Искусственный интеллект в лучевой диагностике: Per Aspera Ad Astra

Name: Искусственный интеллект в лучевой диагностике: Per Aspera Ad Astra
Rating: 0 (0 reviews)
Author: Ю. М. Кутняк
ISBN: 9785006756229

Ю. М. Кутняк

Издательство:

Автор

Жанры:

здоровье и медицина

Аннотация

Читать онлайн

Cкачать на Литрес

-
100%
+

Авторы: Васильев Юрий Александрович, Алымова Ю. А., Арзамасов К. М., Арзамасова Л. Н., Астапенко Е. В., Ахмад Е. С., Бажин А. В., Блохин И. А., Бобровская Т. М., Владзимирский А. В., Волошин Р. И., Гончарова И. В., Гордиенко Д. В., Гусев А. В., Ерижоков Р. А., Заюнчковский С. Ю., Зинченко В. В., Казаринова В. Е., Кирпичев Ю. С., Кляшторный В.. Г., Коденко М. Р., Крылова Е. А., Кувшинова Н. С., Кудрявцев Н. Д., Кутняк Ю. М., Мынко О. И., Насибян Н. М., Новик В. П., Омелянская О. В., Памова А. П., Пестренин Л. Д., Петров Е. А., Петряйкин А. В., Решетников Р. В., Родионова Л. Г., Романенко М. О., Румянцев Д. А., Семенов С. С., Славущева Е. А., Соловьёв А. В., Сурков А. Г., Титова А. В., Хоружая А. Н., Шулькин И. М., Шумская Ю. Ф.

Редактор Анжелика Ивановна Овчарова

Компьютерная верстка Екатерина Дмитриевна Бугаенко

Дизайнер обложки Екатерина Дмитриевна Бугаенко

ISBN 978-5-0067-5622-9

Создано в интеллектуальной издательской системе Ridero

Рецензенты

Нуднов Николай Васильевич – д-р мед. наук, профессор, заместитель директора по научной работе, заведующий НИО комплексной диагностики заболеваний и радиотерапии ФГБУ «Российский научный центр рентгенорадиологии» Минздрава России

Лебедев Георгий Станиславович – д-р техн. наук, профессор, директор Центра цифровой медицины, заведующий кафедрой информационных технологий и обработки медицинских данных ФГАОУ ВО «Первый Московский государственный медицинский университет им. И. М. Сеченова» Минздрава России (Сеченовский Университет)

Научно-исследовательская работа, в рамках которой подготовлена монография

Данная монография подготовлена авторским коллективом в рамках НИР «Научные методологии устойчивого развития технологий искусственного интеллекта в медицинской диагностике» (№ ЕГИСУ: №123031500004—5) в соответствии с приказом Департамента здравоохранения города Москвы от 22.12.2023 г. №1258 «Об утверждении государственных заданий, финансовое обеспечение которых осуществляется за счет средств бюджета города Москвы, государственным бюджетным (автономным) учреждениям, подведомственным Департаменту здравоохранения города Москвы, на 2024 год и плановый период 2025 и 2026 годов».

Источники иллюстраций

1. Управление пресс-службы и информации Президента России. Официальный сайт Президента России.

2. Пресс-служба Мэра и Правительства Москвы.

3. ГБУЗ «НПКЦ ДиТ ДЗМ». Автор: Приходько Алексей Владимирович.

4. ЕРИС ЕМИАС.

ВСТУПЛЕНИЕ

В октябре 2019 г. Указом Президента Российской Федерации утверждена Национальная стратегия развития искусственного интеллекта на период до 2030 года1, определяющая цели и основные задачи такого развития, а также меры, направленные на использование искусственного интеллекта в целях обеспечения национальных интересов и реализации стратегических национальных приоритетов, в том числе в области научно-технологического развития.

