Центральным выступлением на круглом столе «Искусственный интеллект в здравоохранении» на XVIII Ассамблее «Здоровая Москва» стал доклад Сергея Морозова, главного внештатного специалиста по лучевой и инструментальной диагностике Департамента здравоохранения Москвы и Минздрава Российской Федерации.

Часть вторая. Сокращенная стенограмма выступления российского эксперта Сергея Морозова

Рынок развития медицинских сервисов меняется: инвестиции в конкретные проекты сокращаются, а медицинские учреждения получают все меньше прямых предложений от создателей сервисов. Текущие процессы и тенденции на рынке проанализировал в своем выступлении доктор медицинских наук, профессор, директор государственного бюджетного учреждения здравоохранения «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения г.Москвы», председатель Московского регионального отделения Российского общества рентгенологов и радиологов Сергей Павлович Морозов.

Ключевыми игроками на рынке медицинских сервисов сегодня становятся вендоры медоборудования и разработчики PACS-систем. Эффективнее всего управлять продажами может либо производитель медицинского диагностического оборудования (лабораторного или радиологического), либо автор информационной системы.

Какие тенденции в связи с этим сегодня наблюдаются в России?

Ожидаем, что в наших поликлиниках, как и за рубежом, разрешат использование рентгенаппаратов с функцией искусственного интеллекта. При проведении исследования такой аппарат проанализирует изображение и сразу покажет выявленную у пациента патологию. К примеру, использование мобильного рентгеновского аппарата в отделении реанимации даст возможность на месте проанализировать медицинский снимок больного с участием медсестры и рентгенолаборанта, а врачу-реаниматологу – здесь же зафиксировать признаки патологии в клинической карте. Это значительно сократит время на постановку диагноза. Рапорт от рентгенолога в этом случае потребуется как подтверждение факта проведения исследования.

Сегодня на рынке есть мобильные рентгеновские аппараты с автоматическим поиском патологии. Производители пока с осторожностью относятся к подключению своих систем к диагностическому оборудованию, понимая, что цена ошибки велика. Но этот тренд стоит иметь в виду. В любой момент в техническом задании с требованиями к технике может появиться пункт о том, что новый маммограф должен содержать функцию автоматизированного анализа изображений с постановкой диагноза.

В Москве сейчас идет масштабный исследовательский проект, в рамках которого апробируются существующие сервисы искусственного интеллекта на основе компьютерного зрения. По итогам его завершения лучший из сервисов ИИ будет рекомендован к использованию в отделениях лучевой диагностики столицы. 4 компании уже подключены в тестовый PACS. Технически и методологически это сложный процесс, но мы уже формируем методологию работы с компаниями в рамках проекта.

В проекте также анализируется точность алгоритмов ИИ и обоснованность их применения в медицинской практике.

Докладчик провёл небольшой обзор ситуации в сфере развития ИИ сегодня, подчеркнув постоянный рост доступности данных и вычислительных мощностей для их обработки в цифровой среде.

Для работы с данными сегодня нужны уже не гениальные data scientist (аналитики данных), а просто хорошие специалисты в области big data. Алгоритмы стали доступнее, как и сервисы для их тренировки. Любой школьник может открыть библиотеки онлайн и начать тренировать машинный интеллект для анализа в выявлении патологии. Такие алгоритмы сейчас появляются постоянно, но создать полноценный сервис ИИ — сложно.

Применение искусственного интеллекта в медицине многообразно. Доля мирового рынка в обработке изображений оценивается в три миллиарда долларов, а вот стоимость роботизированной хирургии или виртуальных ассистентов измеряется уже десятками миллиардов долларов.

Есть много инструментов для повышения точности и качества работы: автоматизация документооборота, минимизация ошибок в диагностике и лечении, анализ больших данных. Искусственный интеллект везде применим.

Автоматизировать для анализа сегодня можно любые данные – административные, фармакологические, финансовые, страховые. На рынке присутствуют разные решения – не только радиология и патоморфология, но и диагностика синдрома внезапной детской смерти, цифровизация социальной помощи, диалога с пациентами, предварительный скрининг в полости рта, других заболеваний на основе изображений и т.д. Их количество исчисляется множеством вариантов из совершенно разных областей, которыми занимаются сотни компаний в мире. Разработчики массово обращаются за получением FDA для ускоренной регистрации в качестве медицинских изделий Software is Medical Devices.

Между тем, практически никто из этих компаний не проверяет свое решение в клинических испытаниях, как, например, это делается с лекарствами, когда точно определяется, как и в каких условиях работает средство, при каких показаниях применяется. Алгоритм любой компании должен иметь инструкцию с показаниями и противопоказаниями, возможными рисками. Тогда врачам будет понятно, как его использовать.

Выступающий продемонстрировал слайды, представляющие работу врача-диагноста в виде бизнес-процессов.

Инструкция к алгоритму должна описывать проблемы на каждом этапе в действиях врача. Их решение усовершенствует назначение исследований, проведение или обработку данных, формирование шаблона описания истории болезни, выявление патологии, коммуникацию с пациентом, проверку качества взаимодействия с ним. При этом доработка каждого этапа приведет к увеличению скорости обработки данных, а у врача-рентгенолога появится время на общение с пациентами, считают оптимисты.

Другая точка зрения: с внедрением алгоритмов искусственного интеллекта у врача-рентгенолога появится больше обязанностей.

Сегодня для выявления одного случая туберкулеза врач-рентгенолог должен просмотреть 3 тысячи флюорограмм. Автоматизировав рутинные процессы, алгоритм ИИ избавит врача от функций, связанных с бессмысленной тратой энергии, времени, ресурсов.

Для пациента использование искусственного интеллекта несет свои плюсы: сокращается время до постановки диагноза, повышается доступность и удовлетворённость качеством медицинской услуги. Неслучайно 38% пациентов больше доверяют услугам, оказанным при поддержке искусственного интеллекта.

Какой должна быть бесшовная интеграция алгоритма в информационную систему в здравоохранении? Как выяснилось, проблемой сейчас является обеспечение стабильности сервиса в работе.

Показательным для нас стало взаимодействие с одним из разработчиков, который неоднократно предоставлял свой алгоритм на тестирование. Его точность то повышалась, то снижалась. Стали разбираться в причинах. Выяснилось – в смене команды при работе над сервисом. Преемственность в производстве алгоритмов должны гарантировать системы менеджмента качества.

Для интерпретации очень важна достоверность представленных результатов исследований.

Расхождения могут возникнуть, к примеру, если на снимке за тенью сердца врач-рентгенолог не видит патологии, а алгоритм показывает, что она может быть. Врач возьмёт снимок в боковой проекции, чтобы точно в этом убедиться или назначит компьютерную томографию.

Обратная ситуация: врач заподозрил патологию на рентгенограмме и назначил компьютерную томографию. Пациент ждал больше двух недель, провели КТ, но подозрения не подтвердились. Впустую потрачены время, ресурсы.

Самым сложным является диагноз нормы, и здесь врач сможет опереться на мнение алгоритма о том, что патологии точно нет. А значит, не будет ложноположительной диагностики, пациент не пойдёт на лишние исследования. Это серьезное достижение и огромное преимущество в работе. Но нужно учитывать такие проблемы, как неправильные формулировки, наличие датасетов. Алгоритмы надо учить, но опасность ошибки здесь вполне объяснима.

Есть другая опасность. Заключение алгоритма может принципиально измениться, если к информационной системе подключен какой-либо источник шума и ИИ начнет работать не с теми данными. Необходима защищённая работа алгоритма.

Важно также, чтобы искусственный интеллект не навязывал пути лечения пациента, которые не соответствуют реальной практике. Также предстоит определить, может ли алгоритм полностью заменить специалиста и сократить время на постановку диагноза.

Недавно мы провели интересный баттл: соревнования рентгенологов и алгоритмов. В соответствии с тщательно разработанной методологией мы выдали компаниям- разработчикам сервисов ИИ по 100 исследований с заданием поставить диагноз. Сравнивали ответы алгоритма с заключениями экспертов. За ходом баттла в зале наблюдали врачи, которые голосовали за те или иные заключения.

Результаты показали, что алгоритм имеет высокую точность и его диагнозу можно доверять. А по итогам клинических испытаний для каждого из сервисов был сформулирован рекомендуемый перечень областей его применения.

Развитию алгоритмов искусственного интеллекта посвящен специальный сайт в области лучевой диагностики mosmed.ai. Сейчас проводится эксперимент по использованию инновационных технологий в области компьютерного зрения для анализа медицинских изображений и дальнейшего применения в системе здравоохранения Москвы. Речь идет о научном исследовании возможностей для использования методов поддержки в принятии решений на основе результатов анализа данных с применением передовых инновационных технологий.

Платформой интернет-ресурса является единый радиологический информационный сервис (ЕРИС). На сайт мы загружаем всю методологию, нормативные документы по московскому эксперименту, примеры всех исследований в ЕРИС, поступающих с подключенных к системе рентгенаппаратов в клиниках. В этой системе зарегистрировано порядка 440 врачей-рентгенологов, которые проводят и сгружают в базу данных ежемесячно 160 тысяч в месяц лучевых исследований. Собирается информация с 580 МРТ, ММГ, КТ, РГ единиц оборудования в ОЛД амбулаторных и стационарных МО ДЗМ.

Мы начали с фокуса на онкологию (рак лёгкого, рак молочной железы) и анализа рентгенограмм лёгких (патологии, туберкулёз), но планируем расширять список кейсов для тестирования алгоритмов.

При получении рекомендаций от алгоритма врач должен получить в верхней части списка информацию о том, где имеется патология. Это сигнал о том, что нужно смотреть не следующего пациента, а того, кто находится в зоне риска.

Алгоритм поможет врачу быстрее сформировать описание диагноза, показать патологию, сравнить её с предыдущими исследованиями. Это ускорит работу специалистов.

Процессы основаны на стандартах DICOM (Digital Imaging and COmmunications in Medicine, цифровые изображения и обмен ими в медицине) для того, чтобы системы были открыты для международного сотрудничества.

Принципиально важной сегодня является подготовка базы для проведения клинико-технических испытаний и калибровки алгоритма искусственного интеллекта на анонимизированных сведениях о пациентах. Есть множество научных направлений в этой работе, но главное внимание мы сосредоточили на практическом внедрении ИИ. В соответствии с приказом Росстандарта уже создана специальная рабочая группа по созданию национальных стандартов по искусственному интеллекту в здравоохранении. В том числе начата работа по стандартизации клинических и технических испытаний, методологии работы с алгоритмами.

Мы видим всё больше платформенных решений на рынке, которые приходят в клиники с целым набором алгоритмов. Клиникам сложно договариваться индивидуально с каждой компанией по отдельности, проводить тендеры, и они заинтересованы в комплексных решениях. В будущем мы рассчитываем на стандартизацию и автоматизацию лишних и непроизводительных функций, когда врач, работая вместе с роботом, будет максимально сосредоточен на непосредственном общении с пациентом.

Подготовила Надежда Данилова

Источник