Нейросети и радиация на службе у медицины. Интервью с физиком-ядерщиком Феликсом Студеникиным

Как радиация помогает диагностировать и лечить болезни? Как искусственный интеллект снизит нагрузку на врачей в будущем и где он может заменить человека уже сейчас? Как российские ученые подстраиваются под стремительное развитие технологий? Об этом мы говорим с Феликсом Студеникиным, заведующим лабораторией радиационной медицинской физики НИИЯФ МГУ им. М.В. Ломоносова. Именно здесь разрабатываются передовые технологии в области радиационной медицины в России.

Справка: Феликс Рикардович Студеникин — кандидат физико-математических наук, заведующий лабораторией радиационной медицинской физики отдела ядерно-физически методов в медицине и промышленности Научно-исследовательского института ядерной физики им. Д.В. Скобельцына, ассистент кафедры ускорителей и радиационной медицины физического факультета МГУ им. М.В. Ломоносова

— Если говорить о радиационной медицине, то одна из самых обсуждаемых задач сейчас — создание ускорителей. Что можно сказать про работу современных ускорителей?

— Действительно, лучевая терапия (особенно дистанционная) во многом строится вокруг ускорителей заряженных частиц. 97% всей дистанционной лучевой терапии в мире — это терапия на пучках фотонов, генерируемых тормозным излучением.

Допустим, терапия с помощью протонов или ионов — уже экзотика, ее применяют значительно реже, хотя она зачастую более щадящая для пациента. Другое дело, что установки для протонной терапии гораздо дороже. В России они есть всего в трех онкоцентрах и сейчас еще строятся два научных центра протонной лучевой терапии, в мире же таких центров тоже немного, наверное, 100—200. А медицинских ускорителей на пучках фотонов у нас в стране насчитывается около 600, в мире их более двух тысяч.

Лучевая терапия – это сверхточная технология, позволяющая уничтожить опухоль в щадящем для пациента режиме. Необходимость в ней, к сожалению, большая: в день через одного радиотерапевта и медицинского физика могут проходить от 200 до 400 пациентов. Так что создание таких установок и совершенствование методов лучевой терапии — крайне важная научно-технологическая задача, которую решают физики, инженеры и, разумеется, врачи по всему миру.

В России сегодня в основном используются импортные ускорители для лучевой терапии. Есть, конечно, и свои наработки, в частности в протонной терапии, брахитерапии и создании собственных систем планирования. Сами ускорители совершенствуются постоянно, буквально каждое десятилетие. И сейчас появляется новое поколение технологий, позволяющих более точно планировать лучевую терапию.

— В каких направлениях медицины это используется?

— В целом диапазон применения радиационных технологий очень широк. Во-первых, это лучевая диагностика: классический рентген, компьютерный томограф, позитронно-эмиссионная томография. Во-вторых, дистанционная лучевая терапия с использованием медицинского ускорителя. В-третьих, брахитерапия — контактная лучевая терапия, при которой изотоп вводится непосредственно в опухоль.

Также обязательно нужно сказать про ядерную медицину — это огромная отрасль, в которой ученым и врачам еще предстоит сделать очень много. В первую очередь мы говорим об адресной доставке, когда используются специальные молекулы-пептиды, которые «находят» пораженные клетки и доставляют к ним диагностический или лечебный агент. То есть пациенту вводится специальный препарат, который может выполнять диагностические функции – причем показать нам не только, как внутренний орган выглядит, но и как он работает. Так работает функциональная диагностика на позитронно-эмиссионной томографии (ПЭТ). Этот же препарат мы можем использовать и для лечения заболевания.

Все это лишь отдельные примеры применения радиационных технологий в медицине. И задача физика здесь — разработать методики, приборы и препараты, чтобы вооружить врача в борьбе с различными заболеваниями, в том числе с самыми тяжелыми формами онкологии.

— Вы упомянули разработки собственных систем планирования. Что это за разработки?

— С системой планирования работают и радиотерапевты, и медицинские физики. Когда опухоль диагностирована и уже понятны ее тип и размер, врач-радиотерапевт определяет дозу, которую необходимо послать в эту опухоль, чтобы ее уничтожить. После этого задача медицинского физика — рассчитать план облучения: обеспечить предписанную терапевтическую дозу в опухоли, но при этом максимально снизить поглощенную дозу в здоровых тканях.

Эти расчеты осуществляются с помощью специальных систем планирования. Современные системы, как правило, используют метод Монте-Карло. Попробую объяснить суть метода простыми словами. Наверняка многие помнят из школьного курса физики задачи на силу тяжести и закон тяготения. Классический пример аналитического решения: когда у нас есть формула и мы знаем скорость, с которой вылетел, допустим, камень или пушечное ядро, мы можем точно рассчитать, в какой точке он упадет. Это детерминистический подход. Пучок ускорителя — это огромное количество таких «ядер»: например, 10¹⁵ фотонов в секунду через единицу площади. И аналитически достоверно рассчитать, куда полетит одно «ядро», невозможно. Физики уже пробовали решить эту задачу таким образом, но не вышло. Тогда в ХХ в. предложили математический подход, при котором мы не оцениваем, куда полетит одно «ядро», а рассчитываем вероятность того, куда и в какой единице объема оно полетит, какую энергию потеряет. Почему это называется методом Монте-Карло? Как мы в казино подбрасываем кости, так и здесь мы генерируем случайное число и моделируем, куда бы эта частица могла полететь. «Магия» этого метода заключается в том, что если мы будем рассчитывать, куда полетит один «снаряд» — фотон, мы не получим точного результата. Но если мы возьмем, например, 10⁹ фотонов, то получим результат, который совпадет с тем, что будет на практике с точностью до полпроцента. То есть метод Монте-Карло прописывает вероятность и физические законы, в которых будет работать модель. С одной стороны, у нас есть характеристики пучка, летящего из ускорителя, с другой — геометрия пациента, которую показывает компьютерная томография. В итоге же мы получаем цифровую 3D-модель нашего пациента. На ней будут видны опухоль, в которую мы должны попасть, и контуры критических структур, в которых нужно обеспечить минимальную дозу.

— То есть у вас совместные разработки с партнерами, которые предоставляют программное обеспечение?

— Да, мы взяли на себя научное направление — разработку модулей с использованием машинного обучения и реализацией метода Монте-Карло для систем планирования. Мы не разрабатываем систему планирования целиком, а делаем небольшие модули, которые существенно повышают эффективность этих систем. Например, медицинский физик и радиотерапевт должны вручную обвести критические структуры малого таза, на которых доза облучения должна быть минимальной. На снимках КТ это делается вручную, и этот процесс занимает от 40 минут до полутора часов. С помощью машинного обучения мы сделали модуль, который делает это автоматически за 3,5—4 секунд. Ну и еще полторы—две минуты может понадобиться, чтобы поправить контур вручную, но это в любом случае гораздо легче, чем рисовать его с нуля. То есть весь процесс создания контуров мы сокращаем до двух минут. В частности, такие модули мы разрабатываем здесь, в лаборатории радиационной медицинской физики, для нашего индустриального партнера — российской компании RT7.

— Есть еще одно интересное направление — использование радиации для обработки медицинского оборудования, в частности игл. В этой области сейчас ведутся какие-то разработки?

— Да, у наших коллег есть целая лаборатория радиационной обработки биообъектов и материалов. Как и наша лаборатория, она относится к отделу ядерно-физических методов в медицине и промышленности, который возглавляет профессор Александр Петрович Черняев. Заведующая непосредственно лабораторией радиационной обработки — Ульяна Александровна Близнюк. Там коллеги применяют промышленные ускорители электронов, похожие на медицинские, но мощность дозы там гораздо выше.

В этом случае ионизирующее излучение используют для обработки уже герметично упакованных медицинских изделий, чтобы гарантированно уничтожить возможные микроорганизмы, в том числе и патогенные, и на выходе получить стерильное изделие. Сейчас во всем мире иглы для взятия венозной крови всегда обрабатываются ионизирующим излучением. Есть даже такой стандарт сертификации — gamma sterilization или radiation sterilization. Это уже устоявшаяся промышленная технология, гарантирующая чистое с микробиологической точки зрения медицинское изделие. Это очень перспективная область, коллеги ведут сейчас в этом направлении работу, защищают кандидатские и докторские диссертации.

Вообще возможность идентифицировать, что объект был обработан — важная и сложная задача, потому что обработка дорогая и сложно проверить добросовестность производителя. Для этого нужны специальные методики.

— То есть основное преимущество такого метода — обеспечение полной стерильности?

— Да, это гарантия того, что во всем объеме партии десятитонной фуры герметично упакованных медицинских изделий мы точно не встретим какой-либо патоген.

— Поговорим про искусственный интеллект в радиационной медицинской физике. Если формулировать в общем, ИИ — это только ускорение процессов или он дает еще какие-то качественные улучшения?

— Это очень хороший вопрос. Здесь важно отметить, что медицина представляет собой одну из лидирующих областей по количеству внедренных решений на основе ИИ. На то есть две причины. Первая — высокий уровень цифровизации медицинских данных. Все страны мира в последние 30 лет стремились перевести все данные в цифровой формат, чтобы иметь возможность оперативно найти нужную информацию по электронной медицинской карте и таким образом ускорить работу с большим потоком пациентов. Так, например, у нас на смену пленочным рентгенам пришли цифровые детекторы, и теперь мы получаем изображения в цифровом виде. Этот огромный массив цифровых данных неизбежно подталкивает к использованию машинного обучения для анализа того, что мы раньше не могли обработать классическими аналитическими методами.

Вторая предпосылка — рост вычислительных мощностей. Сегодня мы наблюдаем огромное количество сервисов, которые регистрируются практически каждый день. В таких условиях возникает необходимость снижения рутинной нагрузки на врача — например, радиолога или рентгенолога. Это первая область применения ИИ. По количеству решений в области ИИ в настоящий момент лидирует именно радиология: здесь мы говорим о лучевой терапии и диагностике. Считается, что именно в онкологии зародилось такое направление, как радиомика — использование машинного обучения для того, чтобы выявить количественные признаки. Внимание: не поставить диагноз (это делает врач), а только выявить признаки из большого объема данных.

ИИ зачастую не только ускоряет процесс, но еще и повышает точность получаемых данных. Например, с помощью ИИ мы можем увеличить разрешение снимка. Есть предположение, что с точки зрения технологий детекторов определенный предел качества изображений уже был достигнут. И дальнейшее улучшение мы можем получить только с помощью апскейла на основе машинного обучения.

В первую очередь, конечно же, компании и государство вкладывают деньги в то, чтобы ускорить процесс постановки диагноза и предложения вариантов лечения. В центре диагностики и телемедицины сейчас проходит московский эксперимент, который тестирует решения в области ИИ. Цель — выяснить, насколько можно доверять тому или иному сервису или решению в области ИИ.

Яркий пример применения — пандемия COVID-19, когда мы столкнулись с огромным потоком пациентов, которым было необходимо анализировать снимки рентгенографии грудной клетки. Тогда в России заработало около пяти сервисов, которые либо ставили диагноз в автоматизированном режиме, либо просто определяли наличие патологий. И если патология обнаруживалась, то это уже передавали врачу на оценку.

Поэтому, отвечая на ваш вопрос: да, глобально, наверное, искусственный интеллект — это в первую очередь повышение скорости. Но он еще и позволяет снизить значение человеческого фактора. Все-таки важно, чтобы в распоряжении врача всегда было второе мнение — пусть это и «мнение» программы, но оно в любом случае позволит специалисту не упустить дополнительные признаки, важные для постановки клинического диагноза. Ведь человек может не обратить на них внимания, например, в конце тяжелого рабочего дня или недели.

— За последние годы сразу несколько научных организаций в России представили проекты по внедрению искусственного интеллекта для чтения рентгенограмм. Что можно сказать об этом способе?

— У нас было совместное исследование с Центром диагностики телемедицины: мы смотрели, насколько работа сервиса на основе ИИ зависит от режима, в котором он работает, и от аппарата — старый ли он, 15-летней давности, или новый, который год назад поставили в клинику. В итоге мы получили интересный результат: точность постановки диагноза от нейросети до 15—20% зависит от аппарата и от сложности заболевания конкретного пациента. Можно ли нейросети в таком случае работать автономно от врача? Ни в коем случае. Точные результаты были получены в тех случаях, когда нейросеть должна была только определить норму. То есть если на снимке рентгенограммы все было нормально, то появлялась зеленая галочка, означавшая, что этому снимку можно уделить минимум внимания, удостоверившись, что все хорошо. Если же ИИ замечал отклонение от нормы, тогда появлялась пометка, что здесь патология. А вот какая именно — это уже определял врач. И здесь не было каких-то серьезных отклонений из-за возраста аппарата или от сложности случая. Такие сервисы ошибались только в пользу пациента, то есть все было хорошо, но нейронная сеть говорила, что здесь что-то не так.

Конечно, в нашем исследовании была ограниченная выборка, но, по данным Единого радиологического информационного сервиса (ЕРИС), мы просмотрели рентгенограммы 600 тыс. пациентов. И в целом можно сделать вывод, что российские сервисы именно в режиме определения нормы или патологии работают с высокой точностью.

— Возвращаясь к разговору о лучевой терапии: как именно в ней используется искусственный интеллект?

— Первый блок — это радиомика. Здесь сервисы на основе ИИ помогают выявить онкологическое заболевание на ранней стадии, что крайне важно. Ведь чем раньше мы выявим такое заболевание, тем выше шанс его вылечить путем хирургического вмешательства, химиотерапии, лучевой терапии или комбинированного метода. Поэтому до лучевой терапии всегда идет лучевая диагностика, включающая в себя скрининг и постановку диагноза. В этом случае ИИ смотрит на результаты планового профилактического осмотра, когда у пациента нет жалоб и еще нет подозрения на онкологию. Но поскольку мы теперь можем просматривать все оцифрованные данные с помощью машинного обучения, появляется возможность увидеть ранние признаки до того, как появляются первые симптомы. В борьбе с онкологией самое главное — выявить рак как можно раньше.

Следующая важная функция ИИ в лучевой терапии — сокращение времени планирования без потери точности. В данном случае сервисы машинного обучения помогают не только сегментировать критические структуры, но и автоматически подбирать план лечения. С помощью машинного обучения мы прогоняем сотни тысяч планов, которые были ранее сделаны радиотерапевтами и медицинскими физиками, и таким образом обучаем нейросеть саму подбирать оптимальный план лучевой терапии. Это серьезно экономит время и помогает более точно составить план.

Недавно мы с коллегами ездили на медицинский форум в Китай и видели там примеры систем планирования на китайских медицинских ускорителях. Весь цикл работы уже проходит с использованием ИИ, такого пока нет даже у западных компаний. В России мы только сделали отдельные модули, но в единую систему еще не объединили. Так что эта выставка показала нам самые передовые решения в данной области. Можно даже сказать, что на острие инновационных решений в области лучевой терапии сейчас находится следующий вопрос: как правильно интегрировать систему планирования с модулями на основе ИИ?

Однако каких бы обнадеживающих результатов мы ни ждали от машинного обучения, есть несколько пунктов, существенно ограничивающих повсеместное внедрение. Первый — это галлюцинации нейронных сетей. От них пока никуда не денешься. Мы должны фиксировать ошибки сервиса и понимать, насколько мы можем ему доверять. Второй — регуляторный момент. На ком лежит ответственность: на разработчике нейросети или на враче, принимающем конечное решение? Третий пункт — ограниченные вычислительные мощности, которые пока не позволяют добиться необходимого результата в обучении самой нейронной сети.

Наконец, самый существенный ограничивающий фактор — сложность доступа к данным. С одной стороны, в России одна из самых больших баз данных: если взять всю историю практики лучевой терапии у взрослых и детей по всей стране, мы найдем огромное количество наработок от самых высококвалифицированных радиотерапевтов и медицинских физиков. Другой вопрос, что это персональные данные и разработчик не может просто взять и получить к ним доступ, это незаконно. А все согласования очень сильно увеличивают временные издержки. Пока мы получим необходимые разрешения, пройдет полгода и выйдет новая архитектура, следовательно, нужно будет все начинать заново. Так что нам еще предстоит большой путь, прежде чем ИИ станет неотъемлемым инструментом в лучевой терапии. Но эта технология открывает большие перспективы.

— ИИ сейчас активно развивается и постоянно меняется. По сравнению с тем, когда вы начинали применять его, и тем, что происходит сейчас, насколько изменились методы работы?

— Пока прошло не так уж много времени. Мы традиционно специализируемся на лучевой терапии, физике ускорителей, наша кафедра более 25 лет готовит медицинских физиков. А направлением ИИ мы занимаемся только последние три года, это делает одна из нескольких наших научных групп.

Но даже за три года мы заметили, что стало проще разрабатывать свои нейросети. Стало больше архитектур, многие из которых появляются в открытом доступе. Соответственно, возникают новые решения.

Вот пример. Приходит студент и показывает программу, которую он написал. При этом я знаю, что он не владеет C++ и совсем чуть-чуть знает Python. Спрашиваю: «Как ты это сделал?». Он отвечает: «Методом Монте-Карло». Я говорю: «Подожди, но ты же ненавидишь программировать. Как же у тебя получилось?». Оказалось, он попросил нейросеть написать ИИ-агент, который сам все установил и посчитал. На этом примере мы видим, что время на разработку очень сильно сократилось. Если нам нужно добавить функционал, то раньше это занимало две недели, а сейчас нужен лишь один промт — и мы получаем готовое решение. Да, после этого его надо проверять и исправлять ошибки, но время получения первого работающего прототипа сократилось в несколько раз.

Многое зависит от качества данных, их разметки. Их поиску и подготовке надо уделять большое внимание. Сами же нейронные сети и их обучение стали доступнее. С другой стороны, за эти три года и «железо» для работы с нейронными сетями подорожало в несколько раз. Поэтому с точки зрения навыков работы с нейросетями стало проще, но с точки зрения инфраструктуры все наоборот: собрать свой сервер для обучения стало тяжелее.

— Можно ли делать какие-то прогнозы, как будет дальше использоваться ИИ?

— Это очень быстрорастущая область. До этого мы с вами говорили о таких сложных и узконаправленных вещах, как автоматическая сегментация, постановка диагноза. Есть и более простые вещи, но, возможно, даже более важные для наших клиник. Это касается административных моментов: например, можно использовать ИИ для автоматического заполнения карты пациента. Мы привыкли, что это делают сами врачи или медсестры, которые записывают жалобы пациента и заполняют карту. Но уже сейчас мы видим примеры клиник, где эту опцию на себя берет сервис на основе ИИ. Он включает в себя голосовой набор с подготовкой короткого содержания того, о чем говорил пациент, прибавляя к этому результаты анализов и рекомендации врачей. Сейчас мы наблюдаем волну разработок сервисов, упрощающих административную работу: во многих местах это не завтрашний день, а уже внедренная технология. Так что можно надеяться, что в ближайшем будущем у врачей станет меньше бюрократической работы, а алгоритмы расчета и постановки диагноза будут становиться все точнее.

При этом основные вычислительные мощности нужны для обучения нейросетей, непосредственно же применение программы вполне по силам тем аппаратам, которые имеются в наших клиниках. Мы должны быть готовы к тому, что сервисов на основе ИИ станет больше, человек научится точнее использовать этот инструмент в своей работе и лучше его контролировать.

— Лаборатория радиационной медицинской физики активно сотрудничает с индустриальными партнерами. Можно ли сейчас рассказать о каких-то актуальных проектах?

— Индустриальные партнеры играют важную роль в прикладных исследованиях.

У нас ведутся и фундаментальные исследования, у которых нет прямого заказчика. Например, мой коллега Алексей Александрович Щербаков недавно защитил кандидатскую диссертацию на тему поиска причин вторично индуцированных раковых опухолей. Это фундаментальное исследование, которое рассматривает причины неучтенных доз на этапах лучевой диагностики, МРТ-диагностики и лучевой терапии. Здесь какие-то коммерческие и клинически доступные решения могут появиться только спустя пять-семь лет после защиты.

Помимо таких работ, у нас есть и результаты прямого взаимодействия с партнерами. Один из примеров — разработка модулей для системы планирования компании RT7. Второй пример — мы достаточно давно работаем с отечественным производителем рентген-диагностических аппаратов, и к этому проекту привлечены несколько ведущих институтов: кроме НИИЯФ, это, например, Курчатовский институт. Сейчас наш коллектив работает над тем, чтобы полностью заменить критические узлы рентген-аппарата на отечественный компонент. Это нетривиальная задача, потому что в мире всего несколько производителей делают хорошие рентгеновские трубки и цифровые детекторы. И если задача будет решена, это очень сильно поможет российским производителям занять лидирующие позиции на рынке медицинского оборудования. Для этого нужны не только физические исследования, но и большое количество инженерных решений. Пока работа в самом начале — у нас есть только первые результаты по сцинтилляторам (веществам, излучающим свет при поглощении ионизирующего излучения. — Примеч.ред.). Думаю, пройдет еще несколько лет, прежде чем мы сможем представить готовое изделие.

Коллеги из лаборатории радиационной обработки ведут совместный проект с компанией «Акцентр», давним партнером «Росатома», по обработке медицинских изделий — у них и студенты проходят стажировку. Кстати, очень важно, чтобы физик еще во время обучения мог попасть на реально работающее предприятие и выполнить дипломную работу с постановкой реальных задач от индустриального партнера.

Но для нас важны не только индустриальные партнеры. Благодаря усилиям заведующего кафедрой дипломные работы наших студентов выполняются в ведущих онкоцентрах Москвы: Онкологическом научном центре им. Н.Н.  Блохина, Московском научно-исследовательском онкологическом институте им. П.А. Герцена, Национальном медицинском исследовательском центре детской гематологии, онкологии и иммунологии им. Д. Рогачева, Московском клиническом научном центре им. А.С. Логинова и других. Они с радостью принимают на работу наших студентов и выпускников, ведут совместные исследования с кафедрой. Научные статьи по их итогам с удовольствием принимают и зарубежные, и российские журналы, потому что, с одной стороны, эти исследования подготовлены фундаментальной школой физического факультета, с другой — проводятся в реальной клинической практике.

Недавно мы начали сотрудничество с НПП «Доза». Эта компания планирует в ближайшем будущем заниматься поставкой оборудования для ядерной медицины, поэтому остро встал вопрос кадров, которые могут работать с этим оборудованием. В связи с этим планируется запуск класса по ядерной медицине в стенах МГУ, чтобы студенты могли получить реальные практические навыки работы на таком оборудовании.

В целом участие клиник, госкорпораций и частного бизнеса крайне важно для того, чтобы создать сильную технологическую базу в российском здравоохранении. Сегодня без сотрудничества фундаментальной науки, клинической практики и промышленных предприятий невозможно создать конкурентоспособное решение.

— Какие направления исследований наиболее востребованы в последние годы?

— Если говорить про лучевую терапию, то в первую очередь нас интересует повышение эффективности терапевтических методов и снижение лишней лучевой нагрузки на пациента. Это основная миссия физика в этой области.

Здесь можно выделить несколько направлений. Во-первых, разработку программ с помощью компьютерного моделирования. Например, инструмент GEANT-4 был изначально создан в CERN (Европейской организации по ядерным исследованиям. — Примеч.ред.) для задач фундаментальных исследований, и применять его в медицине и промышленности без адаптации достаточно сложно. Поэтому тут необходимо специализированное решение.

Во-вторых, подготовку кадров — это, пожалуй, основная сила Московского университета. Всем нужны специалисты, которые умеют думать и быстро адаптируются к меняющимся условиям. Ряд образовательных программ за последние 20 лет были разработаны именно под запрос индустриального партнера, когда появлялось новое оборудование. Условно говоря, раньше работали на одном типе ускорителей, сейчас появился другой — соответственно, нужны кадры. Конечно, сделать из вчерашнего студента работающего специалиста, которому доверят вместе с врачом лечить пациента, — это очень большая ответственность. От специалиста в этой области требуется очень много навыков: у него должны быть и фундаментальные знания, и набитая рука в практической области.

— Насколько стала сложнее подготовка кадров с учетом бурного развития технологий?

— Не могу сказать, что стало сложнее. Скорее наоборот: есть ощущение, что теперь больше молодежи хочет строить профессиональную карьеру в этом направлении — во многом как раз из-за появления новых вызовов и новых научных задач. В последние два года поток желающих работать на нашей кафедре увеличился в два раза. И это самое главное: ведь МГУ изначально отбирает самых талантливых. А обучить мотивированного студента — всегда удовольствие для преподавателя, особенно если этот студент потом идет в профессию. Главное, чтобы было желание и ребята приходили.

Обычно на нашей кафедре от трети до половины группы шли работать в онкоцентры. Но тут важно понимать, что работать в клинике сложно, это все-таки призвание далеко не для всех. Теперь же к нам приходят и те, кто хотят быть программистами в области ядерной медицины, разрабатывать свои решения в области ИИ. Кто-то в итоге уходит в коммерцию, занимается продажей медицинского оборудования — это тоже требует глубокого понимания нашей области. В любом случае хорошо, когда желающих больше. Адаптировать образовательный процесс под быстро меняющиеся условия — основная задача преподавателей, и нельзя сказать, что она невыполнимая.

Поэтому отвечу так: стало интереснее. Причем всем — и нам, преподавателям, и студентам, которые могут освоить то, что только недавно появилось. Мы стараемся еще во время обучения давать возможность поработать и в клинике, и на фабрике, поучаствовать в проекте с индустриальным партнером — конечно же, на старших курсах.

— Можно ли сказать, что теперь требуется больше практических навыков?

— Студенты у нас всегда проходили практику в отделениях лучевой терапии. Безусловно, появились новые практические требования, но я бы даже сказал, что, наоборот, сейчас на первое место выходят не узкоспециализированные навыки, не умение забивать гвоздь, а фундаментальные знания физики и математики. Эта база никуда не делась с внедрением ИИ. Сервисы машинного обучения позволяют заменить как раз узкоспециализированные функции человека. Ценность же того, кто умеет мыслить, глобально решать проблемы и кто обладает фундаментальными знаниями физики и математики, только возросла.

— Насколько активно сейчас государство поддерживает ваши исследования?

— Грантовая поддержка, безусловно, осуществляется. Мы регулярно выигрываем гранты от Российского научного фонда, чему, конечно, очень рады. Есть еще фонды, которые финансируют в основном прикладные разработки. Например, Фонд Бортника (Фонд содействия инновациям) проводит программы «Старт», «Умник», где требуется вообще создать компанию для внедрения технологических решений.

Так что финансирование есть, но, к сожалению, получают его не все научные группы, а только лучшая, причем по мнению экспертов конкретного фонда. Конечно, любой ученый скажет, что надо давать больше денег на науку, и мы вам скажем то же самое. С другой стороны, хотя бороться за гранты трудно, подготовить хорошую заявку занимает время, но это и самому ученому позволяет систематизировать то, чем он собирается заниматься.

Помимо грантов, остаются научно-исследовательские работы и договоры с индустриальными партнерами, когда нужно решить какую-то конкретную задачу. Остаются также мегасайенс-проекты, в рамках которых создаются установки, не имеющие аналогов в мире. В этих проектах всегда участвуют ряд институтов, и они хорошо финансируются. Сейчас таких проектов особенно много.

Сложностей, конечно, тоже хватает, и от научных коллективов сегодня требуется не только проведение исследований, но и самостоятельный поиск финансирования. В первую очередь нужно убедить экспертов фонда или потенциального заказчика, что нужно вкладываться в то или иное исследование.

— Есть ли у лаборатории планы на будущее, о которых уже сейчас можно рассказать?

— Хочется в ближайшие пять лет выйти на создание реально работающих программ и продуктов, которые будут применяться в отечественных клиниках. Можно сказать, что это коллективная мечта у всех, кто сейчас занимается исследованиями. Хочется увидеть здесь и сейчас, как эти исследования помогут создать передовые программы, снижающие рутинную нагрузку на врачей и медицинских физиков. Поэтому в ближайших планах — пройти от идеи до финального работающего продукта.

— Не могу не спросить про вашу командировку в Китай, где вам удалось побывать на производстве ускорителей. Насколько впечатлили технологии китайских коллег?

— Очень впечатлили. Мы посмотрели и как работают китайские ученые, и как врачи используют их оборудование. Действительно, самой интересной частью была поездка на фабрику. Там мы наблюдали вообще достаточно редкую для мирового производства вещь — полный цикл под одной крышей. То есть там и фрезеровочные станки с ЧПУ, обрабатывающие металл — например, для производства барабанов для томографов. На этом же предприятии выращиваются сцинтилляторы для цифровых детекторов. Есть и огромное пространство, где закачивается гелий в томограф для МРТ, и в этом же месте стоят боксы для полноценных испытаний томографов и ускорителей. В другом месте производятся разве что пара узлов.

И это, конечно, впечатляет. С одной стороны, это миллиарды государственных инвестиций, с другой — передовые кадры. Многие из сотрудников, занятых сейчас на китайских фабриках, долгое время проработали за рубежом — в России, Европе, США — и, соответственно, обладают международным опытом, который они внедряют у себя в стране. В свое время миллионы талантливых китайских студентов уехали учиться за границу, а спустя десять лет государство объявило гранты на возвращение: тем ребятам, кто поработал за рубежом и готов был вернуться и начать научную или производственную карьеру в Китае, выплачивали по 500 тыс. юаней. Поэтому сейчас у них очень много серьезных специалистов, кто поработал в нескольких странах и привнес этот опыт и эти технологии в китайское производство. Очень много технологических решений и инженерной мысли на один квадратный метр.

Думаю, что скоро рынок медицинского оборудования изменится. Некоторые китайские компании уже сейчас занимают 30% всей медицинской техники на американском рынке. Поэтому список лидирующих компаний, чье оборудование мы привыкли видеть в клиниках, скорее всего, в ближайшие несколько лет обновится. Мы это уже наблюдали в автомобилестроении, и, скорее всего, то же самое произойдет с медицинской техникой.

А нам, конечно же, нужно сохранять международное сотрудничество. На мой взгляд, фундаментальные исследования пока сильнее в нашей стране, а вот что касается прикладных вещей, скорости принятия инженерных решений и их внедрения, то здесь Китай вышел на высочайший уровень. И если объединить нашу фундаментальную школу физики, математики и медицины с теми производственными мощностями, которые доступны китайским коллегам, то есть все шансы получить новые результаты в активно развивающихся областях. Это в первую очередь касается персонализированных вакцин от рака и ранней диагностики онкологических заболеваний. Объединив усилия, мы сможем достичь гораздо бóльших результатов.

Интервью проведено при поддержке Министерства науки и высшего образования РФ