Все статьи
Системы поддержки принятия врачебных решений: виды, цели, применение в клинической практике
22.01.2021
72

Мы ежедневно принимаем решения: что купить в магазине, куда съездить в отпуск, как потратить свободное время. От сделанного нами выбора зависит ни много ни мало наше социальное и финансовое положение, времяпрепровождение, а порой и ход всей дальнейшей жизни. И всё же такой уровень ответственности за принятые решения никогда не сравнится с тем, какой возлагается на врача за решения, принятые им в процессе профессиональной деятельности — ведь от них напрямую зависят жизнь и здоровье его пациентов. На помощь врачу приходят современные технологии — системы поддержки принятия врачебных решений (СППВР).

Что такое система поддержки принятия врачебных решений?

Существует несколько определений СППВР, но нам, как разработчикам одной из таких систем, наиболее удачным кажется это:


Система поддержки принятия врачебных решений — это программное обеспечение, которое связывает большие медицинские данные с данными конкретного пациента, тем самым повышая эффективность врача и качество медицинских услуг.


Попытки создания таких систем начались ещё в прошлом веке, однако с появлением технологий машинного обучения развитие СППВР вышло на новый уровень. Ещё больший толчок ему дало накопление больших наборов качественных медицинских данных, которое набирает обороты по сей день. На +этих данных разработчики обучают свою систему решать различные задачи, подстраховывая врача и дополняя его собственные знания, навыки и опыт.

На примере российских систем поддержки принятия врачебных решений рассмотрим, какие задачи они могут решать.

Диагностика

Своевременно и верно поставленный диагноз — залог эффективного лечения и наиболее благоприятного исхода болезни. Поэтому неудивительно, что взгляд многих разработчиков СППВР упал именно на область диагностики.

Одним из наиболее перспективных направлений использования технологий машинного обучения в медицине является компьютерное зрение. В этой сфере работает и наша компания «Медицинские Скрининг Системы» (Цельс). Мы создаём сервис на базе технологий искусственного интеллекта, способный анализировать цифровые медицинские снимки и выявлять на них признаки различных заболеваний.

Система выделяет на изображении именно те области, на которых присутствуют признаки патологии, тем самым не давая рентгенологу их пропустить. Помимо этого, она выполняет автоматический триаж (ранжирование) списка исследований — от наибольшей вероятности наличия патологии до наименьшей. Благодаря этому пациенты с подозрением на заболевание быстрее направляются на дополнительные обследования. Также система сама формирует описание снимков, что дополнительно экономит время врача, так как ему достаточно лишь проверить готовое заключение и при необходимости дополнить его своими комментариями.


Российские разработчики систем компьютерного зрения:
  • Цельс — искусственный интеллект для анализа цифровых медицинских снимков и выявления признаков различных заболеваний, в том числе онкологии на ранней стадии. Направления: маммография, флюорография. КТ лёгких, патоморфология.
  • Care Mentor AI — сервисная платформа лучевой диагностики на основе искусственного интеллекта. Направления: маммография, рентген органов грудной клетки. КТ лёгких.
  • Botkin AI — платформа для анализа и обработки изображений с технологиями ИИ. Направления: маммография, КТ лёгких.

Ещё одно активно развивающееся направление в области диагностики — это симптомчекеры. Так называют сервисы, способные по выявленным у пациента симптомам определять наличие того или иного заболевания.

Идея создания симптомчекеров появилась давно, поэтому в мире существует довольно много примеров её реализации. Часто сервисы предназначаются для использования самим пациентом — но не для самодиагностики и самолечения, а для составления списка самых вероятных диагнозов и направления пациента к нужному специалисту.


Российские разработчики симптомчекеров:
  • MeDiCase — искусственный интеллект для дистанционной диагностики и мониторинга заболеваний.
  • Medai — симптомчекер, интерпретатор анализов, персональная медицинская карта и консультант.

