Машинное зрение и медицина

    Прошло лет пять с того момента как нейронные сетки начали втыкать в каждую дырку. Есть масса примеров где всё работает почти идеально — биометрия, распознавание технической информации (номера, коды), классификация и поиск в массиве данных.

    Есть области где всё хуже, но сейчас идёт большой прогресс — речь/распознавание текстов, переводы.



    Но есть области загадочные. Вроде как и прогресс есть. И статьи регулярно выходят. Только вот до практического применения как-то особо и не доходит.

    Давайте разберём то, как нейронные сеточки и машинное зрение работает в медицине.

    Небольшая оговорка. В статье я буду говорить только про машинное зрение. Это когда мы пробуем распознать что-то по рентгенограмме, фотографии, картинке с УЗИ, КТ/МРТ, И.Т.Д.
    Эти области которые сильно улучшились в последние годы. В других областях всё несколько запутаннее/хитрее, не хочу их касаться.

    Небольшая оговорка 2. Я хочу обойтись тут без явных примеров, рассматривая общности, которые справедливы почти для всех нейронок. Если интересно почитать что нейронки в последнее время научились делать в медицине, то советую:
    Распознавание флюорограмм
    Распознавание мамограмм
    Сетчатка
    Рак кожи

    И многое многое прочее.

    Часть 1 — с наскоку


    Медицина — очень специфическая область человеческого знания. В отличие от того что я перечислял выше (биометрия/номера/переводы) — тут есть ответственность. Если врач явно накосячил — человеческое общество предполагает что ему должно прилететь. Не сказать что эта установка всегда выполняется. Но есть некоторая парадигма и в сознании врачей и в сознании общества. С кем бы ты не говорил — люди всегда мыслят в этих рамках.

    А теперь приходим мы со своей нейронной сеточкой. И говорим: «мы предсказываем с той же точностью что и врач!» (ниже мы рассмотрим это утверждение подробно). Врач смотрит на одну фоточку — ок. На вторую — шикарно. А вот на десятой он не согласен с мнением сети кардинальным образом. Врач бы написал «подозрительно», а сеть выдаёт «здоров». «Что это такое?!» — думает врач. «Неужели бы мы выпустили этого больного?!»

    Глобально при подходе «нейронная сеть + врач» где цель сети «искать патологию» апостериорное распределение может быть следующим:

    1. Пациент имеет патологию -> нейронная сеть её нашла -> врач её увидел (плюс врачу в карму)
    2. Пациент имеет патологию-> нейронная сеть её не нашла -> врач её увидел (врач считает «ну и напридумывали тут хрени», минус в карму сети)
    3. Пациент имеет патологию -> нейронная сеть её не нашла -> врач тоже ничего не видит (все всё продолбали, никакого наказания никому)
    4. Пациент имеет патологию-> нейронная сеть её не нашла -> врач её не видит (врач считает «ну и напридумывали тут хрени», а дальше два варианта «врач уверен что он прав», находка уходит в утиль и «врач хочет спихнуть ответственность» — назначение дополнительных анализов/дополнительных исследований — и тогда победа)
    5. Пациент не имеет патологию -> нейронная сеть её не нашла -> врач тоже ничего не видит (плюс врачу в карму)
    6. Пациент не имеет патологию -> нейронная сеть её не нашла -> врач что-то видит («что же нейронка ваша не видит столь очевидных симптомов, даже если патологии тут не было — однозначно надо проверять!»)
    7. Пациент не имеет патологию -> нейронная сеть её нашла -> врач тоже что-то нашёл (все согласны, все в плюсе)
    8. Пациент не имеет патологию -> нейронная сеть её нашла -> врач ничего не видит (опять же два варианта событий «врач считает что он прав» — и всё ок «врач хочет спихнуть ответственность» — и запускает цепочку исследований. Результат — раздосадованный врач, что опять пришлось назначить кучу анализов а там ничего).

    Давайте теперь просуммируем все исходы: 1,3,5,7 — нет никакого изменения в текущем протоколе исследования. Для скрининговых исследований это будет 95% случаев. Нейронная сеть ничего не меняет, а любые действия с ней связанные будут являться усложнением работы врача = > в глобальном смысле будут давить в минус.

