Искусственный интеллект в медицинской диагностике: что о его эффективности говорят научные исследования?
Несмотря на консервативность медицинской отрасли, технологии искусственного интеллекта (ИИ) применяются в ней всё активнее. А значит, появляется всё больше научных исследований об их эффективности. Мы проанализировали самые свежие результаты – и поделимся своими выводами в этой статье.
Содержание
- Какие данные анализировали?
- Результаты исследований
- А что в России?
- Выводы
Варианты применения ИИ-технологий в медицинской диагностике разнообразны: от предиктивной аналитики развития заболеваний до выявления патологий на цифровых медицинских исследованиях. Но при подготовке этого материала мы сконцентрировались на одном направлении – выявлении рака молочной железы на маммограммах.
Почему? Во-первых, это позволит нам сделать общие выводы, не распыляясь на множество направлений диагностики и вариантов применения ИИ. Во-вторых, это входит в зону нашей компетенции (мы и сами разрабатываем решения для маммографии). И в третьих, рак молочной железы – самый распространённый среди женщин вид онкологии, и его своевременная диагностика является важной задачей для систем здравоохранения всех стран мира.
Какие данные анализировали?
Мы собрали и проанализировали свежие (опубликованные не ранее 2019 года) научные статьи из авторитетных медицинских научных изданий и результаты пилотных проектов компаний, занимающихся разработкой и внедрением ИИ-систем. Из 31 проанализированного нами исследования 21 проект был посвящён непосредственно маммографии и томосинтезу молочной железы.
География исследований включала в себя 13 стран. Больше всего результатов было опубликовано в США (8 исследований), странах Европы (6) и Южной Корее (4). Во всех случаях использовалось разное ПО. Результаты применения ИИ исследователи оценивали преимущественно по следующим параметрам:
- Метрики – AUC ROC, специфичность, чувствительность, точность.
- Время, затрачиваемое врачом на анализ снимка – с использованием ИИ и без него.
- Уровень общей нагрузки на врача – с ИИ и без него.
Результаты исследований
В большинстве исследований из нашей выборки рентгенологи сначала анализировали исследования самостоятельно, а позже, спустя какое-то время (от 4 недель до 6 месяцев), описывали те же исследования, но уже с использованием искусственного интеллекта.
Одним из главных параметров, который оценивали многие исследователи, было снижение рабочей нагрузки на врача-рентгенолога. Примечательно, что этот показатель возрастал из года в год: так, согласно результатам исследований за 2022 год, он достиг значения в 52,1%.
Но что вообще подразумевается под снижением нагрузки? Как это может выглядеть на практике? Давайте разберёмся на примере такого распространённого во всём мире сценария выявления рака молочной железы как скрининг – массовое обследование потенциально здорового населения.
Он всегда подразумевает большой объём работ для врача: нужно проанализировать огромное количество исследований, на большей части которых представлена норма. И при этом не пропустить признаки онкологии – даже малозаметные (на ранних стадиях). В идеале каждое исследование должно проходить «двойное чтение» – то есть анализироваться двумя врачами.
В работе AI-based Strategies to Reduce Workload in Breast Cancer Screening with Mammography and Tomosynthesis: A Retrospective Evaluation исследователи из Испании и Германии хотели выяснить, может ли использование систем на основе ИИ повысить эффективность скрининга рака молочной железы. Для этого они взяли 18 015 скрининговых исследований молочных желез, которые уже прошли двойное чтение рентгенологами, и дали искусственному интеллекту оценить вероятность наличия рака от 1 до 10.
После этого авторы исследования рассчитали частоту обнаружения рака и то, как изменилась бы рабочая нагрузка на врачей, если бы для маммограмм, в которых вероятность обнаружения рака низкая (от 1 до 7 баллов), человеком было бы выполнено только однократное чтение.
