В своем профессиональном сообществе мы можем говорить откровенно. У нас в лечебных учреждениях, люди в основном умирают в отделениях реанимации интенсивной терапии, а проблемы кадровые в этой области чрезвычайно острые и они все хорошо известны. Подавляющее большинство врачей работает, если не на две ставки, то на полторы как минимум, причем в разных учреждениях, перебегая с одного места на другое. Это ведет к физической усталости, психологической усталости, профессиональному выгоранию. Это же справедливо и для среднего медицинского персонала. Поэтому ключевая практическая задача цифровизации нашей службы – это облегчить работу персонала, максимально на сколько это возможно снять нагрузку.

С моей точки зрения, мы стоим на пороге развития. С одной стороны, нам очень нужна цифровизация чтобы решить текущие практические задачи, но в том числе нам нужно внедрять технологии для формирования больших баз данных, на основании которых можно объективизировать клинические подходы и совершенствовать клинические рекомендации.

В России появились компании, которые разрабатывают полный комплекс софта в операционные и палаты интенсивной терапии, оказывается, российские разработчики уже много лет разрабатывают софт для крупнейшего зарубежного производителя медицинского оборудования. Судя по всему, технология не является барьером, а барьером является регулирование и финансирование.

Можно сформулировать несколько позиций, которые необходимо обсудить профессиональным сообществом.

Перовое - можем ли мы сегодня говорить о создании собственных конкурентоспособных цифровых решений на основе искусственного интеллекта, которые будут соответствовать международному опыту?

Во-вторых, каковы должны быть показатели и критерии, на которые нацеливается программа цифровизации службы анестезиологии и реанимации и что мы ожидаем в конечном счете получить?

И, наконец, какое нормативно-правовое регулирование требуется, если мы внедряем цифровые технологии в реальной клинической практике?

Важно понимать, что медицина – это не единственная отрасль, которая сейчас переживает процесс перехода к цифровой трансформации. Если мы не будем в медицине или в госуправлении внедрять новые технологии, то мы не войдем в этот уклад лидерами, не достигнем технологического суверенитета. Чтобы новые технологии применялись эффективно, необходимо, чтобы отрасль, в которую они внедряются, была к этому готова. Абсолютно необходим диалог и постоянное взаимодействие между врачами и IT-специалистами.

На последней конференции по телемедицине главная проблема, которая была высказана – это недостаточное финансирование отрасли. Мне кажется, очень важно понимать, что медицина – это не просто социальная нагрузка на государство, это потенциальный источник финансирования бюджета за счет развития экспортного потенциала. Отечественные разработчики должны быть ориентированы не просто на импортозамещение, но на то, чтобы выходить на глобальный рынок и обеспечивать самофинансирование своего развития.

Российские врачи имеют мировую славу, российские программисты - лучшие в мире. Мы имеем все предпосылки, чтобы быть лидерами в создании систем искусственного интеллекта в области медицины.

Руссофт в этом году исполняется 25 лет, сейчас это 360 компаний и 100 тысяч разработчиков, работающих в России и за рубежом. Мало кто об этом знает, в России есть разработчики медицинского программного обеспечения, которые активно работают с известными международными компаниями. ПО, которое разрабатывают российские программисты мы импортируем обратно встроенным в иностранные мониторы пациента и другое медицинское оборудование.

НМХЦ Пирогова - одна из первых в России клиник, которая полностью оцифровала службу анестезиологи и реанимации.

Правовое регулирование не мешает нам создавать цифровую реанимацию, не мешает подключить все медицинское оборудование, не мешает создать правильные шаблоны, не мешает помочь врачу хоть каждые полчаса создавать дневник или протокол, практически не затрачивая на это времени. Для этого, прежде всего, нужны клиент-ориентированные, то есть врач-ориентированные программные продукты, оборудование и российские разработчики.