    Пункты 2 и 6 дают офигенный минус в карму нейронных сетей. Они будут создавать явный негатив каждый раз когда происходят.

    Пункт 4 — единственная ситуация когда нейронка может отыграться. Но она должна пройти через негатив врача. И это полностью будет убиваться Пунктом 8. Чтобы врачи поняли что нейронка эффективна — число случаев описываемых пунктом 4 должно быть сравнимо или выше чем в пункте 8. Но это достижимо лишь в тех случаях когда число пациентов с патологией высоко. Для скрининга это не встречается.

    Реальность выглядит ещё несколько хуже, если честно. Если нейронка видит чего не было в обучении, но что для врача однозначно — она будет выдавать какие-то рандомные ответы. Ну, например, остатки сложных медицинских вмешательств при флюорографии (швы/протезы/осколки). И, даже если сеть статистически лучше врача, но каждые пару недель врач видит одну и ту же очевидную ошибку — у него будет пригорать.

    Ок. Мы пришли к выводу, что при интеграции с квалифицированным врачом нейронная сеть практически не способна повысить выявление заболеваний — она будет лишь добавлять проблемы. А давайте подумаем как нейронку можно прикрутить без врача? Реальная проблема поликлиник в России — очень много низкокачественных специалистов на местах. Я разговаривал с врачами федеральных центов — и там две жалобы:

    • Врачи при малейшем сомнении отправляют в федеральный центр для диагностики
    • Врачи не видят опухолей на пол груди (мало опыта)

    Надо понимать, что в таких ситуациях любая нейронная сеть выдаёт точность на порядок выше чем такой врач.

    Но при попытке притянуть к реальности всё становиться несколько печальнее:

    1. Заменить врача целиком не позволит законодательство — опять же «кто будет нести ответственность»
    2. Врач низкого уровня скорее всего будет идти по одному из двух путей:
      • Считать себя умнее сети и не слушать её решения. Судя по тому что я видел — таких будет большинство.
      • Полностью исполнять её решения. Это неплохо, но мы не сможем заставить врача делать это бюрократически, ибо врач -тот кто несёт ответственность.
    3. На низком уровне есть вполне хорошие врачи — и это надо учитывать. Такие врачи могут подорвать репутацию любой программы, указывая на её ошибки.

    Самое печальное, что эта проблема «низкая квалификация врача» — решается другими способами, а не нейронными сетями. Грамотный системный подход, с постоянным обучением врача/проверкой квалификации/созданием сетевой инфраструктуры чтобы один врач мог обслуживать сразу много больниц / дублирование на 2-3 врача. Решать эту проблему нейронными сетями — примерно то же что и подходить к ремонту автомобиля со словами «у меня есть рулон скотча, почему бы не попробовать».

    Тот же ДИТ в Москве идёт тоже по пути «сначала сведем всё в одно место, а потом распознаем». Своё решение с нейронками они пиарили на конференциях. Но начинают работу они именно с системных решений. Нейронки в такие места придут потом, где-то ускорив работу, где-то повысив качество. Начинать надо именно с инфраструктуры.

    Конечно, есть способ как можно заткнуть эту проблему частично именно нейронкой. Автоматом проверять все снимки сделанные в учреждении. Поставить порог таким образом чтобы ложных срабатываний почти не было (да, пусть будем 20% больных пропускать). И, если мы уверены, что пациент болен — то в обход врача назначать ему дополнительные обследования.
    Выглядит просто. В реальности это адовый вариант: он рушит логику принятия решений (больного отпустили, как его назад теперь звать), он рушит репутацию врачей (как это Василий Петрович косячит?!), он неприемлем администрации (как 20% пропускать?!). Он не будет работать в случае если врачи компетентны. Для больницы непонятен профит данной системы, зачем тратиться на установку. И он возможен только если в медучреждении где уже есть хорошая информационная система.

