Искусственный интеллект, нейронные сети и машинное обучение быстро и прочно вошли в отрасль информатизации здравоохранения как один из ключевых драйверов и направлений развития на ближайшие годы. Наравне с телемедициной, это одна из самых популярных в СМИ и блогосфере тем. Постоянно растет количество сообщений и обсуждений о том, что планируется или уже создано очередное новое революционное решение для медицины, построенное на базе методов искусственного интеллекта.

Мы подготовили для вас 10 наиболее интересных работ по этой теме, заслуживающих, чтобы на них обратили внимание.

1. Великое пробуждение искусственного интеллекта. Издание The New York Times Magazine опубликовало статью, в которой рассказывается, как "Google Переводчик" научился переводить почти как человек, что такое искусственный интеллект и при чем тут кошки и "Китайская комната". Редакция vc.ru опубликовала перевод этой статьи, адрес https://vc.ru/21767-the-great-ai-awakening
2. Как искусственный интеллект изменит здравоохранение через 5 лет. Норман Винарски, один из создателей Siri и консультант венчурного фонда SRI Ventures, рассказал, какое будущее ждет здравоохранение через пять лет с учетом влияния искусственного интеллекта. Адрес: https://rb.ru/story/future-of-ai-healthcare/
3. Искусственный интеллект и врачебное решение . Сергей Сорокин, генеральный директор "Интеллоджик" и основатель Botkin.AI, о возможностях искусственного интеллекта в поддержке принятия врачебных решений и развитии диагностики: https://www.if24.ru/iskin-i-vrachebnoe-reshenie/
4. Алгоритм Эндрю Ына лучше диагностирует пневмонию, чем врачи . Группа специалистов Стэнфордского университета под руководством Эндрю Ына разработала алгоритм глубокого обучения, который превзошел опытных радиологов в диагностике пневмонии по рентгеновским снимкам https://hightech.fm/2017/11/16/pneumonia-algorithm
5. Искусственный интеллект уже может лечить не хуже врачей: тренды развития AI в медицине . Илья Попов, член отраслевых рабочих групп при Министерстве Финансов РФ, Торгово-промышленной палате РФ и Деловой России, рассказал о тенденциях развития AI в фармацевтике и медицине и дал прогнозы на 2018 год: https://rb.ru/opinion/trendy-razvitiya-ai-v-farme/
6. Искусственный интеллект будет помогать ставить диагнозы во всех больницах Китая . Медицинские ИИ-платформы могут ставить даже самые сложные диагнозы с точностью 85% и назначать схемы лечения онкологических заболеваний, которые на 96% совпадают с мнением лучших врачей Китая, сообщает China Daily. Адрес: https://hightech.fm/2017/10/11/ai-china-diagnostic
7. Искусственный интеллект - революция или новый маркетинговый ход? Обзор мнений по теме искусственного интеллекта от различных специалистов: https://www.crn.ru/numbers/spec-numbers/detail.php?ID=123946
8. Заблуждения искусственного интеллекта . Каждый день мы слышим, что искусственный интеллект решит все наши проблемы - от самоуправляемых автомобилей до лечения рака. В то же время некоторые ученые и капитаны индустрии, например Илон Маск, основатель компании Tesla, считают, что искусственный интеллект представляет экзистенциальную угрозу человечеству. Где же правда и что скрывается под этим термином? Специалист по Computer Science Анатолий Гершман рассказывает о главных мифах, окружающих ИИ https://postnauka.ru/faq/80051
9. Самые интересные AI-решения и проекты 2017 года . Одним из ярких IT-трендов прошедшего года стало бурное развитие сервисов, использующих технологии машинного обучения и системы искусственного интеллекта (Artificial Intelligence, AI) на базе нейронных сетей. Вспоминаем самые оригинальные и перспективные программные решения в этой области https://3dnews.ru/963472/
10. Google представила инструмент ИИ для прецизионной медицины с открытым исходным кодом . Компания сделала DeepVariant, инструмент который может быть использован для повышения точности геномного секвенирования, доступного через Google Cloud

Григорий Колесников, руководитель акселерационной программы G4A (Grants4Apps) Bayer в России, рассказывает, что мешает внедрению в медицине, и рассуждает, возможно ли стартапам в этой сфере преодолеть такие препятствия.

