ВОЗМОЖНОСТИ ПРИМЕНЕНИЯ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ ВРАЧЕЙ, РАБОТАЮЩИХ В ФИЛЬТР-БОКСЕ
ВОЗМОЖНОСТИ ПРИМЕНЕНИЯ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ ВРАЧЕЙ, РАБОТАЮЩИХ В ФИЛЬТР-БОКСЕ
Аннотация
Целью данной работы является исследование и анализ возможности использования искусственного интеллекта (ИИ) в качестве вспомогательной платформы при постановке диагнозов, связанных с респираторными инфекциями. Современные врачи инфекционных отделений зачастую, сосредотачиваясь только на Covid-19 или ОРВИ, пренебрегают другими потенциально опасными заболеваниями. Использование ИИ должно помочь идентифицировать другие патологии у пациентов с катаральными симптомами. Предлагаемое исследование является новаторским, так как оно сфокусировано на применении ИИ в области диагностики респираторных инфекций. Ранее такие исследования были ограничены другими областями медицины или имели более общий характер. Для достижения поставленной цели использованы различные исследования и базы данных. Также проведён анализ существующих алгоритмов и моделей ИИ, которые могут быть применены в данной области.
1. Введение
Классическими симптомами простуды считаются заложенность носа и боли в горле как следствие переохлаждения. Однако само по себе переохлаждение является триггером процесса, а причиной болезни становятся микроорганизмы, чаще всего вирусы или бактерии. Стоит отметить, что инфекции верхних дыхательных путей обладают наибольшей экономической значимостью среди инфекционных патологий. Для острых респираторных заболеваний (ОРЗ) характерна осенне-зимняя сезонность.
Источником является больной человек или носитель. Основной путь передачи — воздушно-капельный, что облегчает распространение микроорганизмов при разговоре, кашле, чихании и даже при обычном дыхании. Также существует контактно-бытовой путь передачи, который осуществляется через прямой контакт с заражённым человеком или через поверхности и предметы, на которых присутствуют патогенные микроорганизмы. В этом случае возбудители инфекции попадают на руки, а затем достигают слизистых оболочек верхних дыхательных путей через прикосновения.
Схожие клинические черты ОРЗ обуславливают целесообразность дополнительных методов исследования. Выбор тактики лечения патологии зависит от вызвавшего его патогена .
С целью предотвращения распространения респираторных заболеваний в поликлиниках посетителей разделяют на два потока: здоровых, без признаков ОРЗ и с нормальной температурой тела, и больных с респираторными симптомами. Прием людей с признаками ОРЗ проводится в специально оборудованных фильтр-боксах.
Внедрение систем искусственного интеллекта (ИИ) в медицину является одним из ключевых современных трендов в мировом здравоохранении. За последние пять лет технологии ИИ существенно изменили мировую систему здравоохранения. Например, в 2023 году ИИ научился обнаруживать внутричерепные новообразования на магнитно-резонансной томографии головного мозга .
2. Понятие фильтр-бокс
Фильтр-бокс — это структурное подразделение, предназначенное для отдельного приема больных. Оно обеспечивает готовность к оперативному оказанию помощи, забор биологического материала для исследований и госпитализацию с признаками внебольничной пневмонии .
2.1. Структура организации и особенности работы фильтр-бокса
В целом структуру фильтр-бокса можно разделить на 3 части: холл, кабинет забора биоматериала и кабинет доктора. Человек, зайдя в отделение, расположенное отдельно от основного входа поликлиники, вешает свою верхнюю одежду, надевает бахилы и маску. С заполненным информированным добровольным согласием и чек-листом проходит в кабинет забора биоматериала. Проводится экспресс-тестирование на Covid-19 и грипп. После взятия материала результаты мазков регистрируются в реестре проб, больному сообщается о результатах экспресс-тестов. Далее медсестра измеряет температуру тела, сатурацию, АД и заполняет чек-лист, после чего больной проходит в кабинет врача. Доктор знакомится с чек-листом, заполняет базовые сведения о пациенте в его электронной медицинской карте (ЭМК). Затем осуществляет более подробный сбор жалоб и анамнеза болезни, проводит осмотр, аускультацию легких, пальпацию живота (при соответствующих жалобах). После чего доктор выставляет диагноз, назначает терапию и отвечает на возникшие вопросы.
2.2. Основная проблема врачей, работающих в фильтр-боксе
Многие врачи выставляют диагноз в рамках «Covid-19/не Covid-19(ОРВИ)», зачастую пропуская иную патологию. В то же время люди, обращаясь за помощью с катаральными симптомами, даже не подозревают о наличии другой патологии, никак не связанной с ОРЗ.
