Медицина на пороге «умной» эпохи
После нескольких лет рассуждений о том, что принесут Big Data миру в целом и здравоохранению в частности, медицинская отрасль, наконец, оказалась на грани новой «умной» эпохи.
Но что на самом деле означает «искусственный интеллект» (ИИ)? Кто будет регулировать эти сложные алгоритмы и в каких областях раньше всего станут очевидны результаты их применения? Вопросы почти такие же сложные, как сама технология, но, поскольку компании продолжают вкладывать средства в эти инновации, уже появляются первые ответы.
Компания GE Healthcare черпала вдохновение у NASA, когда создавала собственный командный центр. Однако он управляет не космическими полетами, а пребыванием пациента в больнице – с помощью сложных алгоритмов и прогнозной аналитики. Программы командного центра непрерывно, в режиме реального времени анализируют данные, поступающие из нескольких источников: они выявляют и предотвращают риски в процессе лечения, управляют рабочей нагрузкой на персонал и оптимизируют процесс выписки пациентов. Одно из приложений, например, отслеживает пациентов, готовящихся покинуть больницу, и, если выявляет проблемы, из-за которых может произойти задержка, старается ее предотвратить.
Когда больницы впервые запускают такой командный центр, они выбирают от 5 до 22 приложений в зависимости от своих конкретных потребностей. А затем каждый год могут добавлять новые продукты к пакету программного обеспечения.
В настоящее время GE работает над будущими приложениями для повышения качества перинатальной помощи, ухода за пожилыми людьми, безопасности пациентов, для управления продолжительностью пребывания в больнице, компьютерного зрения, здоровья населения, геномики и лечения на дому.
«Мы работали над проблемами вместе с нашими клиентами, чтобы понять реальные задачи, которые стоят перед медиками, – сказал Джефф Терри, генеральный директор направления медицинских командных центров GE. – В результате сотрудничества появились командные центры, использующие ИИ в качестве одного из способов решения многих проблем».
На сегодняшний день компания GE создала 10 командных центров: восемь в США, один в Канаде и один в Великобритании. Эти объекты обслуживают в общей сложности 41 больницу.
Искусственный интеллект объединяет клиники
Один из таких командных центров был создан в Орегонском медицинском и научном университете в июле 2017 года. Основная цель данной системы медицинских организаций состояла в том, чтобы остановить снижение потока пациентов, вызванное большой загруженностью центра, и более эффективно использовать больницы-партнеры.
За год до открытия командного центра университет отказался принять более 500 пациентов по направлениям из других больниц – из-за нехватки мест. Но уже через год число таких пациентов возросло на 554 человека. Университет, кроме того, смог разместить 519 направленных к ним человек больных, которым требуется сложная высокотехнологичная стационарная помощь в больницы-партнеры. И, кроме всего прочего, доходность от инвестиций выросла семикратно уже в первый год работы командного центра.
«Однажды мы поняли: чтобы удовлетворить растущие требования к системе наших медорганизаций, связанные с доступностью стационарной помощи и с управлением коечным фондом, необходимо опираться на потоки достоверных данных в режиме реального времени, получать вспомогательные оповещения, а также – использовать в нашей ежедневной работе новый подход с более системным мышление и ориентацией на пациента», – прокомментировали д-р Джеймс Хейлман, главный специалист по управлению организацией клинической работы и д-р Матиас Меркель, директор по медицинским вопросам этого научно-медицинского учреждения.
В сентябре 2017 года GE объявила о планах разработки программного обеспечения для Орегонского университета для усовершенствования управления процессом лечения пациентов с сепсисом. Сепсис является серьезной проблемой в США. По данным Центра по контролю и профилактике заболеваний, как минимум, у 1,7 миллиона взрослых американцев развивается сепсис, и почти 270 тысяч из них умирают от этого осложнения.
Теперь, если приложение обнаружит риск заболевания, сотрудники командного центра получат немедленный сигнал, и при необходимости будут задействованы бригады медработников.
«Быстрое распознавание и лечение сепсиса крайне важно для повышения выживаемости пациентов и требует реакции на системном уровне, – утверждает Хейлман. – Выявление пациентов с сепсисом и контроль за их лечением при помощи комплекса мероприятий представляется нам логическим развитием наших ежедневных задач».
Еще одна компания, работающая над применением ИИ в масштабах целой системы здравоохранения, – это Ayasdi с головным офисом в Пало-Алто, создавшая ИИ платформу, на основе которой ее партнеры и клиенты могут использовать свои приложения.
