Будущее информатизации здравоохранения

Г.А. Бледжянц, канд. мед. наук, ст. науч. сотрудник,
С.В. Белов, врач-хирург,
НЦССХ им. А.Н. Бакулева РАМН,
А.В. Паносян, директор по информационным технологиям ЗАО «Socmedica»,
Д.В. Пузенко, канд. мед наук, ФНКЦ ФМБА России,
Г.Н. Мдинарадзе, канд мед. наук, коммерческий директор ООО «Дента-Рус»,
Р.С. Мелконян, терапевт Городской поликлиники № 61 филиал № 2
Кардиологического диспансера № 2 Департамента здравоохранения г. Москвы
Title1
Будущее информатизации здравоохранения: когнитивные системы
\\\
KeyWords
искусственный интеллект, коллективный разум, база знаний, информатизация
здравоохранения
\\\
Situation
Развитие медицины привело к необходимости хранить и обрабатывать
значительные объемы данных. Эффективное использование этих данных
невозможно без создания когнитивных экспертных систем, основанных на принципах
«искусственного интеллекта».
Первая когнитивная экспертная система – DeepQA «Watson» корпорации
«IBM» – уже начала успешно использоваться в онкологии. Российская компания
«Socmedica» занимается разработкой собственной когнитивной экспертной системы
по диагностике заболеваний и принятию решений (далее – КЭС).
\\\
Система создается на основе баз знаний, медицинских классификаторов,
общих и специализированных лечебно-диагностических алгоритмов. В ней
реализована уникальная система для моделирования памяти искусственного
интеллекта, которая способна усреднять мнения миллионов врачей, формируя
коллективный разум. КЭС станет виртуальным «медицинским специалистом» и
помощником врача, позволит принимать безошибочные решения на всех этапах
ведения пациента – от первичной диагностики до индивидуального подбора доз
лекарственных препаратов.
В процессе развития медицины в геометрической прогрессии растет объем
информации, что естественно влечет за собой необходимость ее хранения,
обработки и использования. Все это согласуется с современным трендом BigData
«больших данных» и развитием IT-технологических решений в этой сфере1.
Важно
Big Data дают возможность правильно оценить предрасположенность к
заболеваниям разных групп пациентов, предвидеть развитие заболевания у
конкретного индивида и даже возможность создать фармацевтические препараты
http://www.emc.com/collateral/analyst-reports/idc-extracting-value-from-chaos-ar.pdf. Дата извлечения –
04.07.2013.
1
под нужды конкретного пациента. Таким образом, современная медицина переходит
на качественно новый уровень – к персонализированной медицине2
\\\
Сегодня наблюдается информационная перегрузка врачей, свидетельством
которой является наличие врачебных ошибок, как таковых, наличие сверх узких
врачебных специальностей, не дающих возможности широкого всестороннего
взгляда на сопутствующую патологию, а также статистика медицинских запросов в
сети интернет.
По данным MEDI-Q 2012 года, в профессиональной практике Интернет
используют почти две трети опрошенных врачей (64%). Из них треть (32%)
используют сайты, посвященные медицинской проблеме или заболеванию. Еще
четверть врачей (26%) вовлечена в профессиональное общение, посещая
специализированные форумы, 21% состоят в профессиональных сообществах или
группах в неспециализированных социальных сетях. По данным исследования
"Digitalsources и современное информационное пространство", одними из причин
более скептического отношения к профессиональным сетям и форумам являются
низкая с точки зрения врачей достоверность представленной информации, а также
сомнительный уровень профессионализма авторов, пишущих на таких сайтах3.
Наличие
легкодоступного
ресурса
неструктурированной
и
часто
недостоверной информации в сети интернет и необходимости регулярного
обращения к нему превращает врача в проводника опасных решений, принятых на
основе такой информации, и сводит на нет перспективы развития
персонализированной медицины 4.
Требования современного врача очевидны, однако их реализация
сопровождается необходимостью обработки огромных массивов данных, что
выходит за рамки возможностей человеческого мозга к адекватному анализу и
оценке собранных данных.
Важно
Создание программной среды на основе единой системы медицинских
классификаторов, а также передовые достижения ИТ-индустрии в области
построения когнитивных экспертных систем, могут стать решающим фактором на
пути перехода рынка медицинских услуг на качественно новый уровень
\\\
Даже самый современный искусственный интеллект проигрывает разуму
человека. Попытки создать «нейронные компьютерные сети» безуспешны из-за
недостаточности данных об истинной физиологии нейрона. Однако, проблема
искусственного интеллекта – не только в принципиальном отличии конструкции
суперкомпьютеров от центральной нервной системы. Оказалось, что нейрон – это
нечто большее, чем мы себе представляли5. Осталось много вопросов, например –
как на молекулярном уровне формируется наша память и какое место в этом играют
белки; что представляют собой наши воспоминания и хватит ли суммарного
количества синапсов для хранения в них опыта всей нашей жизни и т.п.6.
