TOP5: главные новости цифрового здравоохранения за неделю

***

Google Research и DeepMind запустили медицинскую платформу MedPaLM на основе искусственного интеллекта (ИИ).

MedPaLM генерирует безопасные и полезные ответы, связанные с медициной. Более ранняя версия ИИ уже используется медиками для повышения качества работы. Ожидается, что улучшенная платформа также поможет ускорить разработку медицинских приложений.

MedPaLM правильно ответила на 67,6% вопросов экзамена на получение медицинской лицензии в США (предполагает выбор правильного варианта из четырех предложенных). Проходной порог экзамена на получение медлицензии USMLE составляет 65%. Результат модели увеличился на 17% по сравнению с предыдущей версией искусственного интеллекта FLAN-PaLM. При этом лишь 5,8% ответов новой модели ИИ могли потенциально привести к негативным последствиям, тогда как у ее предшественника этот показатель достигал 29,7%.

Улучшить результаты помогла «подсказка», полученная на основе анализа ответов клиницистов разных направлений. Эти данные в дальнейшем использовали для обучения ИИ.

***

Российский стартап Digital Vision Solutions (развивает систему «второго мнения» в сфере офтальмологии с использованием ИИ — Retina.AI) получил патент на способ автоматического обнаружения и визуализации признаков заболевания диабетической ретинопатией (ДР). Это первый в России патент по алгоритмам автоматизированной сегментации патологии сетчатки.

Изобретение относится к системам поддержки принятия врачебных решений и может применяться для получения вспомогательной информации, в частности, выявления признаков диабетической ретинопатии у пациентов с сахарным диабетом, определения стадии заболевания и оценки эффективности лечения, а также определения риска диабетического макулярного отека. Система обеспечивает увеличение способности сегментировать по меньшей мере шести различных классов признаков ДР и предоставляет врачу более полную информацию.

«Проект социально значимый, так как его конечная цель — профилактика слепоты и слабовидения у людей, страдающих сахарным диабетом, возрастными изменениями сетчатки», — рассказал «МВ» один из авторов патента, научный директор проекта, к.м.н., врач-ретинолог Евгения Каталевская.

***

К концу 2024 года в рамках проекта «Персональные медицинские помощники» планируется обеспечить дистанционный мониторинг состояния здоровья 25 тыс. россиян с артериальной гипертензией и сахарным диабетом в шести регионах. Сейчас в пилоте участвует около 200 человек, сообщила пресс-служба Минздрава со ссылкой на первого вице-премьера правительства Андрея Белоусова, курирующего проект в рамках инициативы социально-экономического развития «Персональные медицинские помощники».

По информации ведомства, проект с использованием платформы централизованных диагностических сервисов продлится два года. 

По словам Белоусова, важнейшая задача проекта — формирование нормативной и методической базы для врачей по работе с данными дистанционного мониторинга при постановке диагноза и корректировке лечения. «По сути возникнет новый, проактивный подход по работе с пациентами», — добавил он.

С помощью диагностических приборов будут осуществляться дистанционный мониторинг и контроль артериального давления и частоты пульса у пациентов с сердечно-сосудистыми заболеваниями, контроль показателей сахара крови у людей с сахарным диабетом. Данные будут поступать на цифровую платформу и обрабатываться специалистами НМИЦ кардиологии и НМИЦ эндокринологии.

Оператором платформы выступила Объединенная приборостроительная корпорация, входящая в ГК «Ростех». Для обеспечения ее эксплуатации в декабре правительство ввело специальный экспериментально-правовой режим на территориях Татарстана, Магаданской, Новосибирской, Рязанской, Самарской и Тюменской областей.

***

Французская компания Withings намерена в этом году вывести на европейский рынок анализатор мочи U-Scan, встроенный в унитаз. Устройство можно будет использовать как в медицинских учреждениях, так и дома у пациентов. С его помощью предполагается диагностировать и контролировать такие заболевания, как диабет, хроническое заболевание почек, камни в почках и инфекции мочевыводящих путей.

С помощью мочи можно оценить более 3 тыс. метаболических биомаркеров, что делает ее одним из «золотых» стандартов оценки здоровья, пояснил генеральный директор Withings Матье Летомб.

U-Scan состоит из считывателя в форме гальки и сменного картриджа для анализа, предназначенного для оценки конкретных биомаркеров. Устройство автоматически захватывает небольшое количество мочи во время мочеиспускания и направляет ее в картридж для выполнения химического анализа. Результаты автоматически передаются через Wi-Fi в приложение Withings.

Комплект U-Scan будет стоить 499 долл. При этом покупателю будет предлагаться подписка стоимостью 30 долл. в месяц, которая обеспечивает заправку картриджей каждые три месяца.

***

Модель машинного обучения точно предсказывает потребность в массивном переливании крови непосредственно во время операции, за десять минут до возникновения такой необходимости.

В различных клинических условиях массивное кровотечение может становиться ведущей причиной смерти. При лечении хронической сердечной недостаточности необходим строгий контроль кровотечения и восполнение дефицита внутрисосудистого объема и компонентов крови. Массивная трансфузия важна в качестве профилактики осложнений на фоне неконтролируемого интраоперационного кровотечения. Из-за времени, необходимого для подготовки продукта крови к массивным переливаниям, и потребности в дополнительном медицинском персонале, важно уметь прогнозировать потребность в массивных переливаниях на раннем этапе.

Согласно исследованию, проведенному в Южной Корее и данные которого опубликованы в JAMA Network Open, в этом может помочь модель машинного обучения.

В рамках исследования под массивным переливанием понималось переливание не менее трех единиц эритроцитов в течение часа. Исследователи использовали интраоперационные параметры из гемодинамических данных пациента. В результате вероятность массивной трансфузии в реальном времени можно было точно предсказать за десять минут до ее начала. При этом производительность такой модели ИИ была выше, чем модели, которая использовала предоперационные данные.