Искусственный интеллект и экспертные системы в мобильной медицине

Современная медицина имеет ряд коренных недостатков. Во-первых, это невозможность помочь всем больным по чисто экономическим причинам (высокая стоимость диагностических процедур, лекарств и операций). Поэтому самыми передовыми достижениями медицины может пользоваться только очень ограниченный круг людей. Во-вторых, медицина может помочь человеку только выжить (и то, лишь на определенный ограниченный срок). Но, она в принципе не способна вернуть людям утерянное здоровье, понимая его как способность продолжать в полном объеме свою производственную и социальную деятельность и личную жизнь. В-третьих, медицина, несмотря на формальное провозглашение принципов и задач профилактики заболеваний, реально имеет дело только с уже заболевшими людьми, нуждающимися в медицинской помощи. Это означает, что она не умеет прогнозировать и предупреждать заболевания, а лишь пассивно ожидает пока здоровый человек не превратиться в пациента, требующего внимания медицины.

Процессы глобализации, развитие информационных технологий и распространение научного знания и технологий по всему миру, обеспечивают существенный прогресс в лечении многих ранее неизлечимых заболеваний, прогрессе здравоохранения в целом.

Государства мира, в том числе и Россия, предпринимают усилия, чтобы улучшить качество здравоохранения, используя при этом новейшие достижения науки и технологий, в первую очередь информационные. В государственной программе Российской Федерации «Развитие здравоохранения» на 2018-2025 гг. в качестве одного из приоритетных проектов названо “Совершенствование процессов организации медицинской помощи на основе внедрения информационных технологий”, включающее в себя мероприятие “Информатизация здравоохранения, включая развитие телемедицины”, а также мероприятие “Совершенствование статистического наблюдения в сфере здравоохранения”. Решение поставленных задач должно способствовать увеличению продолжительности и повышению качества жизни населения.

Развитие телемедицины будет направлено, среди прочих направлений, на индивидуализацию оказания медицинской помощи, разработку и применение методов лечения и препаратов, основанных на индивидуальных особенностях пациента. Совершенствование статистического наблюдения в сфере здравоохранения, приведёт к быстрому росту информационной базы, что даст возможность анализировать большие объемы медицинской информации для выявления взаимосвязей между показателями состояния здоровья пациента и постановки диагноза при их изменении на основе компьютерных алгоритмов. Один из примеров — снижение стоимости и доступность генетических исследований для населения в целом, что ведёт к резкому увеличению количества практической информации и к серьёзным прорывам в медицине.

Следующее направление, это удаленная медицина: удаленные хирургические роботы, мобильная медицина, приложения для диагностирования болезней. Развитие этого направления позволит медицине развитых регионов страны стать доступной для её удаленных уголков. И, наконец, искусственный интеллект. В статье «Что может ИИ в медицине»? на сайте «XX2век» обстоятельно изложены состояние, перспективы и проблемы применения ИИ в медицине. Мы кратко остановимся на некоторых из них.

Искусственный интеллект может использоваться как диагност и ассистент лечащего врача. Имея доступ к базам данных с тысячами и миллионами историй болезни (и другой упорядоченной информацией) с помощью алгоритмов машинного обучения он классифицирует конкретный медицинский случай пациента, быстро просканирует вышедшую за определённый интервал времени научную литературу по нужной теме, изучит имеющиеся в доступе похожие случаи и предложит план лечения. Более того, ИИ сможет обеспечить индивидуализированный подход, приняв во внимание сведения о генетических особенностях пациента, паттернах движения, собранных его носимыми устройствами, предыдущей истории болезней — всём анамнезе жизни, став неоценимым помощником врача.

В вышеназванной статье приведены примеры применения ИИ в медицине.

IBM Watson — суперкомпьютер, умеющий отвечать на вопросы, сформулированные на естественном языке. У него есть доступ к различным источникам данных: энциклопедиям, базам научных статей, антологиям знаний. Благодаря огромным вычислительным мощностям, обработав источники, он выдаёт максимально точный ответ на заданный вопрос.