Jain K.K. Personalized Medicine // Decision Resources, Inc. – Waltham, MA, USA, 1998.
MEDI-Q "Мнение практикующих врачей"http://www.comcon-2.ru/default.asp?trID=183.
4 Scanfeld D., MS, MA Scanfeld V., MPP, Larson E.L., RN, PhD, FAAN, CIC. Dissemination of health
information through social networks: Twitter and antibiotics // AJIC: American Journal of Infection Control. –
Volume 38, Issue 3, Pages 182–188, April, 2010.
5 Douglas R. Ph.D. Fields. The Other Brain: The Scientific and Medical Breakthroughs That Will Heal Our
Brains and Revolutionize Our Health, 2011.
6 Douglas R. Fields. Beyond the Synapse: Cell-Cell Signaling in Synaptic Plasticity, 2008.
2
3
Сегодня фундаментальная наука не успевает за научно-техническим
прогрессом – пока люди умеют делать только сложные тест-системы. Попытки
повторить ту или иную функцию мыслительного процесса человека мы называем
когнитивной экспертной системой.
Человеческий организм представляет собой предельно упорядоченную
структуру. Медицина как дисциплина, работающая с подобным объектом, также
должна быть досконально систематизирована и упорядочена. Сегодня, ощущая
пробел в этой области, ведущие мировые IT-разработчики сосредоточили свои силы
на разработке экспертных систем для медицины.
Внедрение принципов искусственного интеллекта в экспертные решения в
здравоохранении становится вопросом времени. Мы живем в эпоху перехода к
когнитивным системам, наблюдая за этим процессом на примере внедрения
программ информатизации здравоохранения практически во всех развитых странах.
Title2
Мировой опыт внедрения когнитивных экспертных систем в структуру
здравоохранения
\\\
В мировой практике действуют несколько общенациональных медицинских
сервисов, что связано, прежде всего, с конкуренцией на рынке страховой медицины
в индустриально развитых странах. Подобные интернет-ресурсы функционируют в
США, Канаде, Великобритании. Наиболее показательным является национальный
государственный портал www.nhsdirect.nhs.uk, созданный в Великобритании в 1997
г.
Что же касается экспертных диагностических медицинских систем, то таковых
почти нет, – они существуют только как узкопрофильные подсистемы в некоторых
клинических информационных системах.
Важно
Большинство экспертных подсистем представляют собой информационные
системы предыдущего поколения, требующие постоянного участия в своей работе
как профильных экспертов, так и инженеров по IT. Экспертные системы, лишенные
поддержки со стороны разработчика, быстро теряют свою актуальность
\\\
США, Япония, Китай, Бразилия, некоторые страны Евросоюза ведут
интенсивное внедрение информационных и экспертных систем в практическое
здравоохранение. Еврокомиссия рассмотрела план действий по информатизации
здравоохранения на 2012–2020 гг. Главная цель этих действий заключается в том,
чтобы в указанный период медицинские информационные технологии стали
неотъемлемой частью европейской системы здравоохранения. Составные части
плана Еврокомиссии – разработка и внедрение экспертной диагностической
системы.
Во Франции внедрение информационных и экспертных систем в области
здравоохранения предполагает несколько этапов. На первом этапе, получившем
название «Dossier Medical Personnel», предполагается формирование электронных
медицинских карт. Это позволит создать единый архив, содержащий полную
информацию о пациенте (от назначенных лекарственных препаратов до
проведенного лечения). Второй этап («Dossier Medical Patient») подразумевает
внедрение систем, посредством которых медицинские организации и учреждения
смогут обмениваться данными о пациенте в электронном виде. Последующие этапы
направлены на разработку и внедрение экспертных систем по аналогии с
искусственным интеллектом.
В Канаде реализуется программа «Info Way», рассчитанная до 2015 г.
Внедрение решения «HER Solution» должно обеспечить ведение медицинских
данных, поддерживаемых на протяжении всей жизни пациента, возможности
совместного использования и обмена данными между медицинскими организациями
и учреждениями, доступность медицинских услуг для жителей отдаленных регионов.
Следующим этапом развития системы будет интегрирование экспертной системы в
целях развития и наполнения «базы знаний».