Внедрять цифровую реанимацию или развивать искусственный интеллект? Нужно разделить эти задачи. Датасет для искусственного интеллекта - это не четыре раза в день написать дневник. Это дискретность, это чистота данных, это полнота информации. Не создав цифровую реанимацию, не погрузив в единый поток всю цифру и данные, которые мы получаем с оборудования, лаборатории и информационных систем, мы не должны говорить о датасетах и искусственном интеллекте. Пока у нас не будет решен вопрос цифровизации базовых задач и документов в отделениях, то об искусственном интеллекте говорить преждевременно.

Отсутствие сбора данных с оборудования и со всей периферии вокруг пациента в единый цифровой поток - это одна из проблем, где отсутствуют стандартны и нормативно правовые требования. Нам, врачам, очень сложно эти требования защищать как при закупке оборудования, так и при внедрении информационных систем. Если крупные иностранные производители уже приспособились, то я, например, не знаю ни одного российского производителя ИВЛ, который мог бы передавать данные.

Главная задача разработчика – это хороший программный продукт, который должен уменьшить трудозатраты врачей. Разработчики должны перестать извращать работу врачей и призывать их стать секретарями для сбора данных для дата-сетов. Первое, что должен сделать разработчик - собрать весь поток данных с оборудования, лаборатории, информационных систем и изложить их в одном документе – дневнике, эпикризе или карте интенсивной терапии, сделав «секретарскую» работу за врача.

Для торгово-промышленной палаты цифровая повестка является одним из ключевых направлений деятельности во всех сферах. В конце 2023 года была создана профильная рабочая группа при Совете ТПП по развитию информационных технологий и цифровой экономики, в которую вошли представители ассоциаций врачей, разработчиков программного обеспечения и производителей медицинского оборудования.

В начале 2024 года были сформированы первые предложения, которые были направлены в соответствующие федеральные органы исполнительной власти. В данном случае я говорю о нормативных правовых мерах, способствующих повышению интероперабельности и открытому обмену медицинских данных. С этим вопросом к нам неоднократно выходило профессиональное сообщество, в том числе из медицинских университетов, клиник, и самих производителей оборудования и разработчиков ПО.

Ограничение обмена данными между медицинским оборудованием и функциональными системами существенно замедляет развитие технологий, качество и спектр производимых в Российской Федерации медицинских изделий, в том числе на основе искусственного интеллекта. При этом существенно ограничивается возможность повышения клинической, экономической, операционной эффективности самих медицинских организаций.

Я больше 20 лет руководил IT-службой крупного федерального гематологического центра. И по своему опыту знаю, что реанимация, безусловно, самый тяжелый участок для цифровизации. В первую очередь – это возможность получения объективных данных со всех оборудования, которые находятся в реанимации. Здесь мы точно должны говорить о стандартизации.

Сегодня мы используем термин «цифровая трансформация» здравоохранения. Чем отличается трансформация от информатизации? Информатизации – это когда мы берем бумажные документы и переносим их в экран компьютера. Цифровая трансформация – это когда цифровые технологии меняют сам стиль работы. И Вопрос не в том, что нам мешает нормативно -правовое регулирование - приказ по электронному документу обороту обеспечивает все необходимые требования. Но вопрос в том, как специалистам нужно поменять требования к своей медицинской документации, ориентируясь на то, что большая часть будет реализована в цифровом виде и, надеюсь, уже в ближайшем будущем будет заполнятся автоматически на основе данных с медицинских устройств.

Какие клинически значимые данные ИВЛ должен передавать производитель» – это вопрос стандартизации, совместного обсуждения вопроса в технических комитетах и профессиональных сообществах.

Разработчики постепенно переходят на стандарт FHIR, следующая итерации стандарта HL7. Это огромные стандарты, которые разрабатываются для каждого сегмента здравоохранения. Для медицинских устройств разрабатывается совершенно новый стандарт SDC.

В рамках нашей ассоциации НБМЗ по заказу НТИ мы разработали стандарт обмена информацией для персональных медицинских помощников, для устройств персонального мониторинга пациента. Это 84 страниц, которые касаются очень простых устройств типа тонометров или глюкометров. Сейчас мы разрабатываем совместно с техническим комитетом по лабораторной диагностике стандарт на базе FHIR для обмена данными с устройствами Point of Care, в том числе для лабораторного оборудования, которое находится локально в реанимации.

