Как нейросети помогают врачам спасать жизни.
На недавнем Общем собрании РАН президент академии Геннадий Красников в числе ключевых достижений отметил разработки Института системного программирования им. В.П.Иванникова РАН в области искусственного интеллекта для медицины. Речь идет о «Комплексе моделей, методов и алгоритмов ИИ с приложением к медицинским задачам», который уже получил официальное признание - регистрационное удостоверение Росздравнадзора. О том, как эти технологии помогают врачам, какие патологии они выявляют и как будут развиваться дальше, «Поиску» рассказал директор института академик Арутюн АВЕТИСЯН (на снимке).
– Арутюн Ишханович, давайте поговорим о том, что создано вашим институтом в области применения искусственного интеллекта для медицины.
– Мы разработали диагностическое программное обеспечение для нейросетевого анализа ЭКГ, которое зарегистрировано Росздравнадзором как медицинское изделие III класса риска - это высший уровень сложности. Система анализирует данные 12-канального электрокардиографа и с очень высокой точностью выявляет 11 патологий сердечно-сосудистой системы. Среди них - фибрилляция предсердий, различные виды блокад (например, полная блокада левой или правой ножки пучка Гиса), синусовая тахикардия и брадикардия, желудочковая и наджелудочковая экстрасистолия и др.
Но это только начало. Мы уже работаем с более простыми устройствами, например, 6-канальными и даже одноканальными ЭКГ-гаджетами, чтобы расширить возможности скрининга. Наша цель - сделать технологию доступной для массового применения, в том числе в портативных устройствах.
– Ваша система анализирует электрокардиограммы. Как именно она работает и в чем ее преимущества перед традиционной диагностикой?
– Это программное обеспечение для автоматического анализа ЭКГ с использованием нейросетей. Главное преимущество - способность обрабатывать огромные массивы данных с высокой точностью. Когда речь идет о миллионах кардиограмм, ручная проверка врачами становится невозможной. Наша система позволяет проводить массовый скрининг и выявлять патологии на ранних стадиях даже у людей, которые не обращались к кардиологу.
При этом мы сохраняем стандартный медицинский протокол: окончательный диагноз всегда ставит врач на основе комплексного обследования. Наша технология - это мощный инструмент первичной диагностики и «сортировки» пациентов.
В медицине стандарт - 12-канальная ЭКГ, но многие патологии можно обнаружить и на 6 каналах (электроды крепятся на руки и ноги). Еще проще одноканальные устройства, как в Apple Watch. Конечно, они менее информативны, но их можно использовать для первичного скрининга.
Например, раздать такие гаджеты сотрудникам компании и за месяц собрать данные. Если система выявит отклонения, человек сможет сделать 6-канальную ЭКГ (это уже проще, даже фельдшер не нужен), а при серьезных подозрениях - пройти полноценное обследование у кардиолога.
photogenica.ru
Пока такой системы массового скрининга нигде в мире нет, но потенциал огромен. Для этого нужен ИИ промышленного уровня, именно поэтому мы прошли регистрацию в Росздравнадзоре. Это значит, что наша модель успешно протестирована на независимых данных и показала высокую точность.
– Насколько сложно было добиться такой точности?
– Ключевая проблема - объемы данных. Исследования (в том числе зарубежные) показывают: для устойчивого результата нужны сотни тысяч ЭКГ от разных людей. Мы убедились в этом на практике - стабильность появилась только после 500 тысяч, ближе к миллиону записей.
Кроме того, нужны врачи для разметки и проверки. У нас постоянно работают 7-8 кардиологов, мы даже создали специальную систему, чтобы они могли анализировать ЭКГ прямо в телефоне. В обычной больнице таких ресурсов нет - врачи заняты основной работой.
Сейчас мы двигаемся в двух направлениях: расширение списка патологий и развитие скрининговых решений (адаптация под шести- и одноканальные устройства), интеграция в медицинскую экосистему.
– Как медицинское сообщество воспринимает внедрение искусственного интеллекта? Не возникает ли недоверия со стороны врачей?
