«Не можешь остановить ИИ – возглавь»: интервью с рентгенологом, который стал консультантом в медтех-стартапе

Вы наверняка слышали, что для обучения ИИ нужны данные. А для обучения медицинского ИИ – например, для выявления патологий на рентген-снимках– нужны качественные медицинские данные. Причём их ещё и нужно разметить – показать нейросети: вот это лимфоузел, а вот это, возможно, рак. И сделать это без квалифицированного специалиста не получится. Поэтому ответственные разработчики медицинского ИИ привлекают к разработке врачей.

Александр Хомяков – врач-консультант и координатор врачей-разметчиков по направлению флюорографии и рентгена грудной клетки в медтех-стартапе «Цельс». Мы взяли у него интервью, чтобы узнать, как ему работается в ML-сфере и не считает ли он, что помогать ИИ – это помогать конкуренту.

— Расскажи немного о себе и о том, чем ты занимался до медтех-стартапа.

— Я врач-рентгенолог с пятилетним стажем. В 2016 году закончил ПМГМУ им/ И.М. Сеченова, а в 2018 – ординатуру по рентгенологии в МГМСУ им. А.И. Евдокимова Работал и работаю в модальностях компьютерной томографии и классического рентгена: сначала в одной из городских поликлиник в Москве, а потом в научно-практическом клиническом центре диагностики и телемедицины ДЗМ.

— Когда ты впервые столкнулся с ИИ? Как это было?

— Впервые я столкнулся с ИИ, когда работал в амбулаторном КТ-центре во время эпидемии COVID-19. Тогда ИИ сервисы помогали быстро оценить объём поражения лёгких и принять тактику лечения (речь идёт о Московском эксперименте по применению ИИ в клинической практики – прим.).

Большинство коллег скептически относились к ИИ, и это неудивительно: на начальном этапе сервисы представляли из себя сырой продукт. Они определяли патологию за пределами целевого органа, находили «матовое стекло» в исследованиях коленного сустава,  неверно рассчитывали объём поражения лёгких (занижали),  долго обрабатывали исследования.  

Но мне уже тогда было понятно, что искусственному интеллекту в рентгенологии – быть. Его потенциальная (а сейчас, видимо, и реальная) скорость расчётов и измерений превосходит человеческие возможности, сервисы позволяют давать поверхностное заключение даже при отсутствии врача-рентгенолога. А ещё они могут упростить работу врачу-рентгенологу, взяв на себя рутину, и дополнительно обращают внимание на патологии – что важно при многочасовой работе без перерыва. 

— Почему ты решил развиваться в сфере ИИ?

— У меня изначально был интерес к IT и новым методам диагностики. Мне хотелось повлиять на ход разработки ИИ-сервисов, но при начале работы с ними была трудность в коммуникации с разработчиками: всё общение происходило через чаты с отзывами о работе сервиса, не было возможности коммуницировать напрямую. 

Вскоре заинтересованным врачам дали контакты представителей интересующих сервисов – и тогда взаимодействие стало более продуктивным, так как появилась возможность получать ответы на вопросы довольно оперативно. 

— Какие задачи ты сегодня выполняешь в «Цельсе»?

— Я отвечаю на медицинские вопросы, консультирую, даю оценку качества работы сервиса. Над разметкой данных в «Цельсе» работает целый штат врачей – и я взаимодействую с ними, корректирую их работу, выдвигаю гипотезы по улучшению работы.

— Есть ли вклад, который лично ты внёс в развитие ИИ-продукта?

— Специфика разметки медицинских данных состоит в том, что у каждого врача своё мнение относительно разметки объектов на исследовании. А это плохо для обучения ИИ. 

Одной из моих больших задач в «Цельсе» была «прочистка» датасетов (наборов данных – прим.) от неточной и неправильной разметки, объяснение команде некоторых особенностей работы врача-рентгенолога, которые он получает с опытом и насмотренностью. Впоследствии это помогло нам успешно конкурировать с другими сервисами ИИ, достичь высоких качественных показателей и в 2023 году возглавить лидерборд Московского эксперимента.

—  Привыкнуть к чему было сложнее всего? 

— К IT-сфере в целом и к ML в частности. Это не тот случай, когда можно прочитать специализированную литературу и начать хоть что-то понимать. Искусственным интеллектом я интересовался (на обывательском уровне) ещё до знакомства с «Цельсом». Для понимания алгоритма работы нейросети мне пришлось хотя бы поверхностно ознакомиться с теорией вероятности, статистикой и математическим анализом. 

Но этого всё равно не хватает для конкретных предложений по улучшению работы. Мои предположения мне часто кажутся обывательскими, так как не хватает квалификации. И ещё сложно привыкать к профессиональному сленгу в рабочем чате – это как раз тот случай из мема, когда «ничего непонятно, но очень интересно». Но мы с ребятами взаимно стараемся как-то находить общий язык :)

— Не пожалел ли ты, что пришёл работать сферу ИИ? Не боишься, что помогаешь «конкуренту»?

— Не жалею точно: в «Цельсе» я узнал, что такое разработка IT-продукта, и увидел развитие проекта от сырого продукта до лидера в своём направлении.

Что касается «конкуренции», то я прекрасно понимаю коллег-врачей, у которых нейтральное или даже негативное отношение к ИИ. Во-первых, работать с сырым продуктом в условиях и без того высокой рабочей нагрузки – сомнительное удовольствие. Во-вторых, если продукт уже достаточно зрелый, это вызывает страх, что ИИ заменит врача.

Но я, наблюдая «изнутри», как нейросети обучаются и достигают необходимых метрик качества, понимаю, что ИИ в любом случае займёт своё место в лучевой диагностике. Если он и не заменит врача, то сможет отсеивать исследования с «нормой» – и тем самым существенно снизить объём исследований, описываемых врачом. При этом  вопрос этики его применения в медицине  остается открытым. 

В общем, осознав это, я подумал: «Не можешь остановить безобразие (то есть, ИИ) – возглавь!» :)

Кстати, не только врачи погружаются в ML, но и ML-инженеры – в медицину! Рекомендуем к прочтению интервью с Машей Гарец – специалистом по Data Science в «Цельсе».