Как ИИ помогает медицинским специалистам

Недавно Google рассказал о планируемом выходе на рынок систем искусственного интеллекта, позволяющих избавить телефонные разговоры от фоновых шумов (скажем, лая собак). Как нам обещают, алгоритмы на базе искусственного интеллекта внутри смартфона будут максимально помогать совершать рутинные операции. Перспективы впечатляют, ведь современные люди проводят по несколько часов в день перед экранами своих устройств. И подобные технологии уже прочно входят в нашу жизнь.

Сегодня искусственный интеллект активно применяется при разработке бытовой техники, личных голосовых помощников, в охранных системах. Там, где нужна обработка большого объема информации.

В медицине искусственный интеллект позволяет повысить эффективность диагностики благодаря возможности работы с большими объемами . Известен случай , когда «умный» сервис диагностики IBM Watson выявил у 60-летней пациентки с неверным диагнозом редкую форму лейкемии. Для этого система за 10 минут «изучила» 20 миллионов научных статей о раке.

Как результат – ИИ позволяет уменьшить объем повседневных рутинных задач, которые вынуждены решать медспециалисты. И способен свести к минимуму возможные ошибки. А еще – открывает возможности для появления новых профессий по обслуживанию цифровых систем в медицине.

Почему не все так гладко

Программы и аппараты с искусственным интеллектом сегодня используются в анализе рентгеновских, КТ- и МРТ-снимков (достаточно загрузить изображение в систему, после чего ИИ проведет анализ и даст заключение). «Интеллектуальную» медицину применяют в телемониторинге хронических заболеваний и при оценке необходимости госпитализации людей, в робот-ассистированной хирургии. Новые технологии освоили и фармацевты – ИИ применяют в разработке новых лекарственных препаратов.

Так, компания Semantic Hub недавно создала сервис на базе искусственного интеллекта для автоматизации оценки потенциала медицинских препаратов перед их выпуском на рынок. Система собирает и анализирует миллионы документов, в том числе научных публикаций, связанных с болезнью, назначением и действием разрабатываемого лекарства. Затем анализирует информацию и делает вывод о потенциале препарата с учетом всех факторов риска и конкурентных преимуществ. Раньше разработчикам лекарств удавалось изучить «вручную» лишь 1% подобных документов.

«Умные» медицинские продукты, сервисы и процессы сейчас разрабатывают практически все лидирующие «цифровые» корпорации . Всего, по данным исследовательской компании Venture Scanner, такие разработки ведут более 800 компаний по всему миру.

Многие эксперты пророчат стремительное увеличение рынка искусственного интеллекта – примерно на треть в год. По оценкам BIS Research, к 2025 году общий рынок ИИ в здравоохранении достигнет $28 миллиардов.

Но не все так безоблачно. На пути внедрения технологий ИИ в медицине возникают препятствия. И зачастую вопросы возникают у самих медицинских специалистов, у которых новшества могут вызывать обоснованное недоверие.

В чем причина возникших проблем? Попробуем разобраться.

Препятствия для искусственного интеллекта в медицине

1. Информация «второй свежести»

Речь, безусловно, ведется о качестве и объеме медицинской информации. Накопленные в медкартах пациентов данные могут быть неполными, содержать ошибки, неточности и нестандартные термины. В них недостаточно записей о жизни пациента, его привычках и поведении. Эффективных механизмов сбора этой информации пока попросту не существует.

Результаты анализа, основанного на таких данных, всегда будут вызывать обоснованный скепсис, а попытки повысить качество этого анализа упираются в изрядную трудоемкость процесса.

Для устранения этой проблемы сейчас предлагаются варианты обучения искусственного интеллекта на небольших объемах информации. В качестве успешных примеров подобного обучения можно назвать принцип работы клавиатуры смартфонов, когда система запоминает и анализирует введенные ранее слова и может прогнозировать содержание следующих текстов. На подобных технологиях основаны приложения для распознавания лиц и музыки.

