На сессии «Внедрение искусственного интеллекта в здравоохранении: новые возможности для стартапов и цифрового бизнеса» RIW-2022 эксперты обсудили эффективные практики внедрения искусственного интеллекта и перспективы технологий в России
Итоги 2022 года для ИИ в российском здравоохранении
Прошлый год для искусственного интеллекта (ИИ) в отечественном здравоохранении ознаменовался двумя знаменательными событиями. Во-первых, начала работу платформа ИИ Минздрава. По словам замдиректора Департамента цифрового развития и информационных технологий Минздрава России Дмитрия Темнова, она станет инструментом, объединяющим медицинское сообщество и специалистов в области ИИ. На платформе размещаются приоритетные клинические задачи и дата-сеты для разработчиков технологий ИИ.
Платформа Минздрава России призвана помочь медсообществу формулировать актуальные клинические задачи, организовывать сбор и разметку медицинских сведений, публиковать задачи и созданные под них дата-сеты. Описания задач и дата-сетов доступны публично, доступ к дата-сетам, размещенным на платформе, получит любая российская аккредитованная IT-организация.
Во-вторых, были приняты стандарты в области ИИ в здравоохранении. «Благодаря таким стандартам мы смогли навести мосты между всеми заинтересованными лицами: врачами, разработчиками», – пояснил замдиректора по научной работе Научно-практического клинического центра диагностики и телемедицинских технологий Антон Владзимирский.
Напомним, в феврале 2022 года Россия приняла несколько стандартов в области ИИ в медицине. Среди первых стандартов:
Разрабатывается еще более 120 стандартов.
Три года эксперимента с ИИ в Москве
Не секрет, что столица опережает субъекты по использованию ИИ в медицине. Все это благодаря платформенному подходу. В 2019 году в Москве начался эксперимент по внедрению в систему столичного здравоохранения ИИ и цифрового зрения, старт которого пришёлся на то время, когда на мировом рынке только появились попытки обучить алгоритмы ИИ решению практических задач. Первая цель была направлена на то, чтобы опередить иностранных конкурентов, рассказал замруководителя Департамента здравоохранения Москвы Илья Тыров. По его словам, приведены и решения для здоровой конкуренции сервисов. Так, в каждом направлении активизировано как минимум два продукта. Поддерживать высокий уровень медицинских ИИ-решений Москве помогают инвестиции. Так, в 2020-2022 годах на апробацию решений в рамках эксперимента выделено 900 млн рублей. По словам Ильи Тырова, ИИ в московском здравоохранении используется для поддержки решений в диагностике. Например, цифровое зрение применяется в радиологии, ИИ помогает в расшифровке ЭКГ, также пилотируется аналитика патоморфологических исследований. К тому же ИИ автоматизирует рутинные процессы. Так, чат-бот принимает жалобы пациентов, видеоаналитика в медорганизациях следит за сервисом, а технологии распознавания речи переводят речь медработника в текст.
Ключевые достижения цифровых платформ базируются на данных
В 40 раз с 2019 года вырос объем медицинских данных, ежедневно регистрируемых в Федеральном реестре электронных медицинских документов. Эта информация доступна для машинной обработки, что способствует целям развития ИИ в здравоохранении, полагает Дмитрий Темнов.
О необходимости работы с разными источниками данных рассказала Елена Соколова (Sber AI Lab; лаборатория искусственного интеллекта «Сбера»): «Это и медицинские тексты, и изображения, и сигналы. Например, в 2021 году благодаря анализу медицинских сведений мы создали решения для определения вероятности нового коронавируса по кашлю, и Symptom Checker – решение для анализа симптоматики заболевания пациента и подсказки, к какому врачу с такой симптоматикой лучше обратиться». В планах Sber AI Lab – развивать направление популяционного анализа населения для выявления пациентов из группы риска развития хронических болезней. Этот проект базируется на анализе электронных медкарт. А еще один проект – персональная комплексная диагностика пациента, которая также будет основана на изучении ИИ его медкарты. «Врач не может за стандартные 12 минут приема проанализировать медкарту человека, поэтому требуется помощь ИИ. Пример такого проекта мы реализовывали в 2022 году вместе с правительством Москвы. Речь идет о проекте диагностического ассистента. Разработанная модель ИИ анализирует всю содержащуюся в медкарте информацию: жалобы, результаты инструментальных и лабораторных исследований, анамнез, описание заключений – и выдает второе мнение врачу. Модель обучалась на обезличенных данных более чем на 30 млн визитов пациентов», - поделилась Елена Соколова из лаборатории искусственного интеллекта «Сбера».
