;
Мнения 26 ноября 2021

Дмитрий Лисогор, Philips — о доверии пациентов к ИИ и борьбе алгоритмов с раком и болезнями сердца

Далее

Пока одни ученые заявляют о революции в диагностике заболеваний сердечно-сосудистой системы и рака, другие специалисты предупреждают, что алгоритмы угрожают личным данным и страдают предвзятостью к пациентам. О том, может ли ИИ заменить врачей и почему государства не спешат их внедрять, «Хайтеку» рассказал Дмитрий Лисогор, заместитель гендиректора по цифровому здравоохранению Philips в России и СНГ.

Алгоритмы уже работают в областях, где много цифровых данных. Но внедрять их пока сложно

— Есть ли в медицине области, в которых вы уже наблюдаете влияние ИИ?

— С появлением новых мощностей самообучающиеся алгоритмы распространяются все больше, это приводит к всплеску во всех областях, включая медицину. Но медицина — специфичная область, одна из самых консервативных индустрий. Это объяснимо — от нее зависят жизнь и здоровье людей. Инновации здесь всегда проходят целый путь, прежде чем себя зарекомендуют. Медицина привлекает многие технологические компании, но на практике апробация происходит сложнее и некоторые области не всегда дают результат.

Для работы ИИ нужны массивы, которые можно анализировать и обучаться. Поэтому мы видим много примеров разработок из областей, где данные изначально цифровые. С компьютерного томографа, МРТ, ультразвука данные можно увидеть только на экране. Они долгое время накапливались, а теперь используются для обучения и создания алгоритмов. Медицинская визуализация — это одна из первых областей, где ИИ начал распространяться, получать рекомендации и проверенные результаты. Тем более здесь работают алгоритмы, которые уже нашли применение — например, распознавание лиц.

Или электронные медицинские карты пациентов. Это тоже структурированная цифровая информация, ее можно использовать для того, чтобы находить медицинские диагнозы, которые изначально не обнаруживали. Но каждое учреждение хранит информацию по-разному, поэтому исследователям не так просто получить массив данных, с которым можно работать на практике. Тем не менее, исследования в этой области идут.

Там, где цифровых данных меньше, ИИ пока сложно найти применение — для этого не хватает наборов для обучения и тестов. И в реальной практике точность алгоритмов будет отличаться от того, что удалось получить в лаборатории.

Дмитрий Лисогор

— Понимаю, что выборка пока небольшая, но можем ли мы уже сейчас сказать, что в какой-то из областей диагностика стала эффективнее?

— Речь не идет о том, что алгоритм будет ставить диагнозы точнее, чем человек. Сейчас он оправдывает себя в областях, где много рутинных операций, например, массовые скрининговые исследования в поисках рака легких. Чтобы выявить нескольких человек из группы риска нужно отсмотреть огромное количество данных — ИИ сделает это быстрее.

Или, например, маммография — исследование, которое рекомендовано женщинам старше 40 лет как скрининговая программа против рака молочной железы. Врачам нужно отсмотреть сотни или тысячи снимков, чтобы выявить нескольких человек, у которых есть риск. Алгоритм проводит сортировку и обращает внимание специалистов на те исследования, где требуются принятие решения и постановка диагноза. Это уже внедряется в практику и сильно облегчает работу врачей.

— То есть это уже технология, которая работает, хотя сфера очень консервативная?

— Признанием для технологий является разрешение регулирующих органов. В России это Росздравнадзор, в США — FDA и так далее. Но возникала большая правовая коллизия: самообучающиеся системы меняются с каждым пациентом, получается, что мы используем разные алгоритмы каждый день. Нашелся компромисс — алгоритмы используют в «замороженном» состоянии. Они проходят регистрацию, возможность обучения отключается — алгоритмы используют с той точностью, которую показывали регуляторным органам.

FDA уже выдало несколько десятков регистрационных удостоверений для программных решений на основе ИИ, в России выдали шесть таких удостоверений. В основном алгоритмы работают в области анализа медицинских изображений или данных медицинских карт.

— Как работает система анализа медицинских карт?

— Основная идея в том, чтобы посмотреть не только на текущие диагнозы, но и ретроспективно. Когда вы приходите к врачу, у него есть 12–15 минут на прием, этого не хватит для просмотра всего анамнеза — с чем пациент приходил 3–10 лет назад и к каким специалистам обращался. Нужно свести воедино весь массив данных, чтобы, например, не пропустить развитие хронических заболеваний. Эта система позволяет копнуть глубже, а врач смотрит на подсказки и принимает окончательное решение.

Чтобы собирать данные, нужно спрашивать разрешение каждого пациента. Но это может поменяться

— В этом взаимодействии есть еще и пациенты — проводили ли вы исследования об их отношений к ИИ? Готовы они доверить данные и потенциальное лечение технологиям?

