Что препятствует внедрению ИИ в клиники России

Острая нехватка кадров, высокая загруженность врачей и медленная интеграция современных технологий в клинику – только часть препятствий для развития радиологии. Эти проблемы потенциально можно решить с помощью применения искусственного интеллекта на ежедневной основе. Но ИИ – не панацея и его использование в российских клиниках сопряжено с рядом юридических и технологических особенностей. 

Сегодня на одну вакансию врача-рентгенолога приходится 1,6 резюме – отрасль остро чувствует нехватку кадров. Для сравнения на 1 вакансию по специальности врач-терапевт приходится 18,3 резюме (hh.ru, май 2019 г.). Связан такой дефицит со сроками подготовки специалистов – на это требуется минимум 10 лет, а учитывая количество активных резюме, можно констатировать, что специальность непопулярна среди молодых врачей. Кроме того, с появлением новых видов исследований (КТ, МРТ, ПЭТ-КТ), с одной стороны, повышаются требования к подготовке рентгенологов, с другой – увеличивается время на анализ и описание исследований. Так, чтобы провести детальный анализ  одного изображения ПЭТ-КТ требуется около 90 мин. В рамках 6-часовой рабочей смены врача это очень низкая пропускная способность. В то же время нейросеть на анализ и расшифровку одного исследования затратит 3 секунды. 

На нейроскоростях

К сожалению, проблему невозможно решить закупкой дополнительного медоборудования. В условиях нехватки квалифицированных специалистов, повышение пропускной способности клиники без потери качества диагностики представоляется невозможным. Решение видится в оптимизации работы врачей и снижении нагрузки на них с помощью современных информационных технологий.

Не стоит думать, что кадровая проблема в радиологии – это исключительно российские реалии. Вектор на повышение качества и скорости диагностики взяли и международные проекты, связанные с автоматизацией рутинной работы врача при помощи искусственного интеллекта: IBM Watson (США), Zebra Med (Израиль), iFlyTek (Китай), Image Biopsy lab (Австрия), ScreenPoint Medical (Нидерланды).

В России такие проекты тоже существуют, среди них Care Mentor AI (CMAI). Компания разработала нейросеть, способную за несколько секунд проанализировать рентгенограмму легких, определить наличие или отсутствие патологий. Искусственный интеллект распознает отдельные виды патологий, предоставляет подробную расшифровку рентгеноснимка и дает рекомендации, тем самым снимая рутинную нагрузку с доктора. Специалисту остается только оценить результат и внести необходимые, на его взгляд, дополнения. Такой подход приводит к концентрации внимания врача на снимках с патологиями и повышает скорость диагностики.

Сейчас тестовые испытания проходит новая нейросеть CMAI, работающая с голеностопом. Она размечает угол свода стопы и сравнивает его с нормой, определяя плоскостопие. Это эффективно для отделений радиологии особенно в периоды осеннего и весеннего призыва в армию, когда за сутки врач анализирует десятки снимков для определения плоскостопия. На осмотр 500 пациентов потребуется менее получаса. Без использования ИИ такой объем работы займет около 125 часов. Ведется также обучение нейросетей по анализу других видов радиологических исследований: рентгеноснимков коленного сустава, КТ, МРТ, ПЭТ-КТ, маммографии.

Алгоритмы искусственного интеллекта не заменяют врача, но могут сделать его работу эффективнее. По статистике, около 80% случаев, которые рассматривает специалист, не связаны с патологиями. Иными словами, 80% времени он расходует на анализ снимков здоровых пациентов. Спустя 3 часа работы уровень концентрации врача снижается по естественным причинам и он не так точно идентифицирует полутона снимка, риск ошибки возрастает. В этом аспекте искусственный интеллект может обратить внимание специалиста в первую очередь на случаи, в которых с высокой вероятностью есть патология. 

Зри в корень

В России сегодня не существует единой сводки статистических данных о точности исследований в области радиологии. В связи с этим обратимся к зарубежным данным. Согласно статистике США по онкологии, раковые опухоли диаметром менее 1 см остаются незамеченными докторами в более 30% случаев. Такой размер опухоли уже требует оперативной медицинской помощи. Эти данные говорят о несовершенстве метода визуального анализа рентгеновского снимка человеком. Из-за различий в восприятии оттенков серого разными людьми и падения уровня концентрации врача в конце смены повышается риск ошибки, которой можно избежать, снабдив специалиста необходимой автоматической системой скрининга исследований.

