Шесть часов на спасение: российские ученые учат ИИ распознавать сепсис в реанимациях
В России создали публичный массив данных для обучения искусственного интеллекта в реанимациях. Он построен на реальных показателях пациентов – давлении, пульсе, анализах. Обученная на этих данных система уже предсказывает развитие смертельно опасного сепсиса за шесть часов до первых симптомов.
Фенотипы вместо кода
Московские ученые из Сеченовского университета и разработчики компании «КваттроЛаб» создали первый открытый массив данных для обучения искусственного интеллекта, в нем собрано 5 300 клинических случаев из отделений интенсивной терапии.
Ключевое отличие этого массива – применение клинических фенотипов. В существующих системах ИИ обычно обучают на кодах международной классификации болезней (МКБ-10). В реанимации эти коды присвоены менее чем 30% критических состояний. Данных не хватает, поэтому модели работают не точно.
Фенотипы же идентифицируют состояния пациента не по формальным кодам, а по объективным параметрам и витальным показателям, это пульс, давление, сатурация, а также по лабораторным данным и динамике изменений. В массиве выделено более 80 таких фенотипов - сепсис, острый респираторный дистресс-синдром, острая почечная недостаточность и другие критические состояния.
На основе этого массива специалисты создали модель машинного обучения. Она предсказывает развитие сепсиса за шесть часов до появления клинических проявлений. Такой временной запас позволяет начать лечение патологического процесса раньше, что критически влияет на выживаемость.
Сепсис не прощает опозданий
В реанимации есть диагноз, которого врачи боятся больше всего - сепсис. Начинается как обычная инфекция. А через несколько часов давление падает, органы отказывают один за другим, и спасти пациента становится почти невозможно. По статистике, смертность при тяжелом сепсисе достигает 40-50%. И проблема не в том, что врачи плохие. Проблема в том, что симптомы сепсиса на ранней стадии почти незаметны. Температура чуть выше нормы. Пульс чуть чаще обычного. Врач видит десятки показателей на мониторах, но ни один в отдельности не кричит «тревога». А когда начинают кричать все вместе, значит, что уже почти поздно.
Почему коды МКБ-10 не работают в реанимации
В обычной больнице у каждого диагноза есть код из международного справочника МКБ-10. Пришел с ангиной – код J03. Инфаркт – I21. С этим кодом данные попадают в статистику, на нем учат искусственный интеллект.
Но в реанимации другая реальность. Пациент поступает без диагноза, в критическом состоянии. Врачи не сидят и не кодируют «у него гипотензия, тахикардия и подозрение на сепсис». Они борются за жизнь. В итоге меньше 30% критических состояний вообще получают код МКБ-10. Остальное остается в виде разрозненных записей, которые для обучения ИИ бесполезны.
Новый массив данных РИКОРД решает эту проблему. Он сам анализирует показатели и говорит: это похоже на начинающийся сепсис, это – на ОРДС (дыхательная недостаточность), это – на острое почечное повреждение.
Для врача и пациента
Для врача реанимации – это дополнительный аналитический слой. Система на основе массива может в непрерывном режиме отслеживать состояние пациента и выдавать предупреждения за часы до ухудшения. Не вместо врача, а быстрее, чем врач физически может обработать все показатели. Для пациента это повышенные шансы на благоприятный исход при сепсисе, ОРДС или почечной недостаточности. Там, где раньше счет шел на часы после появления симптомов, теперь появляется запас в спасительные шесть часов для диагностики и вмешательства.
Экспортный потенциал и перспективы
Датасет сделан публичным. Это означает, что к нему получат доступ медицинские и ИТ-компании из других стран. В глобальной практике подобных открытых реанимационных массивов единицы, и российский занимает значимое место.
«КваттроЛаб» уже поставляет реанимационные информационные системы за рубеж. Наличие собственного качественного датасета повышает ценность этих систем – они могут включать предобученные модели для прогноза критических состояний. То есть это не просто система сбора данных, а система со встроенным интеллектом, обученным на реальной российской клинической практике.
Следующий этап за расширением массива до десятков тысяч случаев с подключением нескольких десятков клиник. Чем больше данных, тем точнее предсказания. Технологическая основа заложена, и масштабирование – это уже вопрос времени и организационных усилий.
