Смарт-устройства способствуют развитию персонифицированной интеллектуальной медицины

Интернет вещей, облачные технологии, искусственный интеллект все более активно приходит в область здравоохранения. Внедрение в клиническую практику инновационных идей и решений трансформирует медицинскую отрасль в высокоинтеллектуальную сферу.

Сегодня новые технологии позволяют диагностировать различные сердечные заболевания и диабет. Этого смогли добиться исследователи Южно-Уральского госууниверситета совместно с коллегами из Франции, Испании и Египта. Они использовали возможности ИИ и IoT для создания модели более эффективной диагностики сахарного диабета и сердечно-сосудистых заболеваний. Сбор данных будут способны осуществлять обычные гаджеты.

Применив передовые методы, ученым удалось организовать сбор больших объемов цифровых данных, которые затем используются в клинических приложениях на основе ОС Android.

Кумаром Сэчиным, старшим научным сотрудником кафедры «Системное программирование», старшим научным сотрудником управления научной и инновационной деятельности, одним из основных авторов новой модели цифровых приложений в партнерстве с зарубежными коллегами модель была адаптирована для применения в медицинской практике.

О своей работе авторы подробно рассказали в статье, которую опубликовали в высокорейтинговом сборнике IEEE access (Q1). Данное исследование было поддержано Министерством высшего образования и науки РФ, которое оказало и исследователям помощь в их работе.

Кумар Сэчин уверен, что с применением клинических приложений на основе современных цифровых технологий, здравоохранение можно назвать «умной», высокотехнологичной сферой. Применение в медицинской отрасли простых, элегантных и многозадачных приложений способствует дальнейшему развитию медицины, помогает отрасли перейти на новые принципы работы: от схематичного стандартного лечения патологии — к лечению конкретного пациента. В перспективе будут происходить дальнейшее развитие информатизации здравоохранения — от обобщенных медданных к региональным медданным.

Именно этот переход позволит переориентироваться на лечение каждого конкретного пациента, а не на общие медицинские цифры статистики. Таким образом, в ближайшей перспективе можно достигнуть такого состояния медицины, когда она станет не столько лечащей сферой, но и эффективной системой медицинской профилактики. Интеллектуальная медицина будет обладать широкими глубокими знаниями и эффективными методами работы с пациентами.

Применение новых цифровых возможностей позволяет медцентрам учитывать все составляющие качественного медицинского обслуживания:

1. Осуществлять действенные меры профилактики заболеваний.
2. Организовать постоянное наблюдение и клиническое ведение пациентов.
3. Выбирать эффективные методики лечения.
4. Принимать правильные врачебные решения.
5. Выдавать верный прогноз лечения.

На всех этапах медицинской помощи сегодня применимы следующие достижения цифровой науки:

• мобильный интернет;
• большие массивы данных;
• облачные вычисления;
• системы 5G;
• ИИ;
• микроэлектроника;
• интеллектуальные биотехнологии и др.

Огромным прорывом в организации «умного» здравоохранения стало создание переносимых портативных устройств, которые могут вести мониторинг самочувствия пациентов. Эти приборы не только снимают показатели здоровья своего владельца, но могут выдать ему клинические рекомендации при негативных изменениях его показателей. Устройства могут управляться на удалении. Эти устройства вполне применимы в клинической практике врачами для диагностических исследований, назначении различных процедур и других методов лечения. Работа этих гаджетов строится на точных, корректных, профессиональных методах. По своей точности и качеству работы новые гаджеты аналогичны профессиональному медицинскому оборудованию.

Интернет вещей уже прочно вошел в повседневную жизнь. Сегодня в каждом доме работает множество смарт-устройств:

• фитнес-браслеты;
• «умные» часы;
• смартфоны;
• тонометры;
• портативные ЭКГ-приборы;
• глюкометры;
• термометры и др.

На этих устройствах можно отслеживать многие показатели самочувствия пользователя:

• уровень физактивности;
• ЧСС;
• уровень глюкозы в крови;
• уровень кислорода и мн. др.

Но ученые озадачились созданием универсального приложения для сбора данных с разных устройств и перевода полученной информации в совместимый формат. Это должен быть смартфон, который научен обработке и систематизации поступаемых с других устройств данных.