При удачном внедрении в медицину система машинного обучения способна решать много задач: проверять совместимость лекарств, ставить диагнозы на основе генетического анализа. В качестве примера можно привести решение компании Droice Labs , которое делает многое из перечисленного уже на практике в России.

2. Неразговорчивые роботы

Второе ограничение предлагаемых инноваций в медицине ― отсутствие прозрачности процесса принятия решения интеллектуальным ядром системы. Искусственный интеллект работает по принципу , «черного ящика». Если в алгоритме есть ошибка, и система приняла неправильное решение, то ответить на вопрос «почему» будет крайне трудно.

Сейчас ведут разработки машин, способных раскрывать причины своих решений. К выводу подобного продукта на рынок приближаются американские ученые. В частности Агентство перспективных исследований в области обороны (DARPA) поддерживает 13 исследовательских групп, которые озабочены решением этой проблемы.

Отечественная компания «Интеллоджик» в своем патенте также заявляет об использовании медицинских онтологий для подготовки математических моделей и для представления результатов отработки нейросетевых моделей. Такой подход по заявлениям авторов патента позволит врачам понимать путь принятия решений машиной и значительно снизить количество данных, необходимое для обучения моделей.

Сложность подходов к обработке данных на основе искусственного интеллекта порождает другую проблему: подбор и развитие персонала, способного эффективно использовать и обслуживать системы с нетривиальными алгоритмами.

3. Умным машинам – умный подход!

Кроме непосредственно самого алгоритма, который может производить анализ с высокой степенью точности, для успешного внедрения новшества в практику требуется сильная проектная команда. Успех такого проекта в медицине зависит от того, насколько продуктивно взаимодействуют участники.

Команда должна включать специалистов с широким спектром компетенций в предметной области, математических алгоритмах и подходах к защите информации, с навыками программирования и наглядного представления данных. Крайне желательно, чтобы участники владели не одной, а несколькими различными компетенциями, чтобы хорошо понимать и дополнять друг друга.

4. Цена и ценность

Возникающие сложности повышают стоимость разработки, внедрения и применения решений на базе искусственного интеллекта. Высокая стоимость проектов связана и с необходимостью настройки новой системы под данные, накопленные в конкретном медучреждении, формирования квалифицированной и мотивированной команды.

А это в свою очередь ставит под сомнение возможности быстрого масштабирования технологий, предлагаемых стартапами. Масштабирование возможно, например, в случае обработки медицинских изображений одного вида, но потребности выходят далеко за эти пределы.

Отраслевые эксперты сходятся во мнении: в краткосрочной перспективе внедрение искусственного интеллекта не приведет к заметному снижению затрат. Надо продолжать искать зоны, где применение технологий искусственного интеллекта будет приносить более высокую ценность.

5. Кто защитит от хакеров?

Нельзя забывать и о том, что для обеспечения работы искусственного интеллекта нужно обеспечить доступ к высокопроизводительным вычислительным мощностям, которых зачастую в медицинских учреждениях нет. Соответственно, массивы данных придется выводить за периметр учреждения, а это угрожает безопасности хранения, что должно являться первым приоритетом. Неслучайно многие проекты внедрения искусственного интеллекта были остановлены из-за рисков, касающихся именно информационной безопасности.

Один из ярких примеров , когда Департамент по делам ветеранов США после начала успешного сотрудничества расторгнул соглашение со стартапом Flow Health – разработчиком системы интеллектуальной диагностики болезней. Как объяснили в министерстве здравоохранения Штатов, контракт был разорван, когда стало известно об обработке системой данных конфиденциального характера. В ведомстве посчитали это нарушением безопасности персональной информации пациентов-ветеранов. К слову, утечек так и не обнаружили.

Дорогу интеллекту!

Экспертное сообщество прекрасно осознает существующие проблемы и старается реагировать на них: продумывает принципы конструирования роботизированных систем, предлагает обсудить вопросы этики применения искусственного интеллекта на практике, разрабатывает новые варианты внедрения технологий. Но скажем прямо: для адекватной проработки подходов и стандартов требуется время.

