Вообще я бы сравнил эволюцию в организации лучевой диагностики с эволюцией… ГИБДД. Неожиданно? Но, на мой взгляд, очень показательно. Когда-то инспектор ГАИ внимательно следил за порядком на улице и каким-то особым чутьем, наработанным опытом, распознавал (или не распознавал) водителей без прав, тех, кто с высокой вероятностью склонен к тому, чтобы нарушить правила дорожного движения, на глаз определял превышение скорости. Используя свой собственный опыт и наработанные навыки, он «диагностировал» потенциальных нарушителей и оберегал «общественное здоровье улиц». Затем у нашего инспектора появились специальные девайсы – например, радар. С его объективными данными спорить было уже практически невозможно. Постепенно инспектора на улице заменили камеры видеонаблюдения, а квалифицированные и опытные блюстители уличного порядка переместились в центр наблюдения, где с помощью компьютерного зрения постоянно, 24 часа в сутки анализируются данные движения улиц. Отдалившись непосредственно от дорог, наши условные инспекторы дорожного движения получили гораздо больше возможностей для понимания и оценки происходящего, для выявления нарушителей, а что самое главное – для прогнозирования того самого «здоровья улиц». Сегодня анализ больших данных, полученных с видеокамер, позволяет прогнозировать плотность движения в различные часы, выискивать закономерности в нарушениях и рекомендовать необходимые изменения в организации движения.
Условно те же инструменты получили и радиологи, отдалившись непосредственно от своих аппаратов в поликлиниках и диагностических центрах и получив взамен гораздо больший опыт анализа снимков, а также возможность обучать и контролировать обучение искусственного интеллекта с помощью гигантского объема получаемых данных от диагностических устройств, объединенных в сеть.
К сегодняшнему дню свыше 15 млн исследований загружены в созданную нами систему. Более 30 тысяч исследований загружаются ежедневно. 10 тысяч врачей пользуются этими данными каждый месяц. А общее число пациентов, чьи исследования хранятся в системе приближается к пяти миллионам.
То есть, наш одаренный ученик, искусственный интеллект, стал активно участвовать в повседневной клинической практике. Параллельно он продолжает учиться. Создав единый радиологический информационный сервис, мы обеспечили ему обучающую базу и разработали методику его обучения. А для этого были тщательнейшим образом изучены 19 алгоритмов из 10 стнан. В тексте это всего одно предложение. Но в реальной жизни это были рабочие дни без выходных, бессонные ночи, споры, совещания, разборы полетов, разочарования. Мне кажется, что эти сдвинутые с места горы организационной работы стали шагом из вчера в завтра, трансформацией больших разговоров в конкретные реальные дела.
В Москве действительно состоялся уникальный эксперимент по применению компьютерного зрения. И он показал, что помощь искусственного интеллекта позволила на 30 % сократить время описания снимка. Это много. Такая экономия времени особенно почувствовалась во время пандемии, когда все люди, узнали, что такое КТ и зачем оно нужно, а многие медицинские термины (например, сатурация) вошли в обиход. В это непростое, тревожное время значительно увеличилось количество исследований и выросла нагрузка на врачей, и наша предварительная работа оказалась очень кстати. Сегодня в московском центре уже собрана самая большая база данных – компьютерных томограмм легких при COVID-19. И коллеги всего мира используют и ее для обучения и проверки новых алгоритмов.
Это был период очень интенсивного обучения. Чему нас научил эксперимент? Алгоритмы, как мы теперь понимаем, тоже ломаются и перестают выдавать результат, представляющий ценность для врача. И это еще одно подтверждение, что имеет смысл автоматизировать самые простые, базовые исследования. Пример (мы об этом уже говорили в предыдущих главах) – флюорография. Потому что это полтора миллиона исследований в год, 95 % из которых – норма. Как теперь выглядит флюорография для московских врачей, предварительно проанализированная искусственным интеллектом? С разметкой, контурами, подсветкой, шаблоном описания и вероятностями патологии. Эти исследования становятся кристально прозрачны и понятны даже начинающим докторам. Да, еще достаточно много ложноположительных результатов, но алгоритмы совершенствуются, продолжают «учиться» и набираться опыта.
Та же история – маммография. В Москве проводится почти полмиллиона исследований в год, и 95 % из них – тоже, к счастью, норма. И это тоже идеальная возможность для автоматизации. У нас есть реальные кейсы, реальные пациенты, у которых благодаря алгоритмам врач не пропустил патологию. Применение алгоритмов стало профессиональным стандартом. Причем врач обязан просматривать изображения с разметкой алгоритмов. Если вдруг он убирает ее с экрана, после перезапуска рабочей станции она автоматически будет выставлена снова.
Как видим, именно скрининговые исследования, поиск конкретной патологии пока самое перспективное поле деятельности для искусственного интеллекта. КТ грудной клетки предполагает больше разнообразных вариантов диагнозов, особенно при наличии каких-либо симптомов. Однако и скрининговых КТ становится все больше: например, в Москве запущена программа низкодозовой компьютерной томографии (НДКТ) для скрининга рака легкого, одного из самых распространенных видов рака. Ее назначают не всем подряд при диспансеризации и не при появлении каких-либо жалоб или симптомов, а в зависимости от степени риска развития рака легкого (большой стаж курения, работа на вредном производстве, наследственный фактор и другие четко прописанные факторы риска).
Искусственный интеллект сегодня уже умеет выявлять целый набор различных патологий легкого – от разной природы пневмоний до рака. Теперь наша задача с помощью усовершенствованных алгоритмов сделать из КТ грудной клетки новый тип исследования, который мы называем количественное КТ. Название пока еще не сформировалось. Но суть в том, что пациент, попадая на КТ грудной клетки по любому поводу, автоматически проверялся бы на COVID-19, рак легкого, коронарный кальций, диаметр аорты, эпикардиальный жир, наличие признаков остеопороза, расширение легочного ствола. Сейчас идет большая работа по формированию автоматического расчета множества показателей. И это принципиально переводит КТ на другой уровень, делает ее новым методом диагностики, который автоматически измеряет и проверяет то, что раньше врачи забывали или не успевали смотреть. Таким образом, любое КТ грудной клетки становится скринингом, за которым состоит будущее медицины.
В этом году мы ждем от компаний подключения расширенных сервисов по другим областям медицины. В их числе исследования головного мозга при рассеянном склерозе, исследования печени, почек, позвоночника – сколиоз, переломы и т. д. Сегодня у врача появился целый магазин приложений, где он может исследование отправить на обработку алгоритму. Запрос отправлен, 2–3 минуты – и врач получает ответ от множества компаний, которые на лету обрабатывают эти исследования. Это уже реальность.
Однако будем честны, искусственный интеллект все еще может вести себя в процессе обучения как несмышленыш, искать патологию где-то за пределами целевых органов, переворачивать изображение, менять оттенок картинки или, например, ставить диагноз COVID-19 пациентам, сделавшим исследование до появления нового коронавируса. Но он без устали учится и уверенно развивается. Точность алгоритмов постоянно повышается. Пока формально она плавает в диапазоне 0,75-0,8 (на дворе 2022 год). Однако чувствительность у алгоритмов – 0,9 и даже 0,95. В совокупности это уже означает минимальный риск пропуска патологии. Думаю, что в ближайшее время поднимем чувствительность до 0,97.
Я уже упоминал, что технологии сократили время, необходимое для описания исследования. Изучено и подсчитано, что в Москве объединение машин (а их уже 1500!) в Единый радиологический информационный сервис, создание рефренс-центра привели к росту эффективности в два раза. Алгоритмы к этому добавляют еще 15–20 % эффективности.
