Здравоохранение 5.0

Глобальная отрасль здравоохранения ежегодно прирастает на 10 трлн долларов. Отрасль находится в первой пятерке по внедрению инновационных технологий. Но отстает на 80% по темпам внедрения таковых от ближайшего конкурента.

Как трансформируется здравоохранение

В ближайшие три года ситуация изменится в лучшую сторону, говорят аналитики Всемирного экономического форума (WEF). В докладе Future of Jobs говорится о том, что к 2022 году в здравоохранении будут активно развертываться:

• 87% – большие данные;
• 87% – биотехнологии;
• 80% – машинное обучение;
• 73% – носимые технологии;
• 67% – блокчейн / IoT / AR-VR;
• 53% – 3D-печать;
• 47% – стационарные роботы;
• 40% – автономные роботы.

Обозначенная проблема в марте 2019 года стала предметом обсуждения на сессии W2O на фестивале SxSW (South by Southwest) EQ in the ER: Building Empathy Through XR («Эмоциональный коэффициент в показателе вовлеченности: формирование эмпатии посредством расширенной реальности»). Некоторые эксперты высказались по целому ряду технологий.

Технологии для медицины

Расширенная реальность

Расширенная реальность, или XR (extended reality) – это зонтичный термин, который объединяет виртуальную (VR), дополненную (AR) и смешанную реальности (MR). В 2018 году объем рынка XR составил около 30 млрд долларов. Ожидается, что объем рынка в течение последующих трех лет вырастет до 200 млрд долларов.

VR-очки используются в игровой индустрии для погружения в виртуальную среду. AR охватывает игры и используется на производстве: на предметы реального окружения накладываются виртуальные объекты. Очки Microsoft HoloLens 2 – яркий пример MR. Решение объединяет и закрепляет виртуальные объекты вместе с физическими, а пользователь напрямую взаимодействует с обоими. 

С помощью XR возможно обучать пациентов и медицинский персонал, вести операции.

По словам доктора технических наук, профессора Томаса Виганда (Thomas Wiegand), исполнительного директора, представителя Берлинского технического университета и Института Герца Генриха, в рамках проекта совместно с Институтом познания человека и мозга им. Макса Планка в Лейпциге, Берлинский технический университет и Институт Герца Генриха исследуют использование виртуальной реальности для восстановления пациентов после инсульта.

Большие данные и машинное обучение

Доктор Ниранджан Киссун (Niranjan Kissoon), вице-президент отдела медицинской деятельности Детской больницы Британской Колумбии в Канаде, считает, что потенциал использования больших данных, машинного обучения и моделирования сценариев во многих областях медицины стал ясен.

«Набирает обороты моделирование сценариев решения проблем неотложной медицинской помощи, а также способность строить алгоритмы и модели для сложных процессов. Я с нетерпением жду развития этих технологий до такого уровня, когда они будут экономить время медицинских работников. Технологии искусственного интеллекта (ИИ) создадут оптимальный и индивидуальный подход к лечению», – полагает эксперт.

«Достижения в области диджитализации и большие данные – это революционный этап развития здравоохранения. ИИ и машинное обучение окажут существенное влияние на отрасль, поскольку медицинское обслуживание зависит от распознавания образов и прогнозирования. Согласно данным опроса Intel, 54% медицинских работников ожидают широкого внедрения ИИ в ближайшие пять лет. 83% специалистов надеются на более точные диагностические возможности, которые обеспечивают ИИ-технологии. Но тогда возникает вопрос: как мы можем ускорить инновации с помощью этих экспоненциальных достижений, сохраняя при этом контакт с пациентами, необходимый для предоставления эффективной персонализированной медицинской помощи?» – говорит Анита Бозе (Anita Bose), организатор сессии SXSW и главный директор по развитию бизнеса W2O.

В конце марта издание The Lancet опубликовало статью «Всемирная организация здравоохранения и Международный союз электросвязи устанавливают процесс бенчмаркинга для ИИ в области здравоохранения». Авторы материала утверждали, что рост численности населения Земли, демографические изменения и нехватка медицинских работников оказывают давление на сектор здравоохранения.

В статье отмечалось, что параллельно с этим растет объем цифровых медицинских данных и дополнительной информации. Модели ИИ, которые обучаются на основе данных, находятся в разработке и способны решить проблемы распознавания образов и классификации, например, на этапах раннего обнаружения, диагностики и принятия решений. Эти достижения обещают улучшить медицинское обслуживание пациентов и обеспечить столь необходимую поддержку практикующим врачам. Указанные факторы переводят здравоохранение в высококачественную доказательную медицину.

Искусственный интеллект

Внедрение ИИ-технологий в клинических условиях все еще находится на очень ранней стадии, полагает Наоми Ли (Naomi Lee), главный редактор The Lancet. По его словам, ИИ задействуется в основном в научной работе, а не для повседневной клинической помощи. Потенциал ИИ в области здравоохранения очень интересен. Значительная часть медицинской практики связана с распознаванием паттернов тех или иных заболеваний в процессе диагностики и прогнозирования. Поэтому ИИ обладает преимуществами перед человеком, особенно в эпоху больших массивов данных. ИИ способен решать логистические проблемы в здравоохранении, например, в отношении моделей услуг, которые могут реализовать часть потенциала с меньшим риском.

По мнению Наоми, утверждена четкая основа для медицинских исследований нового лекарственного средства. Все начинается с лабораторной работы и, постепенно проходя через фазы клинических испытаний 1-3 (регулируется FDA, Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США), переходит к испытаниям на человеке. После окончания необходимых процедур проводятся маркетинговые наблюдения.

Однако Наоми добавила, что эта структура оспаривается по многим причинам. Нужно создать систему, которая не только опирается на указанные требования, но учитывает преимущества и проблемы моделей ИИ в области здравоохранения. ВОЗ и МСЭ сформировали целевую группу, которая создаст процесс бенчмаркинга моделей ИИ в обозначенной области.

По мнению Томаса Виганда, значительная часть разработок была направлена на ИИ-приложения, которые способны интерпретировать изображения и понимать естественные языки.

Он подчеркнул, что интересны также следующие области: анализ рентгенограмм, КТ (компьютерная томография), МРТ (магнитно-резонансная томография), цифровая патология, методы визуализации сердца, брюшной полости, опорно-двигательного аппарата, эмбриона, дерматологии и сетчатки. В области понимания языка перспективными считаются биомедицинский анализ текста, электронных медицинских карт.

По его словам, анализ настроений на основе интернет-данных и систем поддержки принятия медицинских решений показал многообещающие результаты. Другие исследования ИИ касаются клинических процессов, вопросов общественного здравоохранения и профилактики.

Стандартизация новых технологий в здравоохранении

Перспектива принятия ИИ также сталкивается с рядом проблем. В частности, модели глубинного обучения, как известно, трудно интерпретировать и объяснять. Это может существенно затруднить их использование при принятии критических или даже жизненно важных решений, считает Виганд.

По его мнению, в машинном обучении алгоритмы и данные следует рассматривать в комбинации. Координационная группа по «Искусственному интеллекту для здравоохранения (Artificial Intelligence for Health)» (FG-AI4H), созданная МСЭ в партнерстве с ВОЗ, нацелена на решение этих проблем путем предоставления открытых, прозрачных и стандартизированных процессов для оценки алгоритмов ИИ в пространстве здравоохранения.

Источник: IOT.RU