На секции «Искусственный интеллект в здравоохранении» III Телемедфорума прозвучал опыт мурманской областной клинической больницы им. П.А. Баяндина. В презентации заместителя главного врача Леонида Анопченко проанализированы некоторые итоги внедрения инновационных программных продуктов за период более трех лет: с 2017 года по настоящее время.
Как отметил модератор секции Андрей Алмазов, Мурманск стал одним из первых регионов России, где при консультативной поддержке Ассоциации «НБМЗ» начали апробацию программных продуктов с искусственным интеллектом, представленных НБМЗ. Также по инициативе представителя в Совете Федерации РФ от Мурманской области Татьяны Кусайко были проведены круглые столы под эгидой Комитета по социальной политики СФ РФ по актуальным вопросам интенсификации развития подобных технологий. Сенатор отмечает, что ускоренное внедрение цифровых технологий в клиническую практику конкретных медицинских учреждений позволит добиться улучшения качества и доступности медицинской помощи для населения не в «далеком будущем», а уже «здесь и сейчас».
В течение всего этого периода были предприняты многочисленные попытки тестирования и применения систем автоматизации на основе ИИ. Исходя из этого опыта удалось сформулировать основные выводы для тех, кто только планирует начать использовать или тестировать такие программные продукты.
В 2017 году на базе Мурманской областной больницы обучали систему распознавания речи, используя ее в практике рентгенологов. В тот момент технология требовала доработки и внедрить ее в практику врачей не удалось. Но спустя два года усовершенствованную и доработанную систему успешно внедрили в практику цитологов и патанатомов. Исходя из этого опыта можно сделать вывод, что получить сразу готовое решение для поставленных задач в данный момент может быть затруднительно. Зачастую требуется доработка продукта, его техническая адаптация, и даже, возможно, изменение инфраструктуры самого процесса работы клиники.
С помощью платформы Botkin.AI в Мурманске прошло тестирование алгоритма ИИ для выявления рака легких по данным КТ. В результате из 250 обработанных исследований в двух случаях в протоколы были добавлены рекомендации по динамическому наблюдению, еще в трех протоколах была исправлена терминология, использованная врачами. Изначально предполагалось, что технология будет наиболее эффективной в скрининге рака легких методом КТ. Однако данный вид скрининга не проводится в Мурманской области, поэтому внедрения системы в практику также не произошло. Вывод по итогам этого «пилота»: в первую очередь нужно детально оценить релевантность программного продукта и процессов клиники/региона. В идеале продукт должен быть создан для решения конкретных задач, поставленных клиникой или регионом.
Также впервые в данном проекте была произведена интеграция сервиса с PACS-сервером учреждения, которая потребовала двусторонней доработки и целого месяца работы. Исходя из этого логично предположить, что интеграция сервиса с информационными системами клиники или серверами хранилищами даже в тестовом режиме целесообразна после этапа выбора наиболее эффективных в части анализа решений.
В свою очередь с помощью другой системы ИИ — Webiomed (кстати, первой в России зарегистрированной как медицинское изделие) – сделали расчет сердечно-сосудистых рисков по неструктурированным данным медицинских карт 1805 амбулаторных пациентов. Среди пациентов высокого и очень высокого сердечно-сосудистого риска 1 пациент имеет низкий абсолютный риск по шкале Score, а 62 – умеренный риск. Это прямые резервы борьбы с ССЗ, активное проведение превентивных мероприятий у данных пациентов может значительно снизить риск нежелательных сердечно-сосудистых событий в их будущем. К сожалению, 21% записей не был обработан ввиду недостатка данных в медицинских картах. Также пришло понимание, что более эффективно эта технология может быть использована при централизованной оценке данных в референс-центрах или центрах компетенции. На данный момент такие изменения инфраструктуры здравоохранения только обсуждаются на федеральном уровне. Итоги данного проекта доказывают, что для внедрения программного продукта очень важна готовность инфраструктуры и готовность данных в процессах, которые требуют автоматизации.
Была предпринята попытка пилотного тестирования системы ИИ по оценке тяжести течения острого панкреатита – Sapia. Система довольно эффективно автоматически рассчитывает степень тяжести данного заболевания, однако тестирование проводилось без интеграции сервиса в медицинскую сеть больницы и это требовало от врачей дополнительных временных затрат, что стало основной причиной снижения интереса специалистов к использованию продукта. В результате можно сделать вывод, что, по крайней мере в настоящее время одно из самых важных условий успешного тестирования и внедрения систем на основе ИИ — это личная заинтересованность и инициатива практикующих специалистов, непосредственно работающих с программным продуктом.
Сейчас в Мурманске идет опытная эксплуатация системы «Цельс» в рамках пилотного проекта по оценке эффективности обнаружения рака молочной железы. Он на стадии аудита результатов, оценки наиболее эффективных сфер использования. Немаловажным фактором для проведения этого «пилота» стала готовность инфраструктуры – в регионе полностью обновлен парк цифровых маммографов. Планируется сравнить эффективность нескольких систем по определению риска злокачественного новообразования молочных желез и перейти к рассмотрению возможности более масштабного тестирования — с интеграцией в медиицинскую информационную сеть больницы. Собрана команда, заинтересованная в развитии систем, которые могут усовершенствовать скрининг рака молочной железы. И улучшение показателей данного направления имеет высокое соответствие целям здравоохранения региона.
Опыт первопроходцев всегда бесценен, и поэтому так важно прислушаться к выводам, озвученным Леонидом Анопченко: не нужно стремиться к ИИ только потому, что это «хайповая» тема, нужно постараться чётко понять, что именно требует автоматизации. А для этого прежде всего трезво оценить готовность имеющейся инфраструктуры: достаточен ли объем цифровых данных и готовы ли они к машинной обработке?
Для лучевой диагностики новый этап развития уже однозначно наступил, и тут уже без искусственного интеллекта никак не обойтись. Поэтому надо держать в поле зрения новые решения на рынке, постоянно пробовать, не бояться ошибиться и не сдаваться в поиске оптимальных инструментов.