— Компания Philips ежегодно проводит исследование «Индекс здоровья будущего» — там мы задаем вопросы группе врачей, руководителей клиник или пациентам. В 2018 и 2019 годах исследования затрагивали тему отношения пациентов к ИИ. У пациентов есть осторожность, они высказывают опасения по поводу того, что их данные будут использовать в алгоритмах.

Интересно, что профессионалы в сфере здравоохранения не разделяют этого беспокойства. Последнее исследование «Индекс здоровья будущего 2021» изучало мнения лидеров индустрии — руководителей клиник, главврачей и заведующих отделениями. Респонденты в России позитивно оценивают перспективы внедрения в практику телемедицины и инструментов ИИ. Так, телемедицину 53% опрошенных назвали одной из цифровых медицинских технологий, в которую они хотели бы вкладывать больше всего ресурсов сегодня. А через три года 85% опрошенных хотели бы приоритизировать инвестиции в ИИ.

Опасение пациентов связано с незнанием — они думают, что машина будет ставить диагнозы, а с врачом пообщаться не получится. Это не так — компьютерные программы и раньше участвовали в принятии решений, просто об этом не говорили так громко. Например, в Московской области внедрили технологию записи к врачу. Пациент общается по телефону с ботом, который пытается классифицировать, к какому специалисту и с какой степенью срочности его нужно направить. По статистике, 80% пациентов записывались к врачам именно так, и никто не задавал вопросы про ИИ. Поэтому это скорее психологический барьер, учитывая, что окончательное решение всегда будет оставаться за врачом.

— Пациенты не высказывали опасения по сохранности данных?

— ИИ привносит не так много рисков с точки зрения кибербезопасности. Многие данные, которые используются для обучения или тестирования алгоритмов, становятся обезличенными. Если в снимке легких убрать имя пациента, исследователи лишатся связи с реальными пациентами. Для некоторых алгоритмов, конечно, нужно смотреть, подтвердился или не подтвердился диагноз, но у ученых есть строгие протоколы по безопасности данных.

Собирать и накапливать данные без разрешения пациентов пока нельзя. Хотя на уровне государства обсуждаются возможные изменения в законодательстве для того, чтобы создать наборы обезличенных данных без обязательного разрешения. Вариантов не использовать ИИ, развивая медицину дальше, нет. Поэтому нужно снимать законодательные барьеры, которые мешают их развивать. Например, сделать обезличенные данные доступными для исследователей без разрешения пациентов.

— Сейчас это работает по-другому? Для обучения и тестирования нужен большой массив данных — вы спрашиваете разрешение у каждого пациента?

— Другого пути нет, это единственный разрешенный метод. Отсутствие наборов данных — одна из самых больших проблем и препятствие на пути развития ИИ. Это не только специфика России, а глобальная проблема. Некоторые авторитарные страны делают это принудительно — в Китае их можно использовать без разрешения. Но Россия аккуратно относится к персональным данным пациентов.

— О каком объеме данных вы говорите? Сколько данных нужно алгоритму, чтобы обучиться?

— Зависит от алгоритма, но речь идет о сотнях, если не тысячах исследований. Допустим, мы получим тысячу исследований для обучения алгоритма, но для тестирования понадобится еще столько же исследований. На них обученный алгоритм подтверждает или не подтверждает свою точность. И только тогда можно говорить о применении на практике. А там он столкнется с десятками тысяч исследований, и его точность будет меняться.

— Вы упоминали консервативность здравоохранения. С какой стороны идет инициатива по внедрению систем ИИ в медицину?

— Нельзя сказать, что есть два полярных лагеря. Но как и многие начинания, ими движут предприниматели и технологические компании, которые делают продукт и ищут для него применение. Основные драйверы — компании-создатели, причем разного размера — это могут быть и стартапы, и крупные технологические компании, такие как IBM, Google, Microsoft, Philips. Мы тоже создаем алгоритмы и помогаем им найти путь в клиническую практику.

Врачи не против технологий. Но основными инициаторами со стороны медицины становятся не сами клиницисты, а администраторы здравоохранения, они должны думать о том, как повысить эффективность системы.

Яркий пример под боком: эксперимент по внедрению ИИ по анализу медицинских изображений в систему московского здравоохранения. Это большая программа, которую город начал в прошлом году, сейчас идет второй этап исследования. В 13 направлениях участвует 21 сервис, в том числе Philips, они провели уже больше 2 млн исследований с помощью алгоритмов. Результаты доступны врачам, которые работают с пациентами и решают, принять во внимание рекомендации или нет.

Алгоритмы могут работать в любой больнице. Но они — не замена врачам

— Для внедрения в ИИ нужна закупка техники, инфраструктуры? Или это не очень затратно для учреждений?