Большая часть вопросов, замедляющих внедрение решений на базе искусственного интеллекта в медицине, совсем не связана с технологической стороной дела. Чаще это этические и административно-процедурные проблемы, сложности сбора и обработки данных (предоставления врачу необходимого времени для внесения информации в базу), проблемы разделения зон ответственности, понимания механизмов работы искусственных систем…

Какие же перспективы?

Несмотря на все сложности, перспективы у проектов есть. Полагаю, в ближайшие несколько лет технологии искусственного интеллекта смогут найти своего потребителя среди фармкомпаний, при поиске новых молекул и биологических мишеней, в виртуализации доклинических испытаний, а затем при анализе данных клинических исследований. Зачастую при работе с крупными компаниями удается обеспечить все необходимые условия для успешного запуска проекта.

Все вопросы решаемы. Главное, чтобы с применением новых подходов мы смогли продвинуться вперед, а не «выстрелили себе в ногу».

Диагностика

По данным компании Frost & Sullivan1, рынок искусственного интеллекта в медицине растет на 40% в год, и к 2021 году его оборот составит около $6,6 млрд. В первую очередь машинное обучение изменит три области медицины: улучшит возможности диагностики, облегчит работу рентгенологов и патологов, сделает более эффективным прогнозирование болезней.

Об этом пишут Зиад Обермайер из Гарвардской медицинской школы и Иезекииль Эмануэль из Пенсильванского университета в статье для The New England Journal of Medicine (NEJM)2. По их мнению, уже в ближайшем будущем машинное обучение станет незаменимым инструментом врачей, которые по-настоящему хотят понять своих пациентов. Искусственные нейронные сети уже сейчас могут диагностировать метастазы рака молочной железы не хуже, чем опытный врач. Рак молочной железы — один из самых распространенных видов злокачественных новообразований. Только в 2012 году в мире было зарегистрировано более 1,6 млн новых случаев этого заболевания. В 6-10% случаев обращений уже в момент постановки первичного диагноза опухоль успела метастазировать. Для диагностирования этого процесса используется биопсия регионарных лимфоузлов.

Каждый образец изъятого материала осматривается под микроскопом врачом-патологом. В идеальных условиях и при неограниченном времени врач допускает очень мало ошибок. В реальной жизни врачи-патологи могут отсматривать и описывать десятки препаратов каждый день.

Группа исследователей из Радбаудского университета в Нидерландах инициировала создание специального соревнования-челленджа Camelyon3, в рамках которого современные алгоритмы соревнуются в обнаружении метастазов рака молочной железы. Команды обучают модели распознавать рак среди здоровых тканей на 400 снимках рака молочной железы, затем результаты сравниваются на контрольных снимках, доступа к которым у моделей во время обучения не было.

В прошлом году в челлендже Camelyon первое место заняла нейронная сеть стартапа PathAI4 — партнера компании Philips по разработке приложений искусственного интеллекта в медицине. Ученые из PathAI c большим отрывом опередили другие команды. Их алгоритм допускал ошибки лишь в 35 случаях из 1000: этот показатель немногим ниже, чем у настоящего врача. При этом, если врач прибегал к подсказкам нейронной сети, то количество ошибок снижалось с 3% до 1%.

За последние годы появилось много примеров успешного распознавания медицинских изображений нейронными сетями. Нейронные сети с высокой точностью определяют рак простаты и рак легкого по биопсии и не хуже дерматолога определяют рак кожи по обычным фотографиям.

Помимо классификации изображений искусственный интеллект может решать и другие задачи: выбирать лечение или уточнять прогноз. Один из ранних примеров — экспертная система Mycin5, разработанная в 1970-е годы в Стэнфорде. Ее задачей было подбирать наиболее подходящие антибиотики для лечения инфекционных заболеваний. Уже тогда она предлагала более удачные сочетания, чем врач. Тем не менее, эта система ни разу не была использована в реальной клинической практике.

