Анна Хоружая – Цифровые технологии в лучевой и инструментальной диагностике (страница 2)
Но не только количество специалистов лучевой диагностики является проблемой. В литературе все большее внимание обращают на качество медицинской помощи – то есть на уровень компетенций медицинского персонала [96]. Выявлена тенденция снижения доли врачей-рентгенологов, радиотерапевтов, радиологов и специалистов ультразвуковой диагностики, имеющих квалификационную категорию [30]. Ранее обсуждались вопросы значимого влияния начального профиля подготовки на качество работы врачей-рентгенологов (качество работы специалистов, прошедших профессиональную переподготовку, было относительно ниже) [14]. Примечательно, что, по данным систематического обзора 2022 года, основными способами повышения качества в лучевой диагностике в мире являются информатизация, обучение, меры по оптимизации протоколирования, развитие программ безопасности. Очевидно, что малое внимание уделяется персонализированной поддержке врача-рентгенолога, хотя приоритизация внедрения информационных технологий создает техническую основу для таковой (например, за счет очевидного широкого внедрения систем поддержки принятия решений, построенных на современных математических и технических подходах) [141].
Примечательно, что ключевые тренды – рост востребованности, количества исследований и парка оборудования на фоне неустранимого кадрового дефицита – полностью характерны для всех стран с развитой экономикой [128, 130, 148, 163].
Решить проблематику количественного и качественного дефицита в лучевой диагностике может автоматизация определенных звеньев производственных процессов, отдельных процедур. Таковыми потенциально могут стать автоматические измерения, поддержка в принятии решений (в том числе как своеобразная «профилактика» неточностей и дефектов в работе врача-рентгенолога), автоматизированная сортировка и классификация пациентов (например, по стандартизированным шкалам оценки). Данные гипотетические утверждения, безусловно, нуждаются в детальном изучении.
На примерах смежных сфер, таких как лабораторная диагностика, известно, что автоматизация положительно сказывается на производительности и качестве труда медицинского персонала, повышает доступность медицинской помощи, открывает новые возможности для пациентов [23, 31, 106, 119, 158].
Текущий уровень цифровизации лучевой диагностики (наличие соответствующего парка, автоматизированных рабочих мест, сетей передачи данных, радиологических информационных систем, интегрированных в информационные системы в сфере здравоохранения различных уровней, наконец, централизованных архивов медицинских изображений) служит мощным фундаментом для внедрения актуального поколения технологий автоматизации – так называемых технологий искусственного интеллекта.
В соответствии с Указом Президента Российской Федерации от 10.10.2019 №490 (http://kremlin.ru/acts/bank/44731) искусственный интеллект (ИИ) – это комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые как минимум с результатами интеллектуальной деятельности человека. Комплекс технологических решений включает в себя информационно-коммуникационную инфраструктуру, программное обеспечение (в том числе то, в котором используются методы машинного обучения), процессы и сервисы по обработке данных и поиску решений.
Технологии искусственного интеллекта (ТИИ) – это технологии, основанные на использовании искусственного интеллекта, включая компьютерное зрение, обработку естественного языка, распознавание и синтез речи, интеллектуальную поддержку принятия решений и перспективные методы искусственного интеллекта. Сразу отметим, что в сфере лучевой диагностики первостепенное значение имеет компьютерное зрение для распознавания и интерпретации диагностических изображений. На втором месте – обработка естественного языка и распознавание речи для различных форм работы с медицинской документацией.
Проблематика искусственного интеллекта в здравоохранении, без сомнений, является одной из центральных в современной научной литературе. Публикуются разнообразные стратегические прогнозы, обзоры, исследования по этике, роли и месту ИИ в процессах работы врачей-рентгенологов, проблематике формирования доверия к технологиям ИИ [26, 30, 136, 143, 150, 152, 155, 177]. Интересны попытки юридического анализа проблематики искусственного интеллекта в контексте лучевой диагностики в России. Авторы таких работ полагают основными ограничениями непрозрачность процесса принятия решений ТИИ (так называемый эффект черного ящика) и высокую частоту ошибок со стороны соответствующих алгоритмов. По результатам социологических исследований демонстрируется недостаточный уровень доверия к ИИ как со стороны врачей, так и со стороны пациентов. Декларируется «объективная необходимость создания эффективных правовых механизмов, предусматривающих меры ответственности за ошибочные решения ИИ, защищающие права врачей и пациентов при работе данных программ» [45, 46]. Однако конкретные предложения не формируются. Полагаем, что причиной отсутствия конкретики служит недостаточный объем научных знаний о реальных возможностях и ограничениях ИИ в лучевой диагностике.
По данным Европейского сообщества радиологов, по состоянию на 2019 год до 20,0% соответствующих специалистов уже применяли в своей работе ТИИ, а 30,0% планировали сделать это в ближайшее время. Вместе с тем потенциально наиболее подверженными внедрению ИИ модальностями были определены маммография, КТ и МРТ, а ключевыми клиническими задачами – скрининг, стадирование (в том числе повторное) в онкологии, количественные измерения биомаркеров [134]. По данным на 2022 год, ситуация несколько изменилась: реальный удельный вес врачей-рентгенологов – активных пользователей ИИ – составил 40,0%. Больше половины врачей использовали искусственный интеллект при интерпретации результатов лучевых исследований (детекция и маркировка специфических патологических проявлений). Примечательно, что почти в 40,0% случаев такого использования целью была приоритизация описаний исследований для повышения доступности медицинской помощи в особых случаях. Постпроцессинг, в том числе реконструкция изображений и измерения, составил 28,6% случаев применения ИИ [133]. Приведенная статистика интересна; вместе с тем она может служить лишь некоторым обозначением направления для дальнейших исследований, так как строится на добровольном социологическом опросе (как и результаты иных подобных исследований распространенности и характера применения ИИ в лучевой диагностике в Америке и Азии [117, 118, 129]). В процитированных работах не раскрыты ключевые вопросы качества, надежности и значимости технологий искусственного интеллекта в лучевой диагностике.
Далее нами проведен углубленный анализ текущей ситуации с применением технологий искусственного интеллекта в лучевой диагностике в России и за рубежом.
1.2. Зарубежные исследования применимости и качества искусственного интеллекта в лучевой диагностике: систематический обзор метаанализов
В глобальной перспективе отмечается интенсивная научно-исследовательская деятельность по различным аспектам создания, применения и оценки технологий искусственного интеллекта в рентгенологии и радиологии. С учетом значительного числа научных публикаций в предметной области нами принято решение провести систематизацию и совокупный анализ статей, подготовленных в дизайне метаанализа.
Систематический обзор метаанализов проведен в дизайне зонтичного систематического обзора литературы (в соответствии с методологией PRISMA-ScR).
1) библиометрические данные (имя первого автора, название статьи, год выхода, DOI, название журнала, импакт-фактор журнала, страна проведения исследования);
2) параметры включенных исследований (модальность, объем выборки, доля проспективных исследований, наличие тестирования на внешних данных);
3) показатели качества включенных исследований (риск систематической ошибки, неоднородность данных, объективность критериев включения статей в обзор – «publication bias»);
4) значения диагностической точности ИИ; результаты сравнения диагностической точности ИИ с диагностической точностью врачей; информация о числе врачей и уровне их квалификации;
5) результаты внедрения.
Для оценки качества включенных систематических обзоров был использован инструмент AMSTAR-2.