    Но, в эту сторону смотрит половина проектов с которыми я сталкивался…

    Ещё неплохой вариант — подсвечивать врачу то что видит сеть. Опухоли/органы/какие-то характеристики. Но это не является задачами первоочередной необходимости. И в первую очередь нужно производителям оборудования. В какой-то момент такие «ассистенты» смогут сдать стандартом в области. Такой подход не требует жёсткого лицензирования, частично разгружает врача, является неплохим конкурентным преимуществом для аппарата/софта. Я видел несколько таких проектов. Но, опять же, это про другое. Это не заменяет врача, не улучшает выявляемость.

    Часть 2. А что со статистикой


    Недавно вышла офигенная статья. Мета-исследование на тему того какую точность нейронные сети достигают и как оно бьётся с людьми. Оно не содержит в себе ответов на то как что-то можно внедрить/использовать. Но хотя бы позволяет оценить современный передний край в науке.
    Итоговый график статьи примерно такой (оценка точности для всех исследований):



    Вроде даже люди ощутимо проигрывают! Но не стоит забывать, что это мета-исследование, где точки на графике — это итоговая точность алгоритмов.

    Если оставить те статьи где оценка людей и алгоритма идёт по идентичному набору данных (таких всего 14), то итоговый график будет куда интереснее:



    Видно, что при адекватном сравнении алгоритмы выдают почти ту же точность которую дают профессиональные врачи.

    Но не стоит забывать несколько моментов:

    1. Обучить нейронку можно только по чётко поставленной задаче. Если вдруг на снимке есть какая-то непонятная хрень — врач сразу будет разбираться, а выход нейронки будет не определён
    2. Точность врача зависит от квалификации. Об этом будет пример чуть ниже. Нейронка, скорее всего, даст какую-то усреднённую точность.
    3. Нейронка может быть зависима на метод/на обучающую выборку. Инвариантность врача значительно больше.

    Про точности врачей. Я натыкался на несколько исследований где анализировали точность врачей. По сути реально хорошую нейронку нельзя сделать без такого исследования. Из последних мне очень понравилось вот это. Чтение маммограмм одно из самых сложных направлений в рентгенологии. Надо пространственно восстановить 4 снимка снятых с разных направлений и понять всё ли ок или нет. Нейронка даёт где-то 87% точность при классификации больной/здоровый. Врачи — от 70% до 86%. При этом, согласно исследованию, врачи имели опыт в данной задаче.

    Не надо обобщать данное исследование на все другие задачи. Но виден прикольный момент — «плохим врачам нейронка однозначно помогает». А вот хороших — немного тормозит.

    Часть 3. О том, где нейронки в медицине реально помогают


    Всё что я говорил выше — были рассуждения на тему «нейронки и поиск паталогий». Отвлечёмся на несколько минут и поговорим про более общую тему — нейронки и медицина. Могут ли помочь нейронки в медицине, в анализе изображений?

    И тут ответ — однозначно да. И это уже активно используется. Из свежих примеров, что попадалось (привожу тут российские чисто медицинские стартапы которые дошли до продукта):

    UNIM — сеть лабораторий выполняющая исследования образцов биопсии (врачи называют это патанатомическими исследованиями). Эти исследования достаточно долгие и муторные. Врач садится и считает число клеток одного типа, другого типа, число окрашенных клеток, и.т.д. Ещё пару лет назад все эти подсчёты делались в микроскопы и с счётчиком в руке.

    Через нейронки это решается быстро и хорошо. Повышается точность (уж что-то а число клеток алгоритмически подсчитать сильно проще чем глазами + можно обрабатывать больший участок за меньшее время). А главное — очень сильно ускоряется время работы врача.

    DiagnoCat — анализ КТ на предмет заболеваний в зубах. Зубов у человека много. Лечащий врач обычно обращает внимание на тот зуб который лечит + на то что бросится в глаза. Никто не описывает все 32 зуба полноценно. Но алгоритм может. Такой подход повышает конверсию, улучшает итоговое состояние пациентов.

    Только в России я видел ещё 3-4 фирмы/стартапа которые успешно внедрили машинное обучение в околомедицинские технологии. И эти решения повысили качество услуг/уменьшили их цену.
    Главная особенность таких стартапов — они идут не от «решения всех проблем», а от «ускорения обработки данных»/«повышения эффективности».