IBM Watson for Oncology — программа применения возможностей IBM Watson для определения оптимальной доказательной, основанной на данных, стратегии лечения рака. Перед запуском этой программы в Watson для обучения были загружены сотни тысяч медицинских документов, в том числе 25 тысяч историй болезни, более 300 медицинских журналов и более 200 учебников, всего около 15 млн. страниц текста. В 2011 году было объявлено о совместном исследовательском проекте IBM и Nuance Communications, результатом которого должен был стать коммерческий продукт для клинического применения в области принятия врачебных решений.

С 2013 года IBM Watson используется в Мемориальном онкологическом центре им. Слоуна-Кеттеринга в Нью-Йорке (Memorial Sloan Kettering Cancer Center, MSK) для помощи в принятии управляющих решений (Utilization management) при лечении больных раком лёгких и уходе за ними. Его база постоянно пополняется новыми историями болезни.

В июле 2016 года программа IBM Watson for Oncology была запущена в коммерческую эксплуатацию на базе Manipal Hospitals (ведущая сеть больниц в Индии) — для помощи врачам и пациентам в определении персонализированных методик борьбы с раком. Также сеть Manipal Hospitals предлагает онкологическим больным узнать «мнение Ватсона» онлайн, на своём веб-сайте. До конца 2016 г. IBM Watson for Oncology сможет помочь лечению ещё 9 типов рака, покрыв тем самым потенциально 80% заболеваемости раком в мире.

IBM Medical Sieve. Чтобы оценить результаты МРТ, рентген-снимков, кардиограмм, врачу в среднем нужно потратить значительно больше времени на изучение картинки, чем системе машинного обучения. При этом точность компьютерного анализа в среднем выше, что позволит выявить дефекты и образования, которые врач может и пропустить. Более того, за счёт уменьшения количества времени на распознавание и обработку данных, может быть обслужено больше пациентов.

Google DeepMind Health. В результате реализации проекта тысячи анонимных глазных снимков будут проанализированы с целью нахождения первичной симптомы слепоты. Также, в сотрудничестве с больницей Университетского колледжа Лондона (University College London Hospital), ИИ будет задействован в проекте по разработке алгоритма, который сможет автоматически различать здоровые и раковые ткани в области головы и шеи.

NeuroLex.co. Из психиатрической практики известно, что психические расстройства обычно сопровождаются определёнными речевыми изменениями. Поэтому можно научить нейронные сети расставлять соответствия между речевыми паттернами и диагнозами (на основе уже имеющейся клинической практики), таким образом сделать процесс установления диагноза более быстрым и точным.

Face2Gene — программа, позволяющая диагностировать по фото многие генетические заболевания (в основном, у детей). Целевая аудитория — практикующие врачи и исследователи.

Human Diagnosis project (Human Dx) — амбициозная инициатива молодых врачей из Сан-Франциско, сочетающая, по их словам, «усилия коллективного разума» и машинное обучение. На сайте Human Dx утверждается, что это «крупнейший проект в мире по числу участвующих авторов-клиницистов».

Предполагается, что здесь будут собраны описания симптомов, результаты медосмотров, личные и семейные медицинские истории, показания диагностических приборов и носимых устройств, результаты лабораторных исследований, медицинские визуализации, генетические и эпигенетические данные, научные публикации в области биомедицинских наук, медицинская статистика и т.п. На основе всего этого будет разработана фундаментальная структура данных, к которой сможет обращаться любой врач, пациент, исследователь, вообще любые люди, организации, устройства или приложения. Краткосрочная цель проекта – оказывать помощь в своевременной и верной диагностике заболеваний и назначении лечения, а также в медицинском образовании. Долгосрочная — радикально изменить в лучшую сторону стоимость, доступность и эффективность медицинской помощи во всём мире.

Human Dx финансируют сразу пять венчурных фирм. Одна из них, описывая вкратце политику инвестирования, сообщает, что вкладывает в компанию на всём этапе её развития от 50 до 100 млн. долларов.

В настоящее время фокус лечения сместился с острых заболеваний (распространённость которых, благодаря прогрессу в медицине за последнее столетие, удалось значительно сократить) на хронические. И «хроническим» больным необходимо быть постоянно осведомлёнными о состоянии собственного здоровья. Им на помощь приходят носимые устройства (wearables), которые позволяют мониторить пульс, давление, дыхание и другие показатели здоровья.