В медицине большинство сервисов для обработки диагностических изображений ориентировано на лучевое исследование, говорит Анна Мещерякова, гендиректор компании «Платформа «Третье мнение»: «Уровень зрелости этого направления самый высокий: данные – цифровые, инфраструктура наиболее готова к внедрению ИИ. Поэтому большинство сервисов, которые мы в «Третьем мнении» вывели на рынок, – это сервисы для отделения лучевой диагностики».
Недавно организация в одном из регионов завершила проект по ретроспективному анализу исследований грудной клетки, были проанализированы данные за 1,5 года.
«Нам удалось в 200 раз быстрее, чем это сделал бы человек проанализировать полуторагодовой архив КТ-исследований. Технологии помогают и младшему медперсоналу. Например, медсестры благодаря push-уведомлениям смогут до 50 раз быстрее реагировать на тревожные ситуации, связанные с возможным падением пациентов», - говорит Анна Мещерякова.
Барьеры для внедрения ИИ
Вопреки всем успехам, реального внедрения серьезных, глубоких систем поддержки принятия врачебных решений на федеральном уровне очень мало, подытожил руководитель экспертной группы «Цифровые технологии в медицине» при АНО «Цифровая экономика», гендиректор ассоциации «НБМЗ» и руководитель направления цифровой медицины компании «Инвитро» Борис Зингерман. По его мнению, сейчас ИИ охотнее всего доверяют сами пациенты.
«Внедрение систем принятия решений тормозится, так как опытные и амбициозные врачи относятся к ИИ с предвзятостью. А у пациентов нет медобразования, и они рады любой помощи и подсказке от искусственного интеллекта», – отметил Борис Зингерман.
Сложнее ситуация обстоит в здравоохранении в субъектах. Первые попытки внедрения ИИ в медучреждения Ямало-Ненецкого округа (ЯНАО) начались в 2018 году. На первом этапе обновлен парк медоборудования, создан центральный архив медицинских изображений и проведено несколько технических интеграций с сервисами ИИ. На втором этапе в ЯНАО обеспечивали качество работы ИИ, в том числе проверяли эффективность сервисов. И затем, по словам замдиректора Департамента здравоохранения ЯНАО Андрея Дорофеева, столкнулись с серьезной проблемой. Для контроля качества ИИ-решений в медицине не хватало специалистов, поэтому на призывы о помощи откликнулись эксперты Департамента здравоохранения Москвы.
«Выход был найден. Согласно договоренностям со столичными экспертами, в ЯНАО подключаются сервисы, занимающие в Москве лидирующие позиции. Сейчас реализуется третий этап – вовлечение врачей-рентгенологов в работу с ИИ. Отрабатываются механизмы сбора обратной связи о работе сервисов на базе ИИ. Следующее, что мы сделаем, – продумаем, как мотивировать врачей на работу с ИИ-решениями», – объяснил Андрей Дорофеев.
Еще одной проблемой для масштабирования медицинских ИИ-решений является вопрос финансирования, отметил директор по развитию бизнеса ООО «К-Скай» Александр Гусев. Для выбора обоснованного подхода к этому вопросу он предлагает рассмотреть три различных уровня зрелости ИИ-систем: «Первый уровень – это новые идеи и разработки, требующие апробации на предмет востребованности рынком. Такие решения еще не прошли необходимые клинические испытания. Источником финансирования для них могут быть собственные средства разработчиков, инвесторов или институтов развития. Второй уровень – это технологически зрелые компании, имеющие регистрационное удостоверение медицинского изделия Росздравнадзора на свою ИИ-систему. Такие решения уже полностью готовы к внедрению, но пока не имеют убедительных доказательств клинической или экономической эффективности. Их оптимально финансировать за счет целевых программ, как это, например, реализуется в рамках московского эксперимента. Третий уровень – это продукты, успешно прошедшие проспективные контролируемые клинические исследования. Решения, по которым собрана обширная доказательная база их клинической или экономической эффективности. При «погружении» таких систем в клинические рекомендации появится возможность оплачивать их применение из средств ОМС. Пока таких продуктов на рынке России нет».
Наконец, немаловажной проблемой является доверие к ИИ со стороны практического здравоохранения – о ней говорили Борис Зингерман, Антон Владзимирский и Александр Гусев. Без формирования доверия невозможно будет ожидать массового применения врачами систем на основе ИИ. Для ее решения необходима продуманная стратегия, включающая обеспечение прозрачности создания и валидации ИИ-систем, развитие доступа к качественным наборам данных, а также публикацию научных работ в этой сфере.