– Мы сразу взяли курс на сотрудничество, а не на замену врачей. Наша задача - помочь медикам, а не учить их, нужно попробовать поднять продуктивность труда врача.
Мы помогаем врачу «масштабироваться», чтобы он мог в 10, а то и в 100 раз больше пациентов охватить своим вниманием. Как? Вот смотрите. Во-первых, система выявляет тех, кому действительно нужно к доктору, но сам человек об этом не догадывается. Ведь сколько людей - в деревне ли, в Москве ли - к врачам не ходят, пока гром не грянет.
Но представьте, система подсказывает человеку: «Слушай, тут что-то не так, проверься». Он заходит в ближайший медпункт - сейчас же много где можно анализы сдать или ЭКГ сделать - проходит простейшее обследование без врача. Если система подтверждает риск, вот тогда уже идет к специалисту. Так мы сможем «ловить» тех, кто обычно попадает к врачам, когда уже поздно.
Это касается не только ЭКГ. Мы работаем в разных направлениях: кардиология, диагностика меланомы и других злокачественных новообразований кожи, маммография. ИИ особенно полезен при работе с большими архивами данных, а еще как система «второго мнения» - он может обратить внимание врача на то, что могло ускользнуть при беглом осмотре.
Но важно понимать: нельзя просто взять и навязать эти технологии. Медицина консервативна, и это правильно. В моей семье все врачи - мама, дед - так что я хорошо понимаю их осторожность. Внедрение должно идти постепенно, через реальную практику и образование. Вспомните IBM Watson - миллиарды инвестиций, а реального прорыва так и не случилось. Мы идем другим путем: не революция, а постепенная эволюция вместе с врачебным сообществом.
– Можно ли считать анализ состояния человека и его лечение математической задачей со многими неизвестными?
– Это глубокий философский вопрос. Человек - настолько сложная система, что стопроцентно математического решения здесь быть не может. Мы работаем с вероятностными моделями, когда можем сказать, что в 95% случаев диагноз верный. Но окончательное решение всегда остается за врачом. Даже при идеальных данных, правильном обучении моделей и слаженной работе математиков, программистов и врачей мы остаемся в рамках вероятностного подхода.
– То есть вы как математик не берете на себя полную ответственность за диагноз?
– Никто не может взять такую ответственность. Человеческий организм - бесконечно сложная и постоянно меняющаяся система. Уверен, через 20-30 лет сегодняшние модели потребуют пересмотра, потому что изменимся мы сами. Современные ИТ-технологии должны изначально проектироваться с учетом необходимости постоянного развития. Это как ребенок, который должен расти и учиться. Поэтому нам и нужны суперврачи, суперайтишники и суперматематики, которые будут совместно развивать эти технологии.
Математически точно описать общее состояние человека невозможно. Врачи правильно учат: нужно рассматривать пациента в целом. Даже при анализе конкретного сигнала ЭКГ результаты сильно зависят от множества факторов: где человек живет, в каких условиях. Поэтому нам нужны огромные массивы данных - миллионы записей, а не тысячи. И даже тогда остается вероятность ошибки.
– Таким образом, ИИ не панацея, а всего лишь удобный инструмент?
– Совершенно верно. Как молоток помогает забивать гвоздь, но не решает, куда его вбивать, так и здесь алгоритм обрабатывает данные, но итоговое решение, особенно в пограничных случаях, всегда за человеком. Более того, мы специально проектируем систему так, чтобы она не просто выдавала «вердикт», а объясняла, на основании каких параметров возникло предположение. Например: «Обратите внимание на этот зубец, его амплитуда выходит за типичные границы». Это помогает врачу фокусироваться на ключевых моментах.
– Почему для своих разработок вы выбрали именно кардиограммы? Ведь есть и другие методы диагностики - КТ, УЗИ и прочие.
– Выбор ЭКГ как первого направления был неслучаен. Наш проект начинался при поддержке Российского фонда фундаментальных исследований (РФФИ) как совместная инициатива с Израильским технологическим институтом (Технион) - одним из ведущих технологических университетов мира. Мы работали в партнерстве с профессором Асафом Шустером и именно в рамках этого международного сотрудничества определили ЭКГ как оптимальную отправную точку.
