О проекте
Проект направлен на разработку и верификацию требований к программному обеспечению стационара многопрофильного медицинского центра восьмого поколения, согласно предложенной шкале эволюции медицинских информационных систем.
Цель проекта — анализ и разработка требований, разработка прототипа, внедрение прототипа программного обеспечения медицинской платформы по ИИ в техническом или медицинском университете в форме отдельной специализированной лаборатории.
Проект может стать моделью (прототипом) для создания платформы Минздрава и использоваться как «точка старта». С его помощью можно быстрее разработать и внедрить единую медицинскую платформу, которая будет соответствовать актуальным требованиям и направлениям развития здравоохранения. Далее единая медицинская платформа может быть использована при развертывании отраслевого центра компетенции Минздрава по ИИ с целью реорганизации здравоохранения в соответствии с направлениями и требованиями к изменениям с целью подготовки нового врачебного корпуса.
Новый врачебный корпус — это врачи, имеющие необходимую теоретическую и практическую подготовку в области понимания и использования ИИ в своей клинической и научной работе и, одновременно с этим, это специалисты, имеющие социально активную позицию и мотивацию на глубокие изменения по автоматизации здравоохранения, научной и образовательной деятельности на основе ИИ.
Направления изменений
Сфокусируем внимание на основных структурных и тематических изменениях в области обучения и переподготовки нового врачебного корпуса. Эти изменения требуют разработки и внедрение новых программ обучения и образовательных стандартов с учетом глубокой автоматизации здравоохранения, научной и образовательной деятельности на основе ИИ.
Структурные изменения.
- Определение потребностей рынка труда в перспективе 5-10-15 лет. Определение востребованных специальностей и квалификаций врачей, требующих навыков работы с ИИ в медицинской, научной и образовательной сферах.
- Разработка системы материальной и нематериальной мотивации обучающихся по востребованным специальностям и квалификациям врачей.
- Разработка образовательных программ. Создание курсов и модулей, направленных на обучение работе с ИИ в медицине и науке, включая основы программирования, машинного обучения, обработки больших данных и этики использования ИИ.
- Интеграция ИИ в учебный процесс. Внедрение в учебную практику заданий, симуляций и проектов, использующих ИИ для решения реальных задач в медицине и науке.
- Подготовка и переподготовка преподавателей. Обучение новых и повышение квалификации существующих преподавателей использованию ИИ в учебном процессе, а также методам оценки и обратной связи при работе с ИИ.
- Оценка эффективности обучения. Разработка критериев оценки знаний и навыков студентов в области ИИ, а также анализ влияния обучения на их профессиональную подготовку.
- Адаптация образовательных стандартов. Внесение изменений в образовательные стандарты, чтобы они отражали требования к навыкам работы с ИИ в медицинской и научной сферах.
- Сотрудничество с индустрией. Выстраивание горизонтальных связей с медицинскими и научными центрами для определения актуальных требований к специалистам, работающим с ИИ, и корректировки учебных программ.
- Обеспечение доступности обучения. Внедрение виртуальных лабораторий данных и электронных форм обучения для расширения доступа к образованию в области ИИ.
- Гармонизация образовательных стандартов и обновленных программ обучения с Министерством образования и Министерством здравоохранения.
Тематические изменения.
- Эффективная диагностика и снижение ошибок при постановке диагноза. Использование ИИ для анализа медицинских данных, включая изображения, звук, витальные сигналы, и др. модальности, позволяет повысить точность диагностики и снизить вероятность ошибок.
- Разработка новых лекарственных средств и методов лечения. ИИ может помочь в поиске новых методов лечения и лекарств, анализируя большие объемы данных о молекулярных структурах и их взаимодействии с биологическими мишенями.
- Рационализация работы с пациентами. Роботизированная автоматизация технологических процессов, таких как рутинные задачи предварительной авторизации, обновления записей пациентов или выставление счетов, освобождает время врачей для непосредственной работы с пациентами и позволяет повысить эффективность административной работы.
- Автоматизация функции контроля оказания медицинской помощи. Роботизированная автоматизация технологических процессов, таких как мониторинг состояния пациентов в реальном времени, автозаполнение медицинских карт обобщенными данными, полученными при непрерывном мониторинге пациентов, автоуведомление медицинского персонала о необходимости действий, автоотслеживание и регистрация выполненных манипуляций медицинским персоналом, автоучет расхода лекарств, перевязочных и расходных материалов, автоматический план-фактный анализ (анализ плана лечения и фактически выполненных манипуляций) с автоматической эскалацией грубых отклонений от плана, а также автоконтроль мероприятий по исполнению санитарно-эпидимиологического и гигиенического режимов.