Национальная стратегия прямо установила, что использование технологий искусственного интеллекта в социальной сфере поспособствует созданию условий для улучшения уровня жизни населения, в том числе за счет повышения качества услуг в области здравоохранения, включая профилактические обследования, диагностику, основанную на анализе изображений, прогнозирование возникновения и развития заболеваний, подбор оптимальных дозировок лекарственных препаратов, сокращение угроз пандемий, автоматизацию и точность хирургических вмешательств.

Спустя месяц после утверждения национальной стратегии Правительство города Москвы издало Постановление о проведении эксперимента по использованию инновационных технологий в области компьютерного зрения для анализа медицинских изображений и дальнейшего применения в системе здравоохранения города Москвы (далее – Московский эксперимент)2.

De jure целью Московского эксперимента стало «исследование возможности использования в системе здравоохранения города Москвы методов поддержки принятия решений на основе результатов анализа данных с применением передовых инновационных технологий»3.

De facto основной целью явилось исследование применимости, безопасности и качества технологий искусственного интеллекта (компьютерного зрения) в лучевой диагностике, а дополнительной – создание нового рынка в области цифровых технологий.

Московский эксперимент стал своеобразным «эпицентром», в котором сошлись:

– утверждение стратегической важности сквозного развития и внедрения технологий искусственного интеллекта;

– необходимость системного повышения производительности, доступности и качества лучевых исследований;

– научный подход в соответствии с принципами доказательной медицины, требовавший многоцентрового проспективного клинического исследования неограниченного числа алгоритмов искусственного интеллекта в условиях реального лечебно-диагностического процесса;

– экономическая целесообразность в виде создания новых сегментов рынка;

– необходимость создания условий для эффективного взаимодействия государства, организаций, в том числе научных, и граждан в сфере развития искусственного интеллекта.

Вместе с тем важно отметить, что Московский эксперимент был организован «не на пустом месте». Основанием его проведения стали результаты многолетней комплексной деятельности Научно-практического клинического центра диагностики и телемедицинских технологий Департамента здравоохранения города Москвы (НПКЦ ДиТ ДЗМ) – ведущего учреждения в области лучевой, инструментальной диагностики и цифровизации практической медицины.

Здесь очень важно подчеркнуть историческую преемственность. История развития технологий искусственного интеллекта – как составной части кибернетики, информатики, инженерии, компьютерных и биомедицинских наук – в России насчитывает около двух столетий. Точкой старта этого процесса можно считать издание в 1832 году научного труда Семена Николаевича Корсакова (1787—1853), содержащего описание конструкций пяти «машин, сравнивающих идеи», перфокарт, метода многокритерального поиска с использованием весовых коэффициентов, а также фактически первого способа обработки больших данных4. В ХХ веке научное развитие соответствующей предметной области связано с плеядой выдающихся отечественных ученых, среди которых можно особо отметить А. И. Берга, В. М. Глушкова, А. И. Китова, С. А. Лебедева, А. А. Ляпунова, Н. С. Мисюка, И. А. Полетаева. В сфере здравоохранения становление и уникальный прогресс биологической и медицинской кибернетики, автоматизированного анализа биомедицинских данных связан с именами Н. М. Амосова, П. К. Анохина, Н. А. Белова, Н. А. Берштейна, А. А. Богданова, М. Л. Быховского, М. П. Вилянского, А. А. Вишневского, С. А. Гаспаряна, М. С. Гельфанда, М. М. Завадовского, А. С. Кронрода, А. П. Матусовой, Ю. И. Неймарка, Э. Ш. Халфена, Д. С. Чернавского и многих-многих других замечательных врачей, организаторов здравоохранения, инженеров, математиков5. Научные знания и практический опыт, обобщенные в трудах этих выдающихся ученых, служат фундаментальной основой современных научных исследований в области технологий искусственного интеллекта в здравоохранении.

Деятельность НПКЦ ДиТ ДЗМ по изучению проблематики искусственного интеллекта (ИИ) в здравоохранении можно условно разделить на два этапа.