Она разработала несколько собственных приложений, в том числе – для управления параметрами клинической работы (Clinical Variation Management – CVM), которое анализирует медицинские и финансовые данные больниц и ищет оптимальные варианты действий. Приложение автоматически выявляет группы схожих процедур и создает клинические пути, которые помогают получить наилучший результат лечения пациента при минимальных затратах. «Оно обнаруживает аналогичные последовательности клинических действий для разных пациентов и группирует их соответствующим образом, – сказал Гурджит Сингх, генеральный директор и соучредитель Ayasdi. – А затем, сгруппировав данные, подсказывает оптимальный порядок действий для каждого пациента и обосновывает его перед врачом».
Через четыре месяца после начала использования этого приложения в больнице Флаглер в городе Сент-Огастин, штат Флорида, средняя стоимость лечения пациентов с пневмонией снизилась на 30 процентов, количество госпитализаций уменьшилось в семь раз, а средняя продолжительность пребывания в больнице сократилась примерно на 2,5 дня.
«Руководство больницы Флаглер обнаружило, что применение только одного этого протокола экономит примерно миллион долларов в год, – сказал Сингх. – Они собираются внедрить 18 протоколов в течение следующих 12 месяцев и надеются сэкономить благодаря этому около 20 миллионов долларов в течение следующих трех лет».
Что такое «искусственный интеллект»?
Термин «ИИ» получил в последние годы широкое распространение, и Сингх говорит, что ныне смысл его выхолощен. Он шутит, что любой человек с электронными таблицами Microsoft Excel может сегодня заявить, что он обладает ИИ.
По словам Сингха, чтобы претендовать на название ИИ, система должна обладать пятью важными характеристиками. К ним относятся способность выявлять, прогнозировать, обосновывать, действовать и обучаться.
Во-первых, ИИ должен уметь работать с большим и сложным массивом данных, без какого-либо вмешательства человека анализируя их и находя взаимосвязи. Это явление, известное как неконтролируемое обучение, однозначно важно, так как система должна быть способной самостоятельно выявлять все закономерности, которые существуют в базе данных.
ИИ также должна уметь использовать Big Data для прогнозирования ближайших событий с высокой степенью точности. Врачи по-прежнему являются главными в принятии клинических решений, но ИИ может предоставить им информацию о будущих затратах, тяжести заболевания и рисках для пациентов.
Наиболее важной характеристикой системы ИИ является ее способность обосновывать или объяснять свои результаты. Это касается всех рекомендаций, прогнозов и сегментации аномалий. «Если мы собираемся довериться этим, в значительной степени автоматизированным дополненным системам, их операторы должны научиться интуитивно понимать, что делает программа, почему она выполняет определенные действия и так далее», – сказал Сингх.
Многие разработки с ИИ применяются в науке и исследованиях, но не все они воплощаются в практический продукт. В этом случае они просто занимаются изучением научных гипотез, но не являются реальными системами ИИ.
И, наконец, система должна уметь обучаться по мере появления новых данных. «Например, если ИИ обнаруживает, что появился новый сегмент риска для пациентов или новый тип мошенничества с платежами, то он должен быть в состоянии сообщить оператору-человеку об изменениях и предложить какое-то действие для исправления ситуации», – сказал Сингх.
ИИ и радиология
Для радиологии в системах и приложениях ИИ недостатка нет. В прошлом году на рынок было выпущено довольно большое количество новых продуктов. Один из последних – это Illumeo PACS от Philips Health с адаптивным интеллектом, который был в центре внимания Ежегодной конференции радиологического общества Северной Америки (RSNA). Медицинская школа Университета штата Юта недавно одна из первых внедрила эту технологию.
Университетская медицинская школа рассматривает около 500 тысяч случаев в год – из-за большого количества пациентов, поступающих сюда по направлениям других врачей. До установки Illumeo радиологам приходилось открывать медицинскую карту пациента в системе архивирования и передачи медицинских изображений PACS и находить в ней соответствующие новые и старые изображения. Приложение Illumeo использует адаптивный интеллект и аналитику для автоматического поиска соответствующих изображений. Затем оно размещает их рядом на экране, чтобы рентгенолог мог определить, увеличились ли новообразования с последнего исследования. «Одна из самых важных вещей – это объем данных, – сказал д-р Ричард Уиггинс, нейрорадиолог медицинской школы Юта. – Всем известно, что нам приходится анализировать все больше и больше данных в ходе исследований, и за некоторые из них финансовое возмещение может быть еще меньше, чем это было несколько лет назад».
Если в начале своей карьеры он анализировал от 2000 до 2500 изображений в день, то теперь просматривает около 250 тысяч «снимков» ежедневно. С помощью Illumeo Уиггинс и его коллеги экономят много времени.
На ежегодном собрании RSNA в этом году компания-разработчик искусственного интеллекта MaxQ также продемонстрировала свои новые технологии. Ее приложение Accipio Ix автоматически помечает снимки неконтрастного КТ сканирования головы с подозрением на внутричерепные кровоизлияния, так что эти случаи поднимаются в начало списка приоритетов рентгенологов.
Система архивирования и передачи изображений Illumeo от Philips использует адаптивный интеллект и аналитику для автоматического поиска соответствующих изображений. Затем она размещает их рядом друг с другом, чтобы рентгенолог мог определить, увеличились ли со временем новообразования.
MaxQ AI установила партнерские отношения с GE для того, чтобы включить Accipio Ix в ее клиентскую программу подписки, и с IBM чтобы добавить свое приложение в ее систему PACS. Компания также поддерживает партнерские отношения с Samsung NeuroLogica и EnvoyAI.
«Наша цель состоит в том, чтобы предоставить интеллектуальные инструменты для поддержки принятия диагностических решений при оказании неотложной помощи, – сказал Джин Сарагнес, председатель совета директоров и генеральный директор MaxQ AI. – Мы думаем, что инструмент такого рода способен помочь в первую очередь отделениям экстренной помощи, вынужденным принимать большое количество решений в сжатые сроки».
Он добавил, что пациенты предпочитают лечиться в университетских госпиталях, где врачи обладают высокой квалификацией, что не всегда можно сказать о районных больницах. Цель MaxQ AI – дать врачам таких больниц приложения, основанные на ИИ, чтобы они могли принимать решения с уверенностью эксперта. Accipio Ix прошла по ускоренному пути через Программу инновационных устройств агентства FDA и в начале ноября 2018 года получила разрешение 510(К) на использование своего приложения.
Viz.ai – еще одна перспективная компания в области ИИ для радиологии. В апреле FDA выдало разрешение на использование ее программного обеспечения Viz CTP, которое анализирует снимки перфузии. Усовершенствованный алгоритм анализа изображений автоматически генерирует цветовые параметрические КТ карты перфузии на основании динамического воздействия контрастного вещества на головной мозг.
У разработчика есть еще один продукт под названием LVO Stroke Platform, который обнаруживает тревожные сигналы и предупреждает специалистов об опасности инсультов, вызванных окклюзиями крупных сосудов (large vessel occlusion strokes – LVO). Он подключается к КТ сканеру и использует алгоритм ИИ для обнаружения подозрений на инсульт.
Израильский стартап Aidoc также делает большие шаги в этой области. В начале прошлого года компания выпустила первое решение, использующее ИИ для КТ анализа всего тела. Решение Aidoc Full Body Solution является продолжением продукта компании для ИИ анализа изображений головы и позвоночника. Оно способно помочь рентгенологам получить необходимые медицинские данные из области головы, позвоночника, груди, живота и т. д.
У компании Aidoc большие планы на будущее. Она работает над ИИ решениями для МРТ, а также рассматривает возможность применения искусственного интеллекта для других методов диагностической визуализации.
На вопрос, что является самым захватывающим аспектом еще нереализованного потенциала ИИ, Ариэлла Шохам, вице-президент компании, сказала: «Если бы мне нужно было назвать всего одну вещь, я бы выделила способность взвешивать реальную ценность медицинской помощи и оказывать влияние на лечение пациентов. Существует так много ИИ компаний, которые на самом деле просто создают алгоритмы, обладающие определенным уровнем чувствительности и специализации, но которые далеки от их практического применения в реальных условиях».
Вытеснит ли ИИ радиолога?
Все больше и больше в отрасли складывается консенсус в отношении того, что ИИ не заменит радиологов в ближайшее время. Так что это значит для самой радиологии?
Хиггинс из медицинской школы Университета штата Юта насмешливо отозвался о людях, называющих себя «футуристами», которые предсказывают, что в ближайшие несколько лет радиологи исчезнут из клиник. Он считает, что ИИ системы помогут специалистам, изменят их работу к лучшему, но в ближайшее время у машин нет шансов заменить радиологов. «На самом деле работа, которую я выполняю, намного сложнее, чем то, что способны делать сейчас эти алгоритмы», – добавил он.
Он сравнил свою работу с решением загадок, зашифрованных в картинках в детском журнале. Все в восторге от того, что алгоритмы ИИ могут распознавать стоп-сигнал в 70% случаев, но задача радиолога гораздо сложнее. «Быть радиологом – это не значит уметь замечать что-то типа стоп-сигнала, а, скорее, способность понимать, что стоп-сигнал находится под водой, и перед ним останавливаются рыбы, – сказал Хиггинс. – Я думаю, что это ближе к тому, чем мы, как радиологи, занимаемся, интерпретируя изображения и пытаясь не только выявить наличие аномалии, но и трактовать ее – с точки зрения клинической помощи и истории болезни пациента».
На фото вверху: Радиолог работает с приложением Accipio Ix от MaxQ AI
Лоуренс Дубински
