Добрый доктор ИИ: как нейросети могут помочь врачам скорой помощи и фармкомпаниям 

Решения в области искусственного интеллекта во всем мире активно используются в медицине и сервисах для заботы о здоровье. К примеру, при помощи нейросетей планируют организовывать наблюдение за пожилыми людьми. В частности, в 2018 году созданный россиянами американский стартап Cherry Labs, который разрабатывает «умную» систему для контроля за состоянием членов семьи, привлек $5,2 млн от группы инвесторов во главе с фондом GSR Ventures. Система Cherry Home — это несколько камер с датчиками и настенный модуль. Она распознает пользователя по лицу, одежде, мониторит любимые места в доме и отправляет родственникам уведомления, если замечает аномалии: падения, опасные или необычные ситуации. По данным проекта «20 идей по развитию России», использование ИИ может снизить смертность от сердечно-сосудистых заболеваний, которые являются самой частой причиной смерти в России и в мире. 

Так как нейросети отлично себя проявляют при повторяющихся ситуациях, в которых нужно выявлять скрытые отличительные признаки, их работа может существенно упростить постановку медицинских диагнозов. К примеру, весной 2021 года разработчики «Сбера» совместно с экспертами дочерней медицинской компании «СберМедИИ» создали приложение AI Resp, способное диагностировать COVID-19 по телефону путем анализа кашля, дыхания и голоса пользователя. Нейросеть получает эти данные, сверяет их со списком симптомов, о которых говорит сам пациент, затем анализирует и выдает результат. Точность постановки диагноза, по данным разработчиков, достигает 82%, что даже выше, чем предлагают некоторые ПЦР-тесты, чья точность колеблется в районе 60–70%. Правда, создатели проекта не уточняют, как их решение справляется с бессимптомной формой заболевания.

Свое решение для оценки состояния пациента и предварительной диагностики предлагают корпорации Google (через свою дочернюю структуру Deepmind Health) и IBM (через компанию Watson Health). Решение Google уже работает в нескольких больницах, в том числе в Британской офтальмологической клинике Moorfields. Google Deepmind Health анализирует доступную информацию о симптомах пациента и выдает список рекомендаций. Врач, используя подсказки цифрового помощника, назначает курс лечения. IBM Watson Health тоже помогает ставить диагнозы: распознавать тромбоз вен, кардиомиопатию, сердечные приступы. Зафиксирован случай, когда IBM Watson, определил у 60-летней пациентки, которой изначально поставили неправильный диагноз, редкую форму лейкемии. Для этого система за 10 минут «изучила» 20 млн научных статей о раке.

ИИ на скорой помощи

Специалисты из Дании разработали систему по распознаванию внебольничной остановки сердца посредством машинного обучения, основанного на анализе данных разговоров диспетчеров. Созданная программа искусственного интеллекта провела анализ аудиозаписей всех звонков, поступивших в скорую помощь Копенгагена в 2014 году — более 108 тыс. 918 звонков из них были по случаю внезапной остановки сердца, поступившие до начала сердечно-легочной реанимации. Диспетчеры правильно распознали 665 случаев (72,4%), в то время как программа определила 772 (84,1%) и в среднем сделала это на 10 секунд быстрее: за 44 секунды вместо 54, которые требовались операторам. На сегодняшний день такая система искусственного интеллекта внедрена в службу экстренных вызовов Дании. Благодаря технологиям, которые распознают не только слова, но и голос, и фоновые звуки, фильтруют посторонние шумы, диспетчеры получают правильные сигналы о случае остановки сердца быстрее и чаще. Теперь по статистике в Копенгагене выявляется больше случаев остановки сердца до приезда скорой помощи — на 150 в год. Это позволяет раньше начать СЛР и увеличивает шансы на выживание.

Такая же система успешно прошла пилотную проверку Европейской ассоциацией номеров экстренных служб на базе данных из Италии и Франции. Обработав всего лишь 3265 звонков на итальянском языке и 2069 звонков на французском языке, система искусственного интеллекта уже показала свое преимущество в сравнении с решениями, принятыми человеком: количество выявленных остановок сердца оказалось на 5,5 процентных пунктов больше во Франции и на 3,9 в Италии. Также отмечена четкая динамика: чем больше звонков обрабатывает искусственный интеллект, тем больше его точность и скорость в диагностировании проблемы. Аналогичная система сейчас разрабатывается в Австралии Службой скорой помощи штата Виктория совместно с Университетом Монаша, и ее первичные результаты также показывают отличные результаты.

Автор проекта «20 идей по развитию России» Дмитрий Давыдов* предлагает разработать и внедрить ИИ, обученный определять сердечные приступы и внезапную остановку сердца, в диспетчерские службы скорой помощи по анализу поступающих звонков. Это увеличит количество проводимых лечебных или реанимационных процедур до приезда скорой помощи, а значит, увеличит шансы на выживание. В России уже есть успешный опыт интеграции искусственного интеллекта в деятельность скорой помощи. Например, в Москве используется программа, которая на основании обработки входящих данных определяет, является ли вызов экстренным или неотложным.

Также Давыдов* предлагает оборудовать машины скорой помощи технологиями для оказания экстренной диагностики и терапии при инсульте. Чтобы определить степень поражения клеток мозга и назначить соответствующие лечебные процедуры, нужно провести экспресс-анализы и компьютерную томографию. Сейчас это делается в госпитале после приезда скорой помощи — уходит драгоценное время.

Внедрение таких масштабных проектов во всех странах происходит при поддержке государства, которое как контролирует процесс реализации новых решений через отраслевые регуляторы, так и принимает непосредственное участие в проектах при помощи целевых грантов, программ и так далее. Еще одним важным аспектом, без которого невозможно быстрое развитие проектов ИИ и big data в медицине, является создание централизованных баз данных: информации об особенностях течения заболеваний, обезличенных карточек пациентов и другой подобной информации. Чтобы обучать нейросети, проектам необходим материал, а чтобы убедить частные компании делиться данными, необходимо участие государства и международных организаций, таких как ВОЗ. Примером такого рода проектов может служить Глобальная система анализа патогенов — облачная база данных, созданная корпорацией Oracle и Кембриджским университетом для изучения новых штаммов COVID-19. Предполагается, что в будущем этот и подобные ему проекты будут помогать в борьбе и с другими заболеваниями.

*Признан Минюстом иностранным агентом

Автор: Станислав Сергеев