Система Mycin отвечала на вопросы «да» и «нет» в рамках заданного набора правил, чтобы найти верный ответ. Современные экспертные системы работают похожим образом, однако чаще всего перед ними стоит задача автоматически интегрировать данные о пациенте, а затем представить их врачу в удобной форме с собственными подсказками.

Так работает, например, система мониторинга в реанимации, разработанная Philips. Система собирает и интегрирует все доступные данные о пациенте и помогает врачу быстро принять информированное решение. По словам руководителя отдела медицинской информатики компании Philips Сергея Лаванова, система способна непрерывно отслеживать динамику критичных для жизни пациента показателей и сообщать врачу о приближении угрожающей ситуации.

Искусственный интеллект, позволяющий работать с большими массивами разнообразных индивидуальных данных, должен стать залогом более точной диагностики и доступного лечения.

В отличие от традиционных экспертных систем современный искусственный интеллект использует очень много данных и способен учиться на реальных примерах. Это позволяет находить в данных сложные и неочевидные для человека ассоциации и помогает специалистам принимать клинические решения. Например, в недавнем исследовании, опубликованном в журнале PLOS ONE6, нейронные сети обучались прогнозировать развитие сердечно-сосудистого заболевания или его осложнения. Нейронные сети тренировались на трехстах тысячах электронных карт пациентов, отражающих развитие и исход заболевания. В качестве теста сеть получала доступ только к одной ранней записи и генерировала прогноз, а исследователи сравнивали его с исходом заболевания по более поздним записям в медицинской карте.

Фактически нейронная сеть должна была сама найти список правил, по которым нужно оценивать риски сердечно-сосудистых заболеваний. В результате она предсказала на 7,6% больше случаев развития осложнений сердечно-сосудистых заболеваний, чем современные руководства. Это примерно эквивалентно 355 жизням, которые можно было спасти.

Стивен Венг, специалист по эпидемиологии Ноттингемского университета, в своем интервью журналу Science News7 отметил, что если добавить в модели генетические факторы или данные об образе жизни человека, то прогноз может быть еще точнее.

Интегрировать данные анализов, носимой электроники, медицинских карт пытаются в том числе и такие гиганты из индустрии, как IBM, Alphabet (Google) и Philips. Например, компания Philips развивает инфраструктуру, позволяющую работать с данными, полученными с носимых устройств и медицинских карт пациентов. С ее помощью врачи смогут точно строить персонализированные рекомендации и прогнозы для конкретных пациентов. Уже существующее сегодня решение умеет одновременно работать с данными медицинской визуализации и новыми, в том числе экспериментальными, статистическими моделями. В будущем это позволит врачам использовать новые системы искусственного интеллекта в своей работе.

В интервью CNBC8 Франс ван Хаутен, генеральный директор компании Philips, подчеркивает, что сегодня, когда возраст населения становится больше, а его численность растет, Philips делает ставку на здравоохранение, выделяя технологии диагностирования и профилактики как одни из наиболее перспективных.

1 По материалам презентации компании Frost & Sullivan («Фрост энд Салливан»), представленным на конференции в Лондоне, 4 октября 2016 г. 2 «Нью Ингланд Джорнал оф Медисин».3 «Камелион». 4 «ПатАИ». 5 «Мицин». 6 «Плос Уан». 7 «Саенс Ньюс». 8 «СиЭнБиСи».

Разработчики систем искусственного интеллекта (ИИ), до сих пор считавшиеся самыми незадачливыми игроками рынка IT-решений в здравоохранении, неожиданно получили карт-бланш. Опекунами и партнерами ассоциации «Национальная база медицинских знаний», в которую решили объединиться производители и потенциальные пользователи медицинских ИИ-систем, стали такие стейкхолдеры как Администрация Президента РФ, Российская венчурная компания, Минздрав и Росздравнадзор. По информации Vademecum, влиятельные кураторы нацеливают участников новой НКО на технологический прорыв: ассоциации предстоит собрать по клиникам «очищенный массив» медицинских данных, насытить этими сведениями ИИ, способный поддерживать принятие врачебных решений, и превратить эту IT-систему в продукт, который можно будет тиражировать в отечественной индустрии здравоохранения, а в перспективе – и экспортировать.