- Робот-ассистированная хирургия. Роботы в хирургии позволяют проводить операции с большей точностью и минимальными инвазиями. Они особенно полезны в сложных процедурах, таких как гинекология, хирургия предстательной железы, хирургия головы и шеи.
- Автоматизация работы с накопленными базами данных и другой неструктурированной информацией на основе естественного языка. Анализ естественного языка применяется для обработки неструктурированных клинических заметок о пациентах, подготовки отчетов, расшифровки взаимодействия с пациентами, ведения беседы с ИИ. Это помогает улучшить понимание и дальнейшее использование клинической документации для научных и образовательных целей.
- Экспертные системы, основанные на правилах, не теряют актуальности. Такие системы широко использовались и продолжают использоваться в здравоохранении для создания «клинических помощников принятия решений». Они помогают врачам в диагностике и лечении, предоставляя рекомендации на основе правил и опыта экспертов.
- Построение открытой экосистемы медицинских данных. Такая экосистема предполагает создание платформы, где специалисты из разных областей медицины могут обмениваться доверенными данными. Платформа предполагает использование ИИ для сбора и верификации медицинских данных с целью создания общедоступных баз данных и организации их обмена данными. Интеллектуальный анализ и управление медицинскими данными — использование алгоритмов машинного обучения для анализа больших объемов данных о пациентах, что позволяет выявлять закономерности и тенденции, способствующие улучшению качества лечения.
- Построение открытой экосистемы медицинских знаний. Такая экосистема предполагает создание платформы, где специалисты из разных областей медицины могут обмениваться знаниями, опытом и научными данными. Это способствует ускорению процесса исследований, разработке новых методов лечения и повышению качества медицинской помощи.
- Объединение практической медицины, медицинской науки и образования на основе единой открытой технологической платформы, обеспечивающей обмен данными и знаниями в пространстве согласованной семантики, является одним из ключевых направлений в области цифровизации здравоохранения. Это направление предполагает создание цифровой научно-образовательной платформы, которая позволит интегрировать различные аспекты медицинской деятельности, включая обучение, научные исследования и практическую медицину. Платформа будет способствовать обмену знаниями, опытом и лучшими практиками между специалистами, а также ускорит процесс внедрения инноваций в медицинскую практику.
Барьеры
Определим основные барьеры на пути структурных и тематических изменений в системе здравоохранения по подготовке нового врачебного корпуса.
- Недостаток квалифицированных кадров. Для реализации проектов в области ИИ требуются специалисты с определенными навыками и знаниями. Отсутствует достаточное количество таких специалистов, готовых работать в сфере здравоохранения.
- Ограниченные ресурсы. Внедрение ИИ требует значительных инвестиций в оборудование, программное обеспечение и обучение персонала. Не все региональные и муниципальные органы власти и медицинские учреждения могут позволить себе такие затраты.
- Отсутствие внутренней нормативной документации. В области здравоохранения существует множество различных систем и стандартов, что потребует значительных затрат по их гармонизации с новыми потребностями.
- Этические и правовые вопросы. Использование ИИ в здравоохранении поднимает ряд этических и правовых вопросов, таких как конфиденциальность данных пациентов и ответственность за возможные ошибки, а также вопросы доверия к принимаемым ИИ решениям и риски искажения медицинской информации.
- Сопротивление изменениям со стороны всех участников системы здравоохранения. Организаторы здравоохранения, медицинский персонал, а также подрядчики могут быть скептически настроены по отношению к изменениям и использованию ИИ в здравоохранении, что может затруднять внедрение новых технологий.
- Ограниченная доступность западных технологий. Санкции заставляют ориентироваться на разработку отечественных решений, которые будут доступны во всех регионах или партнерах РФ, что может обеспечит их использование в глобальном масштабе.
Состав
В проекте планируется разработать, апробировать и по результатам апробации уточнить прототип программного обеспечения медицинской платформы по ИИ, отвечающей следующим требованиям.
- Объединение поставщиков медицинской помощи, клинических исследований, НИОКР, обучения, фундаментальных научных исследований и разработчиков медицинских изделий в открытую экосистему знаний на уровне программной платформы, которая обеспечивает единые стандарты семантики, обмена знаниями и данными.
- Автоматизация защиты прав правообладателей результатов интеллектуальной деятельности, клиринг и взаиморасчёты между участниками экосистемы на уровне программной платформы.