— Многие алгоритмы предоставляются без локальной инфраструктуры со стороны медицинского учреждения — они изначально базируются в облаке, требуется только доступ. Есть другая проблема: медицинские изображения уже где-то хранятся, и надо решить вопрос об интеграции с ними. Но все остальное обрабатывается на внешних мощностях, чтобы не создавать дополнительные вычислительные кластеры в учреждениях.

— Как технологии повлияют на больницы? Персонал сократится? Образование врачей изменится? Их подход к постановке диагнозов станет другим? Какой у вас прогноз на этот счет?

— Технологии развиваются так быстро, что я назвал бы это видением, а не прогнозом. В будущем врачей, которые не используют ИИ, заменят врачи, которые используют ИИ. Никто не говорит о том, что алгоритмы заменят живых специалистов. Врачебная специальность — одна из самых сложных для освоения, она требует долгого обучения и практики — именно из-за этого во многих областях специалистов не хватает. Спрос на медицину и ее доступность растет, население стареет, появляется больше заболеваний, улучшается выявляемость. Но количество врачей не растет с такой же скоростью.

ИИ повысит эффективность их работы, поэтому говорить о сокращении их количества нельзя. Технологии помогут сфокусироваться на тех ситуациях, где нужно принимать решение и ставить диагноз, на общении с пациентом. Это очень важно: без диалога очень сложно поставить диагноз, назначить лечение, проверить его ход и качество. Технологии должны высвободить время для того, чтобы диагностика и лечение были с большим человеческим лицом.

— Не заменит ли ИИ контакт пациента и врача? И вообще насколько он важен в будущем, где исследования будут строиться на объективных данных и анализе массивов данных?

— Контакт врача и пациента важен, потому что двух людей с одинаковыми диагнозами не существует, всегда будут нюансы. Если речь о простуде, это не так критично. Но если это онкологическое заболевание или заболевание сердечно-сосудистой системы, которые могут иметь долгосрочные последствия не только для пациента, но и для его окружения, — коммуникацию со стороны специалиста заменить невозможно. Он должен правильно всех подготовить к дальнейшему пути — сложному лечению или операции.

— ИИ повлияет на зарплаты врачей и вообще их роль в медицине?

— Не думаю, что в этом есть риск — объем работы не изменится. Например, сейчас в исследовании легких нужно просмотреть тысячи флюорограмм, чтобы выявить подозрение на туберкулез. Врач только через неделю сможет определить нескольких пациентов, у кого есть подозрения. Это отложит постановку диагноза, начало лечения, иногда это может быть критично. В будущем результат будет такой же, но мы достигнем его быстрее, потому что алгоритм отсеет снимки, которые не заслуживают внимания. Но диагноз останется за врачом, его работа не станет менее ответственной или квалифицированной.

— Во время пандемии появилось огромное количество данных, на которых можно тестировать или обучать алгоритмы. Удалось ли вам использовать эти данные?

— Врачи, которые искали затемнения, связанные с COVID-19, могли пропустить образования, связанные с туберкулезом или раком легких. Поэтому ИИ используют для вторичного исследования, выявления сопутствующих заболеваний. Мы же предлагаем сервис, который позволяет избежать интеграцию десятков алгоритмов — достаточно один раз подключить нашу платформу, а через нее заказчик получает доступ к алгоритмам разных разработчиков в формате маркетплейса. С его помощью можно сделать один снимок легких, а ИИ будет искать различные отклонения — туберкулез или рак.

— Об ИИ в медицине выходят сотни публикаций, снаружи почти невозможно оценить, какие направления перспективны, а какие слишком переоценены. Например, много говорят о радиологии — там действительно случится большой прорыв? Какие еще есть направления, за которыми стоит следить?

— Радиология кажется перспективной только из-за исходной цифровизации. Данные уже в цифре, поэтому создавать и внедрять алгоритмы проще. Наверное, в этой сфере произойдет очень большая трансформация, появится множество стартапов, придут технологические гиганты. Например, Microsoft недавно купил компанию по анализу голоса и распознавания медицинских изображений.

Перспективным кажется использование ИИ в смежной области — поиске новых лекарств. Алгоритм позволяет смоделировать реакцию организма на те или иные компоненты. Уже появились новости о молекулах, которые избежали традиционного пути работы в лаборатории, для них не использовали большое количество подопытных животных. Безусловно, эта молекула все равно проходит все стадии клинических испытаний, но это существенно сокращает цикл разработки. Возможно, именно с помощью ИИ найдут лекарства от болезней, которые пока не поддаются лечению.


Читать далее

Посмотрите, как выглядит Сатурн с Луны. Фото сделал орбитальный аппарат НАСА

«Хаббл» завершил путешествие по внешней Солнечной системе: что он там увидел

Термоядерный реактор KSTAR установил рекорд: он удержал плазму дольше, чем когда-либо

Загрузка...