Наибольшего успеха в разработке и внедрении экспертной системы добились
специалисты корпорации «IBM» (США). Примером экспертной системы,
использующей некоторые принципы ассоциативных систем, является вопросноответная система контентной аналитики «DeepQA» («Deep Question Answering»)
«Watson» корпорации «IBM», продемонстрированная впервые в начале 2011 г.
Система «Watson» представляет собой аппаратно-программный комплекс,
который работает на высокопроизводительном кластере из 90 серверов.
«Watson» обеспечивает обработку естественной речи, поиск информации,
моделирование рассуждений и реализацию машинного обучения для ответов на
вопросы. «Watson» не является нейросетевой системой, и ее сильные стороны
обусловлены применением лингвистического анализа текстов на английском языке,
статистических алгоритмов и анализа различных баз знаний
По сути «Watson» является переходной архитектурой от традиционных к
ассоциативным экспертными системам7.
Первый пользователь системы «Watson» – медицинская страховая компания
«WellPoint» – применяет ее для консультирования и оценки медицинских страховых
рисков.
С 2012 г. «IBM» сотрудничает с MSKCC (Мемориальный онкологический
центр, США) в области онкологии и повышения эффективности работы
медучреждений. С целью повысить качество и эффективность медицинской помощи
врачи и технические специалисты потратили тысячи часов на «обучение» «Watson»
систематизации, анализу и интерпретации сложной клинической информации. 15
февраля 2013 г. был представлен свой первый проект в сфере когнитивных
вычислений на основе суперкомпьютера «IBM Watson».
Эта разработка – первая из целой серии технологий, основанных на
применении «Watson», которые демонстрируют преимущества использования
больших данных, аналитики и когнитивных вычислений для решения наиболее
актуальных проблем в медицине. Это первый в своем роде электронный «советник»,
доступный через облачную среду, который, как ожидается, будет оказывать помощь
медикам и исследователям, давая им возможность определять индивидуальные
курсы терапии онкологических заболеваний (первоначально – рака легких)8.
Использование «IBM Watson» в инновационных решениях будет иметь
огромное значение для здравоохранения США, а возможность его использования в
открытом доступе в Интернете для любого врача даст толчок в развитии медицины в
стране.
Важно
Успешная апробация и клиническое применение данной системы могут
создать прецедент абсолютной монополии США на рынке медицинских услуг (в
отношении качества и безошибочной тактики лечения пациентов). Безусловно,
подобная ситуация подстегивает конкурентную среду на создание и развитие
проектов когнитивных экспертных систем, поддерживающих национальные
приоритеты в здравоохранении других стран, в том числе – Российской Федерации.
Хай Р. Эпоха когнитивных систем: принцип построения и работы «IBM Watson» // Redbooks. – 2013.
Кисель А. «IBM Watson» в действии: Выдающиеся технологические разработки повышают качество
медицинского обслуживания: Пресс-релиз, 2013.
7
8
\\\
Title2
Функции когнитивной экспертной системы
\\\
Основными пользователями КЭС будут
медицинские учреждения,
практикующие врачи и пациенты.
Сервисы системы заменят собой квалифицированного консультанта и будут
способны оказать врачам помощь в принятии решений. Они помогут определять
тактику лечения, проводить индивидуальный подбор лечебных и реабилитационных
алгоритмов с учетом индивидуальных особенностей каждого пациента. Система
предоставит доступ к медицинским классификаторам и интерактивным
инструментам для клинической практики.
КЭС может быть полезной в подготовке и аттестации практикующих врачей и
обучении студентов медицинских вузов. Система, используя обезличенные данные
по реальным клиническим материалам, обеспечит студентам хорошую подготовку.
В рамках научных исследований КЭС выполнит роль виртуальной площадки
для разработки и тестирования новых методов лечения.
Важно
Она позволит собрать и обработать статистические данные об использовании
и эффективности фармацевтических препаратов, данные о клинических
наблюдениях
\\\
С ее помощью можно будет предупредить развитие многих заболеваний и
генетических патологий на основе глубокого анализа анамнестических данных о
наследственности, о регионах проживания и миграции населения, половозрастном
составе, данных генотипирования и т.п.
Для каждого пациента КЭС может оказаться «персональным врачом» – она
будет сопровождать человека с рождения и учитывать все его особенности для
оценки риска развития онкологических, сердечно-сосудистых и других групп
заболеваний, их профилактики. Настройка сервисов системы в качестве мониторов
лечебных и режимных мероприятий будет способствовать приверженности лечению
и соблюдению врачебных назначений. При развитии заболеваний и/или их
осложнений система проведет поиск врача требуемого профиля.