ЗА НИШУ ПОДПИСАВШИЕСЯ

Идея создания НКО «Ассоциация разработчиков и пользователей искусственного интеллекта «Национальная база медицинских знаний», которая объединила бы представителей IT‑компаний, клиник и других интересующихся внедрением ИИ‑систем операторов индустрии, была озвучена на прошедшем в июне Всероссийском консилиуме «Медицина народного доверия».

«Одна из сессий была посвящена системам искусственного интеллекта в медицине, – рассказал Vademecum присутствовавший на консилиуме основатель компании Botkin.AI Сергей Сорокин. – Там собрались ключевые разработчики и клиники, действующие в этой нише, договорившиеся в результате создать ассоциацию, которая занималась бы популяризацией и системным развитием ИИ в здравоохранении».

Тему тут же подхватили организаторы консилиума – сообщество заслуженных врачей России и «Национальное агентство социальных коммуникаций», включившие ее в программу «Медицина народного доверия», поддержанную Администрацией Президента РФ (АП).

Уже в июле инициаторы создания НКО представили на тематическом заседании в АП «дорожную карту» развития систем искусственного интеллекта в здравоохранении. Жюри, состоящее из сенаторов, депутатов, чиновников Минздрава, ФФОМС и других госструктур, заявку одобрили. В Администрации Президента РФ на запрос Vademecum не ответили.

Помимо АП, ассоциацию готовы патронировать Российская венчурная компания, Агентство стратегических инициатив, Минздрав, Росздравнадзор, другие заинтересованные ведомства и госкомпании. «Такая поддержка говорит о том, что государство будет системно развивать проекты и стартапы, связанные с ИИ в здравоохранении. В перспективе стоит амбициозная задача наладить экспорт этих технологий и вывести Россию в лидеры инноваций в этой сфере», – говорит директор по управлению проектами «Национальной технологической инициатив» АО РВК Андрей Алмазов.

Заявка на регистрацию НКО «Ассоциация «Национальная база медицинских знаний» подана в Минюст. Известно также, что объединение возглавит руководитель направления цифровой медицины ООО «Инвитро» Борис Зингерман, а в Наблюдательный совет НКО войдут президент Национальной ассоциации заслуженных врачей России Виктор Егоров; директор МОНИКИ им. М.Ф. Владимирского Дмитрий Семенов; директор Центра компетенций по импортозамещению в сфере ИКТ Илья Массух и другие авторитетные отраслевые персоны. По словам Бориса Зингермана, о готовности вступить в ассоциацию уже заявили представители порядка 50 IT‑компаний и государственных медцентров.

Искусственный интеллект в медицине, или система поддержки принятия врачебных решений, – это комплекс программ, позволяющих на основе обработки больших массивов данных ставить диагнозы, строить прогнозы и предположения относительно лечения пациента. По данным РВК, сейчас в России на разных этапах реализации находятся около 20 тематических стартапов. Редкие и разобщенные игроки этой ниши традиционно отставали от передовой когорты IT‑операторов в здравоохранении, главным образом из‑за консервативности врачебного сообщества и отсутствия продуктивного диалога между медиками и разработчиками. Ярчайший пример – увольнение в июле 2017 года из НМИЦ сердечно‑сосудистой хирургии им. А.Н. Бакулева руководителя лаборатории математического моделирования и мониторинга Владимира Лищука. Известный кибернетик после отставки объемную монографию, где подробно описал фатальные, на его взгляд, ошибки сотрудников Бакулевского центра в лечении критической сердечной недостаточности и других кардиологических заболеваний.

Что же так заинтересовало АП в безнадежной, как еще недавно казалось, и узкой отраслевой нише?

