Ежедневный уход на дому за пациентом можно беспрепятственно совместить с амбулаторными условиями, чтобы обеспечить качественное предоставление медицинских услуг и непрерывное наблюдение. С помощью единой цифровой платформы осуществляется сбор данных о состоянии больного. Система подскажет врачу об ошибках, а ИИ поможет диагностировать заболевания, в том числе онкологические. На основе машинного обучения можно создавать полноценные модели внутренних органов для визуализации собранной информации. Генеральный директор Philips Research Хенк ван Хаутен рассказал «Хайтеку» об инновационных подходах к созданию медицинских решений и идее беспроводной больницы.
Хенк ван Хаутен присоединился к Philips Research в 1985 году. Тогда он исследовал явления квантового переноса в полупроводниковых наноструктурах. С 1991 года возглавлял ряд исследовательских отделов в Philips Research в Эйндховене, в частности занимался разработкой стандарта Blu-ray Disc вместе с Sony.
В 2002 году ван Хаутен стал менеджером программ освещения, устройств и микросистем. А в 2005 году — программным менеджером по здравоохранению. Тогда же возглавил исследовательскую лабораторию в Аахене, Германия. В 2010 году ван Хаутен был назначен генеральным директором Philips Research, продолжая руководить лабораторией и одновременно возглавляя программу здравоохранения компании. В 2016 году он стал главным техническим директором Royal Philips.
Семья ван Хаутена тесно связана с компанией Philips. Его отец был руководителем одного из подразделений Philips, а брат — CEO компании с 2011 года.
Мир ждет не новых изобретений, а новых решений
127 лет назад Philips появилась как компания, производящая лампочки. Как и многие другие технологические конгломераты, Philips начала с одного продукта, а потом диверсифицировалась. Лампочки получались очень хорошо, руководители компании подумали: может, сделать радиолампы? Стали заниматься радио. Потом через катодные трубки Philips пришла к телевидению. С рентгеновских трубок началось здравоохранение. Процесс диверсификации произошел от единой технологической базы. Если вы производили радио, вам приходилось производить и транзисторы. Мы получили права на транзисторы после обмена технологиями с Bell Labs после Второй мировой войны. Тогда Philips начала делать полупроводники, потому что надо было оставаться на рынке радио и телевизоров. Освещение продолжалось как отдельный бизнес. Развивались новые источники света. Например, Philips начала делать газоразрядные лампы. Компания стала почти холдингом разных бизнесов с некоторыми центральными организациями и исследовательской лабораторией. В отделе исследований мы продолжали придумывать новое — и для существующего бизнеса, и для новых проектов. Например, компания ASML. Сейчас это главный производитель степперов, а когда-то она отделилась от Philips.
Степпер, wafer stepper — установка, использующаяся при изготовлении полупроводниковых интегральных схем. На ней проводится важнейший этап проекционной фотолитографии — засветка фоторезиста через маску. Принцип работы схож с диапроекторами и фотоувеличителями, однако степперы уменьшают изображение с маски (фотошаблона) обычно в четыре-шесть раз.
Сегодня мир не ждет новых изобретений, он ждет новых решений. Решения предполагают, что вы думаете об одном конкретном потребителе и всех проблемах, с которыми он сталкивается. И пытаетесь найти полное решение этих проблем. На самом деле это попытка влезть в чужую шкуру — например, администрации клиники. Им нужно увеличить продуктивность, улучшить результаты, у них могут быть проблемы с выгоранием персонала на работе, а также KPI опыта пациента. И вдруг мы видим, что больницы начинают работать по-другому. В США лечебные учреждения покупают другие больницы, образуя целые сети. Покупательская способность меняется. И лидерами будут оставаться не те, у кого лучший аппарат для МРТ или КТ, а те, у кого представлено цельное решение в отделении лучевой диагностики.
Если говорить о покупке технологий и компаний, то я лично верю в стратегию «делай и покупай». Наши приобретения часто ведут к созданию новых технологий и продуктов. Какое-то время назад мы купили Respironics — компанию, специализирующуюся на лечении апноэ сна. Это очень серьезное расстройство, и его можно лечить, создавая правильное давление воздуха и регулируя легочную вентиляцию во время сна. Почему мы приобрели эту компанию? Потому что у нас была стратегия экспансии в зону «заботы о пациентах на дому». Это было почти уникальное приобретение, не самое типичное для наших M&A.