Анализируя комплекс информации, можно выдать более точные медицинские рекомендации, подходящие именно этому пациенту, основанные на его индивидуальных показателях.

Новая модель позволяет провести следующие операции:

• настройку параметров;
• сбор информации;
• её предварительную обработку;
• классификацию полученных сведений.

Устройства IoT оснащены высокочувствительными датчиками, которые улавливают и точно фиксируют и изменения параметров самочувствия человека. Нейросеть анализирует эти показатели и выдает диагностические решения. На основе комплексной информации можно делать выводы о состоянии здоровья человека, дать рекомендации по переходу на более здоровый образ жизни. Обрабатывая данные, смартфон автоматически проводит классификацию: нормальные здоровые показатели здоровья у человека или их можно отнести к нездоровым проявлениям.

При тестировании модели использовались конкретные, реальные данные из клинической практики. Максимум точности работы модели, зафиксированный в ходе экспериментов, достиг 96,16% при диагностике сердечных болезней и 97,26% при диагностике диабета. Высокое качество диагностики позволяет использовать эту модель в клинической работе медицинских центров.

Юлией Шичкиной, руководителем отдела «Технологии сильного ИИ в физиологии и медицине» Международного инновационного института ИИ, кибербезопасности и коммуникаций им. А. С. Попова СПбГЭТУ ЛЭТИ, было рассказано о разработках коллег. Ученые университета создают сегодня концепцию гибридного интеллекта и как ее можно применять для целей и задач практической медицины.

Работа моделей состоит из следующих этапов:

• Сбор информации с различных носимых устройств и портативного медицинского оборудования.
• Обработка и анализ полученных данных.
• Мониторинг пациента.
• Оценка состояния здоровья пациента.
• Выдача рекомендаций для улучшения здоровья пациента.

Применение инновационных цифровых моделей способствует формированию индивидуальной цифровой медицинской истории человека, а значит, развитию персонифицированной медицины. Каждый пациент получает в оперативном режиме всю информацию о функционировании своего организма. Заметив отклонения, он может воспользоваться рекомендациями «умной» медицинской системы по улучшению своего самочувствия. Нейросеть обучена на данных именно этого человека, поэтому ее советы наиболее точны и грамотны. Таким образом, создается саморазвивающаяся система: люди, загружая свои данные, тренируют нейросеть лучше понимать их работу и состояние их организмов, а система учит людей заботиться о своем здоровье.

Уровень качества диагностирования на современном этапе уже можно назвать высоким. В 80% случаев «умные» системы ставят правильные диагнозы.

Этот процент будет увеличиваться, так как гибридный интеллект человека и нейросети не остановится на своем взаимодействии и взаимообучении. Ошибки в работе машины в процессе обучения стремятся к нулю. Подобные системы обучаются и на опыте других интеллектуальных систем, и на опыте самого человека. В процессе этого обучения уменьшается количество погрешностей в работе алгоритма.

Программа может выдать рекомендации. Но заставить себя применять их в жизни может только сам человек, будь то пациент или его лечащий врач. Персонифицированная интеллектуальная медицинская система — это грамотный советник, помощник. Она дает точные рекомендации пациенту по управлению своим здоровьем, врачу предоставляет глубокую точную картину состояния организма заболевшего. Но окончательные решения всегда остаются в зоне личной ответственности того, кто их принимает.

Интеллектуальные системы уже обучены получать и систематизировать информацию с различных носимых устройств (смарт-часы, трекеры привычек). Они способны проанализировать различные параметры самочувствия, результаты анализов, итоги различных обследований пациента, дать корректную оценку состояния здоровья человека. Следующим этапом развития интеллектуального здравоохранения должно стать дальнейшее обучение машины не только предоставлять свои рекомендации, но и объяснять их. От умной системы теперь ждут грамотного решения с предоставлением тех параметров, на основе которых она сделала свои выводы.

Алексеем Трухиным, преподавателем Инженерно-физического института биомедицины НИЯУ МИФИ, практикующим медицинским физиком, отмечается, что сегодня ученые стремятся создать новые приложения. Они будут научены проводить анкетирование и вести мониторинг данных медицинских приборов в составе комплекса, переводить их с программного обеспечения на мобильное устройство. Новый функционал будет способствовать более ранней и точной диагностике патологических изменений в организме пациента, а значит, и более точному и быстрому выбору оптимальной методики лечения, реализации профилактических мер.