    Эпилог


    Нейронные сети сейчас идут не от идеи вида «а давайте распознавать X». А от идеи вида «мы тратим кучу на Y — > можем ли мы как-то это оптимизировать?». Ну, например, автоматически заполнять диагноз, если тратим много времени на писанину. К сожалению, многие это не понимают.

    Изменится ли медицина в следующие 10 лет? Думаю что да. Но не за счёт нейронных сетей, а за счёт информатизации. Автоматическое управление потоками, виртуальные рабочие места, объединение всех данных в общую базу. А машинное зрение… Оно само появится в тех проектах которые до него дорастут. Тихо и незаметно.
    Recognitor
    Computer Vision and Machine Learning
    AdBlock похитил этот баннер, но баннеры не зубы — отрастут

    Подробнее
    Реклама

    Комментарии 24

      0
      Проблема в том, что обучать врачей — не вариант. Хорошие врачи — товар штучный, ценный и редкий. Очень мало людей желают работать за копейки, все время рискуя сесть.
      Нейросети должны не ставить диагноз, а перераспределить нагрузку на врачей, сделав так, чтоб в ситуации «все и так ясно» не требовался врач высокой квалификации. Стать первичным фильтром, отсекающим типовые проблемы, которые легко опознать. Это позволит сократить количество медперсонала, сильно сократить кадровый голод в плане опытных врачей и тем самым сильно повысить оплату и качество условий труда для самых сложных и дорогих специалистов, которые будут заниматься только теми случаями, в которых нейросеть не смогла дать однозначный ответ или пациент настаивает на том, что ответ неверный.
      Да есть некоторый шанс, что какому-то из сотен тысяч пациентов диагноз будет поставлен неверно и это закончиться его смертью — но это нормально. Сейчас люди в больших количествах умирают от неправильных/несвоевременных диагнозов. Наличие нейросети позволит сократить время на обследование в разы так же повысив его качество. И да… то что врача могут посадить в тюрьму за неверный диагноз/лечение — сказки — у меня вот так залечили насмерть бабушку и дедушку. И никакие попытки найти виновных не увенчались успехом — сразу исчезли медкарты, работники забыли про таких пациентов, дежурные уволились и тд… так что я куда больше доверяю нейросети чем мнению врача — в конце концов нейросеть специально врать не будет.
        +1
        Ещё раз повторю мысли из статьи:
        1) Ситуаций «И так всё ясно» — не будет. А если будут, то и врачи там нормально распознают и без нейронных сетей. А в ситуациях «треш и угар» — нейронные сети будут даже хуже врачей.
        2) Никто не будет внедрять сети пока не будет решён вопрос ответственности за ошибки. В том числе за очевидные ошибки. Какие-бы у вас не были пожелания — никто не будет брать на себя ответственность и сертифицировать. И никакие «нейросети должны» тут не помогут. Я так же могу сказать что вы должны:)

        Обучать врачей всё равно придётся. И ваш аргумент «не вариант» — очень уныл. Просто этот процесс надо стандартизировать. До той же степени до которой стандартизировано распознавание пистолетов в аэропортах. Проводить проверку врача в том числе на рабочем месте, добавляя фейковые картинки. Чтобы каждый день врач работал с большим объёмом данных и учился на своих ошибках.
        Это возможно, примеров работы таких система достаточно много.
        Но надо разгружать врачей от ненужной писанины, нужно давать врачам удобные рабочие места и инструменты просмотра.
        Почему-то в большинстве европейских стран сумели к этому придти. И нам надо лечить изначальные проблемы, а не затыкать их нейроночками. Если другие смогли — и в этой стране всё получиться:)
          0
          1. ситуацию — и так все ясно — должны распознавать нейросети просто по тому, что каждый пациент отнимает время. Время специалиста стоит дорого — нейросети отфильтруют тех пацентов, ради которых время врача отнимать не надо. В итоге в место трех хороших врачей, надо будет подготовить и оплачивать только одного — можно будет поднять ему зарплату в три раза.
          2. Никакой ответственности-за-ошибки не будет Просто перед приходом к врачу — человек сможет выбрать — живого ему доктора, который «теоретически» может быть наказа на косяк (понятно, что реально его никто никогда не накажет — хороший специалист, который обучался 8-10 лет и столько же набирался опыта стоит куда дороже, чем гопник с 11 классами образования — забудьте про всякие глупости типа равенства людей и равноценности человеческих жизней, врача реально посадить только если он накосячит и укакошит серьезную шишку) или полагаться на нейросеть, но подписать документ о том, что это его выбор и он отвечает за последствия. Такая бумажка раз и навсегда решает все вопросы с «ответственностью».
          Обучать врачей придется, но количество необходимых врачей снизиться, перейдя в качество. И процесс этот не стандартизировать, все люди слишком разные. А за предложение — проводить проверки на рабочем месте и прочую менеджерской фигню вас врачи сожгут на костре. Наоборот количество данных с которыми работает врач должно быть снижено в пользу их качества — убраны однотипные и простые случаи, чтоб максимально сосредоточить его внимание на том, что не поддается автоматизации, сложные случаи требующие опыта и вникания в проблемы.