Мы первый отечественный разработчик реанимационно-анестезиологической информационной системы изначально ориентированы на международные стандарты. Поэтому нам было легко обеспечить совместимость и сбор данных с оборудования уже более чем 20 иностранных производителей. Что позволило опередить по количеству внедрений зарубежных производителей в России и начать реализовывать коммерческие проекты в соседних странах.

Действительно, законодательно нам ничто не препятствует внедрять цифровую реанимацию. Корректнее говорить о факторах, которые замедляют процесс массовой цифровизации.

Если посмотреть на критерии федеральной программы цифровизации здравоохранения, фокус явно смещен в сторону электронного документооборота и количества рабочих мест, то есть на информатизацию, а не цифровизацию. А следовательно, смещен фокус государственного финансирования. Ключевые показатели цифровой зрелости, по которым оценивают эффективность регионов и на которые нужно ориентироваться внедряя информационные системы в реанимации должны быть все-таки быть привязаны к клинико-экономическим показателям, качеству и безопасности медицинской помощи. В международной практике эти критерии показатели цифровой зрелости хорошо отработаны, в частности хорошо описаны в методологиях HIMSS.

Интероперабельность, открытость данных внутри медицинской организаций между всеми информационными системами и оборудованием – задача, которая, конечно, нуждается в нормативном и техническом регулировании. Некоторые медицинские информационные системы закрыты для интеграции со сторонними системами, такая же ситуация с Российскими производителями медицинского оборудования. В то время, когда иностранные производители ИВЛ почти 100% имеют открытые протоколы. Дело тут не в отсутствии стандартов, они во всем мире имеют рекомендательных характер. На практике это искусственные административные барьеры и конкуренция за государственное финансирование. А тем временем медицинская организация не может опереться на нормативно-правовые документы, чтобы разработчик МИС предоставил открытый интеграционный сервис и обеспечил бесшовный процесс, а отечественный производитель ИВЛ передал все данные в информационную систему.

Но, мы уже видим, что разработчикам информационных систем и производителям оборудования становится очевидно, обеспечение интероперабельности и открытость к интеграции – это не вопрос конкуренции, это не «прихоть» ученого, которому нужно собрать данные, не прихоть врача, которому «лень» написать дневник, а вопрос, напрямую связанный с безопасностью и жизнью пациента. Случаи, когда нам не удается договориться с производителем оборудования или МИС об интеграции, скорее, исключение, чем правило.

В Тюмени мы вместе с индустриальным партнером организовали консорциум из трех университетов - тюменского медицинского, тюменского государственного и тюменского индустриального. Сейчас мы занимаемся разработкой искусственного интеллекта в двух направлениях. Первое - это тот самый помощник врача, который позволит предсказывать критические состояния и второе – это сервис видеоаналитики, который позволит автоматизировать часть задач по наблюдению за пациентами.
На данном этапе мы концентрируемся на двух патологических состояниях - это септический шок и кардиогенный шок.
Мы анализируем параллельно четыре международных датасета, в том числе MIMIC и VitalDB, чтобы учесть международный опыт и работаем над созданием собственного.

Несмотря на то, что большую часть работы выполняют студенты во время обучения, мы достаточно планомерно и системно идем вперед. Рассчитываем, что сможем создать предиктивные системы уже в течение года и далее пилотировать уже на реальных данных. Мы уже обсуждаем, как это делать в партнерстве с российской системой РАИСа, которую рассматриваем как основного поставщика данных.

У нас есть взаимодействие с лечебными учреждениями Тюменской области, Ханты-Мансийского автономного округа, Ямало-Ненецкого автономного округа. И все это выполняется при организационной поддержке не только со стороны университетов, но и со стороны правительства Тюменской области.

Университетская клиника Сибирского Медицинского университета первой открыла для исследователей деперсонифицированные данные реальных пациентов из медицинской информационной системы.

Сейчас мы работаем над алгоритмами для геморрагического шока и мониторинга кровотечений. Система находится на этапе пилотирования внутри клиники.