- Решение сложных научно-практических проблем, требующих междисциплинарного подхода в форме согласованных описаний явлений, процессов, патогенеза, систем признаков и пр. с последующей монетизацией таких описаний на основе механизма цифрового двойника.
- Возможность миграции платформы между поставщиками облачных услуг, а также поддержка размещения платформы одновременно у нескольких поставщиков облачных услуг, в зависимости от региона и стоимости услуг (no cloud vendor lock).
- Запуск цикла по массовой разработке и использования в научной и клинической практике доверенного ИИ, решающего проблему недоверия научного и врачебного медицинского персонала к ИИ
- Унификация семантики и инструментария работы с ресурсами цифрового двойника, процессов разработки и эксплуатации доверенного ИИ на уровне программной платформы
- Смещение фокуса с управления качеством данных на управление риском искажения информации
- Размещение платформы на мощностях различных поставщиков облачных услуг (в разных ЦОД и регионах)
- Катастрофоустойчивость и балансировка нагрузки на различные реплики компонентов платформы, расположенных в разных ЦОД, в зависимости от профиля нагрузки и запросов пользователей.
Целевые результаты
Перечислим целевые результаты проекта по разработке и апробации прототипа программного обеспечения медицинской платформы по ИИ.
- Снижение дефицита квалифицированных врачей и среднего медицинского персонала.
- Снижение недоверия к ИИ со стороны врачей.
- Изменение лечебной практики с опорой на возможности медицинских изделий компонентов Единой госпитальной информационной системы (ЕГИС) на основе доверенного ИИ.
- Снижение потерь на оказание медицинской помощи с 30-40% до 1-2% от общих расходов.
- Улучшение качества жизни пациентов в долгосрочной перспективе и, как следствие, увеличение ожидаемой продолжительности жизни более 80 лет.
- Акселерация фундаментальных научных, поисковых и клинических исследований.
- Снижение сроков и трудоёмкости реализации НИР и ОКР.
- Согласование образовательных программ и клинической практики с учетом новых требований со стороны ИИ и медицинской платформы.
- Вовлечение студентов и далее выпускников в разработку медицинских изделий на основе ИИ.
- Сокращение цикла «разработка/ апробация/ клиническое исследование/ регистрация в Росздравнадзоре/ использование медицинского изделия в лечебном процессе» до 6 месяцев.
Реорганизация Минздрава
Как было указано, настоящий проект может стать моделью (прототипом) для создания платформы Минздрава и использоваться как «точка старта». Для этого проект выполняется как Модель Цифровой Клиники Опережающего Развития (МЦКОП) таким образом, чтобы МЦКОП могла стать прототипом программного, информационного и организационного обеспечения медицинской платформы Минздрава.
Успешное внедрение медицинской платформы Минздрава по ИИ требует преодоления указанных выше барьеров. Это возможно при условии реорганизации Минздрава усилиями специализированной организационной структуры. Такой организационной структурой может стать отраслевой центр компетенции по ИИ в медицине, работа которого будет направлена на разработку и внедрение изменений на основе цифровой платформы по ИИ. Первым этапом создания отраслевого центра компетенции по ИИ в медицине является разработка и апробация МЦКОП в стационаре, НИИ и ВУЗе, для последующего масштабирования МЦКОП на лечебные, научные и образовательные учреждения. Предполагается трех-уровневая иерархическая структура центра компетенции по ИИ в медицине. Первый уровень — отраслевой центр компетенции по ИИ в медицине при федеральном Минздраве. Второй уровень — центры компетенции по группам нозологий при НИИ (ФНКЦ) и ВУЗах. Третий уровень — центры компетенции по отдельным нозологиям при факультетах/кафедрах ВУЗов.
Зачем необходимы три уровня иерархии?
- На первом уровне разрабатывается «нулевой релиз» общего решения. «Нулевой релиз» — это программная платформа, карты знаний, планы обучения, учебные стандарты и соответствующие учебные материалы без учета многочисленных особенностей второго и третьего уровней.
- На втором уровне «нулевой релиз» дорабатывается до уровня «релиз нозологического домена», например «реаниматология», «кардиология», «пульмонология», «гастроэнтерология» и тд.
- На третьем уровне «релиз нозологического домена» дорабатывается до уровня «релиз по нозологии».
Трехуровневая модель центра компетенции выбрана не случайно, а на основе опыта реализации глобального центра компетенции и структурных изменений отