Врач, рак и нейросеть. Как применяется искусственный интеллект в онкодиагностике
Лаборатория работает в технопарке "Сколково" с декабря 2017 года
Технологии в медицину приходят неравномерно. В одних направлениях, как в кардиологии, уже используются и развиваются боты-ассистенты, которые умеют анализировать электрокардиограммы. В других, как в онкологии, — «оцифровка» биоматериалов, по которым врач дает заключение, принята далеко не везде. ТАСС — о том, как эта ситуация начала меняться и каким образом изменения влияют на развитие алгоритмов, помогающих врачу поставить диагноз.
Как биоматериал становится файлом
«Здесь врачи отвечают на вопрос: есть у пациента рак или нет», — Алексей Ремез, руководитель гистологической лаборатории UNIM, расположенной в технопарке «Сколково», встречает нас у входа, выдает бахилы и начинает экскурсию.
Таких лабораторий, куда привозят биоматериалы пациентов онкодиспансеров, много по всей стране. Схема следующая: врач-онколог назначает пациенту, обратившемуся, скажем, с подозрительной родинкой, проведение биопсии. Этот полученный материал отправляет в лабораторию. Врачи-патоморфологи обрабатывают и исследуют ткань, чтобы понять: что за новообразование — злокачественное или доброкачественное.
Основной метод исследования не меняется десятки лет: доктор разглядывает ткань в микроскоп и дает заключение. Технологий, способных заменить в этом деле врача с микроскопом, — нет. И в ближайшее время, по мнению Ремеза, не появится. Зато есть другие технологические решения, которые, на первый взгляд, выглядят просто, но могут радикально изменить медицину.
«Наша лаборатория — первая в России, где все диагностические исследования проводятся в цифровом виде, — говорит Алексей Ремез. — Во всех российских патоморфологических лабораториях диагностика проводится в аналоговом виде и предмет исследования — это физическое стекло. Слышали про случаи, когда человек засомневался в диагнозе, поставленном в онкодиспансере, и поехал перепроверять в израильскую клинику? С чем он едет туда — с вот этим стеклом. Смысл нашей работы не в том, чтобы стать одной из лабораторий, а в том, чтобы вывести этот этап диагностики на другой уровень с помощью технологий».
Сначала биоматериал поступает на регистрацию, а оттуда — к врачу-патоморфологу. Доктор работает с ним, проводит вырезку, первичное исследование — все, как и в любой лаборатории. А вот дальше начинается «оцифровка» процесса.
«Биоматериалы размещаются в маркированные кассеты со штрихкодами, а также наносятся на стекла с такими же метками. И это тоже новация, как бы странно это ни звучало, — продолжает Алексей. — В большинстве лабораторий блоки и стекла подписывают карандашом. «Цифровые» метки исключают возможность того, что на каком-то этапе анализы просто могут перепутать. Так, хотя и редко, случается, а это вопрос жизни пациента. Снимки материалов сразу переводятся в электронный вид».
Все машины в лаборатории, через которые проходит материал, — их около десятка — связаны в единую систему с помощью программного обеспечения. Каждое действие записывается в историю в электронном виде. Эта «оцифровка» позволяет привлечь к диагностике врачей из любой точки мира.
«Исследование каждого материала проводится с привлечением двух и более экспертов. Благодаря «оцифровке», мы можем привлекать лучших специалистов по конкретному направлению. Если наш врач подозревает меланому — мы обращаемся к онкологу, который специализируется на раке кожи».
Чуда нет. Есть ошибки
Поставить диагноз в онкологии очень сложно. Ошибочные диагнозы — не редкость. У пациента есть рак, а врач выдает заключение, что рака нет. Или рака нет, а пациент получает такой диагноз, а вслед за ним химиотерапию. Чаще врач верно определяет, что рак есть, но ошибается с его типом.
«Это известная проблема, — говорит Ремез. — В России не проводили исследования, сколько неверных диагнозов. А в скандинавских странах озаботились этим вопросом. Собрали консилиум докторов и проверили какое-то значительное количество медицинских заключений. Речь идет о 30% ошибок в той группе, которую выбрали для исследования. В целом можно говорить о десятках процентов ошибок. Чаще всего ошибки возникают не в определении: есть или нет злокачественный процесс. А в определении фенотипа рака — это намного труднее, чем ответить на вопрос, что за ткань врач видит в микроскопе. Не все фенотипы просто известны медицине. Бывает, что врач сталкивается с неизвестным ему типом, — его зарегистрируют через несколько лет, но пациент болеет сейчас. И если неверно определить фенотип, то лечение, скорее всего, будет неэффективным».
