Московская модель искусственного интеллекта в поликлиниках стала точнее
В начале мая база приемов, на которой работает московская система поддержки принятия врачебных решений, была расширена до 12 миллионов визитов пациентов поликлиник Москвы. Благодаря этому точность постановки предварительного диагноза с помощью искусственного интеллекта увеличилась на 7,4%. Теперь совпадение в выборе предварительного диагноза у терапевта и у нейросети составляет 46%. Об этом рассказала заммэра Москвы по вопросам социального развития Анастасия Ракова:
"Система поддержки принятия врачебных решений стала неотъемлемой частью работы московских терапевтов 10 месяцев назад. За это время нейросеть дообучилась на 12 миллионах визитов, и во всех московских поликлиниках с начала мая заработала улучшенная версия сервиса. Он стал точнее на 7,4% и, как следствие, удобнее для работы врача, что положительно сказывается на качестве услуг для пациентов. Развитие цифровых сервисов в здравоохранении в целом способствует уменьшению вероятности ошибки при постановке предварительного диагноза и увеличению выявляемости заболеваний на уровне первичного звена. Последние данные говорят о том, что при выборе одного или трех диагнозов врач соглашается с предложениями нейросети в 46% и 68% случаев соответственно".
Реализация проекта системы поддержки принятия врачебных решений началась 1 июня 2019 года. С сентября 2020 года она работает во всех взрослых поликлиниках Москвы. Система состоит из нескольких модулей и полностью повторяет клинический путь пациента: от сбора анамнеза до постановки диагноза и назначения терапии. Модель искусственного интеллекта, лежащая в основе модуля постановки предварительного диагноза, создана совместно со Сбером и отмечена ООН как соответствующий целям устойчивого развития. Сервис, анализируя жалобы пациентов, предлагает врачу предварительные диагнозы по кодам международной классификации болезней (МКБ-10). Нейросеть обрабатывает текст жалоб, внесенный врачом в систему на приеме, сравнивает ее с массивом данных, который составляет 12 миллионов обезличенных записей пациентов в ЕМИАС, анализирует паттерны и предлагает врачу три наиболее вероятных диагноза. Получив заключение "цифрового помощника", врач может выбрать один из предложенных ему предварительных диагнозов либо поставить собственный. На данный момент точность модели составляет 68% при выборе из трех диагнозов и 46% при выборе из одного.
Для создания системы было проведено первое в России и одно из крупнейших исследований в мире. Разработчиками модели была обобщена статистика всех диагнозов в городских поликлиниках за один год, проанализированы более 2 миллионов визитов, проранжированы по вероятности категории заболеваний по МКБ-10 и выбраны 265 категорий, которые покрывают 95% случаев, с жалобами на которые пациенты впервые обращаются в поликлиники.
Помимо постановки предварительного диагноза врачу доступны "пакетные назначения". Они предлагают медику одностраничный справочник, где есть необходимый набор исследований и консультаций. Врач может воспользоваться ими, чтобы направить пациента на дополнительные лабораторные, инструментальные исследования или консультацию к узкопрофильным специалистам для подтверждения диагноза. Также терапевт увидит, был ли недавно пациент у профильного специалиста из списка, или проходил ли он рекомендуемые исследования - врач сразу может посмотреть результат, что исключает лишние действия по поиску нужного раздела меню. По своему усмотрению врач может как согласиться с рекомендациями сервиса, так и назначить дополнительные исследования или направления на консультации, либо сократить список предлагаемых назначений, если пациент их недавно проходил. Использование системы позволяет в 10 раз сократить среднее время назначения диагностических исследований.
Развитие системы поддержки врачебных решений позволяет минимизировать рутину в действиях врача, а также обратить внимание на моменты, которые может не увидеть глаз или посчитать это несущественным фактором. Также это позволяет избежать повторного назначения на одну и ту же процедуру, а значит снижается нагрузка на систему здравоохранения.
Внедрение подобных решений стало возможным благодаря единой цифровой платформе в столичном здравоохранении, которая развивается совместно Комплексом социального развития Москвы и Департаментом информационных технологий.
