Система предиктивной аналитики и управления рисками в медицине на основе искусственного интеллекта

WEBIOMEDКомпания «K-SkAI»

Всемирная Организация Здравоохранения, 2018. https://apps.who.int/iris/handle/10665/274512

Сердечно-сосудистые заболевания(каждый третий случай смерти)

Онкология

Респираторные заболевания

Диабет

Другие

Неинфекционные заболевания (НИЗ) являются основной причиной смертности во всех странах мира

71% ВСЕХ СЛУЧАЕВ СМЕРТИ В МИРЕ

ВЕДУЩИЕ ЗАБОЛЕВАНИЯ

44%

22%

10%

4%

20%

СТРУКТУРА СМЕРТНОСТИ ОТ НИЗ

41 млн.смертей

ежегодно

ХРОНИЧЕСКИЕ НЕИНФЕКЦИОННЫЕ ЗАБОЛЕВАНИЯ

ПРОФИЛАКТИКА И СКРИНИНГ -ключевые меры снижения смертности

51%

21%

18%

10%Образ жизни

Внешняя среда

Генетика

Здравоохранение

51% причин, влияющих на развитие заболеваний, зависят от пациента.

Это модифицируемые факторы риска. Профилактика и скрининг направлены

на их выявление.В 2016 году врачи в России неправильно назначили лекарства пациентам 32,2 тыс. раз.

17,90 МЛН. СМЕРТЕЙ от ССЗ по всему миру

2,6 млн. - врачебные ошибки

ПРОФИЛАКТИКА: ОЦЕНКА РИСКОВ И ПРОГНОЗИРОВАНИЕ

Профилактика

https://www.rosminzdrav.ru/news/2018/02/15/7121-ministr-veronika-skvortsova-dala-intervyu-meditsinskoy-gazete

Развитие цифрового здравоохранения

http://government.ru/news/30568/

Необходим автоматический сервис, который сам будет анализировать медицинские данные и предупреждать врача и

пациента тогда, когда есть веский повод для тревоги

ЛАВИНООБРАЗНЫЙ РОСТ ЗНАНИЙ И КЛИНИЧЕСКИХ РЕКОМЕНДАЦИЙ. ВСЕ ЭТО ВРАЧУ НЕРЕАЛЬНО ВЫУЧИТЬ

СЛИШКОМ БОЛЬШОЙ ОБЪЕМ ИНФОРМАЦИИ О ПАЦИЕНТЕ. У ВРАЧА НЕТ ВРЕМЕНИ НА АНАЛИЗ ВСЕХ ДАННЫХ И ЭТО НЕ ВСЕГДА НУЖНО

НИЗКАЯ ПРИВЕРЖЕННОСТЬ ПАЦИЕНТОВ ПРОФИЛАКТИКЕ, УПУЩЕННЫЕ ВОЗМОЖНОСТИ ПРЕДОТВРАТИТЬ ЗАБОЛЕВАНИЯ

ЧРЕЗМЕРНАЯ НАГРУЗКА НА ВРАЧ.ПОЭТОМУ ВРАЧ НЕ ЗАНИМАЮТСЯ ОЦЕНКОЙ РИСКОВ И ПРОФИЛАКТИКОЙ

ПРОБЛЕМЫ ИНСТРУМЕНТОВ ПРЕДСКАЗАНИЯ РАЗВИТИЯ ЗАБОЛЕВАНИЙ:

ПРОБЛЕМЫ ПРАКТИЧЕСКОГО ИСПОЛЬЗОВАНИЯ ИНСТРУМЕНТОВ ВРАЧОМ И ПАЦИЕНТОМ:

БОЛЬШОЙ ОБЪЕМ ШКАЛ И МЕТОДИК. НО НИЗКАЯ ТОЧНОСТЬ И НЕБОЛЬШОЙ СПИСОК УЧИТЫВАЕМЫХ ФАКТОРОВ

ПО НЕКОТОРЫМ ЗАБОЛЕВАНИЯМ ТОЧНЫХ МОДЕЛЕЙ И ДОСТОВЕРНЫХПРЕДИКТОРОВ НЕ ВСЕГДА ДОСТАТОЧНО

ПРОБЛЕМЫ ПРЕДУПРЕЖДЕНИЯ ЗАБОЛЕВАНИЙ

ПРИМЕР: ДО 50% ВРАЧЕЙ ОШИБАЮТСЯ В ОЦЕНКАХ РИСКА

5

47%53%

Правильная оценка

Неправильная оценка

В рамках пилотного проекта внедрения Webiomed было проведено исследование точности выявления факторовриска (по время диспансеризации) и корректности их интерпретации врачами для оценки риска развитиясердечно-сосудистых заболеваний по различным методикам и шкалам.