Например, мужчина средних лет обращается в фильтр-бокс с жалобами на повышение температуры тела до 37,5С, мышечную слабость, боли в эпигастрии и тошноту, что может быть характерным для Covid-19 инфекции (т.к. вирус тропен к респираторному и желудочно-кишечному трактам). Однако экспресс-тест на Covid-19 оказывается отрицательным. Тогда доктор, вероятнее всего, выставит диагноз ОРВИ (подразумевая энтеровирусную или аденовирусную инфекцию). Однако грамотного медика насторожат боли в животе. Он проверит симптомы аппендицита (Ситковского, Образцова и др.), и они окажутся положительными. Это может указывать на наличие острого аппендицита и потребует экстренной госпитализации.
3. Применение ИИ в медицине и создание платформы по диагностике ОРЗ
ИИ обладает огромным потенциалом для трансформации здравоохранения. Он помогает в принятии решений, повышает точность исследований, оптимизирует терапию и прогнозирует её результаты. Алгоритмы ИИ анализируют данные для разработки индивидуальных планов лечения. Также он используется для мониторинга здоровья в реальном времени с помощью носимых устройств. Наиболее часто ИИ применяется в диагностике заболеваний . Алгоритмы, применяемые в данной области, приведены в Таблице 1.
Таблица 1 - Алгоритмы ИИ, применяемые в медицине
Алгоритм | Комментарии |
1. Классификация и распознавание | Алгоритмы могут быть применены для диагностики различных заболеваний на основе изображений, таких как рентгеновские снимки, КТ, МРТ и УЗИ. Примеры включают нейронные сети, сверточные сети (CNN) и методы компьютерного зрения . |
2. Прогнозирование и прогностическая аналитика | Алгоритмы машинного обучения могут быть использованы для прогнозирования течения болезни, вероятности рецидива или риска развития определенных состояний. Это может помочь в принятии решений о лечении и планировании медицинского ухода . |
3. Генетический анализ | Методы глубокого обучения и генетического анализа могут быть использованы для анализа геномных данных и выявления генетических мутаций, связанных с заболеваниями . |
4. Разработка лекарственных препаратов | Использование методов машинного обучения и моделирования может помочь в разработке новых лекарственных препаратов и оптимизации процесса исследования и разработки . |
5. Поддержка принятия решений | ИИ может быть использован для разработки систем поддержки принятия решений (СППР), которые помогают врачам в выборе оптимального лечения или диагностики на основе симптомов и медицинских данных пациентов . |
5.1. Клинические руководства | Это интерактивные программы, которые предоставляют врачам рекомендации по диагностике и лечению на основе клинических протоколов и лучших практик. |
5.2. Системы помощи в диагностике | СППР может помочь врачам в определении диагноза, предоставляя сравнительный анализ симптомов, медицинских историй и результатов тестов. |
5.3. Риск-оценка | СППР может оценить риск развития определенных заболеваний или осложнений, основываясь на характеристиках пациентов и медицинских данных. |
5.4. Планирование лечения | СППР может предоставить рекомендации по выбору оптимального лечения или лекарственных препаратов с учетом возможных побочных эффектов и эмпирических данных на основе характеристик пациента. |
5.5. Мониторинг и управление | СППР может помочь врачам в мониторинге состояния пациента, предоставляя предупреждения о возможных осложнениях или изменениях в лечении . |
4. Создание платформы по диагностике респираторных заболеваний на основе искусственного интеллекта
4.1. Основные требования
А. Данные о заболеваниях: нам понадобятся данные о респираторных заболеваниях, включая симптомы, историю болезни, результаты лабораторных исследований и т.д. Эта информация может быть получена из медицинских баз, исследований или от врачей и пациентов.
Б. Алгоритмы машинного обучения: искусственный интеллект будет использовать алгоритмы машинного обучения для анализа и обработки данных. Эти алгоритмы должны быть обучены на основе медицинских данных, чтобы определить паттерны и связи между симптомами и диагнозами .
В. Экспертные знания: помимо данных, платформа должна использовать экспертные знания врачей и специалистов в области респираторных заболеваний. Это может совместить возможности искусственного интеллекта с опытом профессионалов и повысить точность диагностики.
Г. Интерфейс пользователя: потребуется разработать удобный интерфейс для взаимодействия с платформой. Это может быть чат-бот или веб-приложение, которое позволяет медицинским работникам вводить симптомы и получать рекомендации по диагностике и лечению.
Д. Тестирование и валидация: критически важно провести тестирование и валидацию платформы, чтобы убедиться в ее эффективности и надежности. Совместная работа с врачами и проведение клинических испытаний требуется, чтобы оценить точность диагнозов, предоставляемых платформой.