          И таки у нас тут не европа. Случай с которым я столкнулся — не далее как три недели назад налоговая ЛО отключила предпринимателям прием электронной отчетности. Когда предприниматели приезжали в налоговую с бумагами, узнать в чем собственно дело — их заводили по одному в комнату и предлагали подписать подготовленные документы о том, что они полностью уплатят НДС (вместе с положенными вычетами) и тогда им сразу все включат. Для непосвященных — подписать сию бумагу для многих означает банкротство. Вы реально думаете, что в государстве с такими методами возможны положительные модернизации и снижение бюрократии?
            +1
            Вы хотите полностью изменить существующую модель с дырками на другую модель с дыркам. В вашей моделе не только дыр много, но и ещё ВСЕ законы менять нужно. Очевидно, что это невозможно.
            То что я рассказываю и предлагаю — успешно работает. Посмотрите примеры снизу — там уже врачи вписаны в систему. Эффективность повышена в десятки раз, качество услуги — тоже. Однообразность не мешает. При большом объёме работы, без бумажной волокиты — врачу спокойнее работать, его качество работы растёт.

            Но в целом, если примеры перешли на налоговую, то разговор надо сворачивать:)
            0
            2) Никто не будет внедрять сети пока не будет решён вопрос ответственности за ошибки.

            Зачем что-либо куда--либо внедрять? Просто сделать сервис, где человек может загрузить свой снимок и получить результат, а в результате предупреждение о том, что результат может быть не точным и никто не несет за это ответственность. Дальше пациент сам решит, что с этим делать обращаться к врачу или довериться системе. Это можно было бы делать в сотрудничестве с частными лабораториями типа «ИНВИТРО», сдал анализы, доплатил немного и получил автоматическое, ничего не гарантирующее заключение.
              +1
              Это неплохая идея, её многие обсуждают. Но:
              1) Человек не может принять правильного решения на основании описания флюорограммы/мамограммы и.т.д. Ровно для этого нужны врачи. В качестве примера можно привести ту же Европу — там даже какие-то примитивные лекарства вам без рецепта не продадут. Это всё делается так как люди, когда дело доходит до их здоровья — предвзяты и некомпетентны.
              2) Видел уже пару таких сервисов. Люди предпочитают людей однозначно. Их пугает любая автоматизация. Каждый в больнице считает что он уникален.
                0
                Человек не может принять правильного решения на основании описания флюорограммы/мамограммы и.т.д.
                Программа на основе анализа снимка может дать решение что делать дальше. Один и из советов — посещение врача с объяснением зачем и какие последствия за игнор. Правда такими серьезными системами никто кроме IBM не заморачивается, да и они со скромным успехом. Но никаких теоретический препятствий к разработке этого нет кроме одной — трудоемко.
                Люди предпочитают людей однозначно.
                Это инерция пройдет когда правильные проги появятся. Получить лучший совет задешево и дураку захочется.
              +1

              А какая есть ответственность за ошибки при анализах? Да никакой. Подход "нейросеть вместо врача" разобьётся об ответственность, вы правы. А вот подход — это просто ещё один анализ — легко будет успешным. Вам не нужно ничего делать с бесплатной медициной и как-то ей помочь, дайте платный сервис в условном Инвитро или гемотесте.