Карты с

пропущенными

врачами факторами риска

63%

Факторы риска

указаны

полностью37%

Материалы исследования:

100 деперсонифицированных анкет пациентов 20 медицинских параметров в каждой анкете 97 врачей приняли участие в исследовании 1947 оцененных врачами анкет было собрано 7788 оценок риска дали врачи в ходе исследования

Правильности оценки ССЗ по шкале Score Правильности итоговой оценки риска пациента

Исследовалась правильность использования врачами следующих методик риск-стратификации пациента:1. Риск смерти от сердечно-сосудистых заболеваний по шкале Score (Systematic Coronary Risk Estimation –систематическая оценка коронарного риска)2. Риск коронарных осложнений (фатальный и нефатальный инфаркт миокарда, внезапная смерть) в ближайшие 10 лет по шкале Framingham3. Риск ишемических событий в ближайшие 8 лет по шкале Procam4. Российские рекомендации «Диагностика и коррекция нарушений липидного обмена с целью профилактики и лечения атеросклероза»

ЧТО ТАКОЕ WEBIOMED?

6

Это система предиктивной аналитики и управления рисками в медицине на основе искусственного интеллекта для руководителей здравоохранения

Это поддержки принятия врачебных решений (СППВР) для врача

Система умеет анализировать деперсонифицированную электронную медицинскую карту (ЭМК) с целью прогнозаразвития различных заболеваний пациента и выявления подозрений

Дает клинические рекомендации врачу и пациенту по профилактике заболеваний

Реализована как облачный web-сервис, полностью пригодный для интеграции в любые информационные системы

Использует методы искусственного интеллекта в своей работе

ПРОДУКТЫ СЕМЕЙСТВА WEBIOMED

7

Webiomed.DataSet Webiomed.NLP Webiomed.DHRAНакопление

деперсонифицированных

биомедицинских данных и

производство из них дата-

сетов для машинного

обучения и исследований

Извлечение признаков из

неструктурированных

медицинских записей

Выявление подозрений на

заболевания и предсказание

ухудшения здоровья на

основе анализа ЭМК,

формирование

рекомендаций врачу и

пациенту

WEBIOMED.DATASET

8

Сервис позволяет накапливать

деперсонифицированный банк

медицинских данных, с помощью

которого можно осуществлять их

автоматизированную размету и

создавать дата-сеты для машинного

обучения, клинических исследований

и анализа медицинских данных

Социальные данные

Анамнез и сигнальная информация

Медицинские документы

Накоплено данных

852 тыс.

6 млн. 26 млн.

Модели искусственного интеллекта

Ретроспективный анализ ( RWE)

Научные исследования

Разработка моделей машинного обучения и алгоритмов, которые позволяют:

• выявлять подозрения на заболевания;• пациентов высокого риска, требующих

назначений определенных препаратов.

Разработка моделей, позволяющих анализировать ухудшение заболеваний и интенсифицировать лечение.

Оценка реальных данных (RWE) Поиск неизвестных предикторов и взаимосвязей на основании анализа медицинских данных

272

1Накопленные данные в Webiomed.DataSet

медицинских организаций

5 регионов

WEBIOMED.DATASET ДЛЯ ФАРМАЦЕВТИЧЕСКИХ КОМПАНИЙ

WEBIOMED.NLP

10

Сервис осуществляет

извлечение признаков из

неструктурированных

медицинских записей

Модель Описание Признаки Метрики

WML.NLP.ObjectiveData

Модель извлечения признаков объективных данных пациентов из медицинских записей

Рост, Вес, ЧД, ЧДД, АД

Precision =97.65% Recall =99.49%F1 = 98.56%

WML.NLP.SmokeExtract

Модель извлечения признака "табакокурения" из текстов медицинских записей

Табакокурение (курит, не курит)

