Юрий Васильев – Искусственный интеллект в лучевой диагностике: Per Aspera Ad Astra (страница 3)

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».