Электрокардиография оказалась идеальным полигоном для отработки междисциплинарного подхода. Это хорошо структурированный и стандартизированный сигнал. При этом важно понимать, что успех таких проектов определяется не только научными факторами, но и организационными. Нам повезло - сначала мы получили около 80 тысяч ЭКГ из Великого Новгорода, а затем благодаря соглашению с Минздравом Татарстана и доступ к массиву из более чем 2 миллионов записей. Это стало уникальной исследовательской базой.
Хотя кардиология стала для нас основным направлением благодаря впечатляющим результатам, отмеченным Академией наук, это далеко не единственная сфера наших разработок. Совсем недавно мы завершили работу над собственным дерматоскопом - устройством для диагностики кожных заболеваний.
При создании прибора мы ориентировались на лучшие мировые аналоги, в частности, на продукцию немецкой компании Heine, мирового лидера в этой области. И нам действительно есть чем гордиться: по ключевым оптическим характеристикам наш прибор не просто догнал, но и превзошел зарубежные образцы. Это стало возможно благодаря сильным традициям российской оптической школы, которые мы смогли творчески развить.
Однако настоящей гордостью для нас является не сам аппарат, а интегрированная в него система искусственного интеллекта. Наш алгоритм анализа кожных покровов демонстрирует исключительную точность в выявлении опасных патологий. Чтобы проверить его в реальных условиях, мы организовали в Орловской области регулярные Дни диагностики меланомы.
Результаты одновременно впечатляют и тревожат: ежемесячно из 50-60 случайных посетителей у 3-5 человек (около 10%) система выявляет либо меланому, либо другие формы рака кожи.
– То есть достаточно поднести прибор к родинке…
– Да, все предельно просто. Вы подносите устройство к любой подозрительной родинке, делаете фото на обычный смартфон, изображение автоматически загружается в облако, причем с полной анонимностью. Наша система анализирует снимок, и если алгоритм обнаруживает опасные признаки, мы рекомендуем человеку обратиться к онкологу. Те 3-5 случаев из 50, о которых я говорил, - это подтвержденные диагнозы, после которых были проведены успешные операции, люди спасены.
Важность ранней диагностики сложно переоценить - на начальных стадиях кожные онкозаболевания излечимы практически в 100% случаев. Даже при более позднем выявлении современная медицина творит чудеса, но качество жизни пациента уже серьезно страдает: теряется трудоспособность, требуется длительная реабилитация. Это принципиально другой уровень задач по сравнению с анализом ЭКГ.
Сейчас мы активно работаем над маммографией. Но главная перспектива - создание мультимодальных систем, объединяющих данные с различных портативных устройств. Представьте, моряк в Арктике, водитель-дальнобойщик или диабетик - все они могли бы получать объективную информацию о своем состоянии в реальном времени.
Мы видим систему, где показания гаджетов дополняются ежедневными аудио- и видеозаписями пациента. Это позволит врачам дистанционно контролировать состояние людей, особенно в стрессовых ситуациях. Пока таких решений не существует, это будущее медицины.
Но мы сознательно идем поэтапно: сначала доказали эффективность в диагностике меланомы, теперь беремся за более сложные задачи. Только такой системный подход дает реальные результаты в консервативной медицинской сфере.
– Сейчас многие компании, включая стартапы, работают над медицинскими ИИ-решениями. Например, анализируют данные медицинских карт, как Сбер. Как вы разделяете сферы влияния? Есть ли какая-то координация между вами?
– Мы, безусловно, следим за тем, что делают коллеги. Наш Исследовательский центр доверенного искусственного интеллекта (ИЦДИИ)стал одним из семи победителей третьей волны отбора исследовательских центров в сфере искусственного интеллекта на получение господдержки. У нас есть соглашение о сотрудничестве со Сбером в медицинской сфере, где он выступает заказчиком, а медицинским партнером является Алмазовский центр под руководством академика Шляхто в Санкт-Петербурге. Мы работаем не только с диагностикой по сигналам, но и с более комплексным анализом данных пациентов, включая текстовую информацию. Одна из наших задач - создание системы поддержки врачебных консилиумов.
