Искусственный интеллект в здравоохранении - Коллектив авторов
Во-вторых, технологии на основе ИИ совместно с возможностями телемедицины, различных датчиков способствуют переходу от ухода за пациентами в условиях стационара к наблюдению на дому. Новая коронавирусная инфекция (COVID-19) способствует ускорению данного перехода.
В-третьих, технологии ИИ, являющиеся по сути медицинскими, все чаще используются организациями, не осуществляющими медицинскую деятельность на законных основаниях. Например, системы ИИ для охраны психического здоровья часто предоставляются через систему образования, социальные сети.
В-четвертых, важной тенденцией становится использование технологий на основе ИИ для распределения ресурсов и определения приоритетов. Прогностические системы оценки уже давно доступны в отделениях интенсивной терапии и реанимации. Технологии ИИ помогают установить, кому из пациентов нужна медицинская помощь в экстренной форме, когда следует прекратить вмешательства, например искусственную вентиляцию легких.
ИИ является компонентом и драйвером цифровизации оказания медицинской помощи, оптимизации управления здравоохранения, формирования новой, «открытой», системы здравоохранения путем поэтапного внедрения:
– цифровизации рутинных процессов при оказании медицинской помощи (диагностических исследований, оплаты услуг, хранения данных и др.);
– отказа от старых моделей в пользу ИИ, мобильных технологий, облачных платформ;
– интеграции цифровых функций и процессов медицинских учреждений и других организаций в системе здравоохранения.
Следует выделить два основных пути использования технологий ИИ в здравоохранении: непосредственно при оказании медицинской помощи и в сопутствующих (вспомогательных) направлениях деятельности. Технологии ИИ в здравоохранении могут использоваться для управления персоналом, повышения уровня сервиса при предоставлении медицинских услуг, создании систем оценки качества медицинской помощи, работе с документами и отчетами, т. е. в деятельности, непосредственно не связанной с диагностикой и лечением заболеваний. Например, система ИИ от MD Analytics помогает в проведении исследования рынка медицинских услуг, определяя оптимальные цены лечения в условиях конкуренции, что позволяет небольшим частным клиникам сэкономить на услугах маркетологов.
Все же наиболее распространенным вариантом является применение программного обеспечения с технологиями ИИ непосредственно для оказания медицинской помощи. В этом случае законодательство относит программное обеспечение к МИ.
В мировом законодательстве (в том числе в отечественном) выделена группа МИ «программное обеспечение, являющееся медицинским изделием, в том числе программное обеспечение с применением технологий искусственного интеллекта». К данной группе относится большинство технологий ИИ в здравоохранении.
§ 2. Развитие отечественных технологий искусственного интеллекта в здравоохранении
За последние годы в России особенно заметен рост в области разработки и внедрения ИИ в здравоохранении. Инвестиции в российские технологии ИИ, по данным экспертов [Гусев, 2023], в 2014–2022 гг. составили 7 % от общего объема инвестиций в отечественное цифровое здравоохранение (MedTech) (рис. 6).
Рис. 6. Инвестиции в российское цифровое здравоохранение в 2014–2022 гг. Составлено по: [Гусев, 2023].
На конец 2022 г. можно отметить более сорока систем ИИ для сферы здравоохранения, созданных и продвигаемых в Российской Федерации (прил. 2). Большинство из них связаны с анализом медицинских изображений с целью установления диагноза, то есть относится к МИ [Гусев, 2023]. При этом в начале 2021 г. были зарегистрированы единичные МИ, являющиеся программным обеспечением с технологией ИИ [Акулин и др., 2021].
Одной из первых отечественных разработок стала система анализа медицинских снимков Botkin. Al (разработчик – ООО «Интеллоджик»). Система в режиме реального времени поддерживает принятие врачебного решения, оказывая помощь в выявлении и описании патологий, в том числе на ранних стадиях (рис. 7).
Рис. 7. Поддержка принятия врачебного решения в режиме реального времени системой ИИ Botkin. AI[10]
Время обработки результатов компьютерной томографии указанной системой составляет до 6 мин, рентгенографии – до 1 мин. Кроме того, система позволяет осуществлять отправку исследований из медицинских организаций врачам второго прочтения, на этом этапе проводить анализ результатов с помощью ИИ, формировать протокол, передавать результаты в медицинские организации. Также возможен ретроспективный анализ (например, пересмотр результатов компьютерной томографии, проведенной в клиниках, оказывавших медицинскую помощь пациентам с новой коронавирусной инфекцией, с целью выявления онкологических заболеваний на ранних стадиях). Проведение в 2021 г. с использованием технологии ИИ целевого ретроспективного анализа 9709 результатов компьютерной томографии органов грудной клетки выявило у 185 пациентов (в 236 изображениях) узловые образования. В 69 % случаев образования были выявлены впервые, верифицированы врачами-специалистами (по результатам анализа снимка с цветовой разметкой подозрительных участков), пациенты направлены на дообследование.
Пример применения ИИ для раннего выявления и коррекции факторов риска сердечно-сосудистых заболеваний – платформа прогнозной аналитики и управления рисками в здравоохранении на основе машинного обучения Webiomed (компания «К-Скай»). Это облачная система, способная получать информацию из различных медицинских информационных систем. Система получает сведения из медицинских электронных карт в автоматическом режиме, включая неструктурированные данные, проводит анализ данных о состоянии здоровья пациентов, применяя различные методы анализа, включая внесенные в нее многочисленные шкалы оценки риска и методы ИИ, использует два подхода к обработке данных: алгоритмический и нейронные сети, что позволяет обработать большие объемы информации в быстром режиме. Полученную информацию алгоритм ИИ направляет врачу – куратору проекта. После сравнения имеющихся ранее данных и полученной новой информации по каждому пациенту специалист дает обратную связь ИИ. Автоматически проанализировав электронную медицинскую карту пациента, система отправляет пакет деперсонифицированных данных в Webiomed через открытые API (Application programming interface) системы. На основании обработанной информации система выявляет факторы риска сердечно-сосудистых заболеваний, автоматически разделяя пациентов на группы, делает предположение о наличии тех или иных заболеваний и дает общую оценку рисков каждого пациента по укрупненным нозологическим группам.
В проведенном исследовании эффективности системы ИИ в практике участкового терапевта использовано 1778 электронных амбулаторных карт взрослых пациентов [Жданова, Рубцова, 2022]. Исследование проведено в четыре этапа. На первом этапе выполнено предварительное «обучение» системы ИИ шкалами оценки риска сердечно-сосудистых заболеваний. Второй этап включал анализ медицинской информации для выявления факторов риска таких заболеваний по шкале относительного риска для пациентов младше 40 лет и по шкале Systematic CОronary Risk Evaluation (SCORE) для пациентов старше 40 лет. На третьем этапе специалист проанализировал имеющуюся ранее и полученную новую информацию о каждом пациенте. По результатам данного этапа были сформированы четыре группы риска сердечно-сосудистых заболеваний (с низким, средним, высоким и очень высоким риском). На четвертом этапе впервые выявленные пациенты с высоким риском, ранее не состоявшие на диспансерном учете, направлены на дополнительное клинико-лабораторное и инструментальное дообследование, консультации специалистов. Система подтвердила очень высокий и высокий риск у 623 человек, которые уже состояли на диспансерном наблюдении. Система ИИ впервые выявила высокий риск сердечно-сосудистых заболеваний у 29 человек трудоспособного возраста (40–50 лет). Эти
