Здравоохранение 5.0

Глобальная отрасль здравоохранения ежегодно прирастает на $10 трлн. 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 сообщается, 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 иксперты высказались по целому ряду технологий.

Технологии для медицины

Расширенная реальность

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

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.

«В рамках проекта совместно с Институтом познания человека и мозга им. Макса Планка в Лейпциге, Германия, мы исследуем использование виртуальной реальности для восстановления пациентов после инсульта», отметил доктор технических наук, профессор Томас Виганд (Thomas Wiegand), исполнительный директор, представитель Берлинского технического университета и Института Герца Генриха.

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 дигитализации 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, обеспечиваемые ИИ-технологиями. 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.

«Параллельно с этим растет объем цифровых медицинских данных и дополнительной информации. Модели ИИ, обучающиеся 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», – отмечалось в статье.

Искусственный интеллект

Внедрение ИИ-технологий в клинических условиях все еще находится на очень ранней стадии, полагает Наоми Ли (Naomi Lee), главный редактор The Lancet. « 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», – полагает эксперт.

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 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», – добавила Наоми.

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

Интересны также области как 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», – добавил эксперт.

По его словам, анализ настроений на основе интернет-данных и систем поддержки принятия медицинских решений показали 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.

Автор статьи: Стивен Ибараки (Stephen Ibaraki)

основано на статье Forbes: Is Global Healthcare Ready For Broad 5th Machine Age Technology Adoption?