Для обучения первой нейросети CMAI мы привлекли трех специалистов, уровень компетенций которых был не ниже заведующего рентгенотделением московской клиники. Их задача заключалась в разметке 1000 рентгенологических снимков. Они работали независимо друг от друга, и только в 40% случаев их заключения совпали. В 30% совпали результаты анализа у двух врачей, еще по 30% снимков мнения трех экспертов разделились. В таких случаях мы возвращаем спорные заключения на доработку. В результате в 50% случаев специалисты останавливались на одной из выдвинутых ранее гипотез, а в 15% совместно приходили к новой, четвертой, версии заключения. Данный пример иллюстрирует, что даже в результате анализа исследований опытными радиологами до 30% заключений могут оказаться неточными. Таким образом, метод визуальной оценки исследований имеет гипотетическую точность 70%.

Точность ИИ подтверждается и в случае с такими простыми исследованиями как анализ голеностопа. Нейросеть анализирует снимок в боковой проекции, определяет три точки, строит угол и сравнивает полученный результат с нормой. Далее искусственный интеллект делает вывод о наличии или отсутствии патологии – плоскостопия. Это самое простое из текущих видов исследований, но и в нем врач при большой загруженности может допустить неточность.

На иллюстрации красным обозначены итоги анализа нейросети, а зеленым – врачей. Результаты нейросети более точны – это связано с тем, что при ее обучении аккумулируются опыт и знания многих специалистов, алгоритм обучается на огромном массиве данных, например, около 200 тыс. снимков легких. Разумеется, без врачей невозможно обучить нейросеть или загрузить в нее данные о нетривиальных патологических случаях.

Палки в колеса

Сегодня в российской практике существуют четыре ключевые проблемы, препятствующие применению нейросетей в клиниках на ежедневной основе. Во-первых, врачи – одна из самых консервативных аудиторий. Скепсис и недоверие к результатам работы ИИ во врачебном сообществе высоки. Для принятия новых технологий нужно время. В случае, когда мнение специалиста не совпадает с заключением нейросети (точность Care Mentor AI более 97%), опытный врач склонен больше доверять собственному опыту. И такое поведение можно понять, ведь нейросеть не объясняет своего решения даже разработчикам.

Вторая проблема – отсутствие единых критериев оценки работы искусственного интеллекта. Для обучения нейросети, анализирующей рентген-снимки грудной клетки, мы использовали около 200 тыс. исследований. Примерно такое количество снимков видит врач-рентгенолог за 7–8 лет непрерывной практики. Однако он в ходе работы не получает обратной связи по своему заключению. По нормативам, врач тратит в пределах 10–15 минут на анализ одного исследования, разговор с пациентом и написание протокола – времени на то, чтобы поинтересоваться судьбой прошлых пациентов, не остается.

Нейросеть обучена на уже размеченных 200 тыс. снимков, диагноз по которым подтвержден или патология не выявлена. Но даже при 97% точности какова гарантия, что ИИ и врач совместно не пропустят патологию, не увидев ее на снимке. Мы как разработчики системы поддержки принятия врачебных решений выступаем за тесное сотрудничество с врачами. Без их опыта и заданных критериев оценки развитие этой технологии не представляется возможным.

Третье препятствие для глобализации использования ИИ в здравоохранении выходит за рамки компетенций разработчиков медицинских технологий и клиник. Оно заключается в несформированном правовом поле. Законодательно статус нейросетей в России не определен. И речь не только о статусе медицинского изделия и трудностях при прохождении сертификации. В законодательстве в принципе не прописано, в каких случаях врач может опираться на данные, полученные от ИИ, вправе ли использовать их для постановки диагноза, и чье мнение приоритетнее. Если в случае с Федеральным законом о телемедицине зона полномочий и ответственности для компаний, предоставляющих данную услугу, хоть и скудно, но определена, для нейросетей пока такого закона или поправки не существует, что осложняет их интеграцию.

