Развитие цифровых компетенций врачей-рентгенологов
С. Е. Самбурский, К. А. Сергунова для "Московская медицина" No4 (38) 2020
Ресурсы для реализации московского эксперимента по компьютерному зрению в лучевой диагностике
Машинный анализ — сложный процесс. Недостаточно накопить базу данных — для того чтобы алгоритмы смогли с ней работать, сначала массив нужно структурировать и «перевести» на компьютерный язык. Само обучение нейросетей на полученных базах — не менее трудоемкая задача, справиться с которой по силам не каждому разработчику. Технологии, отобранные для работы со столичными поликлиниками и стационарами, отвечают требованиям не только к качеству работы с данными, но и к возможности обеспечить их конфиденциальность и сохранность врачебной тайны.
Алгоритмы продолжают совершенствоваться с каждым днем: регулярно тестируются разные гипотезы, а качество решений, предложенных ИИ-сервисами, оценивают свыше 500 врачей. Во время работы специалисты могут принимать или отклонять рекомендации алгоритмов — финальное решение в любом случае остается за врачом, который описывает медицинское изображение.
Внедрение новых технологий требует обучения не только самого искусственного интеллекта, но и людей, которые с ним работают. Департамент здравоохранения Москвы уделяет большое внимание обучению рентгенологов и развитию их “цифровых” компетенций —без этого даже самые продвинутые ИИ-сервисы будут не эффективным помощником врача, а бесполезной игрушкой».
Один из принципиально важных элементов для включения в рутинную работу общегородской системы здравоохранения инновационных принципов цифровизации — Единый радиологический информационный сервис (ЕРИС). Сервис был развернут в 2015 году, и сегодня он объединяет рабочие места более чем 2000 врачей-рентгенологов и рентгенолаборантов и диагностическую аппаратуру в 162 лечебных учреждениях Москвы. Все лучевые исследования, выполняемые в медицинских организациях, подведомственных ДЗМ, автоматически загружаются в систему, что дает возможность их дополнительного изучения и анализа, а также машинного обучения, развития и практического применения ИИ. С момента запуска проекта в 2015 году в систему загружено уже почти 6 миллионов рентгенологических и радиологических исследований.
Для того чтобы использование алгоритмов ускоряло, а не тормозило процесс диагностики, нужно решать проблему дефицита кадров и вкладывать ресурсы в повышение квалификации действующих специалистов.