              Сейчас приходишь, сдал кровь, получил цифры. И это не диагноз. А будет — пришел, сделал снимок, получил цифры. А потом уже идёшь (или не идёшь) к врачу с этими цифрами от нейросети и с самим снимком. Врач отмахнется от цифр нейросети? Ну и ладно. Клиент-то свои цифры получил.

                +1

                Плюсую.
                Сетки должны излекать фичи из фоток. Фича должна быть не "здоров", а "такой-то орган имеет такое-то свойство".

            0
            Я вижу выход в немедицинских процедурах диагностики. Примерно как работают аттракционы по диагностике методом Фолля и все такое прочее псевдо. Кабинка, купюроприемник, нейросетка, заключение с пометкой «не является диагнозом, необходима консультация специалиста». Врачу не нужно конкурировать с нейросетью, нет никакой ответственности, нарабатывается база (можно материально стимулировать обратную связь), низкая стоимость процедуры.

            p.s. Полноценный рентген аппарат в кабинку установить невозможно, но с одной стороны прогресс идет, доза облучения на современных цифровых аппаратах все ниже и ниже, и быть может скоро сравняется с излучением от старого телевизора. А с другой стороны — можно обрабатывать уже сделанные пациентом снимки.
              0
              Сразу представил мошенничество, каковое у нас сейчас очень популярно — пройдите бесплатно обследование в нашей клиники — оппа, по всем данным у вас возможна волчанка — нужно пройти у нас обследование на сумму 100500р. При том что данные первого обследования вообще могут быть от ГПСЧ и никаким образом к пациенту не относятся. И никакие законы в России сейчас не способны хоть как-то наказать за подобное. Пациент сможет это проверить только пройдя обследование в другой клинике (либо долго и недорого, либо быстро и дорого) и работает сие на страхе ( Вот за организацию подобного вообще следует сжигать живьем, но увы… цветет во всю.
                0
                Ну грань между мошенничеством и бизнесом тонка и призрачна.

                Кстати говоря, массаж живет и в медицинской и в немедицинской плоскости. Всяческие анализирующие геном сервисы как то отбиваются от нападок официальной медицины.

                С другой стороны, официальная медицина вовсю прописывает фуфломицины… В общем тут есть прямое противостояние капитала и новый участник, ИИ, будет ожидаемо встречать сопротивление.
                0
                Таких сервисов достаточно много в последние годы. Никто ими не пользуется + это общее ухудшение качества здравоохранения. Ибо нейронка не решает вопрос «вовлечения» человека в лечение. Врачи во многом решают вопрос нехватки информации, и для 95% населения это критично.
                +1
                Я думаю, что у автора есть определенная тенденция смешивать теплое с мягким. Ответственность врачей вообще не похожа на обычную гражданскую ответственность типа той, что происходит при ДТП или спорах между «хозяйствующим субъектами».

                Тут дело в том, что интересы врачей и пациентов часто прямо противоположны. В американской системе есть «арбитр» между врачом и пациентом — это страховая компания — не смотря на то, что с точки зрения чисто медицинских дел это паразит. На более общем, глобальном уровне арбитражем занимается FDA, а у нас — Росздравнадзор.

                Поэтому когда проектируешь медицинскую систему, нужно изначально понимать, на чьей стороне играешь. Врачам никогда не будет интересна система, которая заменяет врача, потому что она отбирает у них хлеб. Помощники, да — интересны, причем такие, чтобы не казались слишком умными или слишком глупыми. Это очень тонкая грань, по моему опыту врачи любят heatmap и диаграммы признаков (слой показателей перед max/softmax), им это нравится.

                Система, сделанная для пациента, никогда у врачей популярна не будет, ее будут нещадно критиковать. Если врач хвалит систему, которая предполагает диагностику или лечение без участия врачей, значит он имеет долю. Но чисто теоретически можно прорубиться через регулятор и конкурировать, хотя я таких примеров не могу вспомнить.

