25 января в ФГБУ «НМИЦ гематологии» Минздрава России состоялась конференция «Татьянин день» – элементы искусственного интеллекта в современной гематологии».
На трех сессиях – «Здравоохранение», «Клиника», «Исследование» – были представлены общие тренды развития искусственного интеллекта в здравоохранении, технологии обучения врачей разным направлениям цифровой медицины, перспективы применения искусственного интеллекта в терапии и медицинской профилактике. На примере лимфом, множественной миеломы, анемии показаны алгоритмы диагностики и выбора терапевтической тактики.
Приветствуя участников, генеральный директор Елена Николаевна Паровичникова сравнила искусственный интеллект со студентом, которого необходимо наполнять знаниями, имеющимися в распоряжении специалистов. Сейчас происходит цифровая реорганизация здравоохранения. В медицине активно используются все онлайн-технологии, алгоритмы обучения, и все это – зона влияния искусственного интеллекта.
В видеоприветствии директор ФГБУ «НМИЦ терапии и профилактической медицины» Минздрава России Оксана Михайловна Драпкина отметила, что цифровизация и элементы искусственного интеллекта – это надежные помощники. На протяжении нескольких лет коллективы двух национальных центров пытаются приблизиться к цифровым элементам, которые используются в первичной медико-санитарной помощи, в гематологических проблемах.
Первую сессию «Здравоохранение» с докладом «Зачем нам все это нужно: на примере лимфом и ХЛЛ» открыл д.м.н., заведующий отделением гематологии и химиотерапии лимфом с блоком трансплантации костного мозга и гемопоэтических стволовых клеток ФГБУ «НМИЦ гематологии» Минздрава России Евгений Евгеньевич Звонков.
Он рассказал об истории искусственного интеллекта. Термин «искусственный интеллект» ввел американский информатик Джон Маккарти в 1955 году. В 1958 году появляется первый язык программирования искусственного интеллекта.
Первая отсылка к искусственному интеллекту относится к XVIII веку. В 1770 году венгерский изобретатель Вольфган фон Кемпелен сконструировал механический прибор, обыгрывающий всех в шахматы. Впоследствии выяснилось, что внутри автомата сидел опытный шахматист, управляющий всем процессом. После раскрытия аферы аппарат был уничтожен.
Спустя два века. 11 мая 1997 года, Deep Blue — шахматный суперкомпьютер, разработанный компанией IBM, выиграл матч из 6 партий у чемпиона мира по шахматам Гарри Каспарова.
Вскоре программы искусственного интеллекта, которые использовались для игры в шахматы, стали применяться в медицине.
В мае 2018 года искусственный интеллект стал лучше людей распознавать рак кожи. Сегодня программа DeepMind используется для исследования сворачивания белка, пытаясь найти средство от болезней Альцгеймера и Паркинсона.
- Искусственный интеллект – это более высокий, чем статистика, уровень анализа данных, где применяются методы, традиционно относившиеся к человеческому интеллекту: обучение, распознавание тенденций и самовыражение, – отметил Евгений Евгеньевич. – Иными словами, искусственный интеллект сначала учится сам, а потом учит других. Мы всегда занимались классической статистикой, искали случайные различия, вероятности, но часто теряли персональные подходы к диагностике и лечению отдельных заболеваний. При использовании искусственного интеллекта совсем другие критерии. Появляется чувствительность, специфичность, точность и площадь под кривой. Цель – персонифицированная медицина –основной тренд современного здравоохранения на ближайшие десятилетия. И главный вопрос: может ли машина просчитать все варианты патологического процесса, в частности, в отношении лимфатической опухоли, и построить модель индивидуального лечения с точностью большей, чем мозг врача?
На конференции был представлен алгоритм работы искусственного интеллекта на примере диффузной В-крупноклеточной лимфомы. Так, благодаря анализу профиля экспрессии генов, оборудование, оснащенное искусственным интеллектом, в состоянии диагностировать фолликулярную лимфому мантийной зоны ДБККЛ, лимфому Беркита практически в 100 % случаев.
Интеграция и развитие искусственного интеллекта – одно из самых перспективных направлений в медицине.
Во-первых, искусственный интеллект уже облегчает ежедневную работу медицинских специалистов и помогает снижать количество врачебных ошибок. Сегодня технологии помогают специалистам быстрее описывать данные, полученные по КТ и МРТ.
Во-вторых, рост медицинской информации увеличивается в геометрической прогрессии. Только по Международной классификации болезней 11 пересмотра насчитывается 55 наименований болезней. Главное преимущество искусственного интеллекта – его способность обрабатывать огромное количество данных, что не в состоянии сделать человеческий мозг.