МОБИЛИЗАЦИОННЫЙ СБЕР

По словам собеседников Vademecum, одним из стимулов к форсированному созданию НКО «Ассоциация «Национальная база медицинских знаний» стало заключение в мае этого года между СК «Сбербанк. Страхование жизни» и IBM договора на использование российскими страховщиками разработанной американской корпорацией системы Watson for Oncology, представляющей собой ИИ для выработки рекомендаций по лечению онкозаболеваний. Как говорится в совместном сообщении компаний, на практике их партнерство будет выглядеть так: если клиенту «Сбербанк. Страхование жизни» будет поставлен первичный онкологический диагноз, то IBM Watson, обрабатывающая информацию в деперсонифицированом виде и использующая данные более чем 300 медицинских журналов, 200 учебников и множество других материалов, в течение нескольких секунд выдаст рекомендации по протоколам лечения для этого пациента. Как сообщили Vademecum в IBM Watson, аналогичный проект сейчас готовится к запуску в Казахстане.

«Этот проект стал серьезным ударом для всех стартапов в сфере ИИ в России: заключив договор с Сбербанком, IBM получает доступ к большому объему данных, что дает ей серьезное конкурентное преимущество. Отдельные разработчики не способны соперничать с американской корпорацией, конкурировать с ней может только государство», – объясняет Виктор Егоров.

Чтобы не допустить укрепления позиций IBM на российском рынке, в ближайший год участники ассоциации намерены сосредоточить коллективные усилия на трех основных проектах, которые могут существенно продвинуть отечественные разработки в сфере искусственного интеллекта в медицине. Главной задачей станет создание единой базы данных, аккумулирующей медицинскую информацию медицинских организаций.

Основой этого информационного массива может стать «Объединенная база медицинских данных», созданная сотрудниками НМИЦ ССХ им. А.Н. Бакулева – для развития собственного дата‑центра ими еще год назад была создана компания «Соцмедика», ставшая резидентом «Сколково». «Наша база фактически представляет собой семантическое ядро для национальной базы. Она содержит классификаторы, регистры моделей пациента и другую прикладную информацию. На этот каркас уже будут «нанизываться» данные пациентов», – объясняет директор АО «Соцмедика» Геворг Бледжянц.

Опрошенные Vademecum представители госмедучреждений, поддерживая инициативу по строительству медицинской ИИ‑системы в целом, признаются, что пока не готовы делиться данными. «Идея нам интересна, и в случае обеспечения всех необходимых условий МОНИКИ может стать идеальной площадкой для развития таких технологий, ведь мы обладаем большим массивом рентгеновских и других изображений, которые можно использовать для разработки систем искусственного интеллекта. Однако сейчас для этого нет законодательной базы, в частности закон о персональных данных не позволяет нам предоставлять такие сведения», – говорит директор института Дмитрий Семенов.

Управляющий партнер бюро «Адвокатская группа «Онегин» Ольга Зиновьева считает, что непреодолимых барьеров для передачи медицинских данных действующее законодательство не ставит. «Например, п. 4 ст. 13 Федерального закона №323 «Об охране здоровья граждан» предоставляет медицинским организациям производить информационный обмен данными. Более сложной проблемой здесь скорее станет недостаточная правовая грамотность контролирующих органов, которые могут вывести применение ИИ‑систем на практике в зону судебных прецедентов, – рассуждает Зиновьева. – Но если создатели ассоциации смогут добиться оформления своей деятельности в отдельный нормативный акт, проблема будет снята».

По словам инициаторов создания ассоциации, они не исключают подготовку и издание такого документа. Скорое разрешение возникающих по дороге к созданию продукта противоречий обещает сам факт подключения к реализации замысла мощного административного ресурса. Да и сам формат проекта подразумевает четкое разделение усилий и ответственности: «Национальная база медицинских знаний» будет организована на принципах государственно‑частного партнерства, в котором государство обеспечит поток и защиту данных, а инвестор – финансирование и ведение разработок.

