Триаж: искусственный интеллект, способный выявлять онкологию, коронавирус и другие заболевания
Так выглядит статистика за 2019 год. Как мы видим, из-за онкологии тогда умерло почти 295 тысяч человек – без малого пятая часть от общего числа смертей в стране.
Ранняя диагностика онкологических заболеваний – один из важнейших вызовов для современной медицины. В большинстве случаев пациент, у которого выявлена патология на первой или второй стадии, может быть довольно легко излечен (и часто без применения инвазивных методов).
Например, если рак молочной железы будет выявлен на первой стадии, то в 95% случаев пациент выживет. При третьей стадии можно говорить лишь о пятилетней выживаемости на уровне 72%, а при четвертой – 20-22%. Похожая зависимость наблюдается и при злокачественных новообразованиях других органов.
Методы повышения выявляемости онкологии на ранних стадиях
Ответ на поверхности: для того,чтобы выявлять максимально возможное число онкологических заболеваний на ранних стадиях, необходимо регулярно проводить обследования населения страны (или хотя тех, кто наиболее подвержен риску возникновения патологий – например, в силу возраста). Такой подход получил название скрининг.
Скрининг — процедура массовой проверки населения на наличие скрытых заболеваний. При этом, изначально предполагается, что наибольшая часть пациентов здоровы и не имеют патологий.
Скрининговые мероприятия могут быть различных видов, от наименее точных до наиболее. Среди наиболее популярных можно выделить: врачебный опрос (осмотр), результаты лабораторных анализов, методы лучевой диагностики, генетические тесты.
И если с первыми двумя пунктами все понятно, то методов скрининга при помощи лучевой диагностики существует довольно большое количество: от передвижных маммографов и флюорографов до специальных процедур в рамках программ диспансеризации населения.
Генетические тесты на сегодняшний день довольно редко применяются в скрининге ввиду высокой стоимости. Они указывают на наличие генных мутаций, которые, в свою очередь, могут являться паттерном развития того или иного заболевания.
Как правило, скрининговые мероприятия проводятся с большим потоком пациентов, результаты обследования которых анализируются спустя какой-то промежуток времени. Например, из онкологического диспансера области выезжает передвижной маммограф в удаленный населенный пункт, где в рамках одного дня проводится 300 исследований. После проведения плановых процедур медицинский комплекс возвращается в онкодиспансер, где рентгенологи производят анализ проведенных исследований.
Как выявить среди 300 пациентов тех, у кого наиболее вероятно наличие патологии
Триаж – процедура медицинской сортировки пациентов на различные группы в зависимости от срочности, важности и объема медицинской помощи, исходя из группы риска пациента. Причем классов данной сортировки может быть как два, так и несколько.
Триаж также реализуется и в решениях с применением искусственного интеллекта в радиологии. В примере с передвижным маммографом, когда все необходимые исследования уже проведены и врачи возвращаются в медучреждение, искусственный интеллект обрабатывает эти исследования до того, как они попадут к врачу. Система детектирует на цифровых медицинских снимках патологии, выделяет зоны их локализации и распределяет исследования на классы в зависимости от риска наличия у пациента той или иной патологии. Это, безусловно, нивелирует проблему высокой загруженности профильного врачебного персонала в регионе.
Триаж с применением ИИ-систем можно представить в виде светофора: исходя из некоторого объема внутренних критериев искусственный интеллект делит пациентов на группы с вероятной патологией, риском патологии и нормой.
Таким образом, врач может после быстрой обработки большого пакета исследований проанализировать в первую очередь «красные» (критичные) случаи – а это даёт возможность как можно быстрее назначить пациенту дополнительные обследования, поставить диагноз и начать лечение. А как мы помним, в случае с онкологией промедление с оказанием медицинской помощи крайне нежелательно. Кроме того, автоматизированная процедура триажа пациентов может помочь сэкономить время врача на чтение исследований, а в некоторых случаях даже снизить риски пропуска патологий.
Существует ряд интересных исследований, подтверждающих результативность проведения триажа с помощью ИИ-систем. Они показали, что применение врачом-рентгенологом искусственного интеллекта помогает повысить скорость чтения исследований и точность определения патологий.