Precision = 88%Recall = 96%F1 = 92%

WML.NLP.LabМодель извлечения признаков из текстов лабораторных анализов

глюкоза, холестерин, креатинин, мочевина, гликемический профиль, гематокрит, триглицериды, ЛПВП, ЛПНП

Precision = 91.4% Recall = 87.2%F1 = 89.2%

WML.NLP.Covid19Модель извлечения симтомов COVID-19

температуры тела, кашель, одышка, заложенность в грудной клетки, миалгия, спутанность сознания, головные боли, кровохаркание, диарея

Precision =81.1% Recall = 80.4%F1 = 80.8%

WEBIOMED.DHRA ДЛЯ ВРАЧЕЙ

11

Используя различные алгоритмы и методы, в том

числе ИИ, система анализирует информацию

Система выявляет факторы риска и подозрения на

заболевания. На основании их система строит прогноз и

дает оценку группы риска пациента

С помощью базы данных клинических протоколов

формируются персональные рекомендации врачу и

пациенту

Ответ, включая рекомендации, отправляются

назад в информационную систему для использования

Webiomed принимает медицинские данные в

деперсонифицированномвиде, происходит их

верификация и подготовка

Сервис осуществляет анализ

обезличенной электронной

медицинской карты (ЭМК), выявляет в

ней факторы риска, подозрения на

пропущенные заболевания и дает

комплексную оценку группы риска

пациента по различным нозологиям

КАК РАБОТАЕТ ВРАЧ С СИСТЕМОЙ WEBIOMED?

Врач, работая с ЭМК, запрашивает консультацию искусственного интеллекта (в любой МИС).

МИС автоматически анализирует ЭМК пациента и отправляет в «облачную» Webiomed анонимный запрос на анализ данных.

В ответ Webiomed возвращает выявленные факторы риска и оценку группы риска пациента. Результаты выводятся в виде странички на сайте системы.

Ответ содержит детальные пояснения и рекомендации для врача и пациента

ВРАЧИ МОГУТ ДЕЛИТСЯ ОБРАТНОЙ СВЯЗЬЮ С WEBIOMED

13

Врач может отправить замечание в Webiomed: Эксперты Webiomed могут проанализировать данные и улучшить работу системы

Анализ на основе опубликованныхметодик оценки риска

Выявленные факторы риска

Подозрения на скрытые заболевания

Подозрения и предупреждения

Итоговая оценка риска пациента

ВХОДНЫЕ ДАННЫЕ: электронная медицинская карта

(ЭМК) МИС

СПОСОБЫ АНАЛИЗА: ВЫХОДНЫЕ РЕЗУЛЬТАТЫ:

Прогноз развития заболеванийВрачебные осмотры

Лабораторные исследования

Инструментальные исследования

Прошлые эпизоды, связанные с заболеваниями

Другие данные пациента

Анализ на основе требований нормативно-правовых актов

Анализ на основе алгоритмов клинических рекомендаций

Клинические рекомендации врачу

Персональные рекомендации пациенту

Различные типы заболеваний

МЕТОДЫ ОБРАБОТКИ ДАННЫХ

MACHINELEARNING

КАК МЫ СОЗДАЕМ НАШИ АЛГОРИТМЫ (ML)

0

0,2

0,4

0,6

0,8

1

0,2 0,4 0,6 0,8 1

ТЕХНОЛОГИЧЕСКАЯ СХЕМА при ML

ROC AUC нейронной сети выше и модели ML предсказания рисков ССЗдаюет более точные значения по сравнению с клиническими шкалами(Framingham, Score).

Модель машинного обучения дает индивидуальную вероятность дляпациента, а не группу риску.

В модели ML можно использовать любое количество входныхпризнаков/симптомов, в том числе мало изученные

ЭМК

Неструктурированные данные

NLP DATA SET

НЕЙРОСЕТИ

Прогнозирование развития заболевания

MODELРекомендации

Чув

стви

тел

ьно

сть

ROC-кривые

Deep Learning (ROC AUC = 0,75-0,86)

Logistic Regression (ROC AUC =0,74-0,76)

Framingham (ROC AUC = 0,59-0,72)

SCORE (ROC AUC = 0,66-0,73)

PROCAM (ROC AUC = 0,60-0,69)

Accuracy: 78.84%

Точность моделей машинного обучения в сравнении срезультатами традиционных шкал для предсказания ССЗ