Медицинский «умный браслет»

Согласно полученной информации эти устройства извещают владельцев о действиях, которые необходимо совершить в данный момент (принять лекарство, изменить тип физической активности и др.). Показатели, снимаемые этими приборами, могут передаваться через смартфон непосредственно врачу, чтобы тот всегда «держал руку на пульсе» и мог давать рекомендации по ходу изменения показателей. Простейшие советы могут быть «зашиты» непосредственно в приложения и реагировать на получаемые данные автономно и быстро. С помощью таких носимых устройств и мобильных приложений как раз и можно собирать массивы данных, по мере роста которых будет расти и качество работы обучающегося на них ИИ.

Sense.ly (iOS, Android) — это «приложение-медсестра». На экране телефона — анимированное изображение медсестры, она спрашивает, как вы сегодня себя чувствовали сегодня, хорошо ли спали, в норме ли давление, нет ли жалоб. Отвечать можно вслух — ИИ распознаёт речь и сразу же отправляет информацию лечащему врачу.

Если в вашем ответе есть триггеры, соответствующие тем или иным симптомам, на экран будет выведена краткая справка по ним, после чего «сестра» напомнит о приёме лекарств или процедурах, или поинтересуется, не хотите ли вы связаться с врачом. Если хотите, приложение немедленно соединит вас по видеосвязи.

Приложение-медсестра

AiCure (iOS, Android) — нужно сфотографировать приём таблетки; приложение визуально распознает тип лекарства, определит время приёма и отправит эту информацию врачу. Задача приложения — обеспечить регулярность приёма лекарств.

Babylon Health (iOS, Android) — мобильное приложение, позволяющее из любой точки Земного шара, в любой день и любое время суток получить онлайн-консультацию британского или ирландского врача с врачебным стажем не менее 10 лет.

Перед консультацией можно пройти, здесь же, в приложении, нехитрый тест, а также загрузить параметры ежедневной активности, в т.ч. непосредственно с различных носимых устройств. Система проанализирует данные и выдаст вам предварительный диагноз, и врача порекомендует, уже опираясь на него. Если верить разработчикам, практика показывает, что предварительные диагнозы Babylon Health уже сейчас ставит не хуже опытного терапевта.

Мобильные приложения для диагностики заболеваний как раз могут сильно пригодиться и российским участковым, и врачам, работающим в «глубинке», где перед ними проходят тысячи пациентов, постоянно новых, с незнакомыми симптомами, и где нет даже нормальной лаборатории, чтобы сделать анализы.

Помимо клинической практики, ИИ находит применение в проведении биомедицинских исследований. Например, система машинного обучения может использоваться для проверки совместимости лекарств или для анализа генетического кода (да для чего угодно, на самом деле — для любых задач, требующих глубокого обучения, поиска корреляций в больших данных, визуального распознавания и аудиального и т.п.).

К сожалению, как и вокруг любой инновации, вокруг ИИ в медицине бытует множество как предрассудков, так и обоснованных опасений. Многие чиновники опасаются принимать на себя ответственные решения, связанные с изменением существующих порядков и норм в области здравоохранения. Поэтому одной рукой подписывают инновационные программы и перспективные планы, другой же — законы и подзаконные акты, душащие всякую реальную инновацию в колыбели.

Существует опасность утраты контроля над личными данными и неясное распределение ответственности за эту утрату. В случае ИИ в медицине (и не только в медицине) добавляется реальная проблема нарушения приватности ради эффективности.

Следствием утраты приватности могут стать реальные проблемы и непосредственно для пациентов. Так, данные из истории болезни, используемые для обучения искусственного интеллекта, могут попасть в руки, допустим, страховой компании, с ожидаемым последствием повышения цены медицинского полиса и страхования жизни (если, например, человек не ведёт «здоровый», с точки зрения страховщиков, образ жизни). Работодатель может отказать соискателю, если будет знать что тот страдает хроническими болезнями или генетически предрасположен к тем или иным видам заболеваний. И, в конце концов, становится непонятным: кто владелец медицинских данных — пациент, врач, клиника, вычислительный сервис или кто-то ещё? И кто, в какой мере может ими распоряжаться?

