Врач-рентгенолог Ольга Пучкова: Через 20 лет тестирование и моделирование препаратов в цифровом пространстве станет рутиной

Профиль:

Ольга Пучкова ― врач-рентгенолог с двадцатилетним стажем. Руководит Маммологическим центром Ильинской больницы, а также выступает экспертом Научно-практического центра диагностики и телемедицины Департамента здравоохранения Москвы, консультантом ARNA Genomics и подразделения «Сбера», разрабатывающего системы ИИ, — СберМедИИ. Один из ее научных интересов — диагностика рака молочной железы. В ИТМО Ольга Пучкова вместе с Центром научной коммуникации исследует методы диагностики рака в России. Цель проекта ― понять, насколько методы, которые сегодня применяют в стране, действительно эффективны для поиска патологий.

— Как показывают опросы, регулярный скрининг на рак проходит лишь треть россиян. Проверка на рак молочной железы — не исключение. Почему механизм скрининга работает несовершенно и как это можно исправить?

― В идеале скрининг должен быть национальным. Должна быть выделена отдельная структура, которая не подчиняется никому, кроме минздрава. Ее задача — организовать скрининг, пригласить женщину на обследование и перевести на этап лечения, если была обнаружена патология. Такими организованными программами может похвастаться очень мало стран — это Швеция, Финляндия, Германия,  Голландия, Дания и Словения.

Еще один важный элемент — достаточное количество квалифицированных врачей. В странах, где со скринингом все хорошо, доктора проходят обучение каждые шесть месяцев и подтверждают свои знания.

Третья проблема — отсутствие единого информационно-цифрового поля. Для того, чтобы возможно было оценить эффективность скрининга, нужно отслеживать каждого пациента, видеть его снимки и накапливать статистику. Эта задача — самая легкая, ее можно решить максимум за полгода. А вот обучение врачей и создание единой структуры — то, что требует много времени и сил.

— Сегодня много говорят о технологиях ИИ в медицине. Могут ли алгоритмы помочь в маммографии ― как-то решить хотя бы некоторые из этих проблем?

― Искусственный интеллект в маммографии — не хайп, а отраслевой запрос. Рак молочной железы — это заболевание, на которое можно влиять с точки зрения снижения смертности: чем раньше выявлена патология, тем ниже риск смертности.

ИИ может освободить врачей от «чтения нормы» — программу можно настроить так, чтобы все, что она называет нормой, было случаем без патологий. При такой схеме работы возникнет небольшое количество ложноположительных результатов, но все эти снимки будут попадать к врачу-эксперту на перепроверку.

В освободившееся от рутины время врач сможет общаться с пациентом. Ведь именно на это часто не хватает ресурсов.

— Вместе с сотрудниками ИТМО вы хотите провести исследование об эффективности методов скрининга. Почему именно здесь?

― Здесь рождаются технологии, которые могут помочь изменить медицину так, чтобы это было комфортно для врача и для пациента. У вас есть желание и возможности это сделать.

Я вижу в ИТМО людей с горящими глазами, большими сердцами и масштабными взглядами на жизнь. У меня как у врача и исследователя это вызывает ощущение, что все будет хорошо и мы сможем изменить ситуацию со скринингом в лучшую сторону. Что мы идем в светлое будущее и вместе можем на него влиять.

— В ИТМО есть проекты, где ИИ работает в сфере медицины — например, специалисты уже разрабатывают алгоритмы, которые распознают артефакты на снимках, участвуют в этой работе и студенты. С вашей точки зрения, в каких конкретных решениях сейчас нуждается рынок?

― Нам всегда нужны качественные исследования, ИИ мог бы помочь медикам их проводить — прямо в момент процедуры подсказывать, что произошла ошибка, и советовать сразу же выполнить обследование повторно. Это поможет снизить эмоциональную нагрузку на пациентов, за счет отсутствия необходимость приходить повторно на обследование.

И, действительно, многие решения технически могут создать студенты. Но для врачей важен не сколько сам факт наличия алгоритма, сколько доказательная база и исследования, в которых показано, что система реально работает в разной инфраструктуре, на разных выборках пациентов.

Хотелось бы, чтобы разработчики медицинских ИИ-систем подходили к этой задаче с научной точки зрения. Врачи общаются при помощи цифр — мы хотим знать, действительно ли работает система? Как эти данные были получены и в каких случаях? Какие возможные ошибки? Какие плюсы? Какие минусы?

