Как умные технологии в медицине помогают реже и «дешевле» болеть

Благодаря им многие национальные системы здравоохранения повысили эффективность лечения, сократили административные расходы и сделали большой шаг вперёд к использованию интеллектуальных методик помощи. О самых успешных кейсах в медицине — в нашем обзоре.

Авторитетное американское издание Health Weekly назвало искусственный интеллект, блокчейн, системы голосового поиска и виртуальную реальность самыми перспективными технологиями в сфере здравоохранения в 2020 году. Аналитики солидарны с журналистами: в ближайшие несколько лет нас ждёт увеличение количества интеллектуальных систем, массовое применение блокчейн-технологий, бионических и IoT-устройств в медицине. В среднем эти рынки будут ежегодно прирастать на 30–50%.

Технология машинного обучения оптимизирует затраты частных больниц в США

Steward Health Care, крупнейшая сеть частных больниц в США, использует машинное обучение на платформе DataRobot, чтобы улучшить результаты лечения, оптимизировать затраты и упростить принятие важных решений о персонале и пациентах. Раньше в больницах сети часто возникали ситуации, когда в пиковые нагрузки медперсонала не хватало, а при минимальном заполнении койко-мест его было больше, чем требовалось. В обоих случаях Steward Health Care нерационально использовала фонд заработной платы. В то же время сокращение персонала даже на 1% тогда, когда в нём нет острой необходимости, экономит компании до $2 млн в год. Сейчас все модели работы медперсонала регистрируются на платформе DataRobot, которая с точностью до 95% прогнозирует, сколько сотрудников потребуется больнице с учётом всплеска инфекционных заболеваний, сезона или других факторов.

VR-системы в медицинских университетах — обучение в (почти) реальных условиях

Медвузы экономят время и деньги, используя для обучения студентов системы виртуальной и дополненной реальности. В VR-очках учащиеся приобретают полезные навыки ещё до непосредственного контакта с пациентами. Виртуальная реальность помогает им «путешествовать» внутри тела, изучать неврологическую активность мозга и проводить сложные процедуры. Они получают первый опыт без практики на настоящем человеческом организме, но качество обучения от этого не страдает.

VR-очки Oculus Rift — часть системы «Хирургический театр», разработанной для студентов Стэнфордского университета. Виртуальные технологии тесно интегрированы с медицинской анимацией и текстовым контентом. Надевая очки Oculus Rift, студенты могут «потрогать» каждую кость, мышцу и сухожилие в теле человека так, словно делают это в реальности.

Роботизированные устройства для ухода, реабилитации и хирургического вмешательства

Медицинские роботы стали незаменимыми помощниками человека в проведении инвазивных процедур. Робот da Vinci специализируется на хирургических процессах в урологии, бариатрии и гинекологии. MAKO от Stryker — эксперт в ортопедической хирургии, особенно хорошо у него получаются операции по замене коленного сустава. Роботизированные экзоскелеты Cyberdyne Hybrid Assistive Limb взаимодействуют с датчиками на теле человека и реагируют на малейшие движения суставов. Это помогает реабилитировать пациентов, перенёсших инсульты и травмы спинного мозга. Роботы — помощники младшего медперсонала обеспечивают уход за пожилыми людьми и пациентами с ограниченными возможностями: помогают брать анализы крови, мерять температуру тела и выполнять гигиенические процедуры. А шустрые больничные роботы доставляют по палатам лекарства и отвозят образцы анализов в лабораторию.

Первая в мире платформа на базе искусственного интеллекта для улучшения психического здоровья

Британские и американские терапевты получают информацию о своих пациентах на интеллектуальной платформе IESO. Она оценивает результаты лечения, прогнозирует изменения в состоянии больного, определяет тяжесть заболевания. IESO — единственная платформа, которая использует искусственный интеллект и технологии глубокого обучения в терапевтическом лечении пациентов с психическими расстройствами. Её базы хранят десятки тысяч реальных клинических случаев. Анализируя их, она учится ставить правильные диагнозы и выбирать подходящее лечение, помогая медикам в их работе.

Роботы обрабатывают медицинские данные в индийских больницах

Платформа UaPath Enterprise помогает быстрее и эффективнее обрабатывать документацию в индийской сети больниц Max Healthcare. Раньше ручной ввод и сверка данных занимали много времени, а человеческий фактор приводил к неточностям в карточках пациентов и внутрибольничных документах. Благодаря RPA были автоматизированы подача заявок, перенос информации в Outlook и PDF-файлы, заполнение базы данных. Теперь не административный персонал, а роботы проверяют записи и обрабатывают претензии, контролируют сроки рассмотрения документов и выполняют другие рутинные задачи. Это позволило компании Max Healthcare на 75% сократить время на работу с документами и уменьшить количество ошибок.

Предиктивная аналитика помогает медикам выявлять пациентов, которые нуждаются в оперативной помощи

Компания Intel успешно протестировала в больницах Калифорнии инструменты предиктивной аналитики. Sharp HealthCare анализирует данные электронных карт пациентов и находит тех, кому срочная медицинская помощь потребуется в ближайшее время. Прогностическая модель создаётся на основе измерения артериального давления, частоты пульса и других параметров. Это позволяет предугадывать пессимистичные сценарии развития болезни и эффективнее использовать рабочее время сотрудников медучреждения.

Большие данные позволяют оптимизировать количество медперсонала в больницах

Главврачи часто не знают, сколько медработников им нужно в конкретное время. Переизбыток персонала приводит к тому, что больница впустую расходует деньги на фонд заработной платы, недостаток — к снижению качества обслуживания. В Париже сеть лечебных заведений Assistance Publique-Hôpitaux de Paris использует большие данные для почасовых и суточных прогнозов количества поступающих пациентов. Основным источником информации выступают регистрационные записи за последние 10 лет. Используя метод временных рядов и результаты машинного обучения, специальная программа находит закономерности и составляет алгоритмы, которые предсказывают число пациентов в краткосрочной перспективе.

Машинное обучение для ранней диагностики рака лёгких

Сотрудники подразделения Google AI совместно с медцентром Northwestern Medicine разработали модель машинного обучения, которая помогает обнаружить рак лёгких на изображениях, полученных в ходе скрининговых тестов. Программе удавалось ставить правильный диагноз в среднем на 5% чаще и ошибаться на 11% реже, чем контрольной экспертной группе. Клинические испытания в США и Европе показали, что скрининг грудной клетки может выявить рак и снизить уровень смертности от рака лёгких — ежегодно от него только в Северной Америке умирает более 150 тысяч человек. Система глубокого машинного обучения использует данные первичной компьютерной томографии и прогнозирует риск возникновения злокачественной опухоли.

Большие данные в геномике можно использовать для предсказания развития болезни

Чем дешевле стоит исследование генома человека, тем более востребована эта услуга и тем больше данных о накапливается. Обрабатывая их, можно предсказывать течение некоторых болезней. Исследовательский университет Эмори (США), онкологический центр Aflac и компания NextBio, которая специализируется на анализе геномных данных, собирают сведения по медуллобластоме — самой распространённой среди детей злокачественной опухоли головного мозга. Сейчас её лечат исключительно методом лучевой терапии. Платформа, которую разработали в NextBio, собирает большие объёмы клинических и геномных данных, чтобы предсказать появление метастазов рака у самых маленьких пациентов. В будущем это может кардинально изменить подходы к терапии заболевания.