Е. Общественные аспекты: требуется учесть правовые и моральные аспекты, связанные с обработкой информации и предоставлением диагнозов. Потребуется обеспечить соответствие законодательным требованиям и защиту конфиденциальности данных.
4.2. Анализ существующих платформ СППР
Galenos предназначена для поддержки онкологической настороженности по информации из ЭМК, анамнеза и жалоб пациента, которые предоставляются в виде протокола анкетирования, обрабатываются, и программа определяет необходимость направления больного на диагностику новообразований .
Симптом-чекер MeDiCase позволяет выявлять первичные симптомы заболевания на ранних этапах с помощью информационных технологий. Также он помогает наблюдать за динамикой показателей, а пациентам – самостоятельно следить за своим здоровьем. Программа простая и удобная в применении. После использования сервиса рекомендуется обратиться за консультацией лечащего доктора или врача MeDiCase для дальнейшей диагностики и лечения данного заболевания .
Электронный Клинический Фармаколог (ЭКФ) предоставляет доступ к актуальной информации о лекарствах, их взаимодействиях, побочных эффектах и рекомендациях по применению. Использование ЭКФ помогает принимать обоснованные решения при назначении лекарственной терапии, уменьшает риск ошибок в лечении и повышает качество медицинской помощи .
Webiomed.DHRA предназначена для автоматической оценки показателей здоровья, в том числе предсказания развития патологий. Программа способствует сокращению затрат на оказание медицинской помощи за счет предикции заболеваемости, смертности и утраты трудоспособности; сокращению времени доктора на обработку медицинских данных больного и количество врачебных ошибок; автоматизирует оценку рисков по группам больных, производит мониторинг пациентов высокого риска, что позволяет проводить персональную профилактику .
5. Ожидаемые результаты
А. Увеличение точности диагноза: ИИ-системы могут анализировать большие объемы информации, включая медицинские снимки, результаты лабораторных анализов и клинические показатели пациентов. Благодаря этому ИИ может обнаруживать скрытые закономерности и паттерны, незаметные для человека, и тем самым повышать точность диагноза ОРЗ.
Б. Более быстрая постановка диагноза: ИИ-системы могут обрабатывать данные с высокой скоростью и предоставлять результаты исследований в кратчайшие сроки.
В. Сокращение ошибок диагностики: использование ИИ может помочь снизить вероятность неверной диагностики, которые могут возникать из-за человеческого фактора, усталости или субъективных оценок.
Г. Повышение эффективности и оптимизация ресурсов: благодаря автоматическому анализу данных, ИИ может помочь определить, какие пациенты нуждаются в срочной помощи и интенсивном лечении, что позволяет эффективно распределить ресурсы и средства.
Д. Улучшение качества оказания помощи: более точная и быстрая диагностика ОРЗ, возможная благодаря использованию ИИ, может привести к более раннему началу лечения и более эффективному управлению заболеванием. Это может улучшить прогноз и повысить качество ухода за пациентами.
6. Обсуждение
Несмотря на большое число преимуществ, искусственный интеллект имеет свои минусы и возможные проблемы. Некоторые из них приведены в Таблице 2.
Таблица 2 - Проблемы использования ИИ в медицине
Минусы | Комментарии |
Недостаток данных | ИИ-системы требуют большого объема информации для обучения и достижения точности в диагностике. В случае острых респираторных заболеваний, особенно при новых или редких видах, может быть недостаток информации для обучения ИИ моделей. Это может снизить точность диагностики . |
Ошибки в обучении | Если обучающие данные содержат ошибки или неточности, то ИИ-система может научиться неправильно классифицировать или диагностировать заболевания. Это может привести к неверным рекомендациям или пропуску важных признаков патологии. |
Ограниченность интерпретации | ИИ-системы могут быть ограничены в способности объяснить причину своих диагностических выводов. Это может привести к недоверию со стороны пациентов и медицинского персонала, особенно когда требуется объяснение принятых решений. |
Ответственность и этические вопросы | Использование ИИ в диагностике подразумевает перенос ответственности с врачей на алгоритмы ИИ. В случае ошибок или негативных последствий, возникают вопросы об ответственности и этических аспектах использования ИИ в медицине . |
7. Заключение
Важно отметить, что использование искусственного интеллекта в терапии острых респираторных заболеваний может иметь большой потенциал для улучшения точности и эффективности диагностики данной группы патологий. Однако, необходимо помнить, что ИИ не может полностью заменить роль врача, а лишь служит инструментом для поддержки и облегчения его работы.