Доцент факультета инфокоммуникационных технологий ИТМО Александра Ватьян, которая получила президентский грант на создание системы помощи врачам в лечении COVID-19, рассказала ITMO.NEWS о разработке, ее возможностях и том, что будет с системой после пандемии.

Вы разрабатываете новый алгоритм, который поможет врачам, работающим с пациентами, у которых выявлен COVID-19. В чем суть этой разработки?

Назвать это одним алгоритмом было бы не совсем верно. У нас большая команда, которая уже несколько лет занимается исследованиями того, как искусственный интеллект можно применить в медицине, в том числе в так называемых системах поддержки принятия решений. У нас есть много клиник, с которыми мы работаем. В Петербурге нашим партнером является центр имени Алмазова и несколько частных клиник. Соответственно, мы не стартовали с ковида, который появился относительно недавно.

После того, как началась пандемия, у нас появилась возможность получать разные данные по ковиду, мы решили адаптировать свои наработки для этой задачи. Проблемы с данными сейчас не существует, более того, данных так много, что их практически невозможно вручную обработать человеку или даже группе людей. Однако вполне по силам их обработать методами искусственного интеллекта.

К осени стало понятно, что лечение коронавируса у здоровых людей не представляет особых проблем для врачей. Проблемы в большинстве случаев начинаются тогда, когда поступает пациент с сопутствующими заболеваниями. Тактика лечения таких людей должна быть особенной в каждом случае — один пациент поступает с астмой, у другого — онкология в анамнезе, третий — постоянно принимает лекарства от сердечно-сосудистых заболеваний. Поэтому мы концентрируемся на лечении именно таких людей с сопутствующими заболеваниями.

Мы успешно разработали программу, которая работает на автоматной модели. Это алгоритм, который предполагает определенное количество объектов и состояний, и, соответственно, переходов между этими состояниями. Если применить к пациенту, то все звучит очень органично — у пациента есть состояние А, ему ввели определенный препарат, он перешел в состояние B, и так далее. Получается, своего рода, программа, которая пошагово подсказывает врачу, что делать, на что нужно обратить внимание, как соотнести назначения со списком лекарств, которые человек обычно принимает.

Источник: shutterstock.com
Источник: shutterstock.com

Как работает программа? Какие данные она может анализировать, чтобы дать подсказки лечащему врачу?

При госпитализации данные человека заносятся в нашу систему. Там же собраны вместе различные базы данных. За счет этого наша система может выдавать данные о несовместимости лекарств.

При ковиде, например, может быть назначен один из пяти основных препаратов. Три из них плохо взаимодействуют с лекарствами для сердечников. К примеру, если ты пьешь глюкокортикостероиды, то стандартное назначение лекарств из этой группы может быть опасным, и врач должен принять это во внимание. Есть противопоказания при различных болезнях, когда нельзя принимать парацетамол. Все это держать в голове очень сложно — врачи должны постоянно обращаться к каким-то источникам, искать информацию в интернете. Особенно это сложно, когда пациент поступает не в профильную клинику.

Наша система при поступлении пациента «видит», что у человека, например, есть астма, делает пометку и выделяет для себя те лекарства, которые для такого пациента приемлемы. Дальше, когда врач назначает определенные процедуры — капельницы, уколы — то система подсвечивает врачу, что данному пациенту назначить определенные препараты нельзя.

То есть она принимает решение за врача?

Нет, принятие решения остается всегда за лечащим врачом. Он может взвесить риски и решить применить именно этот препарат, и делает об этом пометку. При этом система прозрачна, в нее сложно внести какие-то ложные данные, написать, что пациент идет на поправку, хотя это не так. Это всегда можно отследить — это прозрачность как для пациентов, так и для врачей. То есть это система не только поддержки принятия решений, но и контроля за принятием решений.

В этой же системе реализована на методах машинного обучения автоматизированная обработка данных о пациенте. Алгоритм анализирует все данные, которые у нас есть по пациенту — анамнез пациента, анализы, которые у него были, ЭКГ, КТ, МРТ-снимки, рентген. Например, лечащий врач назначает КТ, его проводят, после чего врач-радиолог просматривает снимки. Это длительный процесс даже для опытного врача, так как КТ-срезов может быть и 512 с одного пациента. Медику надо обращать внимание на все подозрительные моменты, которые есть на этих снимках.