                Так что единственный «выход из системы» здесь — ориентировать на страховую. Ребята из страховой понимают, что такое закон Байеса, ошибки I и II рода, и применение автоматическим системам они найдут. Если не считать того, что в РФ эта система практически отсутствует, реальная проблема разработчиков в том, что нужна очень убедительная статистика. Тысяча онкологических кейсов — это очень много для любой организации, минимум пять лет чудовищной работы, а для того, чтобы страховая смотрела без ухмылки, нужно в 20-50 раз больше, очень желательно multi-cohort, и еще желательно с «продолжением», чтобы пациентов трэкали в течение следующих 5-10 лет. Опять же, я не знаю в мире современной медицинской техники никого, кто бы это все смог.
                  0
                  Страховая работает грубо говоря, с процента от страховых премий. По этой причине, несмотря на тщательный контроль обоснованности конкретных выплат (сиюминутная доходность), растет общая сумма выплат (необоснованные и дорогие назначения) и соответственно страховые премии (долговременный рост прибыли).

                  Еще одно наблюдение. Нейросеть встроенная в условный МРТ сканер будет требовать лицензионных отчислений и по нонешним временам плата будет за каждый снимок неотключаемо.
                    0
                    Страховая — это хороший регулятор. Но есть вариант «рынка». Самые современные по инновациям — частные клиники. Там и информационная система, и современное оборудование.
                    Если разбираться глубже, то даже поликлиника/больница — это бизнес единица. Сейчас многие на самоокупаемости. Деньги они получают за страховки/за платные услуги. Главврачи определяют бюджет/зарплаты. Они конкурируют за врачей. Если им выгодно поставить какой-то алгоритм — они ставят.

                    В Москве есть сейчас ДИТ. От него идут какие-то инновации. Но, конечно, это не самый правильный путь.

                    Врачам никогда не будет интересна система, которая заменяет врача, потому что она отбирает у них хлеб.

                    Это не совсем так. И автоматический анализ ЭКГ уже давно внедрён. И куча анализов уже давно внедрены.
                    Да и сами врачи в первых рядах голосуют за введение систем автоматизации документаоборота.
                    Просто внедрять надо аккуратно.

                    Это очень тонкая грань, по моему опыту врачи любят heatmap и диаграммы признаков (слой показателей перед max/softmax), им это нравится.

                    Пробовали внедрять и так и так. Общался с большим числом компаний, которые пробовали внедрять. Врачи говорят «да, прикольно», пока ты им прототип показываешь. Заставляешь пользоваться — отключают/не интересно/зачем мне это.
                    Такая штука не автоматизирует/ не помогает в работе/не несёт особого смысла.
                    Я понимаю почему оно может быть внедрено на уровне аппаратуры. Но это скорее инвестиция в будущее. Сегодняшние врачи будут пользоваться только тем что будет экономить их время/заполнять за них документы.
                    +3

                    (0)
                    Для начала, Антону как всегда спасибо, что пишет на Хабр реально что-то, что подразумевает наличие головного мозга у читающих (бесконечной поток маркетингового пиара и "бизнеса" везде утомил), а не как обычно "настакать, все классно, need moar layers, роботы поработят нас, робот-вера, и прочий мрак".


                    (1)
                    Отличный блог + книга на эту тему


                    https://lukeoakdenrayner.wordpress.com/ => пишет про ML в медицине, критикует статьи, датасеты и применение ML в медицине. С медицинской стороны, но при этом он явно топит за ML, но оооочень осторожно


                    https://www.goodreads.com/book/show/213233.Better => книга которая по сути состоит из интересных кейсов, которые по сути показывают, что современная медицина иногда это даже не наука а набор обычаев (чего только стоит пример про мытье руки и родильные дома), и те же врачи (кроме самых звезд) зачастую просто заложники ситуации. И реально лечить и помогать — может быть просто невыгодно — засудят. Пример про выживаемость раненых в 90% в Ираке и то, как работают хирурги в Индии тоже потрясают. Люди могут абсолютно все в определенных обстоятельсвах и без рамок и проверяющих. Просто потому что захотели.