Предиктивная аналитика

Развитие медицины сегодня направлено не только на повышение эффективности лечения уже возникших болезней. Всё более перспективной в наши дни становится работа по профилактике болезней, управлению медицинскими рисками. Но это всегда предполагает анализ больших объёмов медицинских данных — и это не только симптомы, результаты исследований и анализов, но и индивидуальные особенности организма пациента, история его болезней и даже семейный анамнез.

Но разве у современного врача есть столько времени и ресурсов, чтобы подробно изучить все эти данные по каждому пациенту? На помощь приходят системы поддержки принятия врачебных решений, которые выполняют комплексный анализ деперсонализированных данных из электронных медицинских карт. Такие сервисы способны выявлять факторы риска, прогнозировать осложнения и давать индивидуальные рекомендации по их предотвращению.


Российский разработчик системы предиктивной аналитики:
  • Webiomed — СППВР на базе технологии ИИ, позволяющая выявлять факторы риска и подозрения на наличие различных заболеваний у пациентов.

Помощь в назначении и контроле лечения

Этот пункт связан с предыдущим и даже является его продолжением. Разработчики учат свои системы не только контролировать риски, но и давать рекомендации по их минимизации.

Такие СППВР по сути являются большими базами медицинских знаний. Искусственный интеллект соотносит их с данными конкретного пациента и подбирает терапию с учётом всех показаний и противопоказаний, проверяя при этом безопасность и совместимость терапии.


Российские разработчики сервисов для назначения и контроля лечения:
  • Galenos — интеллектуальная СППВР, которая автоматически оценивает эффективность лечения каждого пациента и выдает оптимальные для него рекомендации по назначению терапии, а также оценивает долгосрочные риски для здоровья пациентов.
  • Киберис — экспертная система на основе искусственного интеллекта для диагностики и персонифицированной терапии, подбора аналогов лекарств, проверки безопасности назначений и автозаполнения медкарты.
  • Lexema-Medicin — платформа, предназначенная для автоматизации процессов направления на исследования, маршрутизации исследуемых материалов, сбора данных, контроля качества и оптимизации проводимых лабораторных исследований.

Мониторинг состояния

Значительную часть рабочих процессов медицинских учреждений составляет рутина, связанная с мониторингом и контролем состояния пациента. Разработчики создают самые разные сервисы, которые могут взять часть такой работы на себя.

Например, существуют системы умного видеомониторинга, которые оперативно сообщают на сестринский пост важную информацию о пациенте: например, о падении или риске падения, необходимости смены положения для предотвращения пролежней, о слишком долгом отсутствии пациента на месте и так далее.

Другие используются для дистанционного контроля за состоянием онкологических больных, регулярно высылая пациентам опросники и делая анализ полученных ответов. При необходимости система рекомендует пациенту обратиться к врачу очно или вызвать скорую. Также она информирует об изменениях лечащего врача.


Российские разработчики систем мониторинга:
  • Третье мнение — интеллектуальный мониторинг безопасности пациентов, который помогает обеспечить безопасный с помощью алгоритмов компьютерного зрения.
  • Онконет — цифровой сервис для дистанционного мониторинга онкологических пациентов на иммунной и таргетной терапии.

Заключение

СППВР и машинное обучение — это новая веха в развитии мировой медицины, и российские разработчики не остались в стороне от создания и внедрения таких систем. Новые технологии уже сегодня помогают врачам диагностировать и лечить социально значимые заболевание, а также предотвращать связанные с ними осложнения. Мы убеждены, что в медицине — сфере, где цена ошибки слишком высока — СППВР уже в скором времени станут незаменимыми помощниками врача.

Рекомендуем к прочтению: Может ли искусственный интеллект заменить врача.

Читать похожее
Больше
Виды медицинских данных для обучения ИИ
17.02.2021
33
Может ли искусственный интеллект заменить врача
25.12.2020
96