Александра Алексеевна Зыкова, заведующая терапевтическим отделением КБ №1 МЕДСИ, где впервые в стране начали применять систему для распознавания значимых мед. событий, презентовала результаты её работы. По словам А.А.Зыковой, внедрение ИИ-алгоритма «AI мониторинг» снизило нагрузку на медсестер, в результате чего текучесть кадров в «красной зоне» остановилась на уровне всего 6%, что является беспрецедентным показателем по стране. В то время как в России из-за пандемии растет число обращений и жалоб на качество мед.ухода в названном отделении МЕДСИ за счет видеофиксации ухода объем претензии снизился. Умное наблюдение сократило пропуск 50% важных событий в палате, отмечаемый при прямом видеонаблюдении.
По словам А.А.Зыковой, система умного видеонаблюдения собирает клинически значимые данные: хождение, неустойчивость при ходьбе, длительность отсутствия в палате, попытки встать. В МЕДСИ эти данные используют для оценки состояния пациента.
Заведующий отделением БУ «Сургутская городская клиническая поликлиника №2» Василий Владимирович Норкин в своем докладе рассказал, как ИИ-модуль полтора года выполнял роль ассистента врача. В автоматическом режиме программа обнаруживала на КТ исследованиях специфические признаки пневмонии, вызванной COVID-19: симптом матового стекла, булыжной мостовой, плевральный выпот и очаги консолидации. За время пандемии с помощью ИИ-алгоритма «Третье Мнение» врачи сургутской поликлиники проанализировали свыше 10 тыс. КТ исследований органов грудной клетки. В.В.Норкин отметил роль сервиса в объективном и точном расчете процента поражения легких, невозможном в эмпирическом методе.
Врач-рентгенолог также назвал желательным добавление в модуль для COVID-19 дополнительного функционала для окноскрининга ковид-пациентов с целью выявления мелкоочаговых новообразований на ранних стадиях.
Главный специалист по лучевой диагностике, заведующий отделением лучевой диагностики КБ №1 МЕДСИ Данил Сергеевич Малютин обратил внимание, что в сети из 50 клиник применяется централизованный подход к обработке диагностических исследований. Поскольку все «тяжелое» оборудование (рентген, КТ, МРТ, ультразвук) объединено в единую медицинскую информационную систему, связано DICOM стандартом и PACS серверами, данные анализируется не непосредственно в клиниках по месту проведения исследований, а в едином референс-центре.
Такой тип организации, по словам Д.С.Малютина, сказался на загруженности рентгенологов. Одни врачи брали на себя повышенную нагрузку, а другие – не справлялись с нормой. В результате в МЕДСИ изменили подход к предобработке. Исследования, в которых ИИ обнаруживал патологию, направлялись в Московский регион, где сосредоточены главные силы, а в регионы направляли изображения, которые ИИ счел нормой. В клинике также отказались от перепроверки заведующим тех исследований, по которым был достигнут консенсус врача и ИИ-модуля. Эти меры привели к заметной оптимизации рабочей нагрузки и расходования средств.
Александр Михайлович Якушев, заместитель главного врача клиники Южно-Уральского государственного медицинского университета по информационным технологиям поделился опытом создания цифровой платформы для небольшой федеральной клиники. Приоритетными направлениями использования ИИ и СППВР в клинике, по словам А.М.Якушева, стали: анализ популяционных и данных ЕГИСЗ, анализ медицинских изображений, умные скрипты опроса пациентов, использование СППВР по задачам и нозологиям как сервисов, оперативный контроль качества и интеллектуальный бенчмаркинг, а также ряд других направлений.
А.М.Якушев рассказал, что на старте работы врачи с опаской относились к словосочетанию «искусственный интеллект» в медицине; и в последующем качество работы ИИ-алгоритма для заведующих отделениями и врачей стало удивительным. Убедившись в точности, со временем врачи стали уделять меньше времени перепроверке исследований. По итогам пилота расхождение в оценке вовлечения легочной ткани между врачами и модулем составило 26% в пользу ИИ-модуля. Позже устраненная гипердиагностика была характерна для 16% от всей массы исследований.
Затем, как утверждает А.М.Якушев, челябинские врачи провели эксперимент, в ходе которого сравнили точность и чувствительность ИИ-систем для обнаружения признаков COVID-19 от трех различных разработчиков и опытным путем убедились в превосходстве программы «Третье Мнение» .
В завершение выступления А.М.Якушев зачитал рецензии о работе модуля «Третье Мнение» от практикующих врачей ФГБОУ ВО ЮУГМУ: «За счет более объективного расчета объема пораженной легочной ткани класс КТ, выставляемый алгоритмом, был более точным чем у врача». По мнению другого рентгенолога, триаж сервиса «Третье Мнение» имеет большую ценность в клиническом процессе, поскольку предоставляет второе мнение и открывает возможность перепроверить вычисления врача об объеме вовлеченности легочной ткани в процесс вирусной пневмонии. Врач считает, что искусственный ассистент справляется с этими задачами даже лучше живого специалиста.