Так, компании Google, вернее — её подразделению DeepMind Health, проекту использования ИИ в целях здравоохранения, сотрудничающему с «Королевской бесплатной больницей» (Royal Free Hospital) и другими лечебными учреждениями в Лондоне, уже неоднократно пытались устроить неприятности из-за персональных данных.

Бреши в информационной безопасности ИИ-систем и их периферии чреваты не только нарушением приватности, но и прямыми угрозами жизни и здоровью. Самые популярные у алармистов примеры: удалённый взлом кардиостимулятора и намеренное «переучивание» диагностическо-рекомендательной системы на предложение смертельно опасного лекарства или процедуры. В критическом случае это может привести к массовым убийствам. Поэтому носимые устройства должны быть надёжно защищены от внешних атак. Но какую защиту считать надёжной? И кто оценивает надёжность? А кто будет отвечать, если что-то такое всё же произойдёт? Врач? Клиника? Разработчик интеллектуальной системы? Специалист по информационной безопасности?

Другой проблемой является отсутствие у врачей стимула к внедрению интеллектуальных систем. Так, вознаграждение врача может уменьшиться, если ИИ, будет ставить правильный диагноз быстрее врача, как минимум, «в среднем по больнице». И если один врач, благодаря ИИ, сможет принимать в пять раз больше пациентов, четверых из-за этого придётся уволить.

Есть также целые регионы, жители которых уже сегодня массово предпочитают врачу поиск в Google. Если же им будет доступен искусственный интеллект, ставящий диагноз и предлагающий терапию, при рабочих местах там из медиков останутся разве что хирурги, стоматологи и процедурные сёстры. Не факт, что это пойдёт на пользу общему уровню здоровья, но — как убедить ходить к врачу человека, который и раньше ему не доверял, а теперь ещё и имеет доступ к машинной диагностике? И куда деваться тем медикам, которые останутся из-за ИИ без работы?

Как сообщает The Guardian, 5 января 2016 года японская компания Fukoku Mutual Life Insurance, занимающаяся преимущественно медицинским страхованием, объявила об увольнении 34 сотрудников в связи с началом эксплуатации удалённого интерфейса когнитивной системы IBM Watson — Watson Explorer.

Fukoku Mutual Life Insurance полагает, что, благодаря ИИ, увеличит производительность на 30% и окупит вложения в него менее чем за два года, а также сэкономит в этом году более 100 млн. иен на текущих расходах.

Watson Explorer понимает естественный язык, распознаёт символы и изображения и сможет читать десятки тысяч медицинских справок и учитывать продолжительность пребывания в больнице, медицинские истории и любые хирургические процедуры для расчёта страховых выплат. Причём будет делать всё это значительно быстрее и качественнее, чем уволенные 34 сотрудника. Последних, впрочем, всё это едва ли обрадует.

Гигантские массивы данных, в т. ч. персональных, всё равно, так или иначе, собираются и используются — в эпоху глобальных информационных сервисов с миллиардами пользователей иначе и быть не может, но легальность этого — под вопросом. Права собственности, права на использование открытых для ИИ персональных данных, а также вопросы разграничения ответственности при эксплуатации искусственного интеллекта в медицине требуют законодательного регулирования.

Безусловно, прогресс не остановить, потребность в широком медицинском применении ИИ существует, и основанные на нём услуги всё чаще востребованы и так или иначе будут оказываться.

Работа над созданием систем мобильного здравоохранения в США, Канады, Британии и Индии ведутся с 90-х, когда правительства развитых, в части мобильных технологий, стран осознали необходимость создания дистанционных систем по охране здоровья. Во многих странах записаться к врачу можно через интернет. Но пациентов много, поэтому иногда приема приходится ждать по нескольку дней, если не недель. Современные технологии помогают решить эту проблему. Один из способов — мобильная телемедицина (mHealth), подкрепленная возможностями искусственного интеллекта. mHealth предполагает использование смартфонов и носимых устройств (например, «умных» часов или фитнес-браслетов) для оценки здоровья человека. В настоящее время медицинские приложения для Айфона и Айпада для диагностики болезней используют 30% докторов в США.

