Big Data в здравоохранении: просто и доступно каждому врачу

Большие данные в здравоохранении обладают огромным потенциалом и могут помочь больницам, клиникам и медицине в целом. Большие данные изменили способ управления, анализа и использования данных в любой отрасли. Среди наиболее перспективных направлений — является сфера оказания медицинской помощи.

Что такое Big Data в здравоохранении? Нужны ли они практикующему врачу? На этот вопрос мы попросили ответить генерального директор компании «Азфорус» Анну Викторовну Кузнецову.

- Медицинская аналитика имеет потенциал для снижения затрат на лечение, прогнозирования вспышек эпидемий, раннего скрининга ряда заболеваний, улучшения качества жизни в целом, для внедрения в практику современных методов лечения. Медицинские работники уже сегодня собирают огромные объемы данных, и им требуются инструменты для использования этих цифр.

Какова потребность в больших данных в практическом здравоохранении: почему и как это может помочь?

- Применение аналитики больших данных в здравоохранении имеет много положительных примеров. Большие данные относятся к огромному количеству информации, создаваемой оцифровкой всего, что консолидируется и анализируется конкретными технологиями. Модели лечения изменились, и многие из этих изменений обусловлены именно возможностями Искусственного интеллекта.

Приведите несколько примеров, как с помощью разработанной вами программы врачи смогут работать эффективнее.

- Уникальные микрочипы, позволяющие отличать друг от друга до 600 разновидностей антител, даже если они присутствуют одновременно, помогают отражать динамику изменения здоровья.

Именно методы машинного обучения - Data Science – делают возможным анализировать такой колоссальный объем информации об иммунном статусе конкретного человека. Но сначала надо отработать методику: настроить контроль качества, выделить фоновые значения, выше которых идет иммунный ответ. Выявленные закономерности улавливают самые незначительные изменения уровня естественных антител, когда болезнь только зарождается (например, появление раковых клеток), по сути, с помощью искусственного интеллекта пролагается путь к настоящей персонализированной медицине.

Другим примером становится анализ энцефалограмм при психиатрической патологии и создание алгоритмов прогноза лечения, с учетом индивидуальных особенностей пациента. В данном случае также гигантский массив информации преобразуется в числовые показатели путем спектрального анализа. И дальше методами машинного обучения классифицируют вновь поступившего больного в один из классов, портрет которых уже сформировался (на ранее собранных данных) в машине. Таким образом, больному будет предложена самая эффективная схема лечения.

Тихий убийца – гипертония – подкрадывается незаметно. Совместно с учеными Института нормальной физиологии им. Анохина нами создан алгоритм распознавания предгипертонии, учитывающий малейшие изменения в состоянии здоровья. Благодаря этому алгоритму на ранних стадиях можно предупредить развитие болезни. И это – пример настоящей превентивной медицины.

Чем может быть интересна врачам Ваша программа Data Master Azforus?

- Разработанная в нашей компании компьютерная программа Data Master Azforus может стать настольным инструментом для врача, который бережно собирает в базу клинико-лабораторные данные своих пациентов. Самостоятельно ставить задачу распознавания и проводить анализ данных сможет любой доктор, без знания математических формул. Три раздела (режим «три кнопки») включают в себя:

• подготовку данных к анализу;
• собственно анализ 7-ю методами машинного обучения, в том числе нашим оригинальным методом Статистически Взвешенных Синдромов;
• ясный четкий отчет по результатам анализа, с наглядными иллюстрациями, списком наиболее информативных показателей и поэтапным планом – что надо сделать, чтобы пациент, отнесенный в класс с неблагоприятным прогнозом, смог перейти в благоприятный класс.

Каковы препятствия вы видите в вопросах внедрения больших данных в медицине?

- Многие врачи говорят, что у нас нет Big Data. Действительно, сбор информации об определенной патологии может идти годами. Это не проблема для наших методов. Наши подходы позволяют обрабатывать, как очень большие массивы данных, так и небольшие выборки для редких патологий. В этом заключается эксклюзивность и оригинальность наших методов.

Более 25 лет мы сотрудничали со многими научно-клиническими центрами. Хорошо знаем специфику врачебных исследований. На рисунке представлены логотипы некоторых наших партнеров. Разработаны технологии по внедрению результатов проведенного анализа данных в конкретную практику. Врач получает в свой арсенал компьютерную программу, созданную на собранных им самим данных. Он может видеть на экране монитора значения биомедицинских показателей пациентов из его прошлой практики, наиболее близких по значениям показателей к исследуемому в данный момент новому пациенту. Это позволяет выявлять аналогичные случаи и оптимизировать схему лечения.

Мы надеемся, что в ближайшие годы по всей стране будет проведен ликбез по освоению практикующими докторами методов Data Science. И делаем для этого все возможное: создаем удобные программы, доступные и легкие в использовании.

Интервью подготовила Надежда Данилова при участии компании "Азфорус"