В 2020 году рынок искусственного интеллекта для здравоохранения достиг объема 4,2 миллиарда долларов, а в период с 2021 по 2027 год эксперты ожидают его рост на 33,7% в год и весомую цифру 34,5 миллиарда долларов к концу периода.
Что касается сегмента обработки медицинских изображений (по оценкам аналитического агентства Signify Research), его доля составляет 0,3 миллиарда долларов сегодня и достигнет 1,15 миллиарда долларов к 2025 году при среднегодовом темпе роста 25,6%.
Компания NtechLab развивает новое направление по работе с медицинскими изображениями, поэтому мы опросили экспертов в области здравоохранения и выявили потенциальные преимущества и текущие проблемы, препятствующие более широкому внедрению ИИ.
Что мешает умным решениям в реальном здравоохранении?
Многие ведущие разработчики систем ИИ уже сегодня создают инновационные решения для медицинской диагностики, такие как компьютерное зрение для клинических систем поддержки принятия врачебных и клинических решений (СППВКР). Мы уверены, что решения для работы с медицинскими изображениями обязательно займут важную нишу, однако пока что на пути к их более широкому применению в медицинских учреждениях стоит ряд препятствий.
Децентрализованное хранилище
Медицинские учреждения обычно хранят данные о пациентах в своих локальных системах, а централизация функции хранения всей истории болезни пациентов только начинает набирать обороты. Собрав большие данные и проанализировав их, будет возможно контролировать и повышать качество диагностики и прогнозирования.
Соответствие нормам и требованиям
В законодательных требования по защите персональных данных, таких как ФЗ-152 и GDPR, четко не разъясняются отношения между разработчиком и медицинским персоналом. Отсутствие прозрачных правовых механизмов задерживает более широкое внедрение ИИ в обработку медицинских изображений.
Еще одна проблема — длительная процедура регистрации ИИ-решений в качестве медицинских изделий. Перед использованием в медицинской практике продукт должен быть зарегистрирован, а для этого нужно собрать большой объем документации, пройти технические и клинические испытания. В настоящее время осуществляется гармонизация процедуры регистрации медицинских изделий в группе стран ЕАЭС. Принятие новых норм, по прогнозам, еще больше удлинит процедуру вывода инноваций на рынок здравоохранения.
Трудности в организации экспертного консенсуса
Обучение нейронных сетей при разработке СППВКР требует участия нескольких медицинских и высокопрофессиональных специалиста. Не менее двух специалистов нужно для интерпретации и разметки исходных диагностических исследований, являющихся основой для разработки технологии. Чем больше разнообразных размеченных диагностических исследований будет в доступе у разработчика, тем качественнее получится технология.
Консерватизм
Нежелание медицинского сообщества принять новый продукт является нормальным явлением. Единственное, что поможет преодолеть скептицизм — это увеличение числа успешных практических сценариев использования, подтверждающих эффективность подобных инновационных решений.
Общая частота диагностических ошибок в реальной практике неизвестна, но часто упоминается оценка, основанная на мнении экспертов, что 10−15% всех поставленных диагнозов неверны.
Как искусственный интеллект помогает медикам
Домедицинская диагностика
Мобильные приложения для быстрого самоконтроля, трекеры сна и здоровья помогают вести здоровый образ жизни и выявлять как незначительные, так и серьезные отклонения от нормы без визита к врачу.
Диагностика
СПВКР может помочь повысить качество диагностики за счет автоматического выделения областей с патологиями на изображениях и расчета параметров для постановки диагноза. В идеальном случае алгоритмы смогут создать предварительно заполненное медицинское заключение, основываясь на множестве похожих случаев. В этом случае врач либо одобрит, либо не одобрит медицинское заключение и тем самым сэкономит время.
Также медицинские учреждения могут использовать ИИ для скрининга, точной медицины и оценки рисков. Аналитические инструменты способны помочь врачам оценить генетику, окружение и образ жизни человека, чтобы выбрать наиболее подходящее лечение.
Автоматизированную диагностику также можно применять к испытуемым, участвующим в клинических испытаниях новых препаратов, для изучения их состояния.