Такие примеры существуют как в России, так и за рубежом.
- Авторы статьи анализировали рентген-изображения области клетки на предмет наличия рака легких. Сначала снимки анализировались рентгенологами, а потом рентгенологами совместно с искусственным интеллектом. У всех врачей, участвующих в эксперименте, был зафиксирован прирост точности и скорости работы.
- Авторы другого исследования проанализировали эффективность скрининга рака молочной железы с применением искусственного интеллекта и без него. Исследователи пришли к выводу, что в ряде случаев, не теряя «точность», можно доверить до 60% от общего числа исследований искусственному интеллекту, тем самым снизив нагрузку на врача.
- Пилотный проект компании «Цельс» и Тамбовского областного онкологического диспансера. В рамках пилотного проекта и научной работы также сравнивались время и точность постановки диагноза самостоятельно врачом и совместно с искусственным интеллектом. Применение сервиса позволило сократить время чтения и интерпретации маммограмм на 37%. Также удалось выявить ряд случаев с онкологией, которые врач без ИИ пропустил.
В каких условиях применение триажа наиболее эффективно
Наиболее ярко эффективность процедуры триажа проявляется в тех обстоятельствах, когда абсолютно невозможно прогнозировать уровень «спроса» и крайне высока цена ошибки – в экстренной медицине.
Пандемия коронавируса подняла ценность триажа на новый уровень, так как прогнозировать заболеваемость («спрос») очень сложно, а ресурсы, число коек и аппаратов ИВЛ ограничены. Медицинскую помощь нужно оказать всем пациентам в критическом состоянии, а ошибка может быть фатальна.
При этом при навигации пациентов между клиническими учреждениями по уровням терапии оценивается целый ряд параметров:
- Наличие контактов с заболевшими.
- Данные ПЦР-теста.
- Клинические проявления (симптомы, пульс, частота дыхания).
- Лабораторные показатели (уровень С реактивного белка).
- Уровень кислорода в крови.
- Процент поражения легких по данным компьютерной томографии или рентгена.
- Данные анамнеза.
Некоторые из этих показателей получаются лабораторным и диагностическим путем, однако некоторые могут быть также быстро получены с применением технологий искусственного интеллекта. Так, например, в рамках московского эксперимента по применению компьютерного зрения сервисы, анализирующие компьютерные томограммы на наличие коронавирусной инфекции, также определяют и автоматически подсвечивают пораженные области, рассчитывают процент поражения легких – что, безусловно, ценно для формирования клинической картины и экономии времени врачей.
Таким образом, искусственный интеллект может иметь значительное влияние на повышение эффективности триажа – в особенности для экстренной и неотложной медицины, поскольку медицинские сотрудники смогут сконцентрироваться непосредственно на оказании помощи пациентам, а сортировку поручить искусственному интеллекту. Благодаря этому медицинские работники могут быть частично освобождены от этического и психологического бремени проведения сортировки.
Однако ИИ-системы также склонны к предвзятости и дискриминации, поэтому сохранение человеческого участия в принятии решений является ключевым принципом применения ИИ в здравоохранении.
В качестве примера дискриминации возьмём такой параметр, как возраст пациента. Он напрямую влияет на излечиваемость и выживаемость, однако в некоторых случаях учёт этого параметра может приводить к дискриминации со стороны искусственного интеллекта. С другой стороны, при равных шансах оценивается роль пациентов в будущем: будь то спасение передового медика или пациента в равных условиях нехватки мест. Консенсус по данным вопросам еще не найден и активно обсуждается в научном сообществе.
Триаж – крайне важная процедура в клинической практике: именно она позволяет расставить приоритеты и оптимизировать ряд процессов как во время диагностики, назначения лечения, так и выписки пациента. Современные исследования и научные статьи показывают эффективность применения искусственного интеллекта для выполнения триажа. Уже проведены эксперименты, в рамках которых осуществлялась интеграция ИИ-решений в реальную клиническую практику. Масштабирование подобных практик, в свою очередь, может в значительной степени повысить эффективность сортировки.
Материал подготовлен компанией «Цельс»