Апноэ — остановка дыхательных движений. В частности, наблюдается при обеднении крови углекислотой, вызванном чрезмерной вентиляцией легких (например, после усиленного искусственного или произвольного дыхания). Отдельно выделяют апноэ сна, для которого характерно прекращение легочной вентиляции во время сна более чем на десять секунд. Чаще оно длится 20–30 секунд, хотя в тяжелых случаях может достигать двух-трех минут и занимать до 60% общего времени ночного сна. При регулярных апноэ возникают дневная сонливость, ухудшение памяти и интеллекта, жалобы на снижение работоспособности и постоянная усталость.
Respironics — медицинская компания, которая специализируется на продуктах, улучшающих функции дыхания. Сегодня данное направление Philips производит устройства для диагностики и лечения апноэ сна, неинвазивной вентиляции легких, кислородные концентраторы и больничные вентиляторы.
Существуют покупки, цель которых — предоставить более цельное решение для потребителя. Например, наше подразделение интервенционной диагностики и лечения. Если мы не только производим оборудование, но и хотим создавать комплексные решения в сфере рентгенографии и катетеризации сердца, нам нужно думать и о софте, и оборудовании, в том числе о катетерах. Мы придумали, как усовершенствовать кардиографические процедуры с помощью умных катетеров с сенсорами. Перемещения катетера по телу можно очень точно отслеживать, повышая качество процедуры. Поэтому мы начали нашу программу по органическим исследованиям (Organic research programme — «Хайтек»). Уже после этого мы приобрели Volcano — компанию, которая производит умные катетеры. И совсем недавно — Spectranetics, которая фокусируется на периферической сосудистой системе, так же применяя умные процедуры. Таким же естественным путем мы начали создавать пакеты софта для всего этого.
Терапия под визуальным контролем (от англ. image-guided therapy) — использование любой формы медицинской визуализации для планирования, проведения и оценки хирургических процедур и терапевтических вмешательств. Методы терапии с использованием изображений помогают сделать операции менее инвазивными и более точными, что может привести к сокращению продолжительности пребывания пациентов в больнице и повторных процедур.
Периферическая сосудистая система — состоит из вен и артерий, находящихся не в груди или животе. Периферические артерии подают кислородсодержащую кровь к телу, а периферические вены дезоксигенируют кровь из капилляров в конечностях назад к сердцу. Периферические вены являются наиболее распространенным методом внутривенного доступа в медицине.
Коллаборации стартапов с большими компаниями возможны — и это не всегда ситуация, когда большие рыбы едят маленьких. Комплексные решения в здравоохранении будут производить крупные игроки, такие как Philips, выполняющие функцию интегратора. Инновационные стартапы могут добавлять в эту систему небольшие нововведения, глубоко научные алгоритмы или устройства. Стартапы интересны еще и потому, что они могут позволить себе пробовать новые бизнес-модели. Вполне возможно, что через какое-то время их купят и поглотят. Возможна экосистема, в которой стартапы — маленькие рыбы, устремленные в будущее, и они показывают большим компаниям направления развития. И продукты стартапов могут быть интегрированы в платформы больших компаний, таким образом сосуществование будет возможным.
Мечта о беспроводной больнице
Для пациента взаимодействие с системой здравоохранения должно быть единым и простым. Поэтому R&D в части исследований и технологий должны быть связаны между собой. В Philips создается единая цифровая платформа, чтобы соединить уход на дому с клиническими условиями. Что-то в этой цифровой платформе будет сделано для больниц, некоторые решения смогут подсоединяться к облаку, и их можно будет использовать из дома. Этот переход должен быть беспрепятственным. Одна из областей — интеграция телемедицины в общую систему здравоохранения. Мы предоставляем сервисы по домашнему наблюдению пациентов. И работаем над Population Health Management, чтобы пациентам было удобнее пользоваться здравоохранительной системой. У нас есть и партнерские соглашения в этой области: например, с американским провайдером телемедицинских услуг American Welll, который соединяет пациента с конкретным врачом. В итоге мы создаем экосистему отдельных строительных блоков для здравоохранения.
