Возможности создания новых сервисов и перспективы развития применения возможностей искусственного интеллекта для медицинской отрасли остаются в фокуск интереса медиков.

Информационные сервисы, разработанные на основе искусственного интеллекта, призваны помогать в решении актуальных медицинских проблем.

Разработчики выясняют у врачей и медицинских работников, какая проблема является важной в их профессиональной деятельности. Специалисты по ИТ находят возможности решения этой проблемы с помощью ИИ. При положительном решении разработчики создают прототип сервиса, представляют его врачам-экспертам и в дальнейшем начинают создавать новый сервис.

В реальности это происходит следующим образом. Так, например, врачи-рентгенологи отмечают слишком большие временные затраты их рабочего времени на анализ снимков КТ головного мозга. На такой анализ требуется от 15 минут до одного часа. При этом у пациента подозрения на инсульт, и важна каждая минута для правильной постановки диагноза и начала лечебных мероприятий. Чем быстрее это произойдет, тем больше вероятности избежать тяжелого течения болезни и глубоких негативных последствий для человека, вплоть до его инвалидизации.

Врачи объяснили эту проблему разработчикам, и специалисты сумели создать инновационный медицинский информационный сервис «КТ Инсульт».

Этот сервис в настоящее время запущен в работу и активно используется врачами в ежедневной клинической практике. Обученная на алгоритмах нейросеть умеет за считанные минуты «прочитать» снимок КТ, найти на нем участки патологических изменений, отметить их и выдать точные размеры, типологические характеристики и расположение зоны инсульта.

Во время пандемии коронавируса самая острая потребность в быстром и точном анализе снимков КТ легких возникла у врачей-рентгенологов, пульмонологов, фтизиаторов. При анализе медицинских изображений врачу важно было быстро и точно определить зону и процент поражения легкого коронавирусной инфекцией. От этого зависел выбор эффективной методики лечения пораженных COVID-19 легких. Но даже самый опытный рентгенолог может сделать подобный анализ только в течение длительного времени — настолько кропотлива и сложна эта работа.

Машинная обработка снимков легких с применением технологий ИИ сокращает время исследования снимков до нескольких минут. Обученная на множестве алгоритмов нейросеть быстро и точно проводит исследование снимка, выдает врачу зоны и степень поражения легких, рекомендует возможные диагнозы.

Разработчики предложили медикам сервис «КТ Легких» еще в начале пандемии коронавируса. Эта разработка помогла обработать большой наплыв снимков в разгар пандемии, внеся свой вклад в улучшение здоровья и спасение жизни многих тысяч пациентов. Сервис оказался востребованным и в режиме плановой помощи, он используется в медицинских клиниках и сейчас.

Машина выполняет следующие действия:

1. Размечает область и процент поражения тканей.
2. Определяет наличие вирусной пневмонии, в т.ч. природы COVID-19.
3. Присваивает степень поражения легких от КТ1 до КТ4.
4. Определяет онкологические изменения.

Время обработки снимков составляет до 15 минут максимум. Обрабатывая множество снимков, сервис автоматически их ранжирует. Приоритетом являются самые тяжелые случаи с явным подозрением на патологию, их он обрабатывает и представляет для окончательного решения врачу в первую очередь. Таким образом, самые тяжелые пациенты могут получить оперативную медицинскую помощь и избежать негативного сценария развития болезни.

Следующий этап: получить данные для обучения нейросети

Для создания эффективного сервиса, который мог бы стать надежным помощником врачу, его надо научить всем тонкостям медицинской науки и клинической практики. Для этого в нейросеть загружается множество реальных клинических данных, сопровождаемых экспертизой и оценкой врачей. Таким образом машина обучается и способна на основе фактических данных сотен тысяч пациентов выдавать наиболее точные решения. Данные загружаются обезличенные, но подтвержденные экспертизой и оценкой врача — это является главным условием для объективной работы машины по выдаче грамотных подсказок врачебных решений и диагностических рекомендаций.

Для разработки эффективной модели искусственного интеллекта в первую очередь требуется корректно собрать и разметить данные. Выполняя эту задачу, разработчики сначала выбирают профильные клиники, проводят с ними переговоры о сборе обезличенных данных пациентов клиники под определенные задачи. При положительном решении клиник следует этап вычислительных экспериментов. В ходе экспериментальных проб требуется подобрать оптимальную архитектуру будущего сервиса, настроить его параметры под конкретную задачу, сделать удобным и полезным его функционал.

Для сбора данных, проверки качества на каждом этапе и их разметки привлекаются к сотрудничеству самые опытные и квалифицированные врачи. С ними работают технические специалисты и выполняют свою задачу: приводят собранные данные в единый формат и устраняют искажения.

Требованием к собранным массивам данных является их однородность по большинству параметров, а к выборкам — сбалансированность, то есть равномерное представление случаев с патологией и без патологии, например.

Кроме того, в медицинских учреждениях установлено оборудование различных производителей. Оно работает по индивидуальным техническим параметрам. В результате снимки, полученные на различных видах оборудования, могут быть по-разному прочитаны нейросетью и, возможно, неверно обработаны. Чтобы не допустить подобных ошибок, модели искусственного интеллекта должны быть обучены для обработки изображений оборудования различных модификаций и производителей. Обучение нейросети происходит постоянно и непрерывно, так как отрасль медицинской техники и оборудования также постоянно предлагает новые виды и модификации своих изделий.

Примером партнерства с дата-сетом является запуск умного помощника врача «ТОП-3» совместно с Правительством столицы.

Это стало результатом масштабного исследования на базе данных анонимизированных посещений медучреждений Москвы, в ходе которого дата-аналитики обработали статистику всех диагнозов при амбулаторном лечении за один год в Московском регионе. Было проанализировано более 2,2 миллионов визитов 420 тысяч пациентов.

На следующем этапе было проведено ранжирование по вероятности категории заболеваний по общепринятой классификации МКБ-10 (Международной классификации болезней) и выбрано 265 категорий, покрывающих 95% случаев выборки. В качестве не используемых ранее валидационных данных было подобрано 700 тысяч пациентов, совершивших 1,7 миллионов визитов. Итогом масштабной работы стало создание сервиса «Умный помощник врача».

Качество, эффективность и удобство его работы были высоко оценены профессиональными сообществами медиков и разработчиков. Сервис был назван победителем авторитетного международного конкурса WSIS Prizes 2021, который проходил под эгидой ООН. Он внедрен в работу во всех взрослых поликлиниках Москвы и некоторых регионов России.

Умный помощник на основе текста из медицинской карты, анамнеза первичной госпитализации способен выдавать три наиболее вероятных диагноза по МКБ-10.

Работать в комплексе

Новые медицинские сервисы предлагают удобные и востребованные функциональные возможности для врачей. Но в современных клиниках уже работает множество интерфейсов. Поэтому разработчики должны учитывать этот факт и предоставлять таких информационных помощников, которые могли бы органично вписаться в уже существующие рабочие интерфейсы клиник.

Ведь главной задачей производителей медицинского искусственного интеллекта является разгрузка врачей и системы здравоохранения в целом. Для этого нужно разрабатывать такое программное обеспечение с искусственным интеллектом, которое можно было бы внедрить в привычные для медицинских специалистов информационные системы, при этом расширяя и дополняя функционал имеющихся сервисов.

Только при таких условиях врачи не будут отрываться от работы и проходить обучение для освоения нового сервиса.

В большинстве случаев сегодня медицинские учреждения нуждаются не в каких-то отдельных сервисах. Им требуется новые комплексы алгоритмов, которые можно использовать в самых разных ситуациях.

Ответом на эти потребности стала идея MDDC (Медицинский цифровой диагностический центр). В этом комплексном решении объединено более пятидесяти продуктов и разработок СберМедИИ, их партнеров по экосистеме Сбера и по отрасли в целом.

Работает комплекс несложно: подключенные к нему врачи загружают в него в онлайн-режиме данные первичного приема, лабораторной и инструментальной диагностики через самостоятельные приложения или веб-интерфейсы для автоматизированных рабочих мест, а так же с использованием специальных программ, уже интегрированных в МИС клиники.

Сервис проводит своего рода «цифровой консилиум» и выдает предварительные заключения на основе имеющихся алгоритмов. Их анализируют профильные врачи MDDC, подтверждают или корректируют диагностические рекомендации машины и возвращают их к врачу в клинику.

Помощь комплекса выдается по различным медицинским профилям:

• терапия;
• радиология;
• кардиология;
• хирургия;
• онкология;
• стоматологические исследования.

В современных условиях искусственный интеллект значительно ускоряет диагностические исследования и повышает качество принятия врачебных решений. Он «заботится» о наиболее тяжелых больных, обрабатывая результаты их исследования в приоритетном режиме. Кроме того, машина ничего не забывает, хранит всю информацию о каждом клиническом случае. Это дает возможность ретроспективного анализа медданных с помощью ИИ и обеспечивает преемственность лечения.

Источник