Недавно в лабораторию приехал мужчина из небольшого города. У его жены обнаружили опухоль мозга, сделали операцию, удалили, отправили на исследование в одну лабораторию. Там дали заключение, что эта опухоль злокачественная: нужно продолжать лечение. Он решил проверить и поехал по другим лабораториям, в том числе обратился в сколковский UNIM.
«В нашей лаборатории дали заключение, что рака нет. И еще в одной подтвердили, что это доброкачественный процесс. Если бы он не засомневался, его жена уже получала бы химиотерапию или лучевую терапию. Или другие виды лечения с очень серьезными побочными эффектами».
Другая история. «Десятилетнему мальчику поставили диагноз — лимфома. Он получил несколько курсов химиотерапии. А выяснилось, что он не болел никакой лимфомой. У нас проанализировали первичный материал. Потом мальчику провели повторную биопсию. Проанализировали все материалы в совокупности и дали заключение, что рака нет».
Когда Ремез слышит истории про чудеса в духе: «Мужчине поставили рак, ему оставалось максимум полгода, он уехал жить из города в деревню и уже пять лет чувствует себя хорошо», — он думает, что это тоже врачебная ошибка.
Нейросети и боты-рекламщики
Что еще позволяет сделать «оцифровка» медицинских данных? Создать алгоритм, который может помочь доктору в диагностике. Врач исследует массу характеристик опухоли. Недавно разработчики UNIM создали нейронную сеть, которая умеет определять, говоря медицинским языком, индекс пролиферативной опухоли Ki67. А если проще — насколько быстро опухоль растет.
«Нейросеть считает общее количество клеток в материале и, определив, сколько из них экспрессирует, дает эту информацию, — рассказывает Ремез. — До появления алгоритма посчитать это при помощи классических математических методов было сложно. Теперь врач может просто «дать» программе снимок и нажать на кнопку. Обычно работа со снимком для определения этой характеристики занимала 15 минут, а теперь — до 30 секунд».
Нейросеть не отвечает на вопрос — есть рак или нет. Но при этом скорость роста опухоли — диагностически значимый параметр.
«Если доктор сомневается, злокачественная опухоль или доброкачественная, — он может посмотреть на эту характеристику. Высокий индекс — косвенный признак злокачественного процесса. Ткань в норме не должна так быстро делиться».
При этом, уточняет Ремез, ни один алгоритм еще не может заменить врача в онкодиагностике. Нейросети могут подсказывать, советовать, видеть точечные характеристики, но не давать заключения. Это важно знать, чтобы не стать обманутым.
«Один врач увидел чат-бота в Telegram, который предлагал следующее: сфотографировать родинку и отправить на проверку. И тут же придет ответ: есть ли подозрения на злокачественный процесс. Это запредельная идея! Доктор положил на руку пряник, сфотографировал, отправил. Бот ответил, что это, возможно, серьезное поражение и нужно обратиться к врачу, — ну, и вот адрес нашей клиники».
Чему научатся алгоритмы через десять лет
Применение искусственного интеллекта в патоморфологии слабо развито. В других медицинских направлениях все иначе.
«Очень активно развивается применение искусственного интеллекта в тех областях диагностики, которые уже накопили много «оцифрованных» данных, — объясняет Алексей Ремез. — Так происходит в рентгенологии, уже пару десятков лет все рентгены оцифровываются. Похожая ситуация в кардиологии: ленты ЭКГ также давно оцифровываются. В кардиологии данные, нужные для диагностики, намного проще, чем в патоморфологии, — вариативность меньше и сами они попроще. В патоморфологии речь идет о гигабайтах данных. В кардиологии — о килобайтах, в рентгенологии — о мегабайтах, если говорить про одно исследование. Их проще нарабатывать, обрабатывать, с ними проще работать. Регуляторы пока медленно принимают эти технологии. А когда они разрешат использование алгоритмов в кардиологии, в больницах ленту ЭКГ будет оценивать искусственный интеллект».
В онкодиагностику технологический прогресс тоже будет приходить, но медленее.
«Многие разработчики занимаются нейросетями для медицины, в том числе и для патоморфологии, — говорит Ремез. — Через десять лет будут нейросети, которые смогут «видеть» разные характеристики опухоли. Будут разные системы поддержки принятия врачебных решений: и в диагностике, и в лечении. Алгоритмы смогут анализировать первичные медицинские данные. Это вещи, которые уже появились и будут становиться лучше».
