Исследователи в Уфе намерены рассчитать последствия коронавирусной инфекции для здоровья пациентов, используя инструменты искусственного интеллекта. Ранее ученые создали модель распространения COVID-19, благодаря которой региональные власти могли планировать нагрузку на медицинские учреждения и регулировать степень карантина. Новый проект - международное исследование по влиянию болезни на здоровье человека в долгосрочной перспективе.
О "коронавирусных" исследованиях и недалеком будущем, когда лечить людей начнет искусственный интеллект, "Интерфаксу" рассказала доцент Уфимского государственного авиационного технического университета (УГАТУ) Ирина Лакман.
- Ирина Александровна, в апреле проектная группа Уфимского государственного авиационного технического и Башкирского государственного медицинского университетов создала очень точную модель распространения коронавирусной инфекции. Как она разрабатывалась, с какими сложностями вы столкнулись?
- Для прогнозирования использовались классические эпидемиологические модели, иногда с небольшими модификациями - например, мы добавляли число тестируемых, если у нас были такие данные. Предварительно модель надо "обучить" по исходным данным - мы брали официальные данные Роспотребнадзора. Мы пытались найти в прошлом коэффициенты перехода из статуса восприимчивых к инфекции в статус инфицированных, из статуса инфицированных в статус выздоровевших или умерших и с учетом полученного обучения продляли результаты модели в будущее.
Модель по официальным данным прогнозирует достаточно достоверно - точность прогноза была выше 99%. Но понятно, что официальные данные несколько преуменьшают число заболевших: есть люди, которые легко или бессимптомно переболели, соответственно, не все обращались к врачам и обследовались на инфекцию, неучтенными остались и бессимптомные носители. Сейчас популяционные исследования в Москве показывают, что переболело до 20% населения, а это 2,5 млн человек.
- Исследование было полезно для властей и системы здравоохранения?
- Такие прогнозы улавливают тенденцию в развитии эпидемии, и мы можем увидеть, когда будет взлет числа заболевших, когда будет падение.
- Сейчас же проектная группа будет анализировать последствия перенесенной инфекции для пациентов?
- Это большое научное исследование, которое мы планируем провести как международное. Основная гипотеза заключается в том, что любое заболевание имеет свое глобальное бремя для населения, и ковид не исключение. Но методики оценки глобального бремени ковида пока не разработаны.
Глобальное бремя должно учитывать не только сам факт перенесенной инфекции для человека, но и то, какие будут последствия, в том числе и отсроченные по времени, для его здоровья. Мы предполагаем, что это может стать очень большой проблемой, ведь уже есть сведения о том, что у многих перенесших коронавирусную инфекцию и выздоровевших людей обнаруживаются остаточные изменения в легких, возникают проблемы с почками, может пострадать сердечно-сосудистая система.
Поэтому первая цель нашего исследования - оценить риски развития неблагоприятных событий для человека, в том числе с помощью инструментов искусственного интеллекта, в разные периоды: через полгода и через год. Уже сейчас замораживаются образцы крови ковид-больных, она исследуется на специальные биомаркеры: например, наличие риска сердечно-сосудистой патологии, проблем с почками.
У нас собраны более двухсот образцов крови, а также 400 снимков ковидных больных, которых мы планируем обследовать в динамике. Через шесть месяцев мы посмотрим, как изменяется значения показателей биомаркеров крови, как изменяется результаты компьютерной томографии перенесшего коронавирусную инфекцию человека, остаются ли изменения в легочной ткани. Мы постараемся создать систему оценки риска для здоровья человека.
Вторая задача в рамках этого проекта - оценить глобальное бремя болезни. И здесь можно составить прогноз по здоровью пациента: приведет ли перенесенная коронавирусная инфекция к инвалидности, будет ли он далее трудоспособен, не упадет ли у него производительность труда. Это такая важная проблема на национальном уровне.
- И это поможет вовремя обнаружить угрозу и вылечить пациента?
- Позволит, в первую очередь, выстроить так называемую персональную траекторию диспансеризации этого больного. Если система сигнализирует о наличии у него высокого риска развития какой-то патологии, его дообследуют, а вовремя принятые меры позволят избежать каких-то серьезных осложнений для здоровья. Принцип, когда мы заранее знаем, что будет с вашим здоровьем, - это и есть основа персонализированной медицины, которая уже появляется и будет развиваться дальше.
Пока мы не планируем довести проект до реализации программного обеспечения, внедренного в систему здравоохранения, рассматривая его исключительно с точки зрения академической, а не практической ценности. На данном этапе это исключительно научный проект: мы хотим исследовать эту новую для нас проблему. Пока это рабочая гипотеза, которую мы должны проверить с помощью различных инструментов. Может быть, мы не правы, и никаких последствий для здоровья нет.
- Система будет собирать информацию о пациенте и делать выводы с учетом анамнеза?
