В последние годы в практику успешно внедряются современные модели искусственного интеллекта (нейросетей), демонстрирующих высокую точность диагностирования не только наиболее распространённых, но и редких заболеваний. Это значит, что на горизонте появляется перспектива значительного облегчения труда врачей самых разных специальностей, в том числе педиатров.
Искусственный интеллект и анализ данных пациентов
Пандемия COVID-19 наглядно продемонстрировала мощные возможности ИИ в диагностике на основе изображений. Однако до недавних пор анализ разнообразных и массивных данных электронной медицинской карты был все еще непосильной для ИИ задачей [9].
Китайские и американские исследователи с помощью системы обработки естественного языка на основе анализа 101,6 миллиона точек данных из 1 362 559 посещений педиатрических пациентов создали модель, работающую с медкартой способом, аналогичным гипотетико-дедуктивным рассуждениям, используемым врачами, и продемонстрировали ее способность выявлять ассоциации, которые не были обнаружены предыдущими статистическими методами. Модель показала высокую точность диагностики заболеваний различных систем и органов, сопоставимую с опытными педиатрами [1]. По словам старшего автора исследования Кана Чжана, исследователя из Калифорнийского университета в Сан-Диего, аналогичный результат показала диагностика менее распространенных заболеваний, таких как острая астма (97%), бактериальный менингит и ветряная оспа (93%), мононуклеоз (90%) [6].
Согласно исследованию, опубликованному в 2022 году в журнале Otolaryngology-Head and Neck Surgery, модель OtoDX продемонстрировала чувствительность в 95% в диагностике инфекции наружного уха, по сравнению с 65% группы врачей, состоящей из ЛОРов, педиатров и врачей первичного звена, которые анализировали те же изображения. При тестировании на наборе данных из более чем 600 изображений внутреннего уха точность диагностики ИИ-модели составила более 80 процентов, что представляет собой значительный скачок по сравнению со средней точностью клиницистов [8].
Группа ученых из Швейцарии представила электронный стетоскоп (Pneumoscope), оснащенный алгоритмом DeepBreath, позволяющим автоматически интерпретировать результаты аускультации. Для анализа чувствительности и специфичности данной диагностической методики был выполнен ROC анализ (значение площади под ROC кривой составило 0.93 ± 0.01). Авторы указывают на еще одно преимущество – скорость исследования. Для корректного определения патологических звуков достаточно 5-10 секунд записи из 4 точек аускультации [3].
Одним из важных аспектов персонализированного подхода в диагностике заболеваний является учет индивидуальных особенностей каждого ребенка. Используя алгоритмы ИИ, врачи могут учитывать генетическую предрасположенность, особенности иммунной системы и другие факторы, чтобы разработать наиболее эффективное лечение.
Успехи отечественных разработчиков
Отечественными специалистами в 2023 году разработаны нейросетевые программы для прогнозирования течения постгипоксических нарушений сердечно-сосудистой системы у новорожденных; определения вероятности возникновения, тяжести течения и исходов таких тяжелых патологий, как церебральная лейкомаляция, внутричерепные кровоизлияния, гидроцефалия, некротизирующий энтероколит, бронхолегочная дисплазия, ретинопатия недоношенных, ранняя анемия недоношенных. Искуственный интеллект (ИИ) уже с успехом применяется для прогнозирования физического и нервно-психического развития ребенка к возрасту одного года и даже – для расчета вероятности неблагоприятного исхода (смерть или инвалидность) у глубоко недоношенных младенцев [9].
Специалисты проекта МФТИ iPavlov разрабатывают систему скрининга электронных медицинских карт (ЭМК) детей до семи лет для выявления редких генетических (орфанных) заболеваний [5]. Программа будет выявлять пациентов из групп риска на основе информации из ЭМК, затем, чтобы врач мог направить этих детей на углубленное обследование. Пока система может диагностировать всего четыре заболевания: мукополисахаридоз, болезнь Фабри, Помпе и Ниманна-Пика. Уже на этапе испытаний, проанализировав 800 000 ЭМК, система обнаружила более сотни потенциальных больных. В своей работе сотрудники МФТИ объединили два подхода: т.н. «систему на основе правил» (машина ищет в медкартах только те признаки заболеваний, которые заложили в нее профильные эксперты на основе своих знаний) и «систему распознавания и анализа естественного языка» (ИИ сам обучается находить симптомы на примере медкарт реальных пациентов, о которых известно, больны они или нет) [2].