— То есть сейчас рынок испытывает потребность не только в разработчиках ИИ-решений, но и public health специалистах, которые могут провести исследование?

― Это большая потребность на медицинском рынке. Люди, которые умеют делать правильный дизайн исследования, — редкость. И со временем спрос на них будет только расти.

Кроме того, нужны люди, которые способны работать с данными современными методами. Безусловно, все еще можно обрабатывать данные исследований в Excel, но мир уже давно вышел пределы этого подхода. Необходимо учиться минимизировать ручной ввод данных, автоматизировать процессы.

Прочитайте также:

Как в ИТМО готовят специалистов в области Public Health Sciences

— А какими еще скиллами должен обладать такой специалист, помимо того, чтобы быть хорошим исследователем?

― Нужно базовое понимание, как происходит разработка тех или иных моделей. Это уже запрос современного мира. Человек не может быть в будущем просто доктором, он должен быть кроссфункциональным. Многие молодые врачи получают специализацию в Data Science и других областях, чтобы говорить на одном языке с разработчиками решений для медицины.

— Кажется, что сейчас объединение медицины и ИТ немного похоже на киберпанк. Как в действительности будет выглядеть взаимодействие врача и ИИ?

― Представим шкалу от минимума (то, что у нас уже есть сейчас) до максимума (то, о чем мы можем пока только мечтать). С одного края — предиктивные модели, которые предсказывают вероятность развития онкологии в течение нескольких лет. Они анализируют карту пациента: от результатов анализов до заключения врачей. Это то, что не делает доктор на приеме — он просто не в состоянии проанализировать такой объем данных за 20 минут. А ИИ делает это за секунду — подсказывает врачу, какие могут быть вероятные диагнозы, риски заболеваний и на что стоит обратить внимание. Эти модели уже работаю в клиниках, в том числе и в учреждениях ОМС.

Другой край — максимум применения — практически каждая сфера жизни. ИИ можно использовать для решения сложных задач вроде создания молекул для разработки лекарства — по этой системе уже работает компания Moderna. Также есть активно развивающаяся отрасль — превентивная медицина. Например, в Штатах с 2017 года существует Национальный банк микробиома человека. Одна из его задач — исследование корреляций между составом микробиома и различными заболеваниями человека. Также идет исследование экспозома, то есть всего, что влияет на человека: вирусы, грибы, бактерии, химические вещества в воздухе и так далее. Зная все эти факторы и имея на руках данные о состоянии организма, мы можем для каждого человека предсказать риски развития тех или иных заболеваний.

Еще одна интересная сфера применения ИИ — персонализированная лекарственная терапия. В будущем перед назначением терапии сначала будут анализировать ткани человека, выявлять цель, например измененный рецептор, а затем подбирать при помощи алгоритмов индивидуальный состав лекарства, которое будет правильным образом действовать конкретно в этом организме. Тестировать и моделировать новые препараты можно будет в цифровом пространстве. Я думаю, что через 20 лет это будет рутинная практика.

Прочитайте также:

Медицинский физик Анна Андрейченко: Искусственный интеллект не должен быть для врачей «черным ящиком»

— Что может затормозить внедрение таких прорывных технологий?

― Всегда, когда появляются новые технологии, есть этап сопротивления — это норма. Профессор Роберт Сапольски как-то сказал, что весь живой мир направлен на то, чтобы изменения не произошли: все системы — от цветов до человека — работают на стабилизацию. Ведь изменения (например, мутации), могут как стать дополнительный возможностью, так и полностью уничтожить вид.

Люди — не исключение. Мы долго привыкаем к изменениям. Однако технологии не появляются из ниоткуда — они рождаются в ответ на запрос общества. Возможно, иногда неосознанный коллективный запрос. ИИ уже проникает в нашу жизнь, и мы можем только к этому присоединиться.

— Как вы думаете, могут ли повлиять на этот процесс научные коммуникаторы? Насколько в принципе востребованы такие специалисты?

― Да, и таких специалистов сейчас очень не хватает. Мы получаем огромное количество данных за секунды, и часто они оказываются ложными. С одной стороны, хорошо, что информация никем не фильтруется, с другой ― она может оказаться травматичной и нанести вред. Как доктор я часто сталкиваюсь с такими последствиями.

Профессиональный научный коммуникатор, который объяснить простому человеку то, о чем говорят ученые, как наука видит будущее и технологии, которые прямо сейчас меняют мир, — очень важно. И, мне кажется, мы прямо сейчас видим эту острую потребность.