Специалист не считает идеальными алгоритмы машинного обучения. Их недостаток заключается в использовании статистических наблюдений, которым имманентна дисперсия и все вытекающие статистические погрешности. Поэтому сегодня ученым предстоит не только разрабатывать алгоритмы обучения нейросетей.

Разработчики должны проводить оптимизацию дисперсии любой мединформации:

• человеческий фактор;
• своевременный сервис;
• метрологическая верификация медицинских устройств и т.д.

Заболевший человек не может самостоятельно интерпретировать данные, полученные с медицинских устройств. Это должен делать только врач, имеющий соответствующую специализацию и квалификацию. Машина может предоставить проект заключения. Но финальные правки вносит только врач, заверяя информацию своей электронной подписью.

Львом Уткиным, и. о. директора Института компьютерных наук и технологий Санкт-Петербургского политехнического университета Петра Великого (СПбПУ), было подчеркнуто, что актуальной и перспективной задачей современной науки является разработка моделей машинного обучения для медицинской диагностики. Искусственный интеллект способен решать множество прикладных задач в короткое время и без ошибок.

Совместный проект ученых ЮУрГУ и их зарубежных коллег позволит создать еще один эффективный инструмент для перехода к персонализированной и цифровой медицине. Особенно актуально применение новой разработки в диагностике ссз и сахарного диабета — самых распространенных болезней современного мира. В своей статье в журнале IEEE Access авторы рассказали, что они использовали комбинацию каскадных LSTM-сетей и iForest, известного метода для обнаружения аномальных наблюдений. Классификационная точность составила 96–97%. Эти цифры говорят о высокой эффективности метода. Предлагаемый метод имеет большие перспективы и хорошие возможности для внедрения его в практику медицинских учреждений.

Сергеем Ковальчуком, руководителем научно-исследовательской лаборатории «Цифровое здравоохранение» НЦ когнитивных разработок Университета ИТМО, выражается увереность в перспективности разрабатываемого направления. Для персонализированной медицины важно наличие приложений, предоставляющих «двунаправленную» (сбор данных с последующим предоставлением рекомендаций) связь с пациентом. В перспективе медицина будет решать задачи профилактики и предотвращении заболеваний, осуществлять поддержку пациентов с целым рядом хронических заболеваний. А в этих направлениях болеющий сможет самостоятельно принимать решения, без дополнительного обращения к врачу.

Эксперт видит необходимость в снижении количества ошибок, допускаемых машиной и врачом.

Для этого разработчики «умных» систем должны обратить внимание на выполнение следующих задач:

1. Честная и полноценная верификация и валидация модели.
2. Оценка возможных ошибок системы в реальных условиях, в т.ч. оценка последствий ошибок, вызванных ложноположительным и ложноотрицательным срабатыванием модели.

Не все решения о здоровье пациента может принимать машина. Только врач должен решать следующие вопросы:

• постановка диагноза;
• назначение или отмена сильнодействующей терапии и т. п.

Машина в этих случаях может лишь помочь доктору в снижении рисков, предоставлении необходимой информации и др.

А в ежедневном мониторинге за здоровьем пациента, рекомендациях по профилактике и предотвращению заболевания, лечению текущего хронического заболевания может быть успешно задействована интеллектуальная система. В этих направлениях пациент принимает решения по большей части самостоятельно, без обращения к врачу. А машина поможет ему сделать это более обоснованно и осознанно. Только машина может обеспечить круглосуточный мониторинг здоровья человека, без перерывов и выходных. Она же вовремя подскажет человеку, если ему нужно обратиться за помощью к врачу.

Перспективны гибридные схемы, где «умные» приложения могут обрабатывать информацию из различных источников — медицинской документации пациента, данных его гаджетов, информации, полученной медицинским оборудованием, электронных записей результатов взаимодействия с пациентом (опросы, анкеты, напоминания, дневники самоконтроля по итогам выполнения тренировок и др.) Интегрированный подход даст более точную картину состояния здоровья человека и корректные, точные рекомендации по улучшению его самочувствия.

Источник: Коммерсант