I. Научные и аналитические исследования в области искусственного интеллекта. В начале ХХI в. лучевая диагностика окончательно заняла лидирующие позиции среди прочих дисциплин в области цифровизации. В силу революционных преобразований парка диагностических устройств (перехода от «аналоговых» приборов к «цифровым») именно в рентгенологии и радиологии внедрялись самые передовые информационные и телекоммуникационные технологий. Отмечалась высокая готовность соответствующего врачебного сообщества к цифровым инновациям.

Вклад лучевой диагностики в скрининг, диагностику, стадирование, контроль динамики и результативности лечения множества нозологий постоянно и стремительно возрастает. В период 2014—2019 гг. в России отмечался ежегодный прирост абсолютного количества лучевых исследований на 2,5—3,0%, а в 2019—2020 гг. и в период пандемии COVID-19 – на 4,6—8,2%. Столь же интенсивно меняется структура исследований. Постоянно нарастает количество сложных современных методов – компьютерной и магнитно-резонансной томографии – причем во многом за счет исследований, выполняемых в амбулаторных условиях, в первичном звене здравоохранения. Относительно пропорционально сокращается число рентгенологических исследований, однако здесь есть свои особенности6.

На востребованность и количество рентген-исследований критично влияет профилактическое направление медицины, ведь именно рентгенография, флюорография и маммография служат основными инструментами скрининга онкологических заболеваний, туберкулеза и иных социально значимых заболеваний. В интересах обеспечения общественного здоровья требуется наращивание объемов их проведения.

Рост количества исследований взаимосвязан с характеристиками парка оборудования. На фоне интенсивного его увеличения и цифровизации во всей стране все более значительным становится вопрос эффективного и одновременно бережливого использования оборудования лучевой диагностики. Хорошо известна проблематика дисбаланса оснащенности аппаратурой, ее загрузки и доступности исследований. В условиях внедрения все большего количества современных аппаратов еще сильнее обостряется вопрос назначения и применения соответствующих современных методов исследований, прежде всего с контрастным усилением.

На основе сказанного следует заключить, что в современном здравоохранении существенным образом изменились условия и требования к работе врачей-рентгенологов. Теперь эти специалисты трудятся с колоссальной и постоянно увеличивающейся нагрузкой, на фоне непрерывно возрастающих требований к качеству и точности, а в контексте массовых профилактических осмотров населения – еще и в условиях высокой рутинности, можно сказать, механистичности. Именно профилактические рентгенография (флюорография) и маммография занимают до 30,0% в структуре всех лучевых исследований – это гигантская цифра. При интерпретации их результатов врачи-рентгенологи сталкиваются с однотипными описаниями преимущественно нормальных состояний. Эта масштабная, стереотипная работа крайне негативно сказывается как на отдельных профессиональных траекториях (то самое пресловутое «выгорание»), так и на доступности сложных диагностических методов для населения (ведь колоссальный кадровый ресурс занят шаблонными описаниями нормальной рентгенологической картины).

С одной стороны, и трудоемкость работы, и риск ошибки у врачей-рентгенологов чрезвычайно высоки, а с другой – все более нарастает дефицит таких специалистов. Отметим, что текущее состояние – рост востребованности, количества исследований и парка оборудования на фоне неустранимого кадрового дефицита – полностью характерно не только для России, но и для всех стран с развитой экономикой. Дело в том, что темпы роста парка оборудования и потребности в лучевых исследованиях (включая профилактические) уже навсегда превзошли все возможные темпы наращивания физического количества врачей-рентгенологов.