Термин Mobile Health (mHealth) ввел в обиход в 2003 году английский профессор, академик Роберт Истепаниян. Профессор признан ведущим специалистом и первопроходцем в области мобильного здравоохранения. Является научным сотрудником нескольких исследовательских центров вузов и компаний (например, Orange, Philips, Motorola) и ведущим экспертом в области M2M (Machine-to-Machine, Межмашинное взаимодействие). Он известен тем, что разработал концепцию нового уровня эволюции mHealth и ввел еще одно понятие – 4G Health.

Одну из первых mHelth-систем разработали в 2005 году в лондонском университете под началом профессора Брайана Вудворда при участии индийских ученых. Именно в этом вузе писал свою докторскую диссертацию Истепаниан. Уникальная система позволяла отслеживать состояние здоровья человека и передавать данные с мобильного телефона в клинику в любой точке мира. Устройство передавало данные о насыщении крови кислородом, давлении, уровне глюкозы в крови, ударах сердца.

Наиболее важной функцией мобильных приложений, используемых в «умных браслетах», представляется регистрация и предупреждение внезапного наступления кризисных состояний у пациента. Особенно большую доля смертей составляют сердечные заболевания (порядка 60%). Статистика причин смертности населения РФ представлена на рисунке ниже.

Причины смертности населения Российской Федерации

Внезапной смерти от сердечных приступов, инсульта, сахарного диабета и других заболеваний предшествуют сигналы организма о возможности её наступления и, если вовремя получить и расшифровать эти сигналы, можно попытаться предупредить наступление кризиса. Профилактика внезапной коронарной смерти нужна людям с хроническими болезнями сердечно-сосудистой системы, которые могут стать причиной приступа, а также тем, кто уже ее пережил и был успешно реанимирован. Так, например, на рисунке ниже показано, что своевременная регистрация критического повышения артериального давления может способствовать предупреждению пациента о необходимости принять соответствующие меры (приём лекарства, вызов скорой помощи и др.)

Взаимосвязь увеличения смертности от увеличения артериального
давления

Такой же вывод о необходимости регистрации предкризисного изменения физиологических параметров организма можно сделать и в отношении других опасных заболеваний. Чем раньше будет выявлено предкризисное состояние организма, тем легче его предупредить. Сложность данной задачи состоит в том, что организм человека представляет собой сложную систему взаимосвязанных подсистем изменение (на рисунке ниже) и опасность кризиса организма не всегда можно выявить по изменению какого-либо одного физиологического параметра.

Взаимосвязанные системы организма

Причём индивидуальные особенности организма пациента играют в этом ведущую роль. Установлены общие зависимости некоторых показателей состояния организма человека от его возраста (рисунок ниже).

Динамика изменений некоторых показателей организма человека с возрастом

Тем не менее, вокруг линии тренда, точки, принадлежащие разным пациентам, находятся на разных, произвольных, расстояниях от неё (рисунок ниже).

Динамика изменения с возрастом плотности постсинаптических рецепторов головного мозга

Для предупреждения наступления кризиса организма с использованием мониторинга его показателей на основе «умного браслета» необходимо своевременно выявить их попадание в зону начала формирования паталогического процесса (рисунок ниже).

Зоны, определяющие пределы областей состояния организма

Для физиолога переход от здоровья к болезни связан с нарушением биологических констант организма, определяющих гомеостаз, или с ухудшением его приспособительных свойств. Клиницист видит проявления болезни в определенных патологических изменениях структуры и функции, в появлении конкретных симптомов и синдромов. А вот пограничные между здоровьем и болезнью, так называемые донозологические или преморбидные состояния, вызывающие наибольший интерес у физиологов и клиницистов профилактической и страховой медицины не поддаются контролю с точки зрения оценки и прогноза “риск развития заболеваний”.

Числовые характеристики физиологических показателей состояния организма и их зависимость друг от друга в идеале позволяют построить математическую модель зависимости одних показателей от совокупности других. Учёт индивидуальных особенностей пациента проводится на основе его электронной медицинской карты (рисунок ниже).

Индивидуальная электронная медицинская карта пациента

Сложность задачи состоит в том, что эти зависимости являются сугубо индивидуальными, так же как и физиологические показатели каждого человека и их границы изменения, в пределах которых их можно считать нормальными. Полученные численных значение их также имеют погрешности измерения, так что в целом мы может считать их случайными величинами.