Источник: https://cdo2day.ru/articles/iskusstvennyj-intellekt-v-zdravoohranenii-rossii-perspektivy-razvitija/
Итоги 2022 года для ИИ в российском здравоохранении
Прошлый год для искусственного интеллекта (ИИ) в отечественном здравоохранении ознаменовался двумя знаменательными событиями. Во-первых, начала работу платформа ИИ Минздрава. По словам замдиректора Департамента цифрового развития и информационных технологий Минздрава России Дмитрия Темнова, она станет инструментом, объединяющим медицинское сообщество и специалистов в области ИИ. На платформе размещаются приоритетные клинические задачи и дата-сеты для разработчиков технологий ИИ.
Платформа Минздрава России призвана помочь медсообществу формулировать актуальные клинические задачи, организовывать сбор и разметку медицинских сведений, публиковать задачи и созданные под них дата-сеты. Описания задач и дата-сетов доступны публично, доступ к дата-сетам, размещенным на платформе, получит любая российская аккредитованная IT-организация.
Во-вторых, были приняты стандарты в области ИИ в здравоохранении. «Благодаря таким стандартам мы смогли навести мосты между всеми заинтересованными лицами: врачами, разработчиками», – пояснил замдиректора по научной работе Научно-практического клинического центра диагностики и телемедицинских технологий Антон Владзимирский.
Напомним, в феврале 2022 года Россия приняла несколько стандартов в области ИИ в медицине. Среди первых стандартов:
- «Интеллектуальные методы обработки медицинских данных. Основные положения»;
- «Системы ИИ в клинической медицине – программа, методика клинических испытаний»;
- «Стандарт управления изменениями в системах ИИ с непрерывным обучением».
Разрабатывается еще более 120 стандартов.
Три года эксперимента с ИИ в Москве
Не секрет, что столица опережает субъекты по использованию ИИ в медицине. Все это благодаря платформенному подходу. В 2019 году в Москве начался эксперимент по внедрению в систему столичного здравоохранения ИИ и цифрового зрения, старт которого пришёлся на то время, когда на мировом рынке только появились попытки обучить алгоритмы ИИ решению практических задач. Первая цель была направлена на то, чтобы опередить иностранных конкурентов, рассказал замруководителя Департамента здравоохранения Москвы Илья Тыров. По его словам, приведены и решения для здоровой конкуренции сервисов. Так, в каждом направлении активизировано как минимум два продукта. Поддерживать высокий уровень медицинских ИИ-решений Москве помогают инвестиции. Так, в 2020-2022 годах на апробацию решений в рамках эксперимента выделено 900 млн рублей. По словам Ильи Тырова, ИИ в московском здравоохранении используется для поддержки решений в диагностике. Например, цифровое зрение применяется в радиологии, ИИ помогает в расшифровке ЭКГ, также пилотируется аналитика патоморфологических исследований. К тому же ИИ автоматизирует рутинные процессы. Так, чат-бот принимает жалобы пациентов, видеоаналитика в медорганизациях следит за сервисом, а технологии распознавания речи переводят речь медработника в текст.
Ключевые достижения цифровых платформ базируются на данных
В 40 раз с 2019 года вырос объем медицинских данных, ежедневно регистрируемых в Федеральном реестре электронных медицинских документов. Эта информация доступна для машинной обработки, что способствует целям развития ИИ в здравоохранении, полагает Дмитрий Темнов.
О необходимости работы с разными источниками данных рассказала Елена Соколова (Sber AI Lab; лаборатория искусственного интеллекта «Сбера»): «Это и медицинские тексты, и изображения, и сигналы. Например, в 2021 году благодаря анализу медицинских сведений мы создали решения для определения вероятности нового коронавируса по кашлю, и Symptom Checker – решение для анализа симптоматики заболевания пациента и подсказки, к какому врачу с такой симптоматикой лучше обратиться». В планах Sber AI Lab – развивать направление популяционного анализа населения для выявления пациентов из группы риска развития хронических болезней. Этот проект базируется на анализе электронных медкарт. А еще один проект – персональная комплексная диагностика пациента, которая также будет основана на изучении ИИ его медкарты. «Врач не может за стандартные 12 минут приема проанализировать медкарту человека, поэтому требуется помощь ИИ. Пример такого проекта мы реализовывали в 2022 году вместе с правительством Москвы. Речь идет о проекте диагностического ассистента. Разработанная модель ИИ анализирует всю содержащуюся в медкарте информацию: жалобы, результаты инструментальных и лабораторных исследований, анамнез, описание заключений – и выдает второе мнение врачу. Модель обучалась на обезличенных данных более чем на 30 млн визитов пациентов», - поделилась Елена Соколова из лаборатории искусственного интеллекта «Сбера».