Большинство исследований в медицине, которые посвящены искусственному интеллекту, проводятся на основе обучения с «учителем». Это процесс основан на маркированных данных, которые верифицирует эксперт. Как пример: снимок кардиограммы и заключение врача о наличии или отсутствии инфаркта миокарда. Именно на примере таких данных учится алгоритм.
Подготовка студентов и врачей по разным направлениям цифровой медицины проводится в ФГОУ ВО Первый МГМУ им. И.М. Сеченова (Сеченовский Университет). Сотрудники Института цифровой медицины, подразделения Сеченовского Университета медицинского института, разрабатывают интеллектуальные системы для здравоохранения.
С докладом «Технология обучения врачей-гематологов практике применения ИИ» выступил доктор технических наук, доцент, директор Института цифровой медицины, заведующий кафедрой информационных и интернет-технологий Первого МГМУ им. И.М. Сеченова Георгий Станиславович Лебедев.
– Sechenov-DataMed.Al – система интеллектуальной обработки биомедицинских текстов, – рассказал Георгий Станиславович. – Каждый день PubMed пополняется тысячами новых работ. С помощью быстрых литобзоров врач получает выборку знаний, необходимую для принятия решения. Система позволяет анализировать сложные запросы, например, «какие препараты назначить пациенту с апластической анемией при ковиде и почечной недостаточности». Система классифицирует исследования по уровню совпадения c запросом. Эту систему мы предлагаем для работы в различных медицинских центрах.
Sechenov AutoML — система машинного обучения без программирования. Каждый врач может загрузить в систему набор данных пациента и построить предиктивную модель, которая позволит сразу получить заключение. Такое решение уже реализовано для врачей-радиологов. Система может обработать большое количество данных и учесть все факторы, влияющие на конечный результат. Система была успешно опробована для гематологов для прогноза реакции «трансплантат против хозяина».
Также была представлена система построения датасетов – Sechenov DataLake. Это набор данных, на которых систему можно обучать.
Заместитель директора Департамента цифрового развития и информационных технологий Минздрава России Олия Рашитовна Артемова рассказала о внедрении медицинских изделий с использованием искусственного интеллекта в рамках реализации федерального проекта «Создание единого цифрового контура».
В 2023 году субъекты Российской Федерации должны были внедрить не менее одного медицинского изделия на основе технологий искусственного интеллекта в одну из централизованных подсистем государственной информационной системы в сфере здравоохранения субъекта Российской Федерации. В 2024 году таких медицинских изделий должно быть минимум три. Данные медицинские изделия должны быть в обязательном порядке зарегистрированы Росздравнадзором.
В рамках доклада приведена статистика по регионам России и структура закупок. В 2023 году медицинских изделий с использованием технологий искусственного интеллекта приобрели 84 субъекта, 58 начали эксплуатацию.
Были представлены критерии выбора медицинских изделий с использованием искусственного интеллекта. Программное обеспечение должно быть зарегистрировано в реестре Российского программного обеспечения и иметь действующее регистрационное удостоверение. На сегодня зарегистрировано 26 таких медицинских изделий: 19 – от российских разработчиков, 7 – от иностранных.
До середины февраля Минздрав России выпустит методические рекомендации по внедрению медицинских изделий, где можно будет получить ответы: по критериям выбора, срокам на техническую поддержку, протоколам и стандартам взаимодействия. Главное требование ко всем изделиям, это возможность их интеграции с ГИС Субъект РФ и формирование отчета, содержащего статистику.
В ближайшее время будут опубликованы методические рекомендации по сервисам голосового заполнения, которые позволяют автоматически вводить данные в электронную медицинскую карту при проведении диагностических исследований.
Ведущий специалист Управления стратегического развития здравоохранения ФГБУ «ЦНИИОИЗ» Минздрава России Тарас Денисович Тарасенко, выступая с докладом «Общие тренды развития Искусственного интеллекта в здравоохранении РФ», отметил, что главные задачи ИИ — улучшить эффективность системы здравоохранения, снизить нагрузку и объем рутинной работы врачей, позволив им сконцентрироваться на постановке точных диагнозов. Именно поэтому рынок технологий, и, в частности, ИИ, так активно развивается в сегменте медицины. Уже зарегистрировано 500 медицинских девайсов, которые используют искусственный интеллект.
В докладе «Алгоритмы диагностики анемий – цифровой инструмент на виртуальном столе терапевта» к.м.н., руководитель сектора изучения неопухолевых заболеваний системы крови, врач-гематолог отделения гематологии и химиотерапии орфанных заболеваний ФГБУ «НМИЦ гематологии» Минздрава России Родион Викторович Пономарев сделал обзор мировых исследований, в которых использовался искусственный интеллект для диагностики анемий неинвазивными методами.