Тем не менее, классическая частотная вероятность для оценки динамики физиологических показателей и связей между ними вряд ли подходит, так как её аксиоматика основывается на предположениях, не пригодных в отношении биологических систем (закон больших чисел и др.). Более адекватным подходом, на наш взгляд, являются экспертные системы, основанные на нечёткой логике.

Нечеткая логика (fuzzy logic) – направление, предложенное в 1965 году профессором Калифорнийского университета Лофти Заде, сочетающее в себе подходы математической логики и теории вероятностей.

В нечеткой логике, в отличие от классической, высказывания бывают не только истинными или ложными, что позволяет учитывать неопределенности (например, с помощью нечеткой логики можно более точно определить понятие величины температуры стакана воды – «холодный», «тёплый», «горячий», «очень горячий»). Согласно теореме FAT (Fuzzy Approximation Theorem), доказанной Б. Коско (Kosko B. (1992)), «любая математическая система может быть аппроксимирована системой, основанной на нечеткой логике». Заде предложил лингвистическую модель, которая использует не математические выражения, а слова, отражающие качество.

Например, в системе диагностики инфекционных заболеваний MYCIN используются алгоритмы нечёткой логики. Также она предназначена для работы в области диагностики и лечения заражения крови и медицинских инфекции. Система ставит соответствующий диагноз, исходя из представленных ей симптомов, и рекомендует курс медикаментозного лечения любой из диагностированных инфекций. MYCIN состоит в общей сложности из 450 правил, разработанных с помощью группы по инфекционным заболеваниям Стэндфордского университета. В качестве современных медицинских экспертных систем, используемых для диагностики, можно назвать систему выявления болезней сердца на основе нечеткой логики. Интеллектуальная система «АРМ-Кардиолог», проводит вычисление условной вероятности наличия ишемической болезни сердца по результатам классификации состояния сердечно-сосудистой системы пациента по группам диагностических признаков ишемической болезни сердца.

Для реализации систем на базе нечетких правил разработано множество алгоритмов нечеткого вывода. Алгоритмы нечеткого вывода различаются главным образом видом используемых правил, логических операций и разновидностью метода дефазификации. Разработаны модели нечеткого вывода Мамдани, Сугено, Ларсена, Цукамото.

Например, правила нечеткого вывода Мамдани, формируемые специалистами предметной области на основе базы знаний, заданы следующим образом:

П1: если x есть A, то w есть D,

П2: если y есть B, то w есть E,

П3: если z есть C, то w есть F,

где x, y, z – имена входных переменных (четкого формата);

w – имя переменной вывода;

A, B, C, D, E, F – заданные функции принадлежности.

Иллюстрация к алгоритму нечеткого вывода представлена на рисунке ниже:

Схема алгоритма нечёткого вывода числового значения физиологического показателя здоровья человека

Предположим, пациент имеет патологии сердца и сосудов, и мониторинга его состояния с помощью датчиков умного браслета отслеживаются следующие параметры его сердечно-сосудистой системы:

– ферменты сыворотки крови – x;
– коагулограмма (показатель свёртывания крови) – y;
– холестерина – z.

Тогда функции принадлежности А, В и С определяют, соответственно, области, относящиеся к нормальному состоянию, началу формирования патологического процесса, критическому состоянию (болезни).

Подобные алгоритмы, используемые в сочетании с облачными технологиями, системами ИИ в медицине, электронными медицинскими картами пациентов и мобильными технологиями («умные браслеты») позволят своевременно предупреждать наступление критических состояний у пациентов и принимать соответствующие меры, что приведёт к снижению статистики несчастных случаев вследствие сердечно-сосудистых патологий.

Выводы:

1. Министерство здравоохранения в рамках реализации государственной программы «Развитие здравоохранения» необходимо обобщить и использовать весь зарубежный опыт в части использования искусственного интеллекта и мобильных технологий в медицине.

2. Необходим системный подход к решению поставленных в государственной программе задач по развитию здравоохранения, в том числе и с учётом Государственной программе по созданию цифровой экономики.

3. Необходим экономический прогноз и анализ последствий применения искусственного интеллекта и мобильной медицины в здравоохранении с целью извлечения преимуществ и предупреждения возможных негативных последствий в социальной сфере.

Андрей Никитенко
Андрей Никитенко
Задать вопрос эксперту