На данный момент все медицинские продукты, которые контролируют или анализируют состояние пациента, являются медизделиями, и должны пройти процедуру сертификации. Но единых критериев для оценки нейросетей в российском законодательстве не существует. Профессиональное сообщество может выработать их, но этого вряд ли будет достаточно. Информация по предмету разрознена, и дискуссии нет, как нет пока и позиции государства по этому вопросу.

Четвертое препятствие – активное развитие технологий порождает не только новые возможности, но и новые угрозы. Появились вирусы, атакующие ИИ. Проникая в контур медучреждения, они меняют исходное изображение снимка, которое выдается к анализу доктору или нейросети. Визуально для врача такой результат ничем не выдает своей искаженности.

Такие вирусные атаки никак не связаны с использованием добросовестных продуктов разработчиков. Зараженным может оказаться контур клиники, где ИИ никогда не устанавливался. Это исключительно вопрос грамотной политики кибербезопасности. Несмотря на высокие требования в этой сфере, в медучреждениях часто используется устаревшее и не самое защищенное программное обеспечение. Для защиты от подобных угроз необходимо внедрять современные решения в области МИС и PACS-систем и стандарты информационной безопасности.

Именно применение алгоритмов компьютерного зрения способно помочь бороться с подобными вирусами. Восприятие и анализ изображения нейросетью многограннее, она может с большей вероятностью, чем человек, отличить модифицированное изображение от оригинала, в том числе по косвенным факторам, показывающим, что исследуемый файл был изменен.

Ключ на старт

Сегодня нейросеть помогает анализировать рентгенограммы легких в клиниках АО «Медицина», МЦ Prima Medica, «Бест Клиник». Оценить функционал искусственного интеллекта можно и онлайн в телемедицинском сервисе Doctor Smart: врач или пациент загружает скан рентгеноснимка в сервис, нейросеть анализирует его и через 3 секунды предоставляет описанное заключение. Результат можно использовать в качестве второго мнения.

Использование ИИ, в частности, в радиологических отделениях приводит к снижению стоимости исследований, повышению точности и скорости диагностики. В условиях высокой загруженности врач может отправить исследование для анализа в систему CMAI, где данные будут деперсонифицированы, а затем свободный специалист в другой клинике проводит расшифровку изображения и отправляет результат обратно в систему. В итоге врач на месте получает второе мнение от коллеги и от искусственного интеллекта. Так технология обеспечивает минимизацию врачебных ошибок, а главное – позволяет сделать такую медицинскую услугу доступной повсеместно 24/7 даже с учетом кадрового дефицита.

В региональных клиниках из-за нехватки кадров расшифровка снимка может занимать до двух недель. Для большинства серьезных заболеваний такая низкая скорость постановки диагноза может стать критической для пациента. Первичный анализ радиологических изображений с помощью нейросети позволяет приоритизировать острые клинические случаи, сконцентрировав на них внимание специалиста.

Не менее эффективно применение нейросетей в столичных клиниках. Они повышают концентрацию врача, минимизируют вероятность врачебных ошибок, увеличивают пропускную способность отделения, облегчают внутренний контроль качества диагностики, и, что немаловажно для бизнеса, снижают себестоимость услуги. Внедрение таких  систем актуально прежде всего для тех медучреждений, где пропускная способность радиологического отделения стала препятствовать масштабированию услуг. Кроме того, интересно ее применение для военно-призывных пунктов, проверки диагнозов страховыми компаниями, для научно-образовательных целей в медицинских вузах, а также в области мобильной рентгенологии.

Тестовое использование нейросетей в медучреждениях возможно уже сейчас. Главная задача на ближайшие годы для разработчиков медицинского ИИ и клиник – объединить усилия для формирования законодательной и научной базы для использования технологии в российском здравоохранении.

Care Mеntor AI (CMAI) – компания-разработчик нейронных сетей для распознавания и анализа медицинских изображений в сфере радиологии. Основана в 2017 г. Павлом Ройтбергом (АО «Медицина») и Владимиром Никольским (Mail.ru Group).

Doctor Smart – телемедицинская платформа для клиник и пациентов. Предоставляет сервис для связи врачей и пациентов с возможностью интеграции в клиники, страховые компании, лаборатории. Осенью 2018 г. Doctor Smart первым запустил сервис «второе мнение AI», который позволяет получить заключение по рентгеноснимку от искусственного интеллекта. 


Источник: https://medvestnik.ru/