И вот к каким результатам они пришли: ИИ потенциально может использоваться в качестве инструмента сортировки для определения того, в каких случаях необходимо проводить второе чтение, а в каких – нет. В этом случае чувствительность (способность выявлять злокачественное образование при его наличии) сохраняется неизменной, а специфичность (способность не давать положительных результатов о наличии заболевания при его отсутствии) незначительно снижается – на 11%. Рабочая нагрузка на врача при этом сокращается на 32,6%.
Ещё один важный параметр – это время, затрачиваемое врачом на анализ исследования. По результатам работ, опубликованных в 2022 году, применение ИИ позволило сократить его в среднем на 18,5%. Однако стоит отметить, что авторы исследований замеряли время на анализ маммограммы без учёта текстового описания (написания заключения).
Но как ИИ помогает врачу быстрее анализировать снимки? Прежде всего, это происходит за счёт выделения «зон интереса». То есть, врач сразу обращает внимание на те области на изображении, на которых могут находиться признаки патологии.
Последней, но не менее значимой метрикой в проанализированных работах стало повышение уровня чувствительности. Напомним, что чувствительность – это способность выявлять злокачественное образование при его наличии.
В базовых сценариях (при скрининге рака молочной железы) было зафиксировано, что применение искусственного интеллекта рентгенологами повышает чувствительность на 2,5-3%. А в более специализированных (диагностических) сценариях – когда обследование проходят пациенты с какими-либо симптомами – чувствительность при использовании ИИ повышается на 17,47%. На практике это означает, что ИИ «подстраховывает» врача, помогает ему не пропустить патологию.
Конечно, не всё так идеально. Многие исследования показали снижение специфичности: это означает, что искусственный интеллект часто обращает внимание на незначительные изменения и склонен к гипердиагностике.
Да, безусловно, дополнительные обследования и биопсия стоят денег – но эта цена несоизмерима мала в сравнении с жизнью и здоровьем пациента. Даже если брать во внимание только экономические соображения, диагностика в любом случае обходится системе здравоохранения гораздо дешевле, чем лечение онкологии на поздних стадиях.
А что в России?
В России, несмотря на сравнительно меньшее количество научных исследований по выбранному направлению, системы искусственного интеллекта тоже активно применяются в рентгенологии.
Так, в Москве уже несколько лет проводится масштабный эксперимент по использованию подобных систем в работе отделений лучевой диагностики. Цель этого эксперимента – исследование и научное обоснование возможностей использования систем на основе ИИ в реальной клинической практике.
Причём ИИ-сервисы, участвующие в эксперименте, дополнительно сокращают время на анализ исследования за счёт автоматического формирования заключения (что не учитывалось в исследованиях, о которых мы говорили выше). Врачи просматривают описание, составленное искусственным интеллектом, и при необходимости вносят в него корректировки и комментарии. Потом оцениваются метрики и результаты работы ИИ-сервисов
Системы искусственного интеллекта применяются не только в столице, но и в российских регионах – и показывают там неплохие результаты. Например, наша компания «Цельс» в 2020 году завершила пилотный проект в Тамбовской области. Он касался применения системы на базе ИИ как раз в области анализа маммографии.
В общей сложности искусственный интеллект обработал 4 852 маммографических исследования. Была доказана эффективность его использования в скрининговых мероприятиях на передвижных маммографах: время описания маммограммы снизилось на 33,3%.
Выводы
Таким образом, последние результаты научных исследований показывают, что искусственный интеллект действительно может облегчить работу врача-рентгенолога и сэкономить ресурсы системы здравоохранения.
Россия в этом плане не отстаёт: результаты пилотных проектов по применению ИИ в рентгенологии здесь соответствуют общемировым показателям. И это внушает надежду на то, что уже в ближайшем будущем эффективность диагностических мероприятий возрастёт – а значит, онкологические заболевания будут выявляться на более ранних стадиях и лучше поддаваться лечению.
Источники
Combining the strengths of radiologists and AI for breast cancer screening: a retrospective analysis
Combining the strengths of radiologists and AI for breast cancer screening: a retrospective analysis