Московская медицина департамент здравоохранения города москвы экспертное мнение

— Это и есть система поддержки при-
нятия врачебных решений?
— Это технологии компьютерного зрения и анализа 
больших данных, которые относятся к категории си-
стем поддержки принятия врачебных решений (СППВР). 
А вообще для этих систем — море применений: под-
сказки врачу, какое исследование назначить, какой 
по результатам исследований поставить правильный 
диагноз. Системы анализируют одновременно и анам-
нез, и клинические данные, и генетику, и диагности-
ку — абсолютно любые данные, чтобы сформировать, 
например, группы риска или уточнить диагноз. Врач 
постоянно находится под давлением огромного объ-
ема информации не только о конкретном пациенте, 
но и научной информации, которая умножается каж-
дый день как снежный ком. Насколько эта проблема 
актуальна, показал прошедший год, когда постоянно 
менялись методические рекомендации — невозможно 
же эти двухсотстраничные документы оперативно запо-
минать человеку. Следовательно, информация должна 
автоматически оцифровываться и направлять врача. 
Например, он назначает какой-либо препарат — должна 
сразу появляться подсказка: в соответствии с новой 
версией методических рекомендаций данный препарат 
не рекомендуется при таком-то диагнозе.
— Расскажите, пожалуйста, как проис-
ходит машинное обучение?
— Сначала надо определиться, какую проблему будет 
решать технология на основе искусственного интел-
лекта. В большинстве случаев это автоматизация 
какой-то функции — просмотра изображений, разде-
ления нормы и патологии, автоматизация подготовки 
шаблона описания изображений. Другой вариант — 
искусственный интеллект позволяет на основе дан-
ных прогнозировать изменения состояния пациен-
та. После определения цели и задачи необходимо 
определить, куда этот алгоритм будет встраиваться, 
в какую информационную систему, и как его донести 
до конечного пользователя — будет это приложение 
или модуль информационной системы. Это очень 
важный технический вопрос. Далее, в каких услови-
ях будет использоваться алгоритм — в поликлинике 
или в больнице? Для пациентов какой расы, какого по-
ла, какого возраста — как с лекарствами: показания 
Компьютерная томография в одной из московских 
больниц.
ММ
экспертное мнение
38
московская медицина | май 2021

---

и противопоказания. Таким образом создается ме-
дицинская концепция, основа. Затем в соответствии 
с медицинской концепцией готовят набор данных 
для тренировки алгоритма. Количество данных зави-
сит от уровня сложности поставленной задачи. Если 
она достаточно проста, как, например, на КТ: есть 
«матовые стекла» / нет «матовых стекол» — для нее 
достаточно даже 100 изображений. Пример сложной 
задачи — дифференциация рака молочной железы 
на маммограммах по классификации BI-RADS — здесь 
уже нужны десятки тысяч изображений. Затем не-
обходимо выбрать саму технологию искусственного 
интеллекта и информационную систему, в которой 
будет проходить тренировка алгоритма. Это очень 
влияет на ресурсы, требования к специалистам, ко-
манде и т. д. Далее набор данных разделяют, часть 
направляется для тренировки алгоритма, часть — 
для внутренней валидации, это случайная выборка, 
чтобы проверять работу алгоритма. Затем алгоритм 
тестируется на внешних данных. После успешного 
тестирования можно идти в медицинскую органи-
зацию и договариваться о проведении клинических 
испытаний, получать регистрационное удостоверение 
на медицинское изделие. Финальная очень важная за-
дача — формирование качественной производствен-
ной практики: когда алгоритм внедрен в медицинские 
организации, он должен работать очень стабильно, 
буквально как градусник, работать всегда одинаково 
в определенном диапазоне условий.