Голос в медицине
Блогеров среди врачей относительно немного. Складывается впечатление, что большое количество ручной рутинной писательской работы на рабочем месте не способствуют раскрытию писательских навыков в качестве хобби. Хотя история медицины знает много примеров врачей, которые получили большую известность как писатели и литературоведы: А.П.Чехов, В.В.Вересаев, М.А.Булгаков, Ф.Рабле, Т.Янг, Я.Гашек, О'Генри, Омар Хайям, Альберт Швейцер, Г.Горин, А.Арканов и др.
Когда я узнал о существовании новой социальной сети (одной из множества), но первой, построенной на блокчейн-технологии, решил принять в ней участие в качестве блогера. Для обоснования этого есть два обстоятельства. Первое, в данной сети, хоть это и не декларируется, собираются участники со знаниями в компьютерных технологиях. Второе, я могу поделиться, как мне кажется, качественным контентом в области компьютер-ассистированной медицины, так как углубленно изучаю эту тему еще начиная с конца прошлого тысячелетия.
Компьютер-ассистированная медицина (КАМ) – это область медицины, в которой для решения различных медицинских задач используются возможности компьютерных технологий. КАМ находится на стыке двух специальностей и, как понятно из названия, нацелена на помощь (ассистенцию) врачу в его работе. Врач в этом дуэте – конечно, на первом месте. Ему помогает компьютер, а не наоборот. Хотя посещая ежегодные конференции специалистов компьютер-ассистированной медицины, последний тридцатый конгресс CARS-2016 (Computer Assisted Radiology and Surgery) состоялся в Гайдельберге (Германия), складывается впечатление о явном численном преобладании в этой теме специалистов в компьютерных технологиях над врачами. IT-специалисты предлагают множество своих крутых разработок, а врачи еще не готовы их принять (врачебной специальности всегда был присущ некоторый разумный консерватизм). Компьютерные технологии в медицине разрабатываются при минимальном участии практических врачей. Это приводит к тому, что классные разработки КАМ находятся все дальше от врачебного профессионального сообщества. Вместе с тем, в медицине накоплен очень большой объем полезной информации, которую без совместного участия врачей и IT-специалистов, без знания их потребностей и чаяний, грамотно не обработать.
Поэтому, если кому-нибудь интересна тема помощи врачам в их сложной работе путем оптимизации использования компьютерных технологий, присоединяйтесь к моему блогу. В нем с сегодняшнего дня я буду пытаться показать, где с моей точке зрения находится «непочатый край работы».
И для начала немного теории. Научные разработки в области КАМ ведутся по следующим направлениям:
компьютерные системы поддержки принятия врачебных решений (clinical decision support systems);
компьютер-ассистированная диагностика (computer aided diagnosis);
пространственное моделирование хирургических вмешательств и навигационная хирургия (image- and model guided interventions);
обработка изображений и визуализация (image processing and visualization);
медицинское симуляционное моделирование и электронное обучение (medical simulation and e-learning);
хирургическая навигация и робототехника (surgical navigation and robotics);
персонализированная медицина (personalized medicine).
Кратко расшифрую каждое из этих направлений.
Система поддержки принятия врачебных решений (CППР) – это компьютерная система, которая путем сбора и анализа большого количества информации может влиять на процессы принятия решений в различных областях врачебной деятельности. Известно, что при принятии каких-либо медицинских решений проблемами могут являться недостаточность знаний, ограниченность временных ресурсов, отсутствие возможности привлечения большого числа компетентных экспертов, неполнота информации о состоянии пациента. В хирургии при принятии медицинских решений еще более характерны дефицит времени на принятие решения, неполнота данных о клинических проявлениях и анамнезе заболевания, высокая динамика течения заболеваний, изменчивость заболеваний и появление новых, высокая цена врачебной ошибки.
Наиболее ценными и перспективными являются интеллектуальные СППР, способные обучаться на известных примерах. В связи с ростом количества и объема баз данных (BigData), особо востребованной стала технология Data Mining – интеллектуальный анализ информации путем выявления скрытых взаимосвязей внутри больших баз данных. Среди компьютерных технологий, лежащих в основе СППР, настоящий ренессанс в настоящее время переживают, благодаря бурному росту вычислительных возможностей современных компьютеров, искусственные нейронные сети (ИНС).
Основными технологиями компьютер-ассистированной диагностики являются: обработка изображений для обнаружения и выделения патологических структур; количественная обработка изображений для выделения областей с подозрением на наличие патологии; обработка данных и классификация свойств областей изображений для разделения их по признакам; количественная оценка свойств областей изображений и поиск подобных исследуемым патологическим образованиям в базе накопленных изображений. В настоящее время внимание исследователей обращено на улучшение чувствительности методов анализа изображения; расширение спектра возможностей дифференциальной диагностики, в первую очередь, доброкачественных и злокачественных заболеваний; повышение надежности эксплуатации программного обеспечения; проведение клинических исследований по применению схем компьютер-ассистированной диагностики.
Большое внимание в настоящее время уделяется еще одному направлению КАМ – image- and model-guided interventions. Стандартного перевода этого термина на русский язык еще нет, в литературе предлагаются варианты: направляемая изображением хирургия; управляемая изображением операция; хирургия на основе анализа изображений; хирургическая операция под контролем изображения на мониторе; операция под радиологическим (УЗ/КТ) наведением. В «дружественных для пациента хирургических вмешательствах» используются современные установки, которые дают возможность навигации во время хирургической операции в реальном масштабе времени с использованием рентгеновских, КТ, МРТ, УЗ-изображений анатомических структур пациента. Специальные устройства преобразуют изображения, полученные при исследовании пациента перед операцией, показывают их на экране в различных проекциях (осевой, сагиттальной, коронарной, косой). Таким образом, хирург может до операции создавать, сохранять и моделировать планируемое продвижение по одной или нескольким предполагаемым траекториям. Для облегчения визуализации хирург может также создавать и управлять одной или несколькими 3-мерными анатомическими моделями. Во время операции система отслеживает положение специальных хирургических инструментов по отношению к анатомическим структурам пациента и непрерывно обновляет позицию инструмента на этих изображениях. Если это требуется, современное оборудование может также показывать, как фактическая позиция и движение инструмента во время операции соотносится с предоперационным планом, помогает хирургу следовать запланированной траектории. Хотя «окончательной инстанцией» остается решение хирурга, информация о позиции инструмента, получаемая в реальном масштабе времени, может быть полезной при принятии этого решения и его обосновании.
Современная обработка медицинских изображений и визуализация (image processing and visualization) – это основанная на математике технология выявления внутренних скрытых элементов изображения, практически не видимых без обработки. Обработка медицинских изображений не искажает исходные данные, а позволяет выявить тонкие структуры органов при разных видах исследований, специально визуализированные и усиленные для качественной визуальной диагностики. Основным инструментом обработки изображений является их сегментация – разделение изображения на однородные области на основе одного или более свойства либо характеристики. Существует множество методик сегментации изображений, которые отличаются по степени сложности, эффективности и области применения. Методы сегментации показали свою эффективность в различных сферах применения, включая вычисления, связанные с диагностикой патологических образований, моделирование операций, планирование хирургических вмешательств, функциональное картирование, совмещение изображений, автоматизированную диагностику и т.д.
Surgical Modelling, Simulation and Education (хирургическое моделирование, симуляция и электронное обучение) – это подготовка специфическим мануальным навыкам студентов и врачей различных хирургических специальностей путем использования современных технологий в виде хирургических симуляторов, тренажеров. Виртуальные тренажеры имеют ряд несомненных преимуществ перед другими вариантами обучения (на животных, трупах, тренажерах-муляжах) – нет текущих финансовых затрат; продолжительность и режим обучения не ограничены по времени; возможно любое количество повторений упражнения с автоматической, мгновенной и беспристрастной качественной и количественной оценкой до достижения его полного доказанного освоения и закрепления; не требуется постоянное присутствие преподавателя, методические рекомендации осуществляются автоматически; программа сама указывает на допущенные ошибки; выполняется объективная сертификация. Современные хирургические тренажеры включает в себя «библиотеку» виртуальных пациентов, созданную при помощи загрузки в память симулятора данных реальных клинических случаев, различных анатомических и клинических ситуаций, анамнестических данных и данных лабораторных исследований.
Surgical navigation and robotics – это точность, использование микроинструментов, снижение человеческого фактора при проведении операции. В настоящее время в мире освоено множество операций с использованием робототехники. Задачей является удешевление этой технологии.
Термин «персонализированная медицина (personalized medicine)» для обозначения индивидуализации лечения получил большее распространение по сравнению с другими понятиями: «медицина под заказчика» (tailored medicine), «предсказательная медицина» (predictive medicine) и «геномная медицина» (genomic medicine). Цель персонализированной медицины состоит в том, чтобы найти подходящее лечебное действие для конкретного больного и в некоторых случаях разработать схему лечения пациента в соответствии с его генотипом. В более широком смысле персонализированная медицина представляет собой интегральную медицину, которая включает разработку персонализированных средств лечения на основе геномики, тестирование на предрасположенность к болезням, профилактику, объединение диагностики с лечением и мониторинг лечения.
Мне и моим коллегам удалось принять участие в разработке и изучении возможностей компьютер-ассистированной медицины по первым четырем направлениям. Если этот пост вызвал интерес у Вас, Вам интересна тема помощи врачам путем разработки и внедрения новых компьютерных технологий - пишите, голосуйте, присоединяйтесь. Я готов к дальнейшему сотрудничеству. «Под лежачий камень ... мы всегда успеем».