За счет того, что разное оборудование, обладает разной дискретизацией и скоростью передачи данных, разных форматов, есть явные сложности их использования для обучения искусственного интеллекта. Так как единого стандарта нет, накопить качественный датасет в этой области – не самая простая задача.

Проблема, с которой мы столкнулись - это нехватка собственных данных. Для разработки алгоритмов мы пользовались международными репозиториями MIMIC и VITAL DB. Но даже в них данных не хватает для машинного обучения. Поэтому мы используем гибридный подход, когда часть данных моделируем при помощи классических математических моделей.

В чем основные задачи при создании дата-сета? Первая проблема связана с медицинскими данными - это опасность утечки персональных данных и чувствительной информации о здоровье пациентов. То есть требуется очень тщательно анонимизировать данные, чтобы не возникало проблем при их использовании в задачах Data Science.

Второй важный момент, чтобы создавать собственные дата-сеты, необходимо тщательно структурировать и кодировать информацию в электронной медицинской карте уже на этапе заполнения первичной документации. Если врач, заполняя дневник, данные осмотра, лаборатории, лекарственной терапии, витальные параметры и осложнения пишет сплошным текстом в медицинской информационной системе, то никакой пользы для обучения искусственного интеллекта эти данные не представляют.

Например, одна из проблем, на которую мы обратили внимание. В международных дата-сетах тщательно кодируются не только диагнозы по МКБ-10, но также и осложнения, данные осмотра в соответствии с классификаторами LOINC (универсальный стандарт для идентификации медицинских врачебных и лабораторных наблюдений). В отечественных МИС не принято использовать классификацию и справочники LOINC. Поэтому одна из главных рекомендаций профессиональному врачебному сообществу – гармонизация врачебной терминологии и классификаторов, прежде всего осложнений, с терминологией LOINC и регламентной службой ЦНИИОИЗ. Это действительно важная задача и чем раньше мы ее решим, там быстрее мы накопим собственные дата-сеты для искусственного интеллекта.

В итоге мы в СибГМУ умеем анонимизировать и структурировать и, соответственно, предоставлять данные для дальнейшего использования. Это происходит не в реальном времени, это происходит по мере накопления и обработки данных данных. После этого мы работаем с массивом, обрабатываем его и открываем для дата-сайентистов.

Поскольку я являюсь директором ассоциации искусственного интеллекта, уже пять лет вынужден отвечать на один и тот же вопрос, а заменит ли искусственный интеллект врачей? Я даю шаблонный, уже «выбитый в камни» ответ, что искусственный интеллект, видимо, врачей не заменит, но врачи, использующие искусственный интеллект, заменят тех, которые его не используют.

Эта фраза принадлежит одному венгерскому аналитику современных инновационных подходов. Когда обсуждали эту тему, он показал табличку, в которой распределил медицинские специальности по внедряемости искусственного интеллекта. По вертикали - рутинность и повторяемость действий, которые можно автоматизировать, по горизонтали – количество информации, которую нужно проанализировать. Рутинные задачи, которые требуют анализа большого количества информации –та область, в которой искусственный интеллект незаменим.

Анестезиологи-реаниматологи находятся в промежуточном положении - с одной стороны каждый раз экстренно приходится решать какие-то неожиданные задачи и работу никак нельзя назвать рутинной. С другой стороны, непрерывный огромный поток данных мониторинга пациентов , который нужно отслеживать и анализировать в режиме реального времени.

Массовое внедрение искусственного интеллекта в деятельность врача-анестезиолога и врача-реаниматолога, мне кажется более далекой перспективой, чем у других специальностей.
На данном этапе необходимо искать те точки приложения искусственного интеллекта, которые могут решать узкоспециализированные задачи. Если мы подключаем все прикроватные мониторы и оборудование в реанимации, то получаем непрерывный поток данных, который нужно сопоставить с состоянием пациента. Естественным интеллектом эти данные проанализировать очень трудно. Это очень хорошая точка приложения искусственного интеллекта для выявления и анализа рисков и прогноза неблагоприятных ситуации с пациентом.