Осознание сказанного уже привело к существенным изменениям в привычной (или, точнее сказать, безнадежно устаревшей) организационной модели, в рамках которой у каждого диагностического аппарата обязательно находился врач-рентгенолог. Централизация лучевой диагностики успешно реализована во многих странах мира, в ряде субъектов РФ, в том числе в г. Москве. Благодаря цифровизации и развитию телемедицинских технологий врачей-рентгенологов физически «отделили» от аппаратов и собрали в крупных референс-центрах. Такая новая организационная модель уже убедительно доказала свою значимость и эффективность, минимизировав проблему кадрового дефицита, повысив доступность и качество лучевых исследований. Но в ближайшие 5—10 лет и ее возможности будут исчерпаны.

С точки зрения физической организации кадрового ресурса новые подходы вряд ли появятся. Следовательно, нужно развивать инструментарий врача-рентгенолога. Лучевой диагностике нужен принципиально новый уровень автоматизации процессов анализа, интерпретации и описаний результатов исследований. Здесь на сцену и выходит искусственный интеллект…

В 2015 г. в НПКЦ ДиТ ДЗМ, впервые в Российской Федерации, начались системные научные исследования применения технологий искусственного интеллекта в лучевой диагностике, в том числе по направлениям:

– стандартизация и методология подготовки данных для обучения алгоритмов;

– клинический контекст применения ИИ, в том числе как основа для продуктивной его разработки;

– оценка качества и методология клинических испытаний технологий ИИ.

Был проведен ряд аналитических и научных исследований. Аналитические работы охватывали: систематизацию научных публикаций; мониторинг и анализ рынка; коммуникации с компаниями-разработчиками и врачебным сообществом (включая организацию публичных конкурсов «ИИ-баттл: рентгенологи против искусственного интеллекта»).

Научные изыскания представляли собой эмпирическую разработку методологий создания наборов данных и оценки качества ИИ, а также непосредственную оценку диагностической точности алгоритмов.

В целом изучен и систематизирован международный опыт как отраженный в публикациях, так и представленный в ходе экспертных интервью. Установлены коммуникации с ведущими научными группами и компаниями-разработчиками.

Также были начаты собственные изыскания по проблематике создания наборов данных (датасетов) для обучения и тестирования технологий ИИ. Четыре таких набора получили свидетельство о государственной регистрации базы данных. Для помощи многочисленным разработчикам в 2018 г. (впервые в Российской Федерации) в свободном доступе разместили ограниченный деперсонализированный набор размеченных компьютерных томограмм грудной клетки.

С применением собственных наборов данных проведены оригинальные исследования 18 алгоритмов автоматизированного анализа диагностических изображений и одного алгоритма для распознавания естественного языка и анализа медицинской документации компаний-разработчиков из России, а также Бельгии, Великобритании, Индии, Испании, Китая, Нидерландов, ОАЭ, США, Южной Кореи.

В ходе исследования установлены следующие принципиальные проблемы:

1. Отсутствие в глобальной перспективе общепринятых инструментов научного анализа технологий искусственного интеллекта в медицине.

2. Отсутствие в глобальной перспективе стандартов или хотя бы общепринятых правил разметки данных и создания наборов данных.

3. Широко распространенные типовые проблемы со стороны разработчиков:

– отсутствие клинически обоснованного целеполагания;

– непонимание контекста применения автоматизации в реальных производственных процессах;

– отсутствие или пренебрежение стандартами, применяемыми в практическом здравоохранении;

– отсутствие методического понимания сути автоматизированного анализа медицинских изображений;

– плохая воспроизводимость результатов работы ИИ на новых данных;

– отсутствие стандартов при формировании наборов данных для обучения ИИ;

– игнорирование принципов объяснимости работы искусственного интеллекта;

– отсутствие независимой валидации алгоритмов на новых данных, в том числе в дизайне проспективных мультицентровых исследований;

– незнание или игнорирование принципов доказательной медицины;

– отсутствие внутренней системы менеджмента качества у компаний-разработчиков;

– низкая конверсия перспективных разработок в готовые продукты, сертифицированные в качестве медицинских изделий.

