ИИ на подхвате у московских рентгенологов
С июля 2019 года в нескольких крупных клиниках РФ начала работать одна из немногих отечественных систем искусственного интеллекта Care Mentor AI (CMAI), созданная одноименной московской компанией. В прошлом году CMAI была признана лучшей среди медицинских разработок, представленных на Национальной премии в области импортозамещения «Приоритет-2019».
Во всем мире внедрение ИИ в практику здравоохранения начинается с анализа диагностических изображений, и в первую очередь – с создания алгоритмов для чтения снимков МРТ и КТ. Однако авторы CMAI пошли нетривиальным путем, сделав ставку на работу с рентгеновскими изображениями. О том, чем новая система ИИ реально может помочь врачу, мы беседуем с одним из основателей компании Павлом Ройтбергом.
Павел Григорьевич, почему вы стали разрабатывать систему ИИ именно для рентгеновских снимков?
Я по образованию экономист-айтишник. Поэтому к выбору направления работы мы подошли рационально. Рентген – одно из самых массовых исследований в мире. Он применяется, как в клинических случаях, так и при диспансеризации, значит потенциал огромен и с точки зрения прибыли от внедрения ИИ, и с точки зрения развития самой системы. Отсюда вытекают простые понятные цели: улучшить качество работы специалиста и ускорить его работу.
Сегодня CMAI выполняет две задачи. Первая состоит в том, чтобы определить здоров человек или нет. Это режим диспансеризаций. Вторая решаемая им задача – полное описание рентгеновского снимка, как это делает рентгенолог: где и что было замечено, каков диагноз. Сначала ИИ работал только с легкими, теперь к этому добавились колено и стопа. Впереди описание рентгенограмм головы.
Насколько рентген информативен? Большинство специалистов склоняется к тому, что, например, рак легкого на ранней стадии практически невозможно определить по рентгеновскому снимку.
Современные рентгеноаппараты дают неплохую детализацию и позволяют выявлять не только туберкулез, если говорить о легких, но и другие заболевания. Вопрос в другом: в каких случаях надо применять, скажем КТ, а в каких достаточно рентгенограммы?
Дело в том, что 98% людей, проходящих диспансеризацию, не имеют проблем в легких. Зачем им проходить КТ и получать дополнительную лучевую нагрузку? Зачем увеличивать нагрузку на врачей, зная, что на рентгеновский снимок тратится 1 минута, тогда как на снимок КТ – 4-7 минут? Имеющиеся, к примеру, в Москве КТ не смогут справится с волной диспансеризаций – не хватит ни ресурсов, ни людей. Да и не нужно это. От того, что врач увидел в легком узелок с миллиметр, ничего не изменится. У человека были пневмония или тяжелый бронхит, он выкурил пачку сигарет – в каждом из этих случаев на снимке будет маленький узелок. И как это интерпретировать? Это может быть признак заболевания, а может быть обычный рубец, который не несет опасности человеку.
Дальше включается много факторов, которые к лучевому исследованию прямого отношения уже не имеют. Здесь нужно задавать вопросы: входит ли человек в группу риска по раку легкого, то есть, болел ли кто-нибудь из родственников этой болезнью, сколько он курит и так далее. Только после анализа этих факторов уже будет принимается решение: отправлять его на дальнейшее исследование или нет.
КТ при диспансеризации – это гипердиагностика, которая отнимает время у врача и пациента и приносит скорее вред, чем пользу. Чтобы выявлять заболевания на ранних стадиях, необходимо максимально увеличить охват населения ежегодными медицинские осмотрами. К сожалению, пока даже в самых развитых странах показатели диспансеризации доходят лишь до 85% охвата населения.
Какой дата-сет вы взяли за основу своей системы искусственного интеллекта?
Он у нас смешанный – американо-русский. Сначала мы посадили группу врачей, которые описывали рентгеновские изображения. Получили достаточно большое ядро дата-сета. Затем взяли для своей базы чуть более 200 тысяч американских рентгеновских снимков. Описания мы исключили в связи с тем, что там иной протокол и дали уже искусственному интеллекту возможность создавать свои описания, а специалисты проводили проверку работы системы.