Title2
Принципы работы и структура КЭС
\\\
КЭС использует новейшие разработки в области искусственного интеллекта,
уникальные базы знаний, новейшие медицинские классификаторы, общие и
специализированные лечебно-диагностические алгоритмы. Уникальным know-how
является то, что информация вводится в структурированном виде, на основе
модерационной сети компании «Socmedica». Для повышения эффективности работы
используется лингвистический анализ медицинских текстов; извлечение фактов и
знаний проводится с помощью методов анализа неструктурированных данных.
Для решения поставленных задач разработана концепция «ассоциативной
памяти искусственного интеллекта». Новый способ хранения логических связей
реализован по аналогии со структурой и функцией памяти биологического
организма. В основе – функциональная единица «белон» (кластер «неточных»
скользящих мультиполярных связей, где учитываются сила связей, их направления,
время влияния и многое другое).
Важно
При создании концепции функциональной единицы памяти искусственного
интеллекта были учтены особенности организма человека, механизмы его
адаптации и патологии
\\\
Структурированы медицинские категории понятий и терминов (как
проявляются признаки заболевания на каждом его этапе; как формулируются и из
каких элементов состоят диагнозы, жалобы и симптомы; какое место в диагностике и
лечении занимают патогенетические и компенсаторные механизмы).
Все это нужно для того, чтобы правильно разработать структуру
функциональных единиц памяти искусственного интеллекта (белона) и медицинских
классификаторов, где будет храниться вся информация о заболеваниях и норме в
логических связях.
Были разработаны новые медицинские классификаторы (которые замещают
существующие и восполняют недостающие), что было продиктовано отсутствием
единообразно построенных классификаторов медицинских терминов, понятий,
критериев и нозологий, а также, невозможностью использовать ни один из
существующих классификаторов для искусственного
интеллекта.
Новые
медицинские классификаторы структурированы и наполняются медицинскими
знаниями, между ними формируются белонные связи.
Для наполнения классификаторов и структурирования связей между ними
была разработана система модерации. Это многоуровневый инструмент наполнения
и моделирования памяти искусственного интеллекта, который можно адаптировать
для использования по всем медицинским специальностям и на любом языке.
Ввод информации в систему «Socmedica» можно сравнить с наполнением
энциклопедии «Wikipedia» – с той разницей, что информация в систему вводится на
разных языках, и не только в текстовом виде, но и в виде логических связей, а,
следовательно, система может усреднять мнения миллионов врачей создавая
коллективный разум. Создана система контроля ввода информации в базу данных
несколькими модераторами одновременно. Это позволяет избежать ошибок, а также
ввода в систему неполной или некачественной информации.
Наполнение медицинских баз знаний осуществляется специалистами в
области медицины и биологии. Сегодня классификаторы наполнены на 30%, связи –
на 4%.
Активная
работа
продолжается:
разрабатываются
механизмы
автоматического наполнения медицинских баз знаний, система распознавания и
лингвистического анализа медицинской документации.
Логический функциональный блок «над» классификаторами, заставляющий
работать заложенные в них знания и реализовывать их связи, – это алгоритм врача
общей практики (know-how). Основополагающие принципы профильных алгоритмов
для других клинических специальностей заложены в алгоритм врача общей
практики; они дорабатываются с привлечением экспертов из соответствующих
областей; проводится рутинная подгонка под их профиль основного существующего
алгоритма. Предусмотрена возможность добавления любых алгоритмов,
использующих существующие или будущие классификаторы.
Важно
КЭС дополнена модулем самообучения. Его механизмы основаны на
следующих принципах: ремоделирование существующих связей, формирование
новых связей, включение в систему новых, «ранее незнакомых» медицинских
терминов с последующей их интеграцией в классификаторы
\\\
В отличие от американской системы «Watson», «Socmedica» изначально
создается для медицинских целей, в нее включены врачебные алгоритмы, она
работает на основе структурированной информации, которая вводится в систему
экспертами/модераторами сети или автоматически; при этом проводится глубокий
лингвистический анализ научной и клинической литературы (медицинских
энциклопедий, учебников, руководств, пособий и т.п.).
KeyPhrase
Сервисы клинических экспертных систем заменят собой квалифицированного
консультанта и будут способны оказать врачам помощь в принятии решений. Они
помогут определять тактику лечения, проводить индивидуальный подбор лечебных
и реабилитационных алгоритмов с учетом индивидуальных особенностей каждого
пациента.
Сегодня мы находимся на этапе формирования Единой медицинской базы,
которая завтра станет всеобщим достоянием.
\\\