Кейсы

Как ИИ меняет медицину: личный помощник для врачей, маршрутизатор в клиниках и разработчик лекарств

Далее

Чтобы сделать систему здравоохранения более ориентированной на пациента, необходимо внедрять умные технологии. Они экономят средства и время, улучшают качество обслуживания в клиниках и позволяют врачам развиваться и обновлять свои знания. Илья Ларченко, директор по инновациям мобильной клиники DOC+, специально для «Хайтека» рассказал о современных трендах и реальных кейсах применения искусственного интеллекта в медицине.

 

Современные системы искусственного интеллекта помогают докторам ставить диагнозы. Например, технологии, которые диагностируют диабетическую ретинопатию — тяжелое осложнение сахарного диабета. Они анализируют снимки глаза, сделанные с помощью аппарата для фотографирования сетчатки. Алгоритмы машинного обучения также помогают врачам во время первичных осмотров. В частности, чат-бот DOC+ самостоятельно собирает анамнез пациента перед онлайн-консультацией, чтобы доктор мог заранее составить представление о состоянии больного. А у компании Philips появилась система на базе ИИ, анализирующая рентгенологические снимки легких на предмет наличия туберкулеза.

 

 

 

 

7 медицинских технологий, которые скоро придут в российские больницы

 

 

 

 

Однако в медицине есть сферы и задачи, которые не связаны напрямую с лечением людей, но в значительной степени влияют на качество медобслуживания. Речь идет о маршрутизации врачей и пациентов в поликлиниках, разработке новых лекарств и поиске новых практик лечения.

Помощник в исследованиях

Методики лечения, используемые врачами, со временем устаревают. Потому медикам приходится регулярно освежать свои знания. Но возникает сложность — количество информации, которое при этом необходимо охватить, невероятно велико.

 


 

Согласно исследованиям 2010 года, новая медицинская статья появляется примерно каждые 26 секунд. С тех пор прошло уже восемь лет, а скорость выхода медицинских статей только увеличилась.

 


 

Один из вариантов решения проблемы с объемами информации — создание помощников для врачей. Они бы искали среди источников релевантные материалы, представляющие интерес для докторов. И такие проекты уже есть. Например, сервис UpToDate, в котором независимые эксперты вручную просматривают наиболее свежие медицинские публикации и составляют краткие конспекты для практикующих врачей.

 

 

Но «ручной подход» имеет свои недостатки — подвержен влиянию человеческого фактора и плохо масштабируется. Потому сегодня разрабатываются и внедряются алгоритмы машинного обучения, автоматизирующие подбор научных публикаций.

Пример такой системы — инструмент RobotReviewer, который разрабатывает Байрон Уоллес, старший преподаватель Колледжа компьютерных и информационных наук при Северо-Восточном университете США. RobotReviewer использует алгоритмы машинного обучения и модели обработки естественного языка для анализа медицинской литературы на предмет надежности исследования.

 

 

 

 

Шрада Агарвал, Outcome Health: когда человек знает о своей болезни, от этого выигрывают и он, и фарма

 

 

 

 

В частности, алгоритм определяет, проводили ли авторы публикации рандомизированное контролируемое испытание во время своих исследований. Это тип эксперимента, когда одна группа участников принимает плацебо или лечится классическими методами, а вторая группа — получает исследуемый препарат. Алгоритм также учитывает, использовал ли автор двойной слепой метод при оценке реакции на методику лечения. Метод предполагает, что сам исследователь не знает, какая из подопытных групп — контрольная.

Эти два подхода наиболее важны при определении надежности статьи. Алгоритм отсеивает те исследования, которые не соответствуют высоким медицинским стандартам и не представляют практической ценности для докторов. Это экономит их время, так как им не приходится просматривать работы ненадежные с точки зрения чистоты эксперимента.

 

 

Маршрутизация в больницах

Технологии машинного обучения помогают не только с поиском новых методологий лечения. Госпиталь Джонса Хопкинса использует системы ИИ для маршрутизации врачей и управления потоками людей в больнице, чтобы снизить время ожидания пациентов.