Один из таких методов – анализ изображений. Эксперт сопоставляет фотографии конъюнктивы, ладоней, ногтевых пластин и наличие или отсутствие анемии по данным общего анализа крови. За счет этих данных проводится машинное обучение. Современные нейронные сети могут предсказывать наличие анемии у пациента с точностью до 98 %. Это позволяет в странах с низким уровнем здравоохранения, определять группы, которые нуждаются в развернутом тестировании.
Также был представлен дизайн исследования в области дифференциальной диагностики с применением методов машинного обучения, которое инициировано в ФГБУ «НМИЦ гематологии» Минздрава России.
Эксперт по цифровому здравоохранению, эксперт НПКЦ ДиТ Депздрава Москвы и ФГБУ «ЦНИИОИЗ» Минздрава России, к.т.н. Александр Вадимович Гусев представил первую в России систему поддержки принятия врачебных решений «Webiomed», зарегистрированной как медицинское изделие. Проект использовался совместно с регионами для интерпретации результатов диспансеризации. Опыт показал, что система помогает врачу более точно выявлять факторы риска, на порядок быстрее интерпретировать карту и в итоге более точно определять группу здоровья и давать рекомендации.
– Система на основе искусственного интеллекта имеет безусловные плюсы: разгрузка врача, экономия времени на анализ карты, – отметил Александр Вадимович. – В то же время технология меняет отношение врача к повышению квалификации, так как возникает соблазн переложить часть рутины на искусственный интеллект. В целом система поддержки принятия врачебных решений показала свою эффективность и может быть рекомендована для широкого использования.
Заведующий кафедрой медико-технических информационных технологий МГТУ им. Н.Э. Баумана Сергей Игоревич Щукин показал роль искусственного интеллекта в создании неинвазивных технологий мониторинга параметров гемодинамики с использованием многоканальных измерений на примере электроимпедансных методов диагностики сердечно-сосудистых заболеваний.
Главный внештатный специалист гематолог Департамента здравоохранения города Москвы, заместитель главного врача по медицинской части (по гематологии) Городской клинической больницы им. С.П. Боткина ДЗМ, д.м.н., профессор, Вадим Вадимович Птушкин представил алгоритмы выбора терапевтической тактики с помощью искусственного интеллекта при лечении пациентов с множественной миеломой. Показаны системы просчета, подходы к созданию инструментов прогноза. Статистические методы, которые использует искусственный интеллект, способны к анализу показателей выживаемости.
Заместитель директора по научно-технологическому развитию ФГБУ «НМИЦ терапии и профилактической медицины» Минздрава России, д.м.н., доцент Антон Робертович Киселев рассказал про перспективы применения искусственного интеллекта в терапии и медицинской профилактике.
– В своем докладе я старался осветить аспекты биобанкирования в контексте тех проектов, для которых эта технология может быть использована, – сказал Антон Робертович. Во-первых, чтобы создавать новые клинические рекомендации и методы прогноза для раннего выявления патологий самого широкого профиля, в том числе и гематологического. Во-вторых, уже на основе данных при помощи методов искусственного интеллекта можно строить медико-экономические модели, которые необходимы для системы здравоохранения, а также выходить за пределы медицины. Например, в области общественного здоровья для того, чтобы задавать программы по улучшению качества окружающей среды.
Начальник информационно-аналитического отдела ФГБУ «НМИЦ гематологии» Минздрава России, к.т.н. Сергей Михайлович Куликов, обращаясь к участникам конференции, отметил, что цель его доклада – уберечь исследователей от ложных ожиданий чуда. В докладе «Поиск генетических предикторов ответа на терапию заболеваний системы крови с использованием алгоритмов машинного обучения» Сергей Михайлович показал работу алгоритмов машинного обучения на примере хронического миелолейкоза, множественной миеломы, острого промиелоцитарного лейкоза, когда приходится сталкиваться с тем, что число признаков сравнимо или больше чем объем выборки.
– Чудес не бывает, дополнительно к методам МО нужно использовать биологические, математико-статистические модели, – отметил Сергей Михайлович. – Нужно делать попытку сокращения размерности и только потом использовать эти методы. Случайные леса, по нашему мнению, наиболее устойчивый и результативный инструмент машинного обучения. В основном он предназначен для поискового анализа. В последующем результаты его работы нужно проверять классическими методами биостатистики. Никакие продвинутые методы не снижают требования к качеству данных и репрезентативности обучающей выборки. Важно помнить, что мусор порождает мусор. Надо быть очень осторожным в практическом применении. Нельзя использовать машинное обучение, если машина не поясняет решение. Репозитории (библиотеки, архивы, коллекции) данных – фундамент и залог успеха использования машинного обучения и искусственного интеллекта.
Заведующий кафедрой биомедицинских технических систем МГТУ им. Н.Э. Баумана, к.т.н., Андрей Владимирович Самородов рассказал про особенности применения методов искусственного интеллекта для распознавания клеток крови.