Population Health Management — платформа, которая объединяет совокупность данных о пациентах в нескольких ИТ-ресурсах в сфере здравоохранения, анализирует их и обеспечивает единый, эффективный отчет о состоянии здоровья пациентов, и позволяет клиникам улучшить клинические и финансовые показатели.
У нас есть мечта о создании беспроводной клиники, где состояние здоровья пациента будет отслеживаться на всех этапах: от отделения скорой помощи до операционной и палаты. Сфера, в которой мы не активны, — это персональные сенсоры общего назначения, такие как Fitbit. Но нам интересны медицинские устройства высокого уровня.. Сегодня мы работаем над созданием устройств для мониторинга в клиниках, которые активно становятся беспроводными.
Основная ценность продуктов будет не в девайсах, а в алгоритмах. Сейчас мы работаем над камерой, которая будет висеть на потолке и сможет определять важнейшие показатели, например, пульс. Если у вас бьется сердце, на коже появляются микропокраснения, которые глаз человека не может заметить. А камера способна распознать даже легкие изменения цвета кожи. Мы уже умеем делать это с высокой точностью. В камере нет ничего необычного, основная ценность в алгоритмах. И этот тренд будет только расти.
Мы предоставляем клиникам инструменты, которые позволяют самостоятельно работать с данными. У нас есть исследователи, которые закреплены в определенных больницах как постоянные резиденты. И вместе с врачами они работают над этим. Например, мы создали решение Philips IntelliSpace Discovery. Это инструмент для больниц, позволяющий им делать исследования с помощью наших алгоритмов. Часто мы делаем совместные проекты с клиниками, чтобы получить доступ к их данным, разработать и протестировать алгоритмы, а потом получить разрешение FDA (Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США — «Хайтек»).
Персональное здравоохранение в первую очередь должно мотивировать людей быть здоровыми. Мы уже наблюдали бурный всплеск популярности девайсов для измерения разных данных. Но важно не только собирать информацию, но и анализировать ее. Людям, у которых есть проблемы со здоровьем, персональное здравоохранение поможет жить с хроническими заболеваниями. И, потом, важная часть — это образование и просвещение — правильное питание, полезные привычки и так далее. Конечно, сегодня многие люди стремятся самостоятельно поставить себе диагноз, и это опасно, потому что многие заболевания могут быть надуманными и беспочвенными. Так что не стоит мотивировать людей измерять что угодно в их телах, важно привлечь их внимание к здоровому образу жизни.
ИИ — помощник, а не заменитель
ИИ окажет наибольшее влияние, когда его глубоко интегрируют в рабочий процесс, и он будет чем-то, что дополняет профессионалов, а не заменяет их. Судя по всему, мир принял термин «искусственный интеллект», но мы в Philips больше любим говорить об адаптивном интеллекте. И у этого есть причина. Мы стремимся создавать инструменты, расширяющие возможности человека, а не Большого Брата, который будет следить за тобой самостоятельно принимать решения. Во многих продуктах Philips ИИ будет играть большую роль. Неважно, будь то умная зубная щетка или высокотехнологичное оборудование для отделения лучевой диагностики. Многие стартапы также смотрят в этом направлении и фокусируются на ИИ-поддержке решений врачей, например, на решениях для улучшения операций, их эффективности и контроля качества. Если говорить о контроле качества, мы видим, что многие специалисты из-за высокой нагрузки могут совершать ошибки. И в таких случаях хорошо обратиться к возможностям ИИ, который будет давать сигнал врачу в случае, если ему стоит повторно проверить результаты.
Контроль качества принятого врачом решения — первоочередная задача ИИ. У нас уже есть один такой пример в маммографии, диагностике рака молочной железы. Обычно в этом случае заболевание определяется на основе рентгеновских снимков. И иногда можно получить ложноотрицательные результаты, когда на снимке ничего не найдено. Но если еще раз исследовать снимки с помощью ИИ, в некоторых случаях будет ясно, что процедура была проведена с погрешностями и ее следует провести повторно. Таким образом с помощью искусственного интеллекта можно провести анализ тысячи снимков и обеспечить более точную диагностику.
