17 августа состоялась встреча дискуссионного клуба «Цифровая реальность», участники которой обсудили применение технологий искусственного интеллекта в здравоохранении.
Гостями эфира стали заместитель директора по перспективному развитию ГБУЗ «НПКЦ ДиТ ДЗМ» г. Москвы Игорь Шулькин, директор по развитию бизнеса ООО «К-Скай» (Webiomed) Александр Гусев, заместитель начальника отдела методологического обеспечения проведения комплексной оценки технологий в здравоохранении ФГБУ ЦЭККМП Минздрава России Филипп Горкавенко и руководитель проектов по направлению «Медицина» ООО «Нтех Лаб» Дмитрий Романов. Модератором встречи стал представитель ICANN по работе с заинтересованными сторонами в Восточной Европе и Центральной Азии Михаил Анисимов.
Спикеры подняли множество актуальных вопросов: от места искусственного интеллекта в медицине и зрелости ИИ-продуктов для здравоохранения до регулирования доступа к обезличенным медицинским данным для обучения ИИ и параллелей с жизненным циклом лекарственных препаратов.
Игорь Шулькин рассказал о текущих требованиях к хранению медицинских данных (которые, в том числе, могут применяться для дальнейшего обучения ИИ) в лучевой диагностике: «Изображения, полученные в ходе лучевой диагностики, хранятся в формате, соответствующем международному стандарту: есть чёткое описание, сформулированы требования и так далее. Но существует проблема некачественных данных: когда не все нужные теги заполняются или заполняются нестандартно. Это вопрос настройки диагностического оборудования и работы инженеров, а людям, которые эти данные используют для того, чтобы их изучать и анализировать, необходимо всегда проверять качество исходных данных».
«Уже около десяти лет и у нас в стране, и в США ведётся дискуссия о том, что надо стандартизировать электронные медицинские карты в части кодирования клинической информации. Дальше разговоров дело, к сожалению, пока не зашло – реальной совместимости и единого подхода в этой части до сих пор нет. Более того, практически все системы ведения электронных медицинских карт проектировались и работают не для того, чтобы на этих данных обучался искусственный интеллект. То есть ситуация с кодированием и хранением информации в электронных медицинских картах сейчас не готова к машинному обучению», – описал ситуацию с электронными медицинскими картами Александр Гусев.
«На мой взгляд, будущее за данными, целенаправленно собираемыми в рамках рутинной деятельности. У вас есть задача, вы организуете сбор данных, прикладываете усилия для повышения их стандартизации и полноты – именно тогда можно надеяться, что они будут качественными и полноценными. В остальных случаях применимость рутинно собираемых данных будет ограниченной», – добавил Филипп Горкавенко.
«Всё, что мы здесь сегодня обсуждаем, – конечно, возможно. Но есть другая сторона проблемы – инфраструктура, скоростные сети, мощности с 3D-ускорителями. Нужно иметь то, куда внедрять искусственный интеллект. Графические медицинские данные во многих регионах обычно хранятся в слабо структурированном виде – так, что ими просто невозможно пользоваться. Например, банальная задача – подобрать где-нибудь в регионе пятьсот однотипных исследований с конкретной патологией – чаще всего требует ручного труда и никак не автоматизирована. Искусственный интеллект – это высокий уровень автоматизации. Мы проводили внутреннее исследование: взяли 1000 рентгеновских снимков и предложили их описать трём рентгенологам – уровень согласованности по диагнозам был около 50%. Возникает вопрос: насколько прошедший нормальное тестирование ИИ хуже реального врача, имеющего накопленную усталость и стресс?», – поделился Дмитрий Романов.
«Есть хороший тренд – за последние годы руководители в здравоохранении чётко начали понимать, что все медицинские данные нужно структурировать, научиться их обрабатывать, хранить и делать на их основе выводы», – дополнил слова коллег Игорь Шулькин.
Проследить за подробным ходом дискуссии можно на нашем YouTube-канале.
