Призрак без доспехов: сможет ли ИИ заменить радиологов

Тысячи компаний по всему миру ведут разработки в сфере искусственного интеллекта в здравоохранении. Рынок ИИ за год вырос на 40 %, многие клиники внедряют алгоритмы машинного обучения. Как ИИ помогает медикам, объяснил Иван Дрокин, директор по исследованиям и разработкам в компании Botkin.AI. Пересказываем его выступление на фестивале науки «Кстати», организованном сетью ИЦАЭ.

Про использование в клиниках

Машинное обучение применяют во многих отраслях медицины. Его используют для анализа медицинских изображений. У этого направления есть три особенности.

Во-первых, доступ к персональным данным. В медицине доступ к таким данным строго регулируется, и получить их бывает довольно непросто.

Во-вторых, неоднозначность диагноза. Для алгоритмов ИИ данные нужно особым образом размечать, то есть безошибочно отметить, что именно изображено на снимке. Иначе алгоритмы искусственного интеллекта не смогут обучаться. При этом, в отличие от многих областей в медицине, мы не можем получить истинное значение данных. Очень часто у разных врачей может быть разное мнение относительно одного и того же медицинского случая, например новообразования в легком. Кто-то может посчитать его злокачественным, кто-то — ​доброкачественным. А ведь еще нужно определить границы этого образования, и тут тоже может не быть единого мнения. Большинство современных алгоритмов основаны на принципе обучения по прецедентам. То есть алгоритму предоставляется множество пар, в которых есть само исследование и метка — ​граница опухоли, тип этой опухоли и т. д. На этих данных алгоритм тренируется находить на снимках опухоли, определять их тип, размер и другие параметры. В идеале, чтобы скормить алгоритму на 100 % достоверную пару «исследование — ​метка», нужно провести пациента через весь цикл процедур по диагностике: исследование динамики, гистология и т. д. Но для этого требуется время.

И третья особенность — ​адаптация алгоритмов. Важно детально продумать, как именно встроить ИИ в жизнь клиники и в работу радиолога, как с искусственным интеллектом будет взаимодействовать врач и как сделать эту работу максимально простой и понятной. Например, ИИ можно применять как систему поддержки принятия врачебных решений. Нейросеть просматривает медицинские изображения и делает предсказания. И уже опираясь на эти предсказания, радиолог принимает решение. Другой вариант — ​предварительная сортировка больных. Это отличный пример того, как алгоритмы машинного обучения встраиваются в ежедневную работу клиники. ИИ просматривает все исследования, сделанные в клинике, и сортирует их по срочности — ​самые тяжелые пациенты первыми попадают к врачу. Еще можно применять ИИ в ретроспективных исследованиях — ​то есть проверять, насколько верно был поставлен диагноз. Например, радиологи из США собрали данные по пациентам с раком легкого и отобрали тех из них, кому за год до постановки диагноза делали КТ грудной клетки. После повторного изучения снимков с помощью ИИ выяснилось, что в 54 % случаев радиологи пропустили новообразования на снимках, диагноз можно было поставить раньше. В 23 % случаев была допущена диагностическая ошибка: вместо злокачественного новообразования врач диагностировал доброкачественное. И лишь в 23 % случаев обнаружить на снимках рак легкого было невозможно. Это наводит нас на мысль, что ИИ может пересматривать уже изученные врачом изображения, и если что-то было пропущено — ​возвращать эти изображения радиологу на повторную проверку.

Про коронавирус и будущее ИИ

Пандемия сильно повлияла на работу радиологов. Раньше пневмоний было не так много и КТ пациентам делали гораздо реже, а сейчас КТ — ​один из основных способов диагностики. Из-за этого, во‑первых, радиологи сильно загружены работой: количество исследований, которые они обрабатывают, превосходит все разумные границы. Во-вторых, возникла проблема с адаптацией алгоритмов. Клиническая картина поражения легких при коронавирусе отличается от того, что алгоритмы уже знают. Приходится обучать их на новых снимках, а это требует времени и других ресурсов.

Из-за пандемии алгоритмы машинного обучения стали массово внедряться во врачебную практику. С помощью ИИ просчитывают площадь пораженной ткани в легких, это позволяет гораздо быстрее анализировать огромное количество исследований. Кроме того, снизились регуляторные барьеры. В 2019 году начался тренд на упрощение процедур регистрации продуктов на основе машинного обучения для допуска в клиники, а с началом пандемии эти процедуры стали еще проще.

В последнее время все чаще говорят, что искусственный интеллект скоро заменит радиолога. Вероятнее всего, не заменит. Но работу врача он точно трансформирует. Без участия человека выполнение большинства задач, связанных с быстрой адаптацией алгоритмов искусственного интеллекта, невозможно. У врача больше информации, чем доступно алгоритму машинного обучения. Хороший пример — ​скрининг рака молочной железы. Для этого используют маммографию: делают четыре рентгеновских снимка молочной железы. Есть несколько исследований, показывающих, что в чтении маммограмм ИИ превосходит врачей. В целом это похоже на правду, но есть важный нюанс: врач использует не только данные маммограмм. У него есть еще общая информация о пациенте, его история болезни, список жалоб, УЗИ и еще куча других исследований, а также возможность мануального осмотра. Так что машинный интеллект все еще не может соревноваться с врачом. Пока, по крайней мере. Потому что алгоритм — ​это призрак без доспехов: он где-то существует в цифровом мире, но никак не может взаимодействовать с физическими объектами.

СПРАВКА

Botkin.AI участвует в эксперименте правительства Москвы по использованию искусственного интеллекта для анализа медицинских изображений. Первый и самый проработанный продукт платформы — ​ПО для поиска признаков рака легкого на компьютерной томограмме. По КТ алгоритм детектирует 95 % новообразований, которые могут быть отнесены к раку легкого. В 2019 году инвестфонд «Росатома» вложил средства в Botkin.AI.