К американским снимкам мы обратились неслучайно. Во-первых, там представлены другие аппараты, не те, которые используются в Москве и Питере. Таким образом мы расширили перечень рентгенаппаратов, с которыми корректно работает наша система. Во-вторых, на американских снимках больше представителей различных человеческих популяций: китайцы, индусы, афро-американцы, то есть большее разнообразие разных рас и наций, чем среди тех, кто проходит диспансеризацию в российских крупных городах. Это позволяет легче установить норму для популяции. Наш ИИ лучше, чем другие системы, игнорирует расовые отличия и гораздо лучше распознает, в каком положении тела был сделан снимок, есть ли прикреплённые катетеры и прочий инструментарий, который бывает на пациентах. У нас в результате получился более рандомизированный, более разнообразный дата-сет, чем сейчас представляет рынок.
Как вы интегрируете CMAI в информационные системы клиник?
Наш искусственный интеллект – это облачная технология. Она подключается к PAСS (системе хранения и обработки изображений) и к информационной системе медорганизации, куда загружаются данные для распознавания. Для крупных клиник можно ИИ интегрировать внутрь контура МИС, но для этого надо устанавливать дополнительный сервер, нанимать специалиста для обслуживания и т.д.
Насколько экономически целесообразно клиникам покупать услугу искусственного интеллекта?
На мой взгляд, экономическая и качественная целесообразность очень высоки. В прошлом мы уже достигли 20-30% экономии времени, и думаю в 2020 году дойдем до двухкратной разницы. Кроме того, мы значимо (в 3 и более раза) снижаем вероятность пропуска больного пациента врачем-рентгенологом. Точные цифры по обоим параметрам мы продолжим публиковать в наших регулярно выходящих научных статьях, размещаемых на сайте https://carementor.ru/research
Существует несколько алгоритмов работы ИИ: первичный отбор, просмотр за врачами, параллельный анализ. На каком остановилась ваша компания?
Все зависит от того, какой бизнес-процесс используется в самой клинике. У нас есть кейс, когда в мобильных рентгенаппаратах ИИ используется для определения необходимости делать вторую проекцию или нет.
Но стандартная версия такова: врач открывает снимок и видит внизу экрана уже готовое описание. Далее он смотрит сам снимок и либо соглашается, либо не соглашается с предложенным описанием. И если есть разногласия, то такое изображение откладывается для дальнейшего независимого анализа.
И как часто это бывает?
Сегодня мы пришли к 3% разногласий. Вначале было 5%. Причем, это обычно расхождения, при которых ИИ, например, утверждает, что у пациента пневмония, а врач говорит, что просто бронхит. Здесь важно то, что человек и машина увидели болезнь, а дальше дело за специалистами и дополнительными исследованиями. Случаи пропуска патологий вообще единичны.
То есть, вы считаете, что система работает эффективно?
Врачу-рентгенологу выделяется 15 минут на описание снимка. В среднем он тратит 12-14 минут. Искусственный интеллект оценивает снимок за 5 секунд и выдает готовое описание, на которое врачу уже не надо тратить время. В результате, сегодня с помощью CMAI, врач тратит в три раза меньше времени на просмотр снимка, чем запланировано. Надеемся еще улучшить результат.
Сокращение времени работы рентгенолога позволяет принимать больше пациентов. Но эффективность врача можно повысить еще больше, если воспользоваться методом китайских коллег. Там рентгенологу предоставляют только снимки, которые вызывают сомнение, а рентгенограммы здоровых людей вообще не показывают специалистам. Это позволило бы отсекать 9 из 10 изображений из общего потока.
Слушая вас, понимаешь врачей-рентгенологов, которые опасаются, что их заменит искусственный интеллект.
Знаете, у меня тоже были подобные иллюзии. Когда я поделился ими с клиницистами, то на меня посмотрели очень странно. Они сказали, что по такой схеме всегда работали с ординаторами.
Ординатор для врача готовит описание пациента, предварительный анамнез и т.д., но за конечный результат отвечает врач. Поэтому он проверяет и перепроверяет все рекомендации. Если все в порядке, подписывает. Если нет, то ординаторам указывает на ошибки и тут же сам их исправляет. Так что мы ничего нового не предлагаем, просто немного облегчаем жизнь врачам.
При такой нехватке рентгенологов в России, опасаться остаться без работы в ближайшие десятилетия абсурдно. Скорее ИИ сможет снизить дефицит специалистов. Практически ни в одной стране не получается сделать 100-процентную диспансеризацию. Нет проблемы купить аппараты – есть проблема найти рентгенолога. Искусственный интеллект позволяет если не полностью решить эту проблему, то хотя бы снизить ее остроту.
