Над тем, чтобы научить нейросети находить неладное в данных ЭКГ, работают младшие научные сотрудники кафедры математического моделирования факультета математики и компьютерных наук Мария Киладзе и Ульяна Ляхова. Их научный руководитель Павел Ляхов говорит, что изначально ученым было интересно узнать, может ли программа справиться с задачей, которая иногда и у самих врачей вызывает затруднения.
Первым делом математики определили, сочетание каких нейросетей дает наибольшую эффективность, а затем стали обучать их на массиве апробированных данных - базе кардиограмм пациентов, по которым врачи уже поставили диагнозы. Их в итоге и сопоставляли с резюме, которое давала программа.
- Нам удалось найти удачную архитектуру, что позволило получить более высокий процент точности корректных распознаваний кардиограмм, соответствующих человеку со здоровым сердцем и больному аритмией, - рассказывает Павел Ляхов. - Записи, которые мы использовали, проверены и размечены экспертами. Нейросеть обучалась на большом количестве историй болезней. Теперь на основе этого она строит математические связи, пытается предугадывать заболевания и самостоятельно ставит диагноз.
Он объясняет, что одна из нейросетей внутри системы анализирует именно кардиограмму. Сначала данные анализа обрабатываются математическими инструментами, чтобы очистить их от шума. Другая нейросеть изучает метаданные о возрасте, поле пациента и прочих параметрах, интересных врачам. В результате на основе аналитического "сотрудничества" двух нейросетей и ставится диагноз.
Что же по поводу подобных разработок говорят профессиональные кардиологи? И что это за болезнь - аритмия? Если упростить, это любое нарушение сердечного ритма, так что под одним именем скрывается много разных патологий. Одни из них безвредные и требуют лишь наблюдения. Другие - опасные, могут привести к серьезным осложнениям и даже смерти.
К последним относится, например, мерцательная аритмия. При таком состоянии сердце начинает хаотично сокращаться с высокой частотой, а кровь распределяется по сосудам неправильно. Результатом могут стать острое нарушение мозгового кровообращения и инсульт. Именно поэтому подобные расстройства необходимо вовремя и правильно диагностировать.
- Зарегистрировать аритмию необходимо в момент возникновения нарушения ритма с помощью ЭКГ. Звучит достаточно просто, но по сути это не так. Сама фибрилляция предсердий достаточно часто может быть бессимптомной: сердце сокращается хаотично, но человек этого не чувствует. И если такую аритмию не зарегистрировать, то можно пропустить это важное и опасное заболевание. В таких случаях необходимо использование специальных мониторов, которые позволяют в течение суток регистрировать ЭКГ и определять наличие угрожающих нарушений ритма, - объясняет врач-терапевт группы компаний BestDocto Юлия Миронова. По ее словам, программа, которая сама обрабатывает электрокардиограммы, могла бы стать помощником для врачей. - Это прекрасная возможность для контроля и анализа данных суточного ЭКГ без вмешательства медицинского работника. Кроме того, нейросети позволят выявить определенные группы риска - людей, у которых также может возникнуть аритмия.
Впрочем, некоторые врачи к внедрению нейросетей в повседневную работу относятся скептически, отмечая их ограниченные возможности в современной медицине.
- Врач, уважающий себя, никогда не подпишется на то, чтобы диагнозы ставили программы, - говорит ставропольский кардиолог Елена Власянц. - Мы должны видеть все своими глазами. Возможно, участковому терапевту, которому надо приблизительно знать информацию, это поможет. Для какой-либо скрининговой диагностики это полезно. Но кардиологу точно не поможет.
Впрочем, как сообщают в пресс-службе СКФУ, разработка ученых уже вызывает заинтересованность медицинского сообщества. Главное препятствие, которое стоит на пути внедрения системы в практику, - нормативные акты в области медицины. В законодательстве пока не определено, как регулировать диагностику пациентов с использованием нейронных сетей.
Еще меньше доверия у законодательства к самостоятельному скринингу. Казалось бы, сегодня технические возможности гаджетов широки: любые умные часы умеют не только показывать время и оповещать о сообщениях, но также измеряют пульс и фиксируют много других данных о человеке. Так что мешает научить их в ежедневном режиме выявлять патологии и советовать владельцу обратиться к врачу?
- При нынешем законодательстве это, наверное, невозможно, - объясняет математик Павел Ляхов. - И человек, и программа могут допускать ошибки. А если нейросеть совершит фатальную ошибку и не отправит человека к врачу, кто за это понесет ответственность? Даже если у нашего продукта будет точность 95 процентов, в пяти процентах возможна ошибка, которая способна привести к печальным последствиям, если программой пользуется обычный человек без соответствующей подготовки и знаний.
Тем не менее тотальное внедрение нейросетей в медицинскую сферу, похоже, является лишь вопросом времени. Особенно при постоянной нехватке специалистов. По данным на июнь 2023 года, в системе здравоохранения Ставропольского края трудятся 9384 врача и 20 437 медработников среднего звена. Отрасль укомплектована медиками на 82,1 процента, но расчеты ведутся с учетом совместительства, то есть один и тот же сотрудник работает в нескольких медучреждениях в разные дни недели или разное время суток.
Кстати
В Москве искусственный интеллект (ИИ) научился определять перелом ребер на КТ-снимках органов грудной клетки. Это поможет врачам при описании сложных диагностических случаев (например, сочетанной патологии или тяжелых травм). Данное исследование войдет в состав комплексного сервиса искусственного интеллекта - по одному снимку нейросеть сможет определять признаки сразу множества патологий. Сейчас работает уже более 50 сервисов ИИ по 23 направлениям клинических исследований, с их помощью медики проанализировали около 10,5 миллиона изображений.