Mendel.ai

В статье В поисках пациента и еще в нескольких других я высказывал мысль, что вскоре глобальным координатором-диспетчером клинических исследований, направляющим пациентов между разнообразными клиническими исследованиями, стандартными режимами и off-label лечением, станет искусственный интеллект (ИИ/AI).

И это не только мои фантазии. На днях я читал февральский доклад британского института The Scripps Research Institute, составленный для тамошней национальной службы здравоохранения (NHS) Preparing the healthcare workforce to deliver the digital future”, из которого следует, что в ближайшие 20 лет Великобритания собирается переходить на рельсы цифровой медицины с использованием баз данных электронных записей пациентов (EHR), искусственного интеллекта, прецизионной медицины, телемедицины, роботизации и прочего.

Примеры того, на что сегодняшний ИИ способен в медицине я приводил в статьях Transpara 1.4.0 и В помощь врачу. А сегодня у нас первое в истории (как я понимаю) соревнование между искусственным интеллектом и исследовательской командой медицинского центра в эффективности поиска кандидатов в клиническое исследование в базе данных пациентов медицинского учреждения.

Извините, нам понадобится преамбула, иначе содержание соревнования может быть непонятно.

Клиническое исследование – это, как правило, процесс с четырьмя участниками: 1) пациент, 2) медицинский центр (мы называем их «сайты»), 3) фармацевтическая компания – спонсор и 4) компания-организатор (CRO). Бывают вариации, но сейчас нам сгодится такая схема.

Спонсор обращается в CRO с заказом на организацию исследования. В заказе фигурирует протокол исследования, который помимо описания дизайна и всего прочего содержит «критерия включения». Это список параметров, которым должен соответствовать пациент, чтобы быть включенным в исследование.

Соответствие пациента эти критериям проверяется уже в рамках исследования, после подписания Информированного согласия на участие. Процесс проверки называется скрининг (screening). Это серия тестов, осмотров, шкал и всякого такого. В конце скрининга следует вывод – пациент подходит (patient is eligible) или не подходит (not eligible).

Если он eligible и все еще хочет участвовать – его включают, и он начинает лечение про протоколу исследования. Теперь внимание – если исследовательская команда на сайте будет брать всех пациентов с нужным диагнозом и запускать в скрининг, то эффективность их работы будет очень низкой, поскольку значительная часть «отвалится» по причине несоответствия каким-нибудь критериям.

Чтобы повысить КПД скрининга, команде нужно заранее найти в базе данных пациентов (хорошо, когда она электронная) тех из них, кто явно подходят по ключевым или большинству критериев протокола.

Это называется пре-скрининг (pre-screening). Качественный пре-скрининг позволяет исследовательской команде точнее оценить количество пациентов, которых они могут включить и затратить меньше усилий на скрининге.

Как обычно выглядит пре-скрининг в развитых странах? Члены команды сидят за компьютером с базой данных пациентов своего центра и ищут по основным критериям подходящих пациентов. При всём их профессионализме – они люди, а значит могут ошибаться, уставать и лениться. И главное – они вынуждены тратить на это свое время, отнимая его у пациентов и у самих себя.

И вот тут есть пространство для улучшения. Преамбула закончилась.

Есть в США в штате Калифорния такой медицинский центр – Comprehensive Blood and Cancer Center (CBCC). И есть такая частная американская компания Mendel, расположенная в Сан-Хосе, Калифорния. Занимается Mendel разработкой программ на основе искусственного интеллекта для медицинских целей.

Есть у них готовый продукт – AI Assistant или Mendel.ai, который можно установить на компьютерах исследовательской команды и дать ему доступ к EHR-базе медицинского центра. Получив этот доступ Mendel.ai может взять заботы по пре-скринингу на себя.

Вот, в проверке этой гипотезы и заключалась цель соревнования. Как и в прошлом моем посте про ИИ, соревнование было ретроспективным. Это значит, что авторы исследования выбрали три реальных клинических исследования, выполненных на базе центра CBCC, и «предложили» искусственного интеллекту еще раз подобрать пациентов для этих исследований.

Это было три онкологических протокола (рак молочной железы и два протокола по немелкоклеточному раку легкого), набор в которые был завершен в последние четыре года до начала соревнования.

Набор пациентов в эти исследования шел неодинаково:

  1. Протокол №1 – набор был активным и успешным
  2. Протокол №2 – набор шел средненько
  3. Протокол №3 – никого набрать не удалось

На момент набора пациентов в эти исследования никакого Менделя в больнице не было, и персонал занимался скринингом «по старинке», не подозревая, что их эффективность потом кто-то захочет сравнить с искусственным интеллектом.

Соревнование началось в мае 2018 года. Программу Mendel.ai установили на компьютеры CBCC. Подключили его к регистру тех самых пациентов, среди которых врачи искали кандидатов для протоколов 1, 2 и 3.

Программа должна была повторить поиск, выполненный профессионалами, и попробовать найти пациентов, которых врачи упустили. Менделю было доступно всё то, что было доступно людям: записи, сканы, результаты тестов, назначения – всё, что было в базе больницы.

И началось волшебство. Mendel.ai состоит из таких блоков:

Text Recognition System: подавление визуального шума, реставрация текста (вращение и коррекция наклона), разведение текста с картинками, обнаружение фраз и предложений, их расшифровка, исправление орфографических ошибок.

Clinical Language Understanding. Это включает самые современные алгоритмы “распознавания естественного языка» (natural language processing; NLP). Они позволяют ИИ понять, что имел в виду человек (в данном случае, врач), например:

  • «Ее тетя умерла от рака молочной железы» — Mendel понимает, что это про пациента
  • «Повышен риск заболевания» — понимает, что заболевания нет, но есть риск
  • «Вероятно, это…; нельзя исключить, что…» — понимает неоднозначные утверждения
  • «Отрицает аллергии» — понимает отрицания

Clinical Language Entailment.  Алгоритм позволяет попытаться сделать выводы на основе записей врача и объективных данных, если такой вывод самим врачом не сделан, например, установить стадию по TNM, или определить привело ли лечение к стабилизации состояния.

Central Knowledge Base. База знаний, которую программа сама создала для себя в процессе изучения реальных историй болезни реальных пациентов (Real World Data; RWD). Этим ее «кормит» сама компания Mendel.

Ontology. База данных, созданная людьми (например, МКБ10) и почерпнутая программой из изучения PubMed, протоколов клинических исследований и прочих источников (это классификации, признаки, нормы, стандарты и т.п.).

Wisdom. База выводов, которую ИИ создает на основе поиска корреляций, взаимосвязей и паттернов между Central Knowledge Base и Ontology. То есть, это результат обучения ИИ медицине.

The Semantic Search Engine. Это система семантического анализа пользовательских запросов, позволяющая понимать запрос к системе, сформулированный на «обычном человеческом языке».  Ну, это, например, как герои фильмов Чужой/Чужие разговаривают с бортовыми компьютерами космических кораблей (Mother/Father).

Clinical Trial Matching. Этот модуль соотносит пользовательский запрос о потенциальном исследовании с базой данных пациентов и предлагает кандидатов для скрининга.

И вот, что получилось –

Синим цветом я обвел реальные результаты врачей: количество пациентов, которых врачи сочли потенциальными кандидатами в исследования 1, 2 и 3 на основании пре-скрининга «по старинке»; красным цветом – та же работа, выполненная ретроспективно программой Mendel.ai.

Еще раз – Mendel.ai работал с той же выборкой пациентов, которых просматривали люди. Он согласился со всеми пациентами, которых отобрали врачи, но нашел еще 7 пропущенных врачами вариантов: 6 новых человек в протокол №1 и еще одного в протокол №2. В третий протокол Mendel.ai не сумел никого найти.

После того, как программа закончила свою работу, ее результаты проверили эксперты. Эти люди не участвовали в набор в протоколы 1, 2 и 3 и ничего не знали о судьбе пациентов. Они просто проверяли не ошибся ли Mendel.ai. Оказалось, что не ошибся.

Действительно, эксперты пропустили семь человек, которых они могли бы включить в протоколы 1 и 2, а Mendel.ai сумел их найти. При этом, остальных 27 кандидатов, которые попали в исследование, Мендель тоже не пропустил.

Зачем всё это?

Если использовать такие программы – в выигрыше будут все.

Исследователи на сайте смогут заранее оценить количество кандидатов и принять решение: есть ли смысл участвовать в исследовании или лучше выбрать другое. Спонсоры и CRO не станут выбирать сайты, где слишком мало или вообще нет нужных пациентов и сфокусируются на тех, где кандидатов много. Пациенты не будут оказываться «за бортом» клинических исследований только лишь потому, что их «не заметили».

Мы видим примеры того, как эффективно работают отдельные компоненты: ИИ, базы EHR, геномные исследования, роботы. Теперь нужно собрать из них одну глобальную систему. Это станет революцией и в клинических исследованиях, в разработке лекарств и в медицине вообще.


Показалось интересным или полезным — подпишитесь на анонсы новых статей в наших пабликах ВКонтакте и Фейсбуке.

Добавить комментарий

Такой e-mail уже зарегистрирован. Воспользуйтесь формой входа или введите другой.

Вы ввели некорректные логин или пароль

Sorry that something went wrong, repeat again!