На территории кампуса располагается командный центр, как в НАСА. В комнате висят 22 монитора, на которые поступают данные с четырнадцати ИТ-систем больницы, анализируемые умными алгоритмами.

Система ИИ строит цифровую модель госпиталя и предсказывает активность пациентов на ближайшие 48 часов. С помощью системы сотрудники штаба перераспределяют нагрузку на врачей, оценивают количество свободных коек в палатах и определяют наиболее приоритетные задачи — выписать уже здоровых пациентов и принять тех, кому требуется неотложная помощь.

 

 

Система следит, сколько врачей работают «в поле». Когда их начинает не хватать, она сообщает об этом администраторам. В будущем решения командного центра позволят отслеживать и другие риски, например, опасность распространения инфекции.

Центр начал свою работу в феврале 2016 года, и как отмечают врачи госпиталя, с того момента время ожидания в операционных снизилось на 70%, а пациентам из «неотложки» стали оказывать помощь на 30% быстрее.

Другой пример — система в Кливлендской клинике. Пару лет назад госпиталь в партнерстве с Microsoft внедрил интеллектуальную технологию, определяющую пациентов в реанимации, которым может срочно потребоваться вазопрессорная терапия.

 


 

Вазопрессоры — препараты, которые вызывают сужение сосудов, что приводит к росту кровяного давления. Подобный вид терапии применяется для повышения частоты сердечных сокращений и при остановке сердца у пациента.

 


 

Алгоритмы Microsoft используют специально разработанную модель бинарной классификации, которая оценивает данные, поступающие с медицинского оборудования в реанимации. На их основе она предсказывает, понадобятся ли вазопрессорные препараты больному в ближайшие восемь часов. Система стала еще одной парой глаз, которая следит за пациентом и дает врачам время подготовиться к критическим ситуациям.

Создание лекарств

Специалисты из Центра Тафтса, занимающегося исследованиями в сфере разработки лекарств, установили: создание нового препарата обходится в $2,9 млрд. А его разработка может длиться порядка 12 лет.

Сложность в процессе разработки заключается в поиске новых молекул, которые образуют необходимые связи с белками и борются с болезнью. Для этого обрабатываются большие объемы информации и проводится множество тестов, а это процедура времязатратная. Потому исследователи из фармацевтических компаний и обратились к системам искусственного интеллекта.

 

 

Платформа Exscientia, основываясь на обширных сводах медицинской информации, отбирает наиболее перспективные молекулы, что позволяет разрабатывать новые препараты быстрее и дешевле.

Генеральный директор Exscientia Эндрю Хопкинс говорит, что их платформа сокращает время и стоимость разработки нового лекарства на 75%. В частности, исследователям из Exscientia в партнерстве с коллегами из фармакологической компании Sumitomo Dainippon удалось завершить поиск молекулы для препарата, направленного на лечение психиатрических расстройств, всего за 12 месяцев.

 

 

 

 

Руслан Зайдуллин, основатель Doc+, — о том, что делать Минздраву и о проблемах в российской медицине

 

 

 

 

Системы искусственного интеллекта автоматизируют решение большого количества рутинных, но важных задач, которые сегодня выполняют врачи и исследователи. Области применения разнятся от проверки наличия медстраховки и анализа медкарт до расшифровки результатов лабораторных анализов и помощи в диагностике заболеваний. Умные технологии постепенно проникают во все процессы, происходящие в больницах.

В будущем эта практика приведет к значительному повышению качества медобслуживания и более точному назначению лекарств. Глобальный подход со временем позволит не только подбирать персонализированные методы лечения для каждого пациента, но даже предсказывать генетические предрасположенности к заболеваниям и предотвращать их. Это кардинальным образом изменит привычную систему здравоохранения и сделает ее более ориентированной на пациента.

 

Загрузка...