В медицине большинство сервисов для обработки диагностических изображений ориентировано на лучевое исследование, говорит Анна Мещерякова, гендиректор компании «Платформа «Третье мнение»: «Уровень зрелости этого направления самый высокий: данные – цифровые, инфраструктура наиболее готова к внедрению ИИ. Поэтому большинство сервисов, которые мы в «Третьем мнении» вывели на рынок, – это сервисы для отделения лучевой диагностики».
Недавно организация в одном из регионов завершила проект по ретроспективному анализу исследований грудной клетки, были проанализированы данные за 1,5 года.
«Нам удалось в 200 раз быстрее, чем это сделал бы человек проанализировать полуторагодовой архив КТ-исследований. Технологии помогают и младшему медперсоналу. Например, медсестры благодаря push-уведомлениям смогут до 50 раз быстрее реагировать на тревожные ситуации, связанные с возможным падением пациентов», - говорит Анна Мещерякова.
Барьеры для внедрения ИИ
Вопреки всем успехам, реального внедрения серьезных, глубоких систем поддержки принятия врачебных решений на федеральном уровне очень мало, подытожил руководитель экспертной группы «Цифровые технологии в медицине» при АНО «Цифровая экономика», гендиректор ассоциации «НБМЗ» и руководитель направления цифровой медицины компании «Инвитро» Борис Зингерман. По его мнению, сейчас ИИ охотнее всего доверяют сами пациенты.
«Внедрение систем принятия решений тормозится, так как опытные и амбициозные врачи относятся к ИИ с предвзятостью. А у пациентов нет медобразования, и они рады любой помощи и подсказке от искусственного интеллекта», – отметил Борис Зингерман.
Сложнее ситуация обстоит в здравоохранении в субъектах. Первые попытки внедрения ИИ в медучреждения Ямало-Ненецкого округа (ЯНАО) начались в 2018 году. На первом этапе обновлен парк медоборудования, создан центральный архив медицинских изображений и проведено несколько технических интеграций с сервисами ИИ. На втором этапе в ЯНАО обеспечивали качество работы ИИ, в том числе проверяли эффективность сервисов. И затем, по словам замдиректора Департамента здравоохранения ЯНАО Андрея Дорофеева, столкнулись с серьезной проблемой. Для контроля качества ИИ-решений в медицине не хватало специалистов, поэтому на призывы о помощи откликнулись эксперты Департамента здравоохранения Москвы.
«Выход был найден. Согласно договоренностям со столичными экспертами, в ЯНАО подключаются сервисы, занимающие в Москве лидирующие позиции. Сейчас реализуется третий этап – вовлечение врачей-рентгенологов в работу с ИИ. Отрабатываются механизмы сбора обратной связи о работе сервисов на базе ИИ. Следующее, что мы сделаем, – продумаем, как мотивировать врачей на работу с ИИ-решениями», – объяснил Андрей Дорофеев.
Еще одной проблемой для масштабирования медицинских ИИ-решений является вопрос финансирования, отметил директор по развитию бизнеса ООО «К-Скай» Александр Гусев. Для выбора обоснованного подхода к этому вопросу он предлагает рассмотреть три различных уровня зрелости ИИ-систем: «Первый уровень – это новые идеи и разработки, требующие апробации на предмет востребованности рынком. Такие решения еще не прошли необходимые клинические испытания. Источником финансирования для них могут быть собственные средства разработчиков, инвесторов или институтов развития. Второй уровень – это технологически зрелые компании, имеющие регистрационное удостоверение медицинского изделия Росздравнадзора на свою ИИ-систему. Такие решения уже полностью готовы к внедрению, но пока не имеют убедительных доказательств клинической или экономической эффективности. Их оптимально финансировать за счет целевых программ, как это, например, реализуется в рамках московского эксперимента. Третий уровень – это продукты, успешно прошедшие проспективные контролируемые клинические исследования. Решения, по которым собрана обширная доказательная база их клинической или экономической эффективности. При «погружении» таких систем в клинические рекомендации появится возможность оплачивать их применение из средств ОМС. Пока таких продуктов на рынке России нет».
Наконец, немаловажной проблемой является доверие к ИИ со стороны практического здравоохранения – о ней говорили Борис Зингерман, Антон Владзимирский и Александр Гусев. Без формирования доверия невозможно будет ожидать массового применения врачами систем на основе ИИ. Для ее решения необходима продуманная стратегия, включающая обеспечение прозрачности создания и валидации ИИ-систем, развитие доступа к качественным наборам данных, а также публикацию научных работ в этой сфере.
Источник: https://cdo2day.ru/articles/iskusstvennyj-intellekt-v-zdravoohranenii-rossii-perspektivy-razvitija/