Цифровой консилиум. Виртуальных медицинских советников разрабатывают на Дальнем Востоке

Дальневосточные исследователи учат искусственный интеллект понимать сложную для машины медицинскую документацию. Перевод текстов в форматы, которые корректно может воспринимать и анализировать ИИ, ― создание так называемых смарт-стандартов ― позволяет разрабатывать системы поддержки принятия врачебных решений. Это своего рода виртуальный советник, способный подсказать и напомнить врачу о необходимых действиях в той или иной ситуации. Работу проводят ученые Института автоматики и процессов управления Дальневосточного отделения РАН (ИАПУ ДВО РАН). 

Клинические рекомендации ― это медицинские документы, на основе которых врачи принимают решения о диагностике, лечении и реабилитации пациентов. В списке международной классификации более 10 тыс. болезней, а клинические рекомендации в России подготовлены для основной массы заболеваний, встречающихся на территории страны. При этом одна рекомендация может насчитывать до 200 и более страниц текста. Учитывая, что врачи зачастую работают не с одним заболеванием, а с набором патологий, объемы информации, которую необходимо прочитать и запомнить, оказываются практически непосильными, а периодические ошибки бывают связаны в том числе с невозможностью оперировать огромным количеством данных. Но машина способна обрабатывать, хранить и обновлять эти знания. Например, она может определять показания или противопоказания к назначениям при различных диагнозах, а также корректировать лечение в зависимости от состояния пациента. По словам заместителя директора ИАПУ ДВО РАН члена-корреспондента РАН Валерии Викторовны Грибовой, современные задачи на стыке искусственного интеллекта и медицины связаны с приведением текстов клинических рекомендаций к формату, который машина сможет верно понимать и обрабатывать. Это позволит системе предоставлять врачам необходимые подсказки.

«Задача создания смарт-стандартов актуальна во всем мире и связана не только с медициной, но и с любой отраслью, в которой накоплены огромные массивы спецификаций, сводов правил и инструкций. Это исключительно сложная задача: такие документы, как правило, содержат непростую для машины семантику, синонимию, контекст, связи между предложениями и отдельными словами. Нам же необходимо создать из текстовых документов семантическую машинопонимаемую структуру, перевести текст в четкие инструкции, на основе которых затем можно разрабатывать системы обработки информации. В медицине интеллектуальные системы поддержки принятия решений должны помогать врачу безошибочно диагностировать заболевание, назначать лечение и проводить реабилитацию, в том числе предоставляя объяснение, почему машина пришла к тому или иному выводу», ― отметила В.В. Грибова.

Дальневосточные ученые сформировали смарт-стандарты в виде графов знаний для отдельных классов клинических рекомендаций и создали их программные решения, показывающие высокий процент качества. То есть машина с достаточным уровнем точности понимает текст медицинской документации. Одна из работ посвящена реабилитации пациентов после перенесенного инсульта. Специалисты создали на основе методов ИИ систему поддержки принятия решений с учетом постановки диагноза, формулировки целей и задач реабилитации, составления плана конкретных мероприятий.

«Проект интересен тем, что в реабилитации пациентов после инсульта участвует команда специалистов: врач физической реабилитации, психолог, логопед, эрготерапевт. Они должны совместно поставить реабилитационный диагноз и принять решение о конкретных действиях. Мы разработали аккуратные методологически выверенные сценарии работы и взаимодействия с пациентом каждого специалиста таким образом, чтобы врачи всегда могли обратиться к системе и уточнить информацию. Систему мы называем “Реабилитационный консилиум”. Это готовая программа, которая уже проходит клинические испытания, врачи ею пользуются, а мы получаем от них обратную связь», — объяснила В.В. Грибова.

Ученые готовят документы, чтобы зарегистрировать программу как медицинское изделие и продолжают ее модифицировать. Систему адаптировали для работы на планшетах, чтобы использовать ее непосредственно у постели пациента, и сейчас решают задачу голосового ввода информации. Это позволит ускорить взаимодействие с программой, но для начала необходимо вновь научить ИИ понимать текст ― на этот раз не формальный медицинский документ, а более свободную человеческую речь. На следующем этапе, над которым уже работают специалисты ИАПУ ДВО РАН, машина должна научиться распознавать травматологические клинические рекомендации.

Постановка реабилитационного диагноза проводится на основе Международной классификации функционирования, ограничений жизнедеятельности и здоровья (МКФ). Это универсальный инструмент, описывающий состояние функций и структуры организма, возможную активность человека, факторы окружающей среды. Все компоненты здоровья описаны в 1,5 тыс. кодов, каждый из которых можно оценить по пятибалльной шкале и объективно определить состояние здоровья.

Пациенту, проходящему реабилитацию, устанавливается диагноз в соответствии с набором кодов МКФ, учитывающим, например, когнитивные способности, уровень подвижности, нарушения сердечно-сосудистой или дыхательной системы, пищеварение и многое другое. Параллельная задача ученых ― разработать системы, способные на основе этих кодов автоматизировать создание индивидуальной программы реабилитации пациентов.

«Постановка диагнозов в соответствии с кодами МКФ — достаточно новая область в медицине, ― рассказала В.В. Грибова. ― К сожалению, не все эти коды описаны в клинических рекомендациях. Там не хватает информации, поэтому важная научная задача связана с разработкой структур, которые позволят дополнять эти данные с помощью экспертов. Для этого нужны понятные врачам информационные редакторы. Из этой задачи следует вторая: разработка решателей задач на основе предоставленных экспертами знаний. Такие методы автоматической генерации по входной информации позволят устанавливать диагнозы, состоящие из множества оценочных кодов жизнедеятельности, и формировать краткосрочные и долгосрочные цели и план реабилитации».

Системы ИИ пока несовершенны, могут галлюцинировать и генерировать спорные результаты, а в контексте жизни и здоровья людей это недопустимо. В ситуации, когда нейросети, обучаясь на больших данных, формулируют ответ, возникает эффект черного ящика: неизвестно, как именно система пришла к тому или иному выводу, и полного доверия к ней нет.

Другой подход ― обучение на основе знаний, представленных экспертами. Именно с такого подхода начиналось развитие ИИ, отметила В.В. Грибова, но на начальных этапах из-за недостатка технических возможностей автоматическое формирование графов знаний было невозможным, а базы знаний создавались только с помощью экспертов в тех или иных областях. Это сложный, долгий и дорогой процесс. Теперь, с развитием больших языковых моделей, появилась возможность обрабатывать крупные объемы специализированной информации.

«В этом и состоит наша наука ― извлечь с помощью языковой модели верную информацию, тщательно ее проверить и доказать, что качество соответствует исходному варианту. При этом обязательно надо создавать компонент объяснения. Система ИИ, помимо непосредственного результата, должна показать, на чем основан ответ. Тогда человек может осознанно принимать решение о том, стоит ли полагаться на представленную системой информацию», ― рассказала В.В. Грибова.

Необходимость применения ИИ в медицине подчеркивал президент РФ В.В. Путин весной 2026 г. Глава государства поручил правительству рассмотреть вопрос о системном внедрении российских решений, связанных с использованием цифровых помощников и синхронизацией информационных систем, в сферу здравоохранения, а также обеспечить вхождение технологий ИИ в медицинскую практику — в том числе для автоматизации процессов анализа данных и результатов лабораторных исследований.

Статья подготовлена при поддержке Министерства науки и высшего образования РФ