                    Грубо говоря — доказательная медицина (в которую сеточки вписывают неплохо) — даже самими врачами зачастую не практикуется. А чтобы довести сеточки до 99.9% метрик, нужно чтобы грубо говоря все люди объеденились и базу собирали со всеми edge кейсами. Да что тут говороить — та же Тесла с ее fleet learning (https://slideslive.com/38917690/multitask-learning-in-the-wilderness) не может дойти до заветных цифр. А она является сладкой мечтой фаната киберпанка по сравнению с медициной (все их машинки сливают разметку, и ты сам сидя за рулем — своими действими размечаешь даннные).


                    (2)
                    А теперь применительно к самой статье — не поднят еще вопрос важности знания онтологии при решении задач. Меня в современном ML это потрясает больше всего. Что-то упарываются все, стакают архитектуры, городят абстракции, но онтология датасетов — делает их просто бесполезными.


                    То есть грубо говоря даже если сетка будет на 100% точной всегда, но если дерево лейблов дизайнили классические инженеры, которые скорее покроют 999% кода тестами, а не будут думать про полезность и цель своей работы, то такие лейблы применить нельзя будет даже если все общество перепишет свои бизнес-процессы, станет просветленным, итд итп


                    Совсем упрощенный пример — на флюрограмме искать не дерево классов — есть ли аномалии, если есть — есть ли пневмоторакс или нет, далее если есть аномальный блок — тип этого блока, а условно "здоров" и "пневмония".

                      +3
                      Спасибо за статью. Занимаюсь среди прочего региональной системой, где решение по пациенту принимает врач при помощи консультанта из профильного учреждения (телемедицина врач-врач). В следующем году в рамках системы будем делать двойное прочтение маммограмм и для этой задачи нейросеть сможет быть использована без озвученной в статье «проблемы отторжения врачами».

                      Лечащий врач (маммолог) получает снимки с цифрового оборудования, которые летят в региональный PACS. В системе он указывает свое формализованное заключение.
                      Случайным образом из числа других маммологов региона выбирается врач, который видит те же снимки, но не видит заключение первого врача и делает свое заключение.
                      Если заключения отличаются, то снимки летят в онко-диспансер, где врач эксперт видя 2 разных заключения и снимки принимает своё окончательное решение.
                      В этом процессе нейросеть может быть встроена параллельно со вторым прочтением как еще одно мнение. Если нейросеть видит патологию, а 2 врача ее не видят, то также направляем эксперту.
                        +1

                        Это очень правильная архитектура! Надеюсь у вас все успешно получится. Вообще мне кажется что у вас будет очень интересный экспирианс на тему того что заключение районного и регионального врача будут разные в 50%случаев если там что то выше bi-rads-1:)

                          0
                          Пока это всё планы, но на основе заключений планируется вестись статистика ошибок по заключениям маммологов с отбором кандидатов на очередное повышение квалификации.
                            0

                            Если у вас это выйдет — будет куда круче и практичнее любого машинного обучения)

                        +1
                        Огромное спасибо за статью, очень актуально сейчас для меня и интересно. И отдельно — за ссылочки на другие статьи. Скажите, пожалуйста, вы упомянули что «В других областях всё несколько запутаннее/хитрее, не хочу их касаться.». А можете все же немного поделиться что вам известно про эти другие области? что уже кто изучил, исследовал? Особенно мне интересно есть ли исследования, разработки в сфере визуальной диагностики и коррекции здоровья человека по форме тела, осанке и связанных с ними параметрами методами именно машинного зрения? :)
                          +1

                          Спасибо!
                          Я в первую очередь имел ввиду проекты типа IBM Vatson и похожие штуки, котооые ближе к классическим деревьям: структуризация, поиск оптимального дерева, итд. Там много что уже внедрено, но оно редко на уровне пациента видно. При этом граница между классическим ML (svm, решающие деревья) и всякими новомодными нетривиально проходит. А учитывая что я это со стороны только видел — боюсь что могу накосячить рассуждая что как устроено. Про визуальную диагностику осанки слышал только что люди что то по выделенным скелетам пробовали делать, но давно и не помню где.

                            0
                            Спасибо за ответ!

                        Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.

                        Самое читаемое