- Да, информация о пациентах будет учитываться системой в так называемых электронных медицинских картах, в США и Европе они уже стали реальностью. У нас тоже есть информационные медицинские системы, которые собирают данные, но часть исследований, например, снимки или описания, сделанные на бумаге и переведенные в файл pdf, хранится в неструктурированном виде. Чтобы машина их "прочитала", нужно преобразовать данные, и здесь нам тоже помогают алгоритмы искусственного интеллекта, способные распознавать текст и изображения.
Кроме того, данные машина может собирать и сама, например, получая результат исследования крови напрямую с анализатора, без участия человека, ведь человек допускает ошибки. Данные с датчиков (при холтер-мониторинге, например) можно сразу загрузить в систему.
- Какие страны участвуют в проекте?
- Исследование проводится при совместной поддержке УГАТУ и Башкирского государственного медуниверситета (БГМУ), в проекте задействована лаборатория гемодиализа. С нами достаточно сильная команда исследователей: наши коллеги из Северо-западного политехнического университета Китая (город Сиань), специалисты в области биоинформатики и геномики (это целая лаборатория искусственного интеллекта в медицинских исследованиях), а также коллеги из института Дели (Индия) - математики, специалисты в области анализа данных и статистики.
Мы подали два гранта на конкурс изучения новой коронавирусной инфекции странами БРИКС, чтобы проект выиграл, его должны одобрить все три комитета стран. Но в любом случае, исследование будет продолжено.
- В проекте будет задействован искусственный интеллект, какова его роль?
- Впервые алгоритмы искусственного интеллекта будут применяться не для регистрации поражения легочной ткани, а для сравнения снимков, сделанных в разное время. Алгоритмы настроены на выявление различий. Самое интересное, что это будет так называемый explainable AI, то есть объяснимый искусственный интеллект.
Такое внимание к объяснимому искусственному интеллекту обусловлено последними тенденциями в медицине - требованию четкой оценки достоверности решений в медицине, принятых на основе искусственного интеллекта. Представьте, вас не врач лечит, а машина - можете ли вы ее мнению доверять?
Это очень серьезный вопрос: ваши алгоритмы должны быть объяснимыми, вы должны понимать, почему было принято такое решение. И у нас уже есть совместный с компанией "Лексема" и "Лабораторией гемодиализа" опыт создания объяснимых алгоритмов искусственного интеллекта. Можно понять, почему машина приняла такое решение. И, я думаю, что объяснимый искусственный интеллект станет одним из направлений будущего в области таких критических областей, как здравоохранение, беспилотные летательные аппараты, авиация.
- Время, когда искусственный интеллект будет нас лечить, уже совсем близко?
- Да. Но основная проблема искусственного интеллекта, из-за которой многие системы так и не были реализованы, - это отсутствие доверия как со стороны экспертного сообщества в России, так и со стороны самих потребителей этих технологий. Сейчас этой проблемой очень серьезно занимаются, создаются специальные комитеты, которые будут сертифицировать решения искусственного интеллекта. Второй достаточно сложный момент, от которого мы никуда не денемся, - это этичность принятия решений. Над этим тоже надо думать. В то же время мир не стоит на месте, и, конечно же, алгоритмы искусственного интеллекта будут двигаться в сторону большей объяснимости.
Еще одна проблема - это исследование так называемых редких случаев. Алгоритмы искусственного интеллекта подстраиваются под массовую картину, но в медицине всегда есть 1-2% редких случаев, когда симптомы налицо, а диагноз другой. Как с ними быть? Поэтому сейчас разрабатываются современные алгоритмы, способные учесть в том числе и редкие случаи.
- Какие еще исследования у вас были?
- В 2015 году мы вместе с БГМУ, инфекционной больницей и фармкомпанией проводили исследование по оценке глобального бремени хронического вирусного гепатита C. Исследования оказались полезными, они помогли спасти человеческую жизнь: было доказано, что иногда лечить гепатит C более дорогими лекарствами выгоднее, чем лечить более дешевыми, но долго и с меньшим эффектом. Исследование достаточно интересное, оно соответствовало мировому уровню, вышли статьи. Несколько лет спустя аналогичные исследования с теми же выводами опубликовали ряд зарубежных коллег. Также мы более 10 лет сотрудничаем с кафедрой пропедевтики внутренних болезней БГМУ (завкафедрой профессор Науфаль Загидуллин), в том числе по разработке системы оценки долгосрочных рисков в кардиологии на основе данных биомаркерной панели.
- Машина преподносит сюрпризы?
- Машина всегда выдает неожиданности. Она может увидеть некоторые вещи, которые не лежат на поверхности. Например, мы совместно с профессором Науфалем Загидуллиным доказали, что высокий уровень значений некоторых кардиоспецифических биомаркеров крови являются значимыми предикторами неблагоприятных событий для здоровья человека в перспективе до трех лет.