Вместе с тем предыдущий опыт автоматизации в области здравоохранения позволял рассчитывать на значительные положительные эффекты за счет внедрения ИИ и в лучевой диагностике. Более того, удалось объективно выявить ряд конкретных задач для такой автоматизации. Многие тестирования существующих решений на основе ИИ были достаточно успешными, алгоритмы надежно и качественно справлялись с клинически вполне обоснованными задачами. Все сказанное в совокупности вселяло оптимизм и убежденность в необходимости дальнейших научных исследований. При этом разработка методологий создания наборов данных и тестирования ИИ на этапах жизненного цикла определена в качестве одной из ключевых задач собственной программы научных исследований.

II. Создание инфраструктуры. Для применения технологий ИИ в оптимальном масштабе и с высокой эффективностью требуется наличие единого цифрового пространства лучевой диагностики в рамках субъекта РФ: централизованного архива медицинских изображений с подключением до 100% диагностического оборудования и обеспечением доступа к результатам исследований до 100% врачей-рентгенологов.

В городе Москве технологической реализацией сказанного стал Единый радиологический информационный сервис в составе Единой медицинской информационно-аналитической системы города Москвы (ЕРИС ЕМИАС).

ЕРИС ЕМИАС – это информационная система в сфере здравоохранения, которая объединяет рабочие места рентгенолаборантов, врачей-рентгенологов и диагностическую аппаратуру, аккумулирует информацию о каждом исследовании или серии исследований, проведенных на подключенных к нему устройствах.

Создание ЕРИС ЕМИАС – длительный и сложный процесс, реализованный Департаментом здравоохранения Москвы, Департаментом информационных технологий Москвы, Научно-практическим клиническим центром диагностики и телемедицинских технологий ДЗМ (выступавшим в критически значимой и крайне ответственной роли функционального заказчика).

Концептуальные и подготовительные работы в области централизации лучевой диагностики велись примерно в 2011—2014 гг. Первая апробация ЕРИС проведена в течение 2015 г., наращивание числа подключенных медицинских организаций амбулаторно-поликлинического звена интенсивно проводилось в 2016 г. В 2017 г. ЕРИС вышел на рутинный порядок использования. В 2018 г. проведена интеграция ЕРИС и ЕМИАС. В 2019 г. начато подключение к ЕРИС ЕМИАС медицинских организаций стационарного звена. В 2020 г. завершено формирование единого цифрового пространства лучевой диагностики столицы. К централизованному архиву подключено 100% цифрового оборудования для рентгенологических исследований и магнитно-резонансной томографии; обеспечена возможность работы для всех врачей-рентгенологов и рентгенолаборантов медицинских организаций Департамента здравоохранения города Москвы (ДЗМ). В фазе апробации в ЕРИС ЕМИАС было накоплено около 95 тысяч изображений, в фазе рутинного применения в 2020 г. (то есть в момент старта Московского эксперимента) их общее количество превысило 7 миллионов.

На инфраструктурной основе ЕРИС ЕМИАС в 2020 г. внедрена модель организации медицинской помощи в виде централизации лучевой диагностики. На базе НПКЦ ДиТ ДЗМ создан Московский референс-центр лучевой диагностики. Основными его процессами стали первичные описания результатов лучевых исследований, выполняемых в первичном звене здравоохранения в амбулаторных условиях; двойные просмотры результатов профилактических исследований (а в период пандемии и результатов компьютерной томографии пациентов с подозрением на новую коронавирусную инфекцию); экспертные дистанционные консультации; дистанционный контроль качества.

Наличие действительного единого цифрового пространства лучевой диагностики г. Москвы стало предпосылкой для централизованного и стандартизированного внедрения технологий ИИ.

Авторы монографии выражают искреннюю благодарность и глубочайшее профессиональное уважение руководителям и сотрудникам Комплекса социального развития города Москвы, Департамента здравоохранения города Москвы, Департамента информационных технологий города Москвы, медицинских организаций государственной системы здравоохранения города Москвы, всем замечательным коллегам, ученым, врачам и организаторам здравоохранения, инженерам, математикам и кибернетикам, предпринимателям и руководителям, а также всем сотрудникам ГБУЗ «НПКЦ ДиТ ДЗМ» г. Москвы, благодаря кропотливому труду которых за пять лет произошел качественный переход в развитии технологий искусственного интеллекта для лучевой диагностики!

Глава 1. МОСКОВСКИЙ ЭКСПЕРИМЕНТ КАК НАУЧНОЕ ИССЛЕДОВАНИЕ: ПРОБЛЕМЫ КОНТЕКСТА, МЕЖДИСЦИПЛИНАРНОСТЬ, ФОРМАЛЬНОЕ СТРУКТУРИРОВАНИЕ

Имей при себе молоток и гвоздь и воздвигни город.

А. К. Гастев

Быстрый прогресс технологий искусственного интеллекта после 2010 г. связан с развитием вычислительной инфраструктуры, сделавшей использование математических моделей весьма доступным; с эволюцией математических методов, прежде всего нейронных сетей, методик машинного обучения; с накоплением массивов цифровых данных, с одной стороны, пригодных для обучения искусственного интеллекта, а с другой – требовавших обработки и анализа с его помощью.

Указанная ситуация в полной мере наблюдалась и в медицине. Лучевая диагностика, будучи лидером цифровизации, вполне справедливо рассматривалась как наиболее перспективная область для внедрения ИИ. Вместе с тем погоня за самопиаром отдельных «айти-гуру» приводила к одиозным заявлениям о полной замене врачей технологиями ИИ, о необходимости вовсе прекратить подготовку рентгенологов как представителей более неактуальной специальности и прочем. Очевидно, что особое влияние подобные «выкрики» оказывали прежде всего на немедицинскую аудиторию, слабо представляющую реальность медицинской помощи и организации здравоохранения. Впрочем, строго по правилам диалектики, и в этих событиях были положительные результаты – значительное количество математиков, инженеров и ИТ-специалистов заинтересовались разработкой ИИ для медицины и буквально «пришли в отрасль».

Наглядной иллюстрацией этих событий служит всплеск публикационной активности в биомедицинских журналах. Например, по данным библиографической системы Pubmed, в 2010—2015 гг. количество статей об ИИ в рецензируемых медицинских журналах плавно нарастало от 4500 до 6800 в год, а в 2016 г. начался стремительный рост этого показателя с практически удвоением ежегодного числа публикаций в 2019—2020 гг. (порядка 16 400 и 22 600 статей в год соответственно). В 2024 г. на тему ИИ в биомедицинских журналах, индексируемых Pubmed, опубликована почти 51 тысяча статей.

Вместе с тем за истекшие 10 лет «ИИ-революции» в здравоохранении не произошло. Нейросети не заменили врачей, в большинстве экономически развитых стран мира применение технологий ИИ в медицине носит довольно ограниченный характер (во всяком случае принципиально меньший, чем предрекали всяческие «айти-гуру»).

Хайп искусственного интеллекта привел в отрасль здравоохранения новых специалистов и множество больших и малых научных групп, что проявилось колоссальным ростом научной продукции, но минимальным внедрением реально работающих продуктов. В чем же причина такого диссонанса?

Ответ очевиден – низкое качество научных исследований и игнорирование принципов доказательной медицины. Огромный энтузиазм пришедших в отрасль немедицинских специалистов сочетался с игнорированием ими всех устоев медицинской науки. Принцип Noli Nocere! воспринимался исключительно как ретроградный подход «вечно консервативных врачей». Необходимость доказывать безопасность, качество и эффективность предлагаемых инструментов на основе ИИ (по аналогии со всеми иными средствами, применяемыми в медицине) не воспринималась, а нередко и прямо высмеивалась.

123...10>