– То есть ИИ сможет полноценно участвовать в обсуждении, высказывать свое мнение?
– Да, система должна не только предлагать решения, но и объяснять, как она к ним пришла. Сейчас такие возможности существуют лишь в ограниченном виде. Наша задача - развивать это направление, хотя предсказать, когда именно технология войдет в повседневную практику, сложно. Важно понимать, что это вспомогательный инструмент, окончательное решение всегда остается за врачом. Но даже самому опытному специалисту дополнительное мнение, основанное на анализе огромного массива данных, может быть полезно в сложных случаях.
– Как вы относитесь к использованию ChatGPT в медицине?
– Большие языковые модели, безусловно, включают медицинские знания, но их качество требует проверки. Мы планируем сотрудничать со Сбером, изучать его разработку GigaChat, а также открытые решения. В любом случае такие модели потребуют серьезной доработки - специализации, обеспечения интерпретируемости результатов, введения ограничений. Возможно, окажется, что для медицинских задач эффективнее создавать специализированные решения с нуля. Это открытый вопрос, но мой опыт подсказывает, что дообучение существующих моделей выглядит более перспективным. Текстовые данные - важная, но не единственная составляющая в медицине.
– Как решается проблема конфиденциальности медицинских данных?
– Мы используем передовые подходы, которые позволяют обучать модели на данных, остающихся у их владельцев. Например, когда несколько больниц хотят совместно улучшить диагностическую систему, но не могут передавать друг другу истории болезней. В таких случаях применяется так называемое федеративное обучение, когда модель «приходит» к данным, а не данные к модели.
Суть федеративного обучения в том, что исходные данные никогда не покидают медицинское учреждение. Вместо этого обучение происходит через обмен параметрами моделей, как если бы несколько врачей советовались друг с другом, не называя конкретных пациентов.
В медицинской сфере, где вопросы конфиденциальности стоят особенно остро, федеративное обучение открывает принципиально новые возможности. Мы можем объединять знания, накопленные в разных клиниках и исследовательских центрах, не нарушая при этом ни законодательных норм, ни этических принципов.
– Какие реальные прорывы в медицине в ближайшие годы можно ожидать от искусственного интеллекта?
– Здесь важно разделять маркетинговые обещания и реальные достижения. Если говорить о действительно работающих решениях, то в первую очередь стоит отметить персонализированную медицину. Например, в нашем совместном проекте с Центром им. Гамалеи под руководством академика В.Гинцбурга и Институтом им. Герцена под руководством академика А.Каприна мы создаем систему подбора индивидуальных вакцин на основе генетического анализа пациента. ИИ здесь незаменим для обработки огромных массивов данных и выявления сложных закономерностей.
Другой перспективный пример - нейрохирургия. В Научном центре неврологии РАН уже сегодня используют системы дополненной реальности, которые помогают хирургам с точностью до микрона планировать операции. Это не фантастика, а повседневная практика в ведущих клиниках.
Когда мы работаем над технологиями анализа ЭКГ, наша основная задача не коммерциализация в классическом понимании. Мы сосредоточены на создании работоспособных решений и демонстрации их практической ценности. Главное для нас - это сотрудничество с врачами и медицинскими учреждениями, чтобы понять, где именно наши разработки могут быть наиболее полезны, получить обратную связь и продолжить совершенствование технологии.
Важно понимать: мы прежде всего научная организация. Наша миссия - развивать технологии и искать новые возможности их применения, а не заниматься маркетингом. Коммерческий успех - возможное следствие, но не самоцель. Ведь можно создать прекрасный продукт и только потом обнаружить, что реальный спрос на него отсутствует. Мы же стремимся сначала убедиться в практической значимости наших решений для медицины.
Беседовала Светлана Беляева
Обложка: фото Николая Степаненкова
