Корпоративный акселератор МТС — платформа для развития технологических проектов. Мобильный оператор помогает стартапам и состоявшимся компаниям доработать продукт, провести отраслевую экспертизу или запустить пилотный проект. МТС выступает как клиент и инвестор и проводит бизнес-обучение.
«Бумага» выпускает серию материалов о компаниях, которые участвуют в программе — от стартапов до состоявшихся бизнесов на стадии масштабирования.
В январе петербургский специалист по большим данным и врач-онколог запустили проект Aivicenna, направленный на борьбу с онкологическими заболеваниями. Они разработали нейросеть, которая помогает выявлять рак молочной железы, а также веб-приложение для клиник — чтобы обучать и тестировать врачей. Для этого авторы использовали информацию о 50 тысячах случаев из медицинской практики.
Юрий Макаров, исполнительный директор компании Aivicenna, участвующей в акселераторе МТС, рассказал «Бумаге», как научить нейросеть ставить диагноз, почему сложно работать с медицинскими данными в России и как повысить эффективность врачей с помощью больших данных.
Юрий Макаров
Исполнительный директор Aivicenna
Зачем нужны нейросети в медицине и как они могут помочь ставить более точные диагнозы
Долгое время я работал в инвестиционном фонде на позиции data scientist — потом мне это наскучило, и я стал копать в сторону медицины: это значимо, полезно и интересно. Я начал строить первые модели, построенные на открытых данных, которые выложил университет Флориды.
Я выбрал маммографию, поскольку рак молочной железы — это одно из самых распространенных заболеваний.
А потом на хакатоне (по цифровой медицине — прим. «Бумаги») мы встретились с нашим текущим кофаундером, экспертом по раку молочной железы из НМИЦ онкологии им. Н. Н. Петрова. Мы познакомились и поняли, что занимаемся одной и той же проблемой с двух разных сторон — и решили развивать всю эту историю.
Наше первое направление — это применение искусственного интеллекта в диагностике рака молочной железы: мы разрабатываем систему поддержки принятия решений для рентгенологов. Мы уже сопоставили определенное количество диагнозов нейросети с решениями медиков, но в дальнейшем планируем провести полноценные клинические исследования — чтобы показать, что нейросети работают столь же эффективно, как и врачи.
Обычно врач-рентгенолог смотрит на маммограмму и делает вывод: есть рак или нет. Мы ожидаем, что наша нейросеть поможет принимать эти решения более точно — с помощью ее алгоритмов можно увеличить выявляемость онкологических заболеваний, нивелируя человеческий фактор. Мы сотрудничаем с НМИЦ онкологии им. Н. Н. Петрова — это наш медицинский партнер, который предоставляет нам данные: маммограммы и тексты (например, анамнез), а также медицинскую экспертизу. Таким образом, у нас в команде есть медики, которые объясняют нам, как применять [алгоритмы] в каждом конкретном случае.
Как долго на рынке
8 месяцев
Сколько клинических случаев в базе данных
50 тысяч
Сколько клиентов
3 онкологических диспансера и 2 клиники
Наш проект — нейросеть, обернутая в интерфейс, понятный для пользователей. Доктор загружает снимок, и нейросеть ему сообщает: «Вот здесь потенциальное новообразование».
Всё машинное обучение основывается на разметке данных (в данном случае — когда для нейросети «отмечают», что представлено на том или ином изображении — прим. «Бумаги»). Мы разработали свой инструмент для разметки данных — доктора могут подключаться к системе и «размечать» снимки.
Проблема всех нейросетей — «черный ящик»: мы не понимаем, как программа принимает решение. Мы работаем над тем, чтобы нейросеть не только выносила решение, но и объясняла доктору, почему она так думает.
Конечно, модель может выучить только то, что мы ей даем. От некорректного результата в неожиданной ситуации никто не застрахован — и в этом случае врач должен ориентироваться только на себя. Например, если качество снимка низкое.
Как обучать врачей с помощью приложения и помогать опытным докторам оставаться на высоком уровне
Второе направление — довольно необычное для российского рынка: адаптивное обучение докторов (подход, учитывающий индивидуальные особенности обучающегося — прим. «Бумаги»). В медицинском образовании есть несколько проблем. Во-первых, оно устарело, во-вторых, оно во многом неэффективно.
Есть исследования о том, что врачу нужно просматривать 5 тысяч снимков в год, чтобы оставаться на хорошем уровне. Чаще всего, если люди работают в частных клиниках, они такой объем не просматривают. Мы поняли, что этот процесс можно упростить и ускорить. Для этих целей мы разработали веб-приложение с обширной базой данных, где собрано 50 тысяч клинических случаев. По сути мы создали программу, которая имитирует реальную жизнь врача. Приложение «ОнкоТренер» полностью готово, и мы начали первые продажи.
И для нейросети, и для приложения мы отбирали самые качественные снимки — тех случаев, которые вызывают наименьшее количество споров среди экспертов. Эти же данные мы используем для тестирования, аудита клиник: чтобы клиники понимали, на каком уровне работают их врачи, насколько успешно они диагностируют различные заболевания. В нашем случае клиент и пользователь — это разные люди. Клиент — главврач, который понимает, что необходимо понижать показатели смертности в клинике.
В большинстве клиник никто не проверяет, насколько хорошо диагностирует врач. На собеседовании ему задают вопросы, проверяют образование, общаются, — но формальное тестирование проводят единицы. Бывает, что у человека много регалий, но он элементарно не может поставить диагноз.
Анализ результатов теста, максимально приближенного к рутинной работе, — реальная оценка того, как работает врач. По сути, это симуляция рутинной практики врача.
Приложение позволяет оценить опыт доктора, насколько он отклоняется (или нет) от международных стандартов и с какой точностью диагностирует. Кроме того, мы можем не только протестировать врача, но и обучить. То есть выявить проблему, предложить посмотреть лекции и проанализировать большое количество случаев, которых недостает для опыта. Таким образом клиника понимает, что врач, которого она берет на работу, диагностирует с такой-то точностью.
Что мешает внедрить нейросети в российских клиниках
Сейчас у нас на сайте можно познакомиться с демо-версией приложения — там всего десять клинических случаев. Мы ее высылаем для коммерческих предложений. Мы решили работать в формате подписки — чтобы клиника получала безлимитный доступ к приложению для всех своих врачей на определенное количество месяцев.
В данный момент мы обсуждаем вопросы сотрудничества с клиентами: региональными онкологическими диспансерами, медицинскими центрами, частными и государственными клиниками.
Мы работаем над масштабированием приложения — сейчас начинаем заниматься разработками, связанными с раком кожи, легких и рака шейки матки. На первых стадиях решили охватывать разные сферы онкологии, а со временем и заняться другими направлениями медицины.
Проблемных заболеваний очень много, запросов, соответственно, тоже. Например, один из клиентов настаивает на внедрении эндоскопических исследований в нашу платформу.
Возникает большой вопрос — не только в России, но и во всем мире — кто несет ответственность за решение, которое помогает принять нейросеть? Безусловно, сейчас ответственность за диагноз несет доктор. Поэтому мы позиционируем наш продукт не как замену врача, а как систему поддержки принятия решений, которая помогает доктору быть эффективнее. Все люди устают, у всех есть ограниченный запас энергии. На врача влияют время исследования (начало дня или конец недели), загруженность и многие другие факторы: всё это может повлиять на качество диагноза.
Одна из главных проблем российских клиник — качество данных и их хранение. Данные в России далеко не всегда хранятся структурированно. Кроме того, низкая квалификация специалистов влияет на корректную трактовку диагноза — не существует жестких требований к формулировке диагноза, что влияет на качество данных.
Медицина в целом очень консервативная отрасль, но многие стали понимать, что подобные технологические изменения позволят реформировать отрасль со всеми ее назревшими проблемами — такими, как нехватка кадров, недостаточная квалификация и неуклонный рост количества исследований на каждого человека.
Мы верим, что наша работа позволит сделать качественный шаг в сторону улучшения подготовки специалистов, поддержки принятия решения и совершенствования диагностики онкологических заболеваний.
Мы узнали про акселератор МТС в одном из каналов, посвященных цифровой медицине. Заинтересовались, потому что был трек E-Health, что попадает в нашу тематику. Знали, что акселератор помогают организовывать эксперты из GVA (global venture aliance), это стало одним из важных факторов принятия решения об участии.
Мы также многое узнали о клиентоориентированном развитии. Кроме того, обучение было очень практическим: все лекторы имели опыт в запуске своих проектов и говорили о методах, которые применяли в собственной практике. У каждой команды был ментор: он контролировал учебный процесс и помогал нам ускорить запуск проекта.
Акселератор пополнил багаж знаний, позволил познакомиться и поучиться у отраслевых экспертов, и понять, как работать и взаимодействовать с корпорацией, ее потребностями и целями, чтобы получить решение win-win.
Нам было также очень интересно взаимодействие с МТС в качестве стратегического партнера. Мы предложили им свой инструмент для разметки данных, немного переупаковав наш продукт для нужд МТС.