AI Toolset — это рабочая станция для создания ИИ-алгоритмов. Конечно, есть много open-source-инструментов, но если каждый исследователь будет собирать их индивидуально, это станет бессмысленной тратой времени. Для внутреннего использования эффективнее создать одну платформу и не изобретать велосипед каждый раз. Для клиентов, то есть клиник, которые хотят создавать собственные алгоритмы, удобнее иметь единую платформу. Это была одна из причин. Вторая причина — когда у вас есть алгоритмы, их надо применять в реальном мире. И, по-хорошему, данные должны быть связаны друг с другом. Нам кажется, что все заинтересованы в комплексных решениях. Больницы не захотят работать с сотней разных стартапов. Здесь наша роль — предоставить это комплексное решение, на основе которого стартапы могут строить свои алгоритмы. Эта платформа уже работает в некоторых больницах в пилотной фазе. Пока это стадия исследования и апробации, но мы близки к коммерциализации.
Не вижу применимости квантовых компьютеров в классическом здравоохранении. Они увлекательны, но их очевидное и первостепенное применение лежит в криптографии. Они могут быть важны для высокозащищенной передачи данных. Такие компьютеры нужны для определенного класса задач. В здравоохранении будут преобладать обычные компьютеры и алгоритмы. Но для некоторых областей, например, для разработки новых лекарств, они могут быть весьма полезны.
«Пациенту нужно объяснить, что с ним не так»
У вас может быть персонализированная модель сердца. И если вы идете в другую больницу, модель вашего сердца будет путешествовать с вами. Речь идет о реализации, пусть и частичной, идеи цифрового двойника. Мы начали заниматься этим, смотря на одну часть тела — сердце. Если вы думаете о пациенте с кардиологическими проблемами, сначала он делает снимок КТ. Этот скан дает прекрасную информацию о сердце в движении. У нас была идея создать модель сердца, основанную на его анатомии и соединить эту модель со снимками КТ в реальном времени. Эту же модель можно использовать и с катетерами, чтобы понимать, куда они движутся, смотря на модель. Такое решение уже есть на рынке под названием Heart Navigator. Та же модель может использоваться при ультразвуке, чтобы было проще анализировать полученные изображения. Сегодня мы начали думать о цифровых двойниках в более широком ключе. В будущем мы сможем добавлять возможности ИИ к этим моделям. Если мы возьмем комбинацию физиологических, анатомических, биомолекулярных знаний, основанных на научных исследованиях, и добавим к этому аналитику данных и машинное обучение, — то получим отличное решение для клинической практики. И можно будет визуализировать данные в понятном врачу виде. Потому что врачи занимаются медициной, а не наукой о данных.
Визуализация данных возможна не только для врачей, но и для пациентов. Например, у нас есть способы рендеринга изображения нерожденного ребенка с ультразвуком. Молодые отцы и матери, конечно, хотели бы посмотреть на красивое изображение, а не на непонятный скан, полный шумов. Но это более тривиальный пример. Если пациенту нужно объяснить, что с ним не так, намного лучше показать это на модели тела человека. Увеличить масштаб, показать сердце, проиллюстрировать, как оно соединяется с другими органами и в чем будет заключаться операция. Это поможет обеспечить конструктивный и понятный диалог между врачом и пациентом.
На сегодняшний день у нас пока нет планов по созданию двойников для целого организма человека, но мы фокусируемся на определенных типах заболеваний, которые тесно связаны между собой. Например, речь идет о патологиях сердечно-сосудистой и дыхательной систем. Если мы окончательно поймем, как функционируют эти системы вместе, можно многое сделать для пациентов с заболеваниями сердца. Про цифрового двойника также можно говорить в контексте онкологии. Но это меньше относится к процессу моделирования, здесь речь идет об агрегировании данных и их соединении. Таким образом можно построить цифровой двойник рака. Недавно в России мы заметили интересный стартап, который использует реальную модель пациента для тренировочных целей. В таком же ключе можно думать и о цифровом двойнике. Мне кажется, при обучении врачи смогут использовать эти модели в симуляторах операций и для повышения собственной квалификации.