В Сеченовском университете создают инновационное программное обеспечение, которое поможет педиатрам выявить первые признаки ювенильного артрита, а детским ревматологам – сориентироваться в вариантах этого тяжелого инвалидизирующего заболевания [7].
Не все так однозначно
Применение ИИ также влечет за собой важные этические и юридические аспекты, которые необходимо учитывать. Во-первых, одним из ключевых вопросов является конфиденциальность и сохранность персональных данных детей, которые используются в системах ИИ.
Во-вторых, растущая зависимость от ИИ в детской медицине может создать этические дилеммы в отношении принятия решений: кто понесет ответственность за возможные ошибки или некорректные рекомендации, сделанные компьютером? Как обеспечить безопасность, чтобы люди все еще оставались в центре деятельности и контролировали процесс применения ИИ в детской медицине?
Третьим вопросом является справедливость и доступность. Внедрение ИИ в крупнейших федеральных медицинских центрах и сетевых клиниках может привести к усилению неравенства в доступе к медицинским услугам, то есть может вызвать социальную и экономическую дискриминацию.
Наконец, вопрос обучения и обновления алгоритмов ИИ: как справиться с возможными систематическими искажениями или ошибками, которые могут возникнуть из-за несбалансированности в выборке данных или алгоритмах? [4]
Источники:
-
Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence /Nat Med. 2019 Mar;25(3):433-438
-
Генографическая карта: как ИИ поможет выявлять орфанные заболевания https://iz.ru/1445770/denis-gritcenko/genograficheskaia-karta-kak-ii-pomozhet-vyiavliat-orfannye-zabolevaniia
-
Глубоко вздохните – искусственный интеллект позволяет улучшить диагностику респираторных заболеваний / Медицинский научно-практический портал Lvrach.ru // https://www.lvrach.ru/news/15437609
-
ИИ в детской медицине: персонализированные подходы к диагностике и лечению детских заболеваний / farmatik.ru ИИ в фармацевтике и биотехнологиях // https://farmatik.ru/personalizirovannaja-medicina/ii_v_detskoj_meditsine-_personalizirovannye_podhody_k_diagnostike_i_lecheniju_detskih_zabolevanij_/
-
Искусственный интеллект находит предрасположенность к генетическим болезням в детских медкартах https://pharmmedprom.ru/news/iskusstvennii-intellekt-nahodit-v-detskih-medkartah-predraspolozhennost-k-geneticheskim-boleznyam/
-
Искусственный интеллект начал диагностировать болезни на уровне врачей-педиатров https://plus-one.rbc.ru/society/iskusstvennyy-intellekt-nachal-diagnostirovat-bolezni-na-urovne-vrachey-pediatrov
-
Искусственный интеллект поможет педиатрам распознавать ювенильный артрит на ранней стадии https://rg.ru/2023/08/10/iskusstvennyj-intellekt-pomozhet-pediatram-raspoznavat-iuvenilnyj-artrit-na-rannej-stadii.html
-
Искусственный интеллект превзошел врачей в диагностике детских ушных инфекций https://www.ferra.ru/news/techlife/iskusstvennyi-intellekt-prevzoshel-vrachei-v-diagnostike-detskikh-ushnykh-infekcii-01-09-2022.htm
-
Харламова Н.В., Ясинский И.Ф., Ананьева М.А., Шилова Н.А., Назаров С.Б., Матвеева Е.А., Будалова А.В., Иваненкова Ю.А. Использование искусственного интеллекта для диагностики заболеваний и прогнозирования их исходов у новорожденных. Российский вестник перинатологии и педиатрии. 2023;68(4):108-114. https://doi.org/10.21508/1027-4065-2023-68-4-108-XX