ПРЕИМУЩЕСТВА

Медицинские протоколы

Новая версия Webiomed: борьба с COVID19

Заболевшие пациенты

Пациенты с подозрениями

Пациенты высокой тяжести пневмонии

Пациенты высокого риска

ВЫЯВЛЕНИЕ ПАЦИЕНТОВ АНАЛИТИЧЕСКИЕ ФУНКЦИИ

Популяционные оценки всего населения региона + прогноз развития ситуации на

основе автоматического анализа первичных данных из МИС МО

Пирамида эпидемии

Продукт находится в разработке

НЕ ТРЕБУЕТ РУЧНОГО ВВОДА ДАННЫХ , т.к. система реализована как web-сервис. ИНТЕГРИРУЕТСЯ с любыми медицинскими информационными системами ( МИС) , что позволяет использовать его в любых проектах и разработках, что существенно расширяет потенциальную аудиторию пользователей системы

ЕДИНСТВЕННАЯ РОССИЙСКОЕ ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ С ИИзарегистрированное как медицинское изделие

ВЫСОКАЯ ТОЧНОСТЬ ПРОГНОЗА, т.к. используется комплексный подход к анализу данных: алгоритмический и нейронные сети, что позволяет более точно предсказывать события в жизни пациента, в более полной мере выявлять факторы риска и тем самым формировать более ценные и действенные рекомендации для лечащего врача и самого пациента

МОЖЕТ РАБОТАТЬ С ЛЮБЫМИ НЕСТРУКТУРИРОВАННЫМИ ЭМК ( электронными медицинскими картами) , т.к. использует обработку записей с помощью NLP, что позволяет извлекать неструктурированные данные, признаки для анализа

ШИРОКАЯ ПОДДЕРЖКА РАЗНООБРАЗНЫХ ИСТОЧНИКОВ ДАННЫХ

Может использоваться для прогнозирования рисков и ФОРМИРОВАНИЯ ПОПУЛЯЦИОННОГО АНАЛИЗА

СОБСТВЕННАЯ БАЗА ОБЕЗЛИЧЕННЫХ ДАННЫХ, что позволяет производить собственные дата-сеты

Конкурентные преимущества

WEBIOMED –первая РоссийскаяСППВР и система

искусственного интеллекта, зарегистрированная Росздравнадзором как медицинское изделие

Регистрационное удостоверение на медицинское изделие от 03.04.2020 № РЗН 2020/9958

1

2

3

4

5

6

7

Что дает Webiomed заказчикам?

18

WEBIOMED - ОБЛАЧНАЯ СИСТЕМА

19

Webiomed

Webiomed

https://test.webiomed.ruТестовый контур:

https://api.webiomed.ruПромышленный контур:

https://test.webiomed.aiЭкспериментальный контур:

РАЗМЕЩЕНА В НАДЕЖНОМ ЦОДЕ

20

•

•

•

•

•

•

•

Высокая доступность системы

Продуктовая версия системы работает в датацентре«Mail.ru Cloud Solutions»

•

•

•

•

•

Более подробно о ЦОД: https://mcs.mail.ru

ГДЕ МОЖНО ПРИМЕНЯТЬ СЕРВИСЫ WEBIOMED?

21

B2G

B2В

B2С

ОРГАНЫ УПРАВЛЕНИЯ ЗДРАВООХРАНЕНИЕМ

МЕДИЦИНСКИЕ ОРГАНИЗАЦИИ

РАЗРАБОТЧИКИ МИС И ИНЫХ РЕШЕНИЙ ДЛЯ МЕДИЦИНЫ

ФАРМАЦЕВТИЧЕСКИЕ ОРГАНИЗАЦИИ

СТРАХОВЫЕ ОРГАНИЗАЦИИ

ПРОМЫШЛЕННЫЕ ПРЕДПРИЯТИЯ

РАЗРАБОТЧИКИ МОБИЛЬНЫХ ПРИЛОЖЕНИЙ И СЕРВИСОВ ДЛЯ

ПАЦИЕНТОВ

ЗАДАЧА / ПРОБЛЕМА СЦЕНАРИЙ ПРИМЕНЕНИЯ

SaaS

НАШИ ПРОЕКТЫ

22

Региональные пилотные проекты:

•

•

•

Отраслевые проекты:

•

•

•

ПАРТНЕРСТВО ДОСТИЖЕНИЯ

СКОЛКОВО

Фонд « Сколково» формирует и работает над создание условий для инновационного развития и открытия новых рынков в России

ПЕТРОЗАВОДСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

Опорный университет Республики

НАЦИОНАЛЬНЫЙ МЕДИЦИНСКИЙ ИССЛЕДОВАТЕЛЬСКИЙ ЦЕНТР МИНЗДРАВА РФ

Ведущий кардиологический центр России

НАЦИОНАЛЬНАЯ БАЗА МЕДИЦИНСКИХ ЗНАНИЙ

Ассоциация разработчиков и пользователей искусственного интеллекта

ЦЕНТР МЕДИЦИНСКОЙ ПРОФИЛАКТИКИ ЯНАО

Организация здравоохранения ЯНАО по профилактике заболеваний

АССОЦИАЦИЯ КЛИНИЧЕСКИХ ФАРМАКОЛОГОВ

Крупнейшая в России организация клинических фармакологов. Действует с 2009 г.

Digital Health Awards

ПРОФ-IT.2019

#ИТМ2019

О НАС ГОВОРЯТ

24

«Мы видим на первых этапах внедрения многократное увеличение выявления риска заболеваний, а это основная цель диспансеризации. Наши специалисты проводят скрининги, профилактические осмотры для того, чтобы выявить риски и вовремя их устранить. И внедренная система позволила увеличить выявляемостьфакторов риска», - прокомментировал итоги пилотного проекта главный врач Ямальского центра медицинской профилактики, доктор медицинских наук Сергей Токарев.

Искусственный интеллект

поможет врачам выявлять

опасные заболевания на ранних

стадиях

https://www.rosminzdrav.ru/regional

_news/11278-iskusstvennyy-

intellekt-pomozhet-yamalskim-

vracham-vyyavlyat-opasnye-

zabolevaniya-na-rannih-stadiyah

В ходе клинических испытаний робот проанализировал почти 30 тысяч электронных медицинских карт больницы. По сути это почти все население Муравленко, в котором - 32 тысячи жителей. При этом в трети случаев были выявлены пациенты с высоким и очень высоким риском развития сердечно-сосудистых заболеваний. Сейчас врачи приглашают их на углубленное обследование.

На Ямале искусственный интеллект

обследовал 30 тысяч пациентов

https://rg.ru/2019/04/06/reg-urfo/na-

iamale-iskusstvennyj-intellekt-obsledoval-

30-tysiach-pacientov.html

Врачи с помощью подсказок машины обратили внимание на 67 пациентов, которые, на взгляд ИИ, должны получить дополнительное обследование и лечение в связи с тем, что у них была выявлена очень высокая опасность инфаркта или инсульта, хотя такие пациенты не состояли на учете у кардиолога. Врачи согласились с выводами искусственного интеллекта и предметно занялись их здоровьем

Увеличить выявление факторов риска

сердечных заболеваний в семь раз

https://www.kommersant.ru/doc/3984543

КОМАНДА ПРОЕКТА

Команда проекта собрана из сотрудников опытной компании К-МИС, входящей в 5-ку лидеров автоматизации здравоохранения России, >10 лет на рынке, 33 региона присутствия, свыше 25 тыс. пользователей.

Министр здравоохранения Вероника Скворцова об одном из проектов К-МИС: «Работа по информатизации идет сегодня по всей стране, и Кировская область входит в десятку наших самых сильных регионов. Это готовый региональный сегмент информатизации здравоохранения, и так должно быть в каждом регионе. Я призываю всех найти возможность своими глазами увидеть, как уже сейчас работает данная система.»

СПАСИБО ЗА ВНИМАНИЕ!

К о н т а к т ы

https://webiomed.ai/

185031, РФ, Республика Карелия, г.Петрозаводск, набережная Варкауса, д. 17

+7 (814-2) 28-08-18

info@webiomed.ai

ВКонтакте

https://vk.com/webiomed

Подключайтесь к нам в социальных

сетях, чтобы всегда быть в курсе

новостей и событий

Facebook

https://www.facebook.com/webiomed/

Twitter

https://twitter.com/webiomed

Telegram

https://t.me/webiomed

YouTube

https://www.youtube.com/