Under pandemien gjorde russisk medisin et sprang til digital.
Denne prosessen begynte allerede før pandemien.Vektorene er skissert i veikartene til National Technology Initiative (NTI) "HealthNet" og "NeuroNet".AI-baserte plattformer vil hjelpe leger med å stille diagnoser, pasienter får alternative meninger, og utviklere lager nye medisinske tjenester ved hjelp av AI-drevne verktøy.Blant dem er CoBrain-Analytics, Botkin.AI, Celsus, samt utvikling av NTI-kompetansesentre.I fremtiden kan nye løsninger skapes takket være lanseringen av en teknologikonkurranse.
Identifiser depresjon ved MR
CoBrain-Analytics er en plattform som medved hjelp av AI hjelper det leger å spare tid og forbedre kvaliteten på diagnostikken, og utviklere lager nye tjenester basert på AI for medisin. Den ble utviklet av Skoltech som en del av NTI Neuronet-veikartet.
Det er tre hovedprodukter på plattformen:
- CoLab er et samarbeidsområde forutvikling og sertifisering av medisinsk AI. Med hjelpen kan team, startups og andre selskaper lage nye teknologier, drive forskning, søke løsninger på vitenskapelige eller kommersielle problemer.
- 2nd opinion er et bibliotek med søknader og en kunnskapsbase for leger og pasienter som vil mottaHer kan du finne personlige anbefalinger og en alternativ mening om diagnosen din ved å laste opp dine egne data, for eksempel et bilde av hudutslett eller røntgen.
- MedEducation er en pedagogisk del for leger, der forelesninger og spesialiserte kurs er tilgjengelige for leger.
AI på plattformen oppdager nå lungesykdommer fra røntgen og fluorografiske bilder, og kan også oppdage depresjon basert på MR-resultater. Listen over dens evner vokser.
Skoltech Communications
Moskva sentre er registrert på plattformendem. Burdenko, Vishnevsky, Ryzhikh, Kulakova, Solovyova, Pirogova, Scientific Center of Neurology, samt utviklere av medisinske systemer basert på AI (Care Mentor AI, PhthisisBioMed, Third Opinion), utviklingsteam og startups (Z-union, EyeMoove, BioDigital , Biogenom, Kleiber bionis, Sensorylab, MDink, Unim).
I desember 2020 kunngjorde Sberbank og Skoltechen avtale om å skape et økosystem for utvikling av AI i Russland. Biblioteket med applikasjoner og datasett, som ble dannet på grunnlag av utviklingen av Sber og CoBrain-Analytica-prosjektet, er for tiden et av de største i Russland.
Per desember i fjor ble AI-baserte medisinske løsninger opprettet av SberMedII og Skoltech brukt i 16 regioner i landet.
Gjør en lege oppmerksom
Botkin.AI er en plattform som bruker AI for å analysere medisinske bilder: CT, MR, mammografi og røntgen. Det hjelper leger: reduserer belastningen på dem og reduserer samtidig sjansen for å gjøre en feil som kan koste pasienten livet.
Algoritmen finner patologier i medisinske bilderog markerer de områdene som legen trenger å være ekstra oppmerksom på. Legen sjekker dem ved å bekrefte eller tilbakevise resultatene av AI-analysen - slik lærer systemet. I mars 2020 la utviklerne lungebetennelsesanalysefunksjonalitet til plattformen, noe som hjalp klinikker med å identifisere pasienter med coronavirus.
Plattformen brukes i Russland og i pilotprosjekter i utlandet. Dette er den første (og hittil eneste) plattformen som er registrert i landet som et "medisinsk utstyr med AI-teknologi i risikoklasse 2b": det kan brukes til diagnostisering av farlige sykdommer, inkludert kreft. Prosjektet mottok CE-merkesertifikatet, som er nødvendig for å komme inn på markedet i europeiske og andre land, og i planene - et sertifikat fra den amerikanske FDA (US Food and Drug Administration - "High-tech").
Botkin-utviklere.AI kalles fordelene med prosjektet: høy nøyaktighet i bildeanalyse og tilstedeværelsen av en ferdig skyplattform som kan distribueres i klinikker. Plattformen er allerede integrert med Unified Radiological Information System i Moskva: 46 medisinske organisasjoner var koblet til tjenesten fra august 2020.
Plattformen inkluderer:
- modeller for analyse av medisinske bilder;
- verktøy for å visualisere resultatene av patologianalyse;
- forskningsmarkeringsverktøy;
- tilpassbare arbeidsflyter for AI-verktøy og leger for å samarbeide.
Botkin.AI
Effektivitet kan undersøkes på plattformenmedisiner. I november 2020 begynte Petrovax, sammen med Intellodzhik, å teste effekten av Longidaza blant pasienter som hadde gjennomgått COVID-19. Dette er et av de første prosjektene i verden der kunstig intelligens hjelper til med å bestemme graden av lungeskade - inkludert over tid hos pasienter som har gjennomgått koronavirus.
I følge CrunchBase har prosjektet allerede samlet inn 3,8 millioner dollar. I desember 2020 ble 160 millioner rubler investert i Intellogic, utvikleren av Botkin.AI.
Arbeid med offentlige etater
Plattform "Celsus" (prosjekt fra selskapet "Medicalsystem screening "-" Hightech ") hjelper radiologer og onkologer å ta medisinske beslutninger. Ved hjelp av AI gjenkjenner den godartede eller ondartede endringer på medisinske bilder, indikerer deres plassering og tolker resultatene i henhold til internasjonale standarder.
Dette er det første programmet basert på AI-teknologier som er inkludert i Register of Domestic Software, som gir det rett til å jobbe med offentlige etater.
Under eksperimentet fra avdelingenMoskva helsevesen om bruk av datasyn bearbeidet 50 000 mammografibilder og 290 000 fluorografi i Moskva poliklinikker. Per september 2020 ble pilot- og kommersielle lanseringer av plattformen implementert i 13 regioner i Russland.
LLC "Medical Screening Systems"
Nøyaktigheten av bildeanalyse er 95% for mammografi og 93% for fluorografi.
I desember 2020, Venture Fund of the Nationalteknologisk initiativ investerte 180 millioner rubler i prosjektet. Selskapet planlegger å få sertifisering i Russland og i utlandet og gå inn på markedene i Sørøst-Asia, Midtøsten, Afrika og Europa.
Oppdag tuberkulose
Bedrifter og næringer trengerløse anvendte problemer, og vitenskapelige organisasjoner - for å kommersialisere utviklingen deres. For sammenhengen mellom vitenskap og næringsliv ble det opprettet et nettverk av NTI kompetansesentre. Hvert av disse sentrene er et konsortium som inkluderer teknologiselskaper, russiske universiteter, forskningsorganisasjoner og utenlandske partnere.
Blant utviklingen av NTI kompetansesenter forretningen "Artificial Intelligence", organisert på grunnlag av Phystech (MIPT), er det et system for å støtte medisinske beslutninger innen fluorografi, mammografi, kardiografi ved hjelp av søkemotorer og dyp maskinlæringsteknologi. For øyeblikket er det laget en eksperimentell prøve av systemet.
I henhold til testresultatene er analysens nøyaktighet:
- elektrokardiografisk modul - 83%;
- fluorografisk modul - 86%;
- mammologisk modul - 81%.
Kundene til plattformen kan være både private medisinske og forskningsorganisasjoner og føderale og lokale utdannings- og medisinske institusjoner.
Fragment av WSSP-grensesnittet. Foto: MIPT
NTI kompetansesenter for teknologilagring og analyse av stordata "på grunnlag av Moskva statsuniversitet oppkalt etter M.V. Lomonosov har utviklet en skytjeneste "AntiKoh". Tjenesten, som analyserer medisinske bilder ved hjelp av AI, blir publisert i skyen, så leger på alle nivåer i Russland og i utlandet har tilgang til det.
Utviklingen av kompetansesenter diagnosertuberkulose på CT med 93% nøyaktighet og lærer hele tiden takket være bruk av maskinlæring. Hun analyserer fluorografien på 0,8 sekunder, hvoretter den gir anbefalinger med en klassifisering i henhold til variantene av sykdommen.
Systemet brukes også til å oppdage symptomerCOVID-19. Teamet opprettet en pilotversjon av AntiCorona-skytjenesten. Tjenesten er opplært til å gjenkjenne sykdommen på røntgen og fluorografi. Disse typer undersøkelser er billigere og mer tilgjengelige enn CT: vanligvis er tomografier i store klinikker, og antall CT-spesialister er betydelig begrenset.
For å trene systemet brukte vi merketRøntgenbilder hentet fra amerikanske klinikker og fokusert på behandling av pasienter med coronavirus. Utviklerne mottok positive spådommer om påliteligheten av COVID-19-diagnostikk basert på fluorografiske bilder, dette er relevant, fordi nesten alle medisinske institusjoner i Russland er utstyrt med digitale fluorografier.
På Moskva referansesenter for strålingsdiagnostikkpå grunnlag av Diagnostic and Telemedicine Center i Moscow City Health Department og i 53 regioner i Russland, brukes AntiCorona til å diagnostisere COVID-19, og AntiKokh brukes til å diagnostisere tuberkulose. Takket være løsningen har mer enn 250 000 medisinske bilder blitt behandlet bare i referansesenteret i Moskva.
“Andelen vellykket analysertstudier overstiger 99% med følgende hovedindikatorer: følsomhet - 94,0%, spesifisitet - 66,0%, nøyaktighet - 80,0%, areal under den karakteristiske kurven - 90,0%, som overstiger de beste verdensindikatorene for lignende systemer ", - sa Mikhail Natenzon, leder av prosjektet "Cloud-teknologier for prosessering og tolking av medisinske diagnostiske bilder basert på bruk av store dataanalyseverktøy" fra NTI Competence Center for Big Data Storage and Analysis Technologies ved Moscow State University.
Pressetjenesten til ANO "NTI Platform" bemerket at prosjektene "AntiKorona" og "AntiKoh" tiltrukket 14 millioner rubler med investeringer.
Annen utvikling fra Russland
Det er en rekke andre prosjekter i Russland knyttet til bruk av kunstig intelligens i medisin. Flere plattformer er en del av Helsnet National Technology Initiative Infrastructure Center.
Webiomed plattform analyserer anonyme medisinske data,for å forutsi mulig utvikling av sykdommer og komplikasjoner av dem på personnivå og populasjonsnivå. I april 2020 ble Webiomed den første AI-utviklingen i Russland registrert av Roszdravnadzor som medisinsk utstyr.
Systemet analyserer ulike medisinske datapasient, identifiserer risikofaktorer og mistanke om sykdommer, skjemaer på grunnlag av prognoser som inneholder en omfattende vurdering av sannsynligheten for å utvikle ulike sykdommer og pasientens død av dem. Webiomed bruker maskinlæring, NLP-teknologi (Natural Language Processing), prediktiv modellering.
Prosjektet vil hjelpe ledere i feltethelsetjenester og leger reduserer sykelighet og dødelighet gjennom prediktiv analyse. Plattformen fra K-Sky-selskapet brukes i mer enn 70 medisinske organisasjoner i Russland.
System for selvhelse screeningBiogenom er tilgjengelig i Play Market. Med hjelpen kan brukerne få en transkripsjon av analyser, kontrollere korrektheten av behandlingen. Abonnement betales i fremtiden. "Vi er inkludert i registeret til HealthNet NTI Research Center, dette faktum øker tilliten fra industrielle partnere," sier Alexey Dubasov, administrerende direktør i Biogenom. "Det er også en positiv faktor når du deltar i forskjellige konkurranser."
Teknologiske konkurranser
Teknologikonkurranser kan åpne hele bransjer. Takket være DARPA Grand Challenge har det for eksempel dukket opp droner over hele verden, og Ansari X-prisen har lansert privat astronautikk.
For å vinne slike konkurranser må duovervinne den teknologiske barrieren. Men det viktigste er ikke en seier eller til og med en stor pengepremie, men det faktum at et fellesskap er bygget rundt konkurransen, nye lag blir opprettet. Deltakere i slike konkurranser skapte fremtidens marked: for eksempel Anthony Lewandowski, hvis motorsykkel ved DARPA Grand Challenge i 2004 falt tre meter fra starten, jobbet deretter på droner hos Google og Uber.
Anthony levandowski
I Russland i 2018 lanserte de en serieteknologikonkurranser Up Great i rammen av NTI. Så startet de første konkurransene: "Winter City" for ubemannede biler og "First Element" for opprettelse av hydrogenbrenselcellemotorer.
Finalen i den teknologiske konkurransen "Winter City". Foto: Vadim Frantsev
Nå forbereder vi oss på å lansere en ny teknologiskkonkurranse: deltakerne vil bli tilbudt å lage et AI-basert medisinsk beslutningssystem for å lage en komplett klinisk diagnose basert på kognitiv analyse av et kompleks av kliniske og laboratoriediagnostiske data fra en pasient og informasjon fra profesjonelle databaser med medisinsk kunnskap og kliniske anbefalinger .
Det AI-baserte systemet må bruke alle mulige pasientdata, all tilgjengelig utvikling av forskere og leger, for å hjelpe legen til å stille riktig diagnose.
Dette bør føre til etablering av nye selskaper og teknologiske løsninger innen AI for medisin.
Markedssituasjon gjennom øynene til oppstart
Entreprenører er enige om at bare pionerer og teknooptimister har interesse for AI-medisinske produkter.
"Avanserte private helseorganisasjonerer interessert i innføring av ulike teknologier som øker økonomisk effektivitet, kvaliteten på medisinsk behandling, forbedrer kundeservice, - administrerende direktør i Biogenom er overbevist om. "Og det gjør ingen forskjell for dem om denne teknologien er basert på AI eller bare et programvareprodukt."
Ifølge estimater fra K-Sky-selskapet (Webiomed), slikDet er nå mindre enn 5 % av avanserte medisinske organisasjoner i Russland. "Slike kunder viser tradisjonelt stor interesse for alle nye produkter og prøver å bruke dem," sier Alexander Gusev, utviklingsdirektør i K-Sky. "Til sammenligning, i USA er dette tallet allerede rundt 70 %."
Situasjonen vil gradvis bli bedre.I løpet av de neste tre årene vil tallet vokse til 15-20%, spår Gusev. Det vil si at litt mindre enn en fjerdedel av organisasjonene konsekvent vil bruke minst ett AI-basert produkt.
Markedsproblemer
Grunnleggerne av AI-baserte plattformer mener at det er problemer både på utviklerens side og på kundenes side.
Alexander Gusev bemerker at nesten alle produkternå løses bare visse deler av oppgavene: ”Det mangler funksjonalitet, dårlig integrering med eksisterende medisinske informasjonssystemer og andre grunnleggende produkter for å automatisere arbeidet til en medisinsk organisasjon. Derfor er deres nytteverdi i kundens øyne fortsatt begrenset. " Problemet kan løses ved å utvikle kapasitetene til systemer, styrke team og investere i utvikling. Men dette hindres av mangelen på gjennomsiktige og forståelige ordninger for inntektsgenerering.
“Markedet er rikt på oppstart av ulik kvalitet, -sier Artyom Kapninsky, medstifter av Celsus-prosjektet. - Hvis vi snakker om konkurrenter, kan vi huske eksperimentet fra byen Moskva på introduksjonen av AI i radiologi, som setter alle prikkene på i. Da eksperimentet nettopp var planlagt, ble 140 selskaper invitert, 40-50 svarte. Som et resultat, etter alle trinnene i vurderingen og funksjonstesting, var det bare 15 selskaper innen utgangen av året. I år, på et møte ved Department of Health, ble det kunngjort at eksperimentet ble utvidet til 2021. Vi sendte forslag til 180 selskaper over hele verden, svarte 12. Faktisk er det svært få selskaper med et ferdig produkt som kan vurderes for påføring og testing. Dette er en markedstrend: mange selskaper investerer i markedsføringsfond som de tiltrekker seg fra investorer, og jobber ikke for å forbedre sitt produkt, men for å tiltrekke seg nye investeringer. "
Å implementere AI-prosjekter, regionalereferansesentre som vil være engasjert i å forbedre kvaliteten på strålingsforskning, sier Mikhail Natenzon, leder for teamet av utviklere av AntiCorona- og AntiKokh-prosjektene. Men i de fleste regioner er det ikke slike sentre, siden det ikke er nok budsjettmidler til å opprette dem og trent medisinsk og teknisk personell for referansesentre.
"Å lage referansesentre for regionenedet er nødvendig å hjelpe til med utformingen, reguleringsstøtte for arbeidet sitt, sikre den økonomiske effektiviteten i deres funksjon, ”sa Natenzon. Disse oppgavene kan løses av teamet av utviklere av prosjektet "Cloud-teknologier for prosessering og tolking av medisinske diagnostiske bilder basert på bruk av store dataanalyseverktøy" fra NTI Competence Center for Big Data Storage and Analysis Technologies ved Moscow State University.
Fremtiden for kunstig intelligens i medisin
Analytikere spår at den årlige vekstratenAI-markedet innen medisin frem til 2022 vil utgjøre ca 70%. “En tidlig analyse av utviklingen av HealthNet NTI-markedet i 2015 viste at en av de mest lovende er segmentene for digital teknologi, inkludert utvikling og implementering av maskinlæring og algoritmer for kunstig intelligens i klinisk praksis, noe som ble reflektert i veikartet og ble ikke bare reflektert i støtten til en rekke prosjekter., men også opprettelsen av et økosystem, - bekrefter Mikhail Samsonov, nestleder for NTI HealthNet-arbeidsgruppen. - COVID-19-pandemien akselererte bare denne trenden og ga en enorm drivkraft for utviklingen av innsamling og analyse av strukturerte data innhentet fra å undersøke pasienter. På neste trinn forventer vi å løse enda mer komplekse problemer innen medisinsk beslutningstaking, samt mer effektiv analyse av ustrukturerte data. "
NTI-støttede prosjekter har blitt brukt av mange klinikker over hele landet for å hjelpe leger med å ikke savne pasienter med koronavirus symptomer.
Utvikling og støtte av slike prosjekter er i gangifølge Helsnet og Neuronet veikart. Det er planlagt at innen 2035 skal fem selskaper fra Russland som opererer i segmentene i dette markedet gå inn i de 70 beste selskapene når det gjelder salg i verden. Og i henhold til den nasjonale strategien for utvikling av AI fram til 2030, er det å skape forhold for bruk av AI i helsevesenet en av nøkkeloppgavene for å forbedre befolkningens levestandard.
Det er allerede en rekke selskaper på markedet somkan komme inn på listen over de beste i verden, og nye prosjekter vil vises. Det er et fundament for dette i form av eksisterende AI-plattformer, som har fått støtte fra National Technology Initiative. Nye løsninger vil også skape NTI-kompetansesentre, hvor vitenskap og næringsliv jobber sammen, og deltakere i en teknologikonkurranse som vil føre til samfunnsutvikling og opprettelse av nye team.
Se også:
Uranus har mottatt statusen som den merkeligste planeten i solsystemet. Hvorfor?
Fysikere har laget en analog av et svart hull og bekreftet Hawkings teori. Hvor det fører?
Abort og vitenskap: hva vil skje med barna som skal føde