ТУГИЕ И РИСКИ

Что же касается не гипотетических, а реальных нормативных препон, встающих на пути разработчиков медицинских ИИ‑систем, то создатели ассоциации уже обратили внимание регуляторов на отдельные устаревшие и потому вредоносные регламенты. Инициаторы проекта уже начали консультации с чиновниками об изменении статуса IT‑продуктов в сфере здравоохранения – согласно действующему приказу Минздрава №4н от 6 июня 2012 года «Об утверждении номенклатурной классификации медицинских изделий» любое применяемое в отрасли программное обеспечение должно регистрироваться как медизделие.

«Эта норма фактически убивает рынок. Но нам удалось наладить диалог с Росздравнадзором и выработать взаимопонимание в этом вопросе. Проблема в том, что сейчас нет прозрачных и понятных методических рекомендаций по проведению испытаний программного обеспечения. Поэтому мы предложили для таких продуктов специальную процедуру ретроспективных клинических испытаний без участия человека на основе заранее подготовленных эталонных данных. Росздравнадзор эту идею поддержал», – говорит один из инициаторов ассоциации эксперт компании «К‑МИС» Александр Гусев.

Представители службы на запрос Vademecum не ответили.

Еще одна приоритетная для ассоциации тема – создание национального риск‑офиса, то есть системы предотвращения заболеваний. Это направление участники НКО будут вести вместе с экспертами Всероссийского союза страховщиков (ВСС). «На практике идея риск‑офиса работает так: вам звонит менеджер и информирует вас о том, что если ориентироваться на то, как вы работаете и живете, у вас могут развиться такие‑то заболевания, и соответственно рекомендует вам пройти диагностику или лечебные процедуры. Фактически это предиктивная аналитика, превентивная медицина, основанная на больших объемах данных. Такой подход может перевернуть систему страхования – мы будем идти не от страхового случая, когда человек уже болен, а работать над предупреждением болезни», – объясняет вице‑президент ВСС Максим Данилов.

Наконец, ассоциация будет поддерживать стартапы в сфере медицинских ИИ‑систем – предоставлять им очищенные данные, продвигать их разработки, помогать в поиске инвесторов.

ПОРАСКИНУЛИ МОЗГАМИ

Российские стартапы в области ИИ в медицине

«Идея создания единой базы медицинских данных кажется интересной, такие данные могут стать бесценным материалом для всех разработчиков, работающих в этой сфере. Вопросы в нюансах. Идеальным вариантом было бы, если бы в эту базу можно было интегрировать данные из истории болезни, включая диагностические данные приборов, но здесь проблема заключается в том, что сейчас не существует единого технического стандарта по формированию историй болезни, который позволил бы объединить все эти данные. Второй момент – риск утечек данных, сейчас, как известно, утечки информации из госучреждений происходят довольно часто, поэтому здесь необходимо формирование надежной системы защиты», – делится резонными сомнениями Богдан Севрюков, директор компании Ocutri, создающей ИИ‑решения для медицины.

Опрошенные Vademecum представители профильных IT‑компаний сходятся во мнении, что инициатива по созданию НКО «Национальная база медицинских знаний» – несколько запоздалая попытка наполнить госпрограммы по информатизации здравоохранения актуальным инновационным содержанием.

Недолгая история дигитализации отрасли, приходится признать, полна провалов и неоправданно резких поворотов. Достаточно оглянуться на полтора года назад.

Распоряжением Правительства РФ №1632р от 28 июля 2017 года мероприятия по информатизации здравоохранения были утверждены в качестве неотъемлемой части программы «Цифровая экономика». Тогда же Дмитрий Медведев назвал в числе целей информатизации развитие систем искусственного интеллекта в здравоохранении, а также разработку инновационных решений для превентивной и персонализированной медицины.

Но еще через год премьер‑министр поручил правительству интегрировать отраслевой «цифровой контур» в свежий нацпроект «Здравоохранение», и замысел вновь претерпел коррективы. Как следует из последней версии , мероприятия программы, на выполнение которой до 2024 года будет направлено около 130 млрд рублей, не подразумевают создание ИИ‑систем в медицине, а направлены исключительно на доработку и завершение злосчастного долгостроя ЕГИСЗ.

искуственный интеллект, путин, гусев, егисз, алмазов, скворцова, минздрав, big data