На основе этого просмотра он пишет заключение и отправляет его лечащему врачу, что может занять порядка 40 минут. Наша система позволяет выделить подозрительный объект автоматически и подсветить его для врача. Врач потратит уже не 40 минут, а 5-10 минут. При этом система сравнит эти данные с предыдущей информацией о пациенте.

Источник: shutterstock.com
Источник: shutterstock.com

То есть, опять же, система не принимает решение о том, что в легких что-то не так, а просто подсвечивает на снимках области?

Все верно, и врач уже сам принимает решение. При этом для нас было важно добиться минимума ложноотрицательных результатов и максимума точности, даже если будут ложноположительные результаты. То есть система пометит все, что сможет, даже если там нет проблем, а врач уже примет решение.

Ваша система способна только предоставлять врачу данные из уже готовых баз, или сама также собирает информацию о течении болезней и влиянии лекарств, чтобы увеличивать количество известной нам информации?

Нам бы очень хотелось собирать данные, мы к этому движемся. У нас есть отдельный проект по КТ-снимкам, который нужно сертифицировать и согласовать с Единой государственной медицинской системой. Мы хотим пополнять базу данных по КТ-снимкам.

Если говорить о нашей системе по COVID-19, то нам тоже хотелось бы сделать ее похожей в этом смысле на персонального помощника «Алису», которая хранит данные в облаках, и каждый раз, когда вы с ней разговариваете, вы еще больше ее учите. Было бы здорово это применить к нашей системе.

А сама система замкнута в пределах одной больницы или может объединять несколько больниц, или все больницы города?

В рамках данной системы мы работали с центром имени Алмазова. Теоретически это можно было бы довести до уровня единой системы, которая обслуживает несколько больниц. Тут вопрос не столько технический, мы упираемся в государственную регистрацию, административные ограничения. Медицинские системы должны функционировать определенным образом, они должны передавать данные по определенным протоколам. Мы, конечно, это учитывали при работе. Но выход на такой уровень сложный и долгий. Если в частных клиниках это легче, то в государственных больницах и поликлиниках это пока сложно.

Национальный медицинский исследовательский центр имени В.А.Алмазова
Национальный медицинский исследовательский центр имени В.А.Алмазова

На какой стадии сейчас находится система? Это прототип или готовая система, которая ждет внедрения?

Сейчас наша разработка переходит от бета-версии к альфа-версии. Мы проверяли ее вместе с врачами из Алмазова, верифицировали выводы. Следующий этап: альфа-версия, когда все интерфейсы будут верифицированы. Дальше должно пройти согласование на уровне государства, министерства здравоохранения. Техническая работа продлится до конца лета, сколько займут согласования — сложно сказать.

Какие данные вы получили в ходе тестирования в центре имени Алмазова? Насколько успешно показала себя система?

В рамках предварительного тестирования мы сравнивали время работы врачей с и без нашей системы по различным запросам и отдельными примерам ведения пациента. В общем система показала снижение времени, потраченного врачами на различные действия, от двух до четырех раз.

Что еще планируется сделать в ходе работ по президентскому гранту?

В рамках президентского гранта планируется объединить протоколы. Допустим, когда пациент поступает не с одной, а с двумя, тремя болезнями, то его надо вести одновременно по нескольким протоколам. Мы хотим объединить протокол лечения COVID с различными другими заболеваниями.

Второй момент — предсказательные модели. Нагрузка на клиники огромная, из-за этого смертность растет в разных регионах. Больницы переполнены. Во многих случаях в больницы везут не тех пациентов, которых нужно. Если кого-то увезли, кто не требует экстренной госпитализации, то он занял место человека, которому она действительно нужна.

Мы хотим использовать нейронные сети, машинное обучение, чтобы обработать большое количество данных и найти какие-то корреляции. Было бы здорово, если удалось бы выявить какие-то показатели, которые говорили бы, что пациента надо срочно везти в больницу.

Надеемся, что нашим алгоритмам удастся найти то, что ученые и врачи пока что не заметили. На это у нас есть время до конца 2021 года. Я надеюсь, что к осени у нас будут предварительные результаты, на основе которых мы сможем построить более точные модели.

Все надеются, что пандемия в обозримом будущем пойдет на спад. Ваши наработки пригодятся в будущем, после нее?

Наши наработки никуда не денутся. Изначально мы не ориентировались на ковид. Мы ориентировались на сердечно-сосудистые заболевания, онкологию, аутоиммунные заболевания. В том числе на рассеянный склероз. Дело не в COVID-19. Просто сейчас актуально применить наработки для этого, хочется внести свою лепту в борьбу с пандемией.