Автоматизированные проверки качества диагностики как в отдельных медицинских учреждениях, так и на уровне государственного регулирования здравоохранения позволят рассматривать и анализировать медицинские истории болезней и выявлять неточности.
Лечение
В настоящее время врачи рассчитывают параметры операций вручную без специального программного обеспечения. Специальные решения на основе ИИ позволяют делать это автоматически, а значит избегать ошибок и быстрее переводить пациентов в хирургическое отделение.
Мониторинг
Наблюдение за пациентом в реабилитационный период может помочь предотвратить возвращение болезни. В подобных случаях врачи могут анализировать большие данные для выявления рецидивов.
Такие решения используются в том числе для мониторинга состояния здоровья на дому. Тонометр, подключенный к мобильному приложению, способен оперативно передавать информацию о состоянии здоровья пациента, уже прошедшего лечение и отправленного домой.
В медицинских учреждениях возможно осуществлять мониторинг действий медсестер и врачей, что в свою очередь может помочь в соблюдении графиков обходов пациентов. Видеоаналитика на основе ИИ может определить, было ли пациенту дано нужное лекарство в нужное время.
Прогнозирование
На основе аналитики больших данных органы здравоохранения могут прогнозировать и контролировать распространение вирусов или течение болезней.
Обработка различных данных о пациенте может давать прогноз относительно течения болезни и за счет обработки клинической базы давать рекомендации по возможному курсу лечения. Во всех подобных случаях врач сам принимает решение, но имеет возможность опираться на прогнозы и рекомендации СППВКР.
Кто окажется в выигрыше?
- Здравоохранение — одна из немногих областей, где малейшая ошибка может иметь решающее значение. Как здоровые люди, так и пациенты больниц смогут получить точный врачебный диагноз, назначения и рекомендации.
- Врачи — это прежде всего люди, а люди могут отвлекаться или уставать. Хотя окончательное решение принимают они, им нужны автоматизированные диагностические решения, способные помочь им выявлять заболевания быстрее, способствуя раннему вмешательству.
- Исследователям приходится ежедневно обрабатывать огромное количество данных при создании новых лекарств, проведении генетических исследований или клинических испытаний. Благодаря технологиям обработки медицинских изображений, основанным на искусственном интеллекте, они могут обрабатывать большие наборы данных, быстрее получать результаты и одобрение регулятора для вывода на рынок новых лекарств и продвигать последние достижения в современном здравоохранении.
- Медицинские учреждения могут использовать технологии компьютерного зрения для управления операционными процессами. Несколько примеров: мониторинг действий персонала или терминалы онлайн-регистрации.
- Государственные органы смогут прогнозировать распространение вирусов и болезней, анализируя большие объемы данных.
Рынок ИИ для обработки медицинских изображений быстро развивается и должен привести к значительным изменениям в медицинском сообществе. В настоящее время существует много амбициозных проектов, но лишь некоторые достигают реального использования по разным причинам, упомянутым в этой статье.
Вопросы ответственности и морали в первую очередь касаются не самого продукта, а способов его использования и развития. Другими словами, разработчик должен быть не предвзят и должен избегать необъективных выводов. Врачу же, конечно, предстоит принимать решение самому, хотя и с помощью технологий, используя их как доверенное второе мнение. Системы ИИ предназначены не для замены врача, а для поддержки процесса принятия его решений.
Системы ИИ для работы с медицинскими изображениями — это новое и очень ответственное направление для NtechLab. Наша компания открыта к сотрудничеству и приглашает научное, медицинское и деловое сообщество создавать медицину будущего вместе.
Связаться с нами
ИСТОЧНИКИ:
1) Machine Learning in Medical Imaging. World Market Analysis 2021 (July / Signify Research) — www.gminsights.com/industry-analysis/healthcare-artificial-intelligence-market
2) «GMInsights 2020 & Market & Market Report 2020.»
3) «Hype Cycle for Healthcare Providers, Gartner, 2021.»
4) Newman-Toker, David, et al. «Rate of Diagnostic Errors and Serious Misdiagnosis-Related Harms for Major Vascular Events, Infections, and Cancers: Toward a National Incidence Estimate Using the ‘Big Three.'» De Gruyter, 1 Feb. 2021 — www.degruyter.com/document/doi/10.1515/dx-2019−0104/html