– Сейчас мы находимся на вершине хайпа. Наши ожидания часто являются завышенными, и в этом смысле, нам предстоит очень скоро разочароваться в каких-то применениях, которые мы ожидаем от искусственного интеллекта. Тем не менее искусственный интеллект — это очень хороший метод, способ решения многих задач, лучше, чем другими методами. И задача инженеров и медиков – найти реальное применение методам искусственного интеллекта в медицине и развиваться дальше.
В докладе «Модели глубинного обучения для анализа генома» заведующая международной лабораторией биоинформатики на факультете компьютерных наук НИУ ВШЭ, к.ф-м.н. Мария Сергеевна Попцова рассказала о фундаментальных исследованиях в области молекулярной биологии, которые сейчас проводятся методами искусственного интеллекта.
– Мы вошли в такую эру, что молекулярная биология накопила большие данные благодаря очень крутым технологичным экспериментам секвенирования, где десятки тысяч экспериментальных разметок, которые хранят информацию о содержании разных функциональных элементов на уровне всего генома, и анализировать можно только методами глубинного обучения, – отметила Мария Сергеевна. – Я показала так называемые успешные примеры применения современных алгоритмов для извлечения смысла из огромных многомерных данных без применения к какому-то конкретному заболеванию и обозначила потенциал применения в будущем. Считаю, что на первом месте будут генетические исследования. Когда у каждого пациента с любой нозологией будет известен спектр его полных мутаций. Искусственный интеллект поможет определить, является ли это изменение в геноме вредоносным, патогенным или оно безвредное. Мы очень рассчитываем, что искусственный интеллект будет нашим помощником в этом сложном решении.
Главный внештатный специалист по патологической анатомии в онкологии Департамента здравоохранения города Москвы, заведующий патологоанатомическим отделением Московской городской онкологической больницы № 62 Департамента здравоохранения города Москвы Никита Александрович Савелов рассказал об опыте распознавания гистологических изображений при онкологических заболеваниях с учетом цифровизации патологоанатомических исследований.
В отраслевой стандарт города Москвы внедрено «Автоматизированное рабочее место врача-патологоанатома» – предназначено для просмотра отсканированных/цифровых изображений гистологических препаратов.
– Дело все в том, что в процессе трансформации отрасли системы искусственного интеллекта закономерно будут применяться для диагностики рака, – отметил Никита Александрович. – Москва в настоящее время имеет несколько проектов по социально значимым опухолям, таким как рак молочной железы у женщин, колоректальный рак, рак предстательной железы для применения систем искусственного интеллекта с целью помощи врачам-патологоанатомам в разных аспектах диагностики. Конечно, машина не заменяет человека, все верифицируется врачом. Однако некоторые диагнозы занимают очень много времени, содержат много монотонных и многообразных действий. В этой ситуации система искусственного интеллекта значительно быстрее справляется с этим и качественнее.
Никита Александрович, выразил уверенность, что внедрение искусственного интеллекта в медицинскую практику поможет не заменить человека, а компенсировать те ошибки, которые свойственны человеческому разуму.
– Нам давно говорили и биостатистики, и биоинформатики, что «мусор на входе» в аналитику «мусор на выходе», – отметила Елена Николаевна Паровичникова. – Первичные данные – это основа основ. На данном этапе нашего развития, мы считаем, что наши знания — это истина, и мы этой истине учим искусственный интеллект. Проходит время, и оценка одного и того же явления меняется, и истина прошлых лет становится заблуждением. Процесс смены истин бесконечный, а как к этому будет приспосабливаться машина — это большой вопрос. Мы должны двигаться вперед исходя из того, что цели для машины должен определять естественный интеллект.
– На мой взгляд, все прошло успешно, были очень интересные сообщения, которые касались распознавания клеток крови, регуляции генома, – поделился заведующий лабораторией математического моделирования биологических процессов, профессор, д.ф-м.н. Георгий Теодорович Гурия. – В целом конференция была очень представительной. Были представлены два доклада от МГТУ им. Н.Э. Баумана, который славится своими приборами, используемыми в том числе и для гематологии, цитоморфологии, и в частности для анализа костного мозга. Мне показалось, что все темы были очень актуальными, особенно с учетом того факта, что мы присутствуем в эпоху стремительного взлета общественного интереса к системам искусственного интеллекта, и ты начинаешь по-другому смотреть на собственные интеллектуальные возможности. Мы уже видим, что начали строиться большие Dataset, т.е большие наборы данных по которым система может сама себя обучать. Будем надеется, что через относительно небольшое время эти интеллектуальные системы выйдут на тот же уровень локализации и распознавания ошибочности, который есть у реального человека.