Как искусственный интеллект научился диагностировать онкологию

Рассказываем, как искусственный интеллект меняет медицинскую отрасль и отвечаем на главные вопросы о технологии.

Главной причиной смерти от онкологических заболеваний в 2020 году стал рак легкого - 18% от общего числа смертей от рака. Вероятность летального исхода при таком диагнозе напрямую зависит от того, на какой стадии врач обнаружил болезнь. Например, показатель пятилетней выживаемости на первой стадии онкологии составляет 92%, а на четвертой уже менее 15%. В общем, дальнейшее лечение и жизнь пациента напрямую зависит от того, когда онкология была обнаружена и смогли ли в принципе ее обнаружить врачи. И со вторым пунктом есть проблемы: например, международные исследования* показывают, что рентгенологи пропускают рак легкого на КТ исследованиях более, чем в 70% случаев.

Мы пишем об этом не для того, чтобы поругать медицинскую систему - с ней все хорошо. Но несмотря на стремительное развитие инструментов диагностики, пока врачи не могут обнаруживать патологию в 100% случаев. Онкологию пропускают во всем мире по разным причинам - загруженность врачей, недостаток квалифицированных специалистов, но главное - рак легкого на ранних стадиях выглядит как небольшое изменение (иногда несколько миллиметров), которое трудно определить. Из-за поздней постановки диагноза значительно увеличивается стоимость лечения. Например, лечение рака легкого на 1-2 стадиях обойдется практически в 30 раз дешевле, чем лечение на четвертой стадии.

Окей, проблема обозначена - вопрос в ее решении. Для нашей команды в далеком 2017 году этот вопрос звучал так: а может ли искусственный интеллект повысить эффективность диагностики?

Так появилась идея продукта Botkin.AI: в 2017 году мы сконцентрировались именно на анализе медицинских изображений. Начинали с поиска признаков онкологических заболеваний на КТ органов грудной клетки. Сейчас плафторма Botkin.AI работает с КТ органов грудной клетки, КТ головы, маммограмами. И мы постепенно расширяем список патологий.

Мы создали платформу, которая позволяет обрабатывать медицинские изображения, выявлять и описывать признаки патологий. Анализ происходит с помощью искусственного интеллекта, который позволяет распознавать признаки патологии на ранних стадиях. Платформа Botkin.AI проводит ретроспективный анализ (пересматривает изображения из архива) и проспективный (анализ “здесь и сейчас”: только что сделанный снимок отправляется в облачную часть платформы, анализируется, и врач получает обработанный вариант).

Платформа интегрируется с архивом изображений одной или нескольких клиник, получает исследования без персональных данных пациентов. Снимок обрабатывается не более чем за 6 минут и отправляется обратно уже с описанием и цветовым выделением патологий.

Из медицинского хранилища изображение отправляется на облачную платформу, где с помощью искусственного интеллекта проходит обработку. Алгоритмы определяют подозрительные области на изображении. На обработку одного снимка уходит от 1 до 6 минут. Далее врач может зайти в наш облачный просмотрщик, чтобы увидеть результаты.

На начальной странице показывается список исследований, для каждого из них отображается свой статус (зеленый\красный кружок), в зависимости от наличия и отсутствия патологии. В самом исследовании - снимок с цветовой разметкой подозрительных участков. На боковой панели есть окно, в котором указываются количественные параметры - объем поражений, плотность.

Не совсем. Все изображения действительно выгружаются на платформу Botkin.AI, например, из центрального медицинского архива. Но дальше они обрабатываются в автоматическом режиме без участия человека. И даже если на каком-то этапе вмешается живой сотрудник, он все равно никогда не узнает, чей именно снимок перед ним. Все изображения деперсонифицируются и поступают в облако уже обезличенными - вместо ФИО пациента указывается персональный ID . Так мы обеспечиваем соблюдение закона о защите персональных данных.

Мы выбираем патологию, с которой будем работать - этот выбор зависит от распространенности заболевания на душу населения, сложности его диагностики, а также риском пропуска при обследовании. Совместно с нашим медицинским советом решаем, какие параметры будем измерять. Начинается этап подготовки: с экспертной группой продумываем план разметки (выделение патологий), решаем, как будут выглядеть инструменты разметки и по каким критериям будем выделять патологии. В это время дата-сайентисты ищут открытые дата-сеты, международные источники с готовыми размеченными данными и обучают на них первичные модели искусственного интеллекта. Также мы сами собираем данные для разметки и обучения из медучреждений. Разметка каждого исследования обязательно проверяется на соответствие утвержденному протоколу проходит двойное или тройное прочтение. И только после этого изображение отправляется для дообучение модели.

Сейчас в наших датасетах более миллиона проанализированных медицинских изображений.

ИИ действительно может “ошибиться”. В отличие от живого врача, платформа не получает исчерпывающих данных о пациенте - историю болезни и другие данные, необходимые для постановки диагноза. Математическая модель работает только с медицинским изображением, из-за этого результат может быть неточен. Поэтому необходим контроль специалиста. И наоборот: врач может не заметить новообразование, но его “подсветит” искусственный интеллект.

Так, использование нашей платформы увеличивает вероятность выявления злокачественного новообразования до 50%.

В период пандемии сотни тысяч россиян сделали КТ органов грудной клетки. Врачи работали в условиях тотальной загруженности, им приходилось в сжатые сроки определять степень поражения легких и подобрать лечение. При таком потоке пациентов легко просмотреть изменения, подозрительные на рак легкого, особенно на ранней стадии. Поэтому мы решили организовать ретроспективный анализ КТ органов грудной клетки (пересмотр сделанных снимков с помощью искусственного интеллекта). Проект был реализован в Нижнем Новгороде и завершился в августе этого года. Нам удалось обработать 9,7 тысяч снимков: на 284 система обнаружила признаки новообразований, при этом 113 пациентов ранее не обращались в онкодиспансер. Сейчас пациенты направлены на дообследования.

К двадцатому году в нашем портфеле накопились пилоты и коммерческие проекты с успешным внедрением нашей платформы в государственные и частные медучреждения Москвы, Петербурга, Челябинска, ЯНАО, Мурманска. Удалось поработать с зарубежными клиентами в Египте, Узбекистане и Бразилии.

Нет. Наша платформа - это не про замену врачей, а про качественную помощь. В России не хватает рентгенологов, особенно остро эта проблема стоит в регионах. Часто молодому специалисту не к кому обратиться за советом в постановке диагноза - доходит до того, что снимки отправляют на пересмотр в соседний город. И если в такой регион внедрить платформу анализа изображений, врачи смогут опираться на результаты работы платформы и не ждать помощи от коллег. Это не только разгрузит их, но и увеличит точность в постановке диагноза.

Еще одна перспективная сфера - работа с маммограмами. Здесь для постановки диагноза зачастую необходимо двойное прочтение снимка, и платформа Botkin.AI может использоваться в качестве второго мнения. Но для того, чтобы это повсеместно внедрить, нужны изменения в законодательной базе, ведь сейчас, согласно приказу Минздрава, оба прочтения должны выполнить именно живые врачи.

*По данным исследования, проведенного в рамках Международной программы ранней диагностики рака легких International Early Lung Cancer Action Program (I-ELCAP)