой, например. При «умной» диагностике таких ситуаций можно избежать.
В Unim каждое действие, будь то снимок или заключение врача, записывается в историю в электронном виде. Эта оцифровка позволит в будущем использовать данные для обучения искусственного интеллекта, который впоследствии поможет врачам искать онкологию и определять ее тип. Сегодня одна из самых больших проблем обучения искусственного интеллекта в медицинской сфере заключается в малом количестве оцифрованных материалов, поэтому Unim в своей работе делает огромный вклад в дальнейшее использование искусственного интеллекта в диагностике онкологии.
В США искусственный интеллект начал развиваться раньше, чем в других странах, и уже сегодня там можно встретить диагностические системы, которые способны выполнять свою работу без участия врача. В 2018 году Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США (FDA) впервые разрешило искусственному интеллекту самостоятельно проводить медицинское обследование людей без участия живого специалиста. Разрешение было выдано компании IDx, разрабатывающей диагностическую систему для офтальмологии.
Программное обеспечение системы по фотографиям глаза распознаёт признаки диабетической ретинопатии, поражающей сосуды сетчатой оболочки глазного яблока. Специалисты не требуются ни в момент обследования, ни для последующей интерпретации результатов. Любой обученный человек без медицинского образования загружает фотографии на облачный сервер, и менее чем за 1 минуту программа возвращает положительный или отрицательный результат диагностики и при необходимости направляет пациента к врачу.
Кстати, одним из эффектов развития «умной» диагностики стало распространение в мире практики так называемых чекапов. Это программа комплексной скрининговой диагностики заболеваний. Люди во многих странах уже пришли к пониманию того, что регулярная диагностика позволяет обнаружить заболевание на ранних стадиях, которое лечить гораздо проще, чем запущенные случаи. Именно благодаря чекапу можно выявить многие заболевания еще на этапе развития, когда пациент не ощущает никаких симптомов. На этом этапе заболевание можно полностью излечить или контролировать его развитие при помощи малоинвазивных методов лечения. Чекапы будут одним из главных направлений деятельности в клиниках-участниках Международного медицинского кластера в Сколково: израильской «Хадасса», уже открывшейся для пациентов, «Умного госпиталя будущего» Bundang из Кореи, и др.
Сегодня Россия занимает 110-е место из 183 стран по уровню средней продолжительности жизни. Хронические неинфекционные заболевания (ХНИЗ) являются причиной 80 % смертей в России, а 76 % граждан не посещают специалистов своевременно. При регулярной диагностике здоровья процент смертей от ХНИЗ заметно снизится. Одна из возможностей увеличить популярность чекапов – стимуляция экономическими факторами. Например, стоимость диспансеризации при регулярном прохождении будет снижаться – подобная практика существует во многих странах. Помимо этого, современная процедура чекапа должна быть устроена максимально комфортно. Внимательное отношение медицинского персонала к посетителю, подробное и спокойное объяснение всего происходящего с ним, определение предрасположенности и формирование рекомендаций для продолжительной и качественной жизни не будут вызывать негативных эмоций. Более того, правильно устроенное диагностическое отделение избавит пациента от дискомфорта: кабинеты врачей будут располагаться в той последовательности, в которой человек будет их проходить, а общий коридор со смежными ходами избавит посетителя от ненужных действий и ощущения, что он находится в больнице. Подобным образом устроен диагностический корпус в Международном медицинском кластере под управлением «Хадасса Медикал». Россияне уже могут оценить комфорт и удобство медицинской помощи по израильским стандартам, записавшись на прием к врачам «Хадассы».
Наблюдая за подобными изменениями в медицинской сфере, многие специалисты относятся к искусственному интеллекту с опаской, боясь, что умные системы займут место человека. Но думать, что искусственный интеллект полностью заменит врачей, не стоит. Благодаря системе, вобравшей в себя и проанализировавшей огромный пласт информации, врачи смогут эффективнее и успешнее выполнять свою работу, получая помощь в постановке точного диагноза, выборе тактики лечения и определении возможного развития заболевания. Но чтобы получить такого помощника и сконцентрироваться на стратегических задачах, врачам необходимо принять участие в обучении системы, так как сегодня машинное обучение не обладает достаточным количеством данных.
Современное общество не должно бояться новых технологий, ведь согласно исследованию "Индекс здоровья будущего", проведенного компанией Philips в России, 85% работников здравоохранения полагают, что создание интегрированной умной системы здравоохранения позволит улучшить качество медицинских услуг. Продвигая инновационные технологии, которые доказали успех и эффективность, в российскую медицину, можно поднять ее уровень и, как следствие, уровень жизни населения.
#медицина #технологии #искусственный_интеллект #диагностика #мнения #медицинский_кластер
Комментарий удален модератором
Комментарий удален модератором