«Цельс» — искусственный интеллект в медицинской диагностике

Сервис для анализа медицинских изображений от российской компании «Медицинские скрининг системы» используется как система поддержки принятия врачебных решений в радиологии и онкологии.

В 2018 году в России рак был диагностирован у 625 тысяч человек. На ранних (первой и второй) стадиях — только в 56,4% случаев. Выявление онкологии на ранней стадии позволяет раньше начать лечение и сделать его более эффективным, значительно повышая шансы на излечение пациента. И даже если не удается достичь полного выздоровления, зачастую можно добиться долгосрочнои ремиссии. Но есть глобальные проблемы, которые мешают ранней постановке диагноза.

Во-первых, недостаток квалификации у специалистов первичного звена или отсутствие кадров как таковых, что нередко встречается в отдалённых регионах нашей страны.

Во-вторых, влияние человеческого фактора при чтении снимков: из-за дефицита кадров нагрузка на врача зачастую очень высока, и есть вероятность пропуска патологии. По статистике, 60% диагнозов нуждаются в уточнении, ещё 20% изначально поставлены неверно.

В 2017 году на эти проблемы обратили внимание основатели компании «Цельс». Появилась идея разработать систему поддержки принятия врачебных решений (СППВР) на базе технологий нейронных сетей. Диагнозы будут точнее, они будут устанавливаться в короткие сроки, а значит, шансов сохранить здоровье и жизнь пациентов будет больше.

После года глубокого анализа проблемы, тесного сотрудничества с онкологами, рентгенологами и другими специалистами началась работа над созданием первого решения — системы для выявления рака молочной железы на ранней стадии.

«Цельс» — искусственный интеллект для анализа цифровых медицинских снимков. Сервис помогает специалистам лучевой диагностики сократить время на анализ исследований и минимизирует риски пропуска патологии.

Для обучения алгоритма было использовано более 115 тысяч исследований, включая публичные датасеты, неразмеченные снимки, исследования с верифицированной бинарной разметкой (болен или не болен).

Для маммографии также использовались снимки с разметкой на объекты, выполненной опытными рентгенологами. Каждый снимок независимо размечается несколькими врачами, в случае расхождений снимки отдаются на дополнительное исследование. Процесс разметки представляет собой определение объектов разных классов на изображении (злокачественные и доброкачественные новообразования, кальцинаты, лимфоузлы, участки плотности, артефакты снимков и другие).

Нейросеть имеет сложную структуру, её обучение разделяется на несколько этапов. Первый этап — обучение «без учителя» (unsupervised/self-supervised learning). Через сеть определённым образом прогоняется большой объём неразмеченных данных, это позволяет сети «привыкнуть» к особым признакам, свойственным рентгеновским снимкам. После этого идут в ход исследования с разметкой (бинарной — «есть патология» или «нет патологии» и на объекты).

В результате сеть обучается находить различные образования на изображениях и рассчитывать общий риск наличия патологии у каждого пациента. На этапе постпроцессинга каждое исследование получает оценку согласно международным диагностическим стандартам

Направления диагностики, в которых система работает уже сейчас — маммография и флюорография. На очереди — компьютерная томография и морфология, их выход запланирован на четвёртый квартал 2020 года.

При пакетной обработке система ранжирует список исследований по приоритетности: врач в первую очередь просматривает снимки тех пациентов, у которых с высокой вероятностью есть патология. Это позволяет быстрее провести дообследование, поставить диагноз и начать лечение.

Система определяет наличие доброкачественных или злокачественных изменений и указывает их локализацию — выделяет именно те области на изображении, которые требуют пристального внимания врача. Такие подсказки сервиса сокращают время на исследование и минимизируют риски пропуска патологий.

Искусственный интеллект не только осуществляет предварительную обработку и анализ снимков, но и оптимизирует процесс подготовки заключения — автоматически формирует описание снимка. При необходимости врач дополняет заключение своими комментариями.

В «Цельсе» объединены знания высококвалифицированных врачей, опыт запуска крупных медицинских проектов и компетенции в области ML/AI (Machine Learning или Artificial intelligence).

Основатель проекта Станислав Чернин учредитель и идеолог нескольких компаний в области разработки и интеграции ИТ-решений. В их числе успешные проекты в области здравоохранения: запуск медицинской информационной системы (МИС) для МНТК «Микрохирургия глаза» в Калуге и региональной МИС для медицинских учреждений Калужской области. Реализацией этих проектов руководил Артём Капнинский, сейчас он является коммерческим директором «Цельса».

У Никиты Николаева, операционного директора «Цельса», и Евгения Никитина, технического директора, был совместный опыт создания технологического стартапа в области кредитного скоринга и имплементации биометрических данных FscoreLab. После знакомства с Артёмом и обсуждения возможностей применения ML в медицине возникла идея сделать совместный проект — решение для медицинской диагностики с применением технологий нейронных сетей.

Но технология эффективна и применима в медицинской практике именно благодаря тесному сотрудничеству с врачами. Качественное обучение нейросети невозможно без их знаний и опыта. Разметкой каждого снимка занимаются сразу несколько штатных рентгенологов. Они проводят тесты системы, дают оперативную обратную связь по доработкам и консультируют разработчиков.

«Цельс» уже используется медицинскими учреждениями в 13 субъектах РФ в рамках пилотных проектов, в том числе в масштабном Эксперименте Департамента здравоохранения города Москвы по использованию ИИ-сервисов в работе отделений лучевой диагностики. Мы уже подписали соглашения о сотрудничестве с 21 регионом и сейчас готовимся к запустить ещё несколько пилотных проектов.

Мы собираем обратную связь от врачей, анализируем данные о работе сервиса — на основе этого дорабатываем, развиваем систему, повышаем метрики: AUC, чувствительность, специфичность. Ведётся научная работа по новым направлениям диагностики: КТ и морфология. Но мы видим развитие продукта не только в радиологии, но и в других направления функциональной диагностики.

Мы уверены, что применение искусственного ителлекта в медицине может существенно улучшить качество диагностики. Но алгоритмы не заменят врача. ИИ-сервис не может самостоятельно ставить диагноз, он автоматизирует ряд процессов в работе, выступает в качестве помощника, помогая повысить точность и скорость диагностики.

#здоровье