Polyptron — программно-аппаратный комплекс с ИИ, который помогает врачам обнаружить первые признаки рака кишечника и уменьшить риск развития онкологического заболевания. С помощью нейросетей система анализирует видео с эндоскопа и сразу подсвечивает возможные признаки на мониторе врача. Применение Polyptron в медицинских учреждениях позволит снизить смертность от рака кишечника за счет ранней диагностики и сократить расходы на лечение пациентов с такими заболеваниями на поздней стадии.
В интервью циклу «Страну меняют люди» директор по продукту Евгений Алханов рассказал, как помогает врачам быстрее принимать решения, возможно ли повысить общий уровень врачей по всей стране и как сейчас в больницах реагируют на помощь ИИ.
— Мы помогаем врачам спасать людей. Точнее, обучаем ИИ, который помогает врачам определять ранние признаки рака кишечника во время исследования.
Видео с камеры в режиме реального времени выводится на монитор, мы снимаем видеопоток с эндоскопа, тут же обрабатываем с помощью нейронки, выявляем первые признаки рака и выводим подсказки с ними на монитор врачу. То есть он может прямо во время исследования вернуться и посмотреть на что-то более подробно или взять пробу на рак, если надо.
Сейчас рак кишечника занимает третье место в мире по заболеваемости и второе по смертности. По статистике, предрак есть у 20 жителей из 100 000. Смертность же достигает 13 человек на 100 000. Много людей умирают из-за того, что первые признаки просто не выявили вовремя.
Обычно, если нашли рак кишечника на ранней стадии, на первой или второй, то их можно удалить не хирургическим путем. А если рак у него развился до третьей стадии — нужна дорогая и долгая хирургическая операция, плюс тяжелая реабилитация. На четвертой стадии — уже химиотерапия. То есть чем больше мы выявим полипов на первой и второй стадии, тем больше шансов, что мы спасем человека.
Так как наш ИИ влияет на принятие решения врачом, мы должны его сертифицировать как медицинское изделие по максимально жестким стандартам, поэтому датасет (набор размеченных изображений для обучения нейросети) у нас свой. Мы его собираем совместно с врачами Челябинского областного центра онкологии и ядерной медицины. Они проводят исследования с помощью нашей системы, мы их записываем, потом они нам размечают на записях первые признаки и классифицируют их. Уже порядка пятидесяти тысяч изображений классифицированных и порядка 2 500 пациентов прошло через эту систему.
После исследования система автоматически собирает отчет с записью видео и с фотографиями найденных патологий, которые врач может использовать у себя при формировании заключения.
— Какая точность системы?
— Если мы говорим о сравнении системы с опытным врачом, то у нас точность в районе 89-93%. Наша задача дойти до 98%. Поэтому мы дообучаем систему постоянно, чтобы меньше ошибок делать.
Параллельно мы ищем баланс. Можно попытаться найти максимально все патологии, но тогда будет больше ложных срабатываний и больше ошибок. А можно свести к минимуму ошибки, но тогда повышается вероятность, что система не увидит настоящие образования. На наш взгляд, пусть лучше будет больше шума, но при этом система не пропустит ни одной патологии. Однако, когда ты как врач смотришь отчет, понятно, что количество ошибок тебя начинает раздражать.
снимков патологий собрано
Есть, правда, объективная проблема с редкостью разных типов повообразований кишечника. Какие-то типы образований очень распространены в практике, хорошо изучены и отсняты. Соответственно система на них научена хорошо, и точность по самым распространенным у нас достигает 97%. Точность по тем, которых снято всего условно пять-десять кадров за два года работы, — где-то 63%, просто потому что очень маленькая выборка.
Мы пытаемся охватить все типы, чтобы повысить точность.
Первый — в Долгодеревенской районной больнице Челябинского региона. Нам это интересно, потому что в условном областном онкоцентре насмотренность врачей очень хорошая, и они и так пропускают меньше образований. Хочется понять, насколько мы будем полезны в местах, где насмотренность врачей не такая высокая, а проходимость пациентов не такая большая. Плюс нам еще интересно посмотреть заключение независимых врачей, которые не связаны с разработкой продукта.
Второй пилот запустили в городской клинической больнице № 40 в Екатеринбурге. Хотим понять, как отреагируют люди, которые совсем не знают о разработке. Третий начался на прошлой неделе в частной клинике в Москве. Хотим проверить, нужны ли мы частной клинике. Есть гипотеза, что главному врачу частной клиники с филиалами в разных регионах наша система поможет лучше контролировать качество работы врачей на местах, потому что он сможет посмотреть на заключение и на наш отчёт и сравнить.
Данные, которые мы получим за время пилотов, помогут начать собирать документы для сертификации. В ближайшее время она для нас — самое главное, потому что без сертификации мы не сможем полноценно продавать свою систему и зарабатывать.
стоит одно рабочее место
— Какая сейчас обратная связь от врачей?
— Ой, интересная очень. Врачи из Долгодеревенской больницы, например, заметили запаздывание у нашей системы. Монитор эндоскопа выдает 60 кадров в секунду, а наша система выдавала 30 кадров в секунду. То есть опоздание буквально на миллисекунду. Но врачи его видят, и мы полностью переработали систему, чтобы она 60 кадров выдавала.
«Ребята у нас пилотируются достаточно давно, и мы этому рады.
Иногда достаточно сложно на лету интерпретировать видеопоток с эндоскопа. Алгоритм ребят работает как помощник врача, подсвечивая различные признаки рака кишечника в режиме реального времени. Все наши эндоскописты позитивно отзываются, говорят, что полезная вещь. Особенно удобно, что параллельно выводятся обе картинки на два разных монитора, и врач может, если видит подсвеченную область, которую он не заметил сам, задержаться и этот участок слизистой рассмотреть более подробно.
Мы, честно говоря, не хотим останавливаться только на колоноскопии. Хотим внедрить разработку EVAlab при исследовании желудка и при исследовании бронхов. Также в будущем можно еще попробовать использовать технологию при УЗИ. Это задача сложнее, потому что там много зависит от оператора: как он поставит руку, как датчик выведет изображение... Верю в коллектив EVAlab! На мой взгляд, мы превосходно дополняем друг друга»
— Что было самое сложное в процессе создания?
— Регуляторика.
Идея продукта зародилась в компании Папилон, которая занималась видеоаналитикой для МВД и для служб безопасности: мониторили людей в режиме реального времени через камеры. В какой-то момент собственники компании решила диверсифицировать бизнес и попробовать медицинское направление: нейросетям всё равно, что определять же, был бы датасет чистый. Потом приняли решение вывести это направление в отдельное юрлицо. Но когда начинали всё, не думали, конечно, что это так сложно в плане сертификации.
Мы приходим с нашим проектом к главному врачу больницы, он говорит: «Классно, мы хотим у себя в больнице попробовать систему». А дальше приходим в Минздрав, и они говорят: «А зачем нам это надо? Есть ли у вас регистрационное удостоверение на медицинское изделие? Мы без него не поставим ничего, это подсудное дело». На самом деле, есть варианты проводить пилот как научное исследование.
Чтобы поставить на пилотирование систему, не имеющую регистрационного удостоверения, достаточно в клинике создать этический комитет. Он рассматривает разработку и принимает решение о том, что она безопасна для пациентов. Если есть желание у главврача, то все это делается очень быстро. С другой стороны, Минздрав тоже можно понять: это же жизни людей, а ее эффективность не доказана по всем правилам.
В случае рака кишечника это важно. Чем раньше мы определили признаки, тем больше шансов, что мы спасем человека. Практика показывает, что до трех месяцев уходит у пациентов от первичного приёма до записи в онкологический центр. А это бесценное время.
В идеале наша система должна стоять на каждой стойке в региональной больнице и в автоматическом режиме передавать в онкоцентр данные о найденных патологиях у пациентах. Врачи в онкоцентре смогут посмотреть наши снимки и оперативно записать пациента на операцию или запросить его перевозку, не дожидаясь, пока сам пациент найдет время и приедет на прием в областной центр. То есть всё будет происходить быстрее, чем сейчас.
Кроме того, есть проблема с общим уровнем подготовки врачей. Не все могут определить точно все первичные признаки рака кишечника, особенно, если мы говорим о каких-то районных или сельских учреждениях. Мы сейчас веденм переговоры с одним из ведущих медицинских ВУЗов Москвы.
— Почему вам интересно заниматься проектом?
— Ещё до того, как я пришёл работать сюда, мне делали ФГС (визуальный осмотр пищевода, желудка и двенадцатиперстной кишки с помощью специального аппарата — эндоскопа). По стандарту время исследования должно проходить определенное время, чтобы врач успел за это время посмотреть все. Но процедура, мягко говоря, не самая приятная, врач это тоже понимает и старается все побыстрее сделать. При этом, возможно, не все тщательно просматривает.
Наша система поможет врачу тщательнее проводить обследование, а времени на него будет уходить меньше, и пациентам будет не так неприятно. Мне нравится, что я своей работой могу облегчить жизнь другим.
Иногда тяжело, правда. Мы всё же стартап, в команде пять человек всего, и я шучу иногда, что работаю 25 часов в сутки. Такой график в том числе, кстати, из-за АСИ. Вы нас в каком-то сумасшедшем темпе приглашаете на разные интересные мероприятия и выставки, но зато это даёт хорошие контакты. Плюс мы сейчас получили от АСИ рекомендательные письма для разных регионов, чтобы они обратили внимание на нашу систему.