Что важно учитывать ИТ-компаниям при внедрении ИИ в медицине. #Интервью

Как ускорить развитие ИИ-рынка в медицине и что важно учитывать ИТ-компаниям при внедрении ИИ-решений для анализа визуальных данных в здравоохранении, рассказала директор департамента по продуктам СберМедИИ Елена Соколова в колонке «Медвестника».

Сервисы на базе искусственного интеллекта (ИИ) уже используются в российском здравоохранении, но существуют определенные сложности, которые необходимо преодолеть, чтобы ускорить развитие ИИ-рынка в медицине. Сегодня поговорим о нюансах разработки и внедрения решений на основе искусственного интеллекта для анализа визуальных данных.

Во-первых, существуют барьеры, связанные с качеством данных для обучения ИИ-моделей, а также высокой стоимостью экспертной оценки снимков.

Создание качественных и востребованных ИИ-сервисов для здравоохранения возможно только в тесном взаимодействии с медицинским сообществом. В рамках диалога с врачами формулируются задачи, затем определяется, какие из них можно решить с помощью технологий на существующем уровне их развития.

Обучение модели схоже с процессом, когда более опытные врачи обучают молодых коллег. Они показывают на примере конкретных пациентов, как выглядят те или иные заболевания на снимках, подсказывают, корректируют ошибки, то есть передают свою экспертизу.

Чтобы обучить машину, нужно собрать необходимое количество исследований, размеченных врачами-экспертами. Это трудоемкий и затратный процесс, требующий объединения экспертизы врачей и разработчиков: так, в штате «СберМедИИ» работают рентгенологи, функциональные диагносты, терапевты, кардиологи, каждое ИИ-решение курирует отдельный медицинский product owner.

В региональных медицинских информационно-аналитических центрах (МИАЦ) уже накоплены большие массивы визуальных данных. Плюс к этому экспериментально-правовые режимы использования таких данных масштабируются в другие регионы по примеру успешного опыта Москвы. Еще одно решение — прямое взаимодействие стартапов с медорганизациями.

Чтобы облегчить разработчикам выход на medtech-рынок, создаются референсные наборы данных для обучения и тестирования ИИ-решений. Например, в 2022 году на портале mosmed.ai/datasets Правительство Москвы открыло доступ к 40 дата-сетам обезличенных медданных, а «Сбер» представил MedBench – бесплатную платформу для решения ИИ-задач в медицине. На сайте платформы любой желающий может скачать размеченные дата-сеты для построения моделей искусственного интеллекта.

Во-вторых, существенным барьером становится сложность предметной области и выявления действительных потребностей участников процесса.

На этом этапе оказывается, что можно разработать алгоритм, а вот внедрить его так, чтобы это отвечало всем интересам пользователя, намного сложнее. ML-специалисты часто сфокусированы на разработке продукта, а не на области применения технологии. Очень важно поговорить с достаточным количеством потенциальных пользователей алгоритма, обсудить проблемы, найти эффективные решения для внедрения.

Сценариев применения одной и той же модели может быть несколько (в зависимости от реальных потребностей конечного пользователя!): это может быть первое или второе мнение, приоритизация исследований по сложности клинического случая, массовый скрининг и фильтрация нормы, ретроспективный анализ или проспективный в реальном времени. Получается, что разработчик не просто должен предложить ИИ-сервис, а продумать, как встроиться в существующие медицинские бизнес-процессы, ИТ-инфраструктуру каждого региона, персонализировать продукт таким образом, чтобы он помогал повысить эффективность работы конкретного звена. А для этого снова нужно не забывать о проблемах и метриках эффективности, принятых конкретно в этом регионе или медорганизации.

Из-за новизны технологии еще мало опыта решения типовых задач — пока нет единых стандартов решений в части инфраструктуры. Эти моменты, безусловно, преодолимы, но тут многое зависит от подхода и проактивности самих разработчиков. В «СберМедИИ» при создании медицинских сервисов большое внимание уделяется именно customer development.

Ну и, наконец, наблюдается недостаточность доверия к технологиям со стороны врачебного сообщества.

Врачи — крайне консервативные люди. Это во многом объясняется высоким уровнем образования, подготовки и самой сферой деятельности, где цена ошибки очень велика. Лояльность и доверие строится на активной и долгосрочной популяризации ИИ-технологий, поддержке развития отрасли государством. В этом направлении мы видим позитивные изменения: в конце января президент Владимир Путин поручил обеспечить использование результатов медисследований, получаемых с применением искусственного интеллекта, в клинических рекомендациях и системе ОМС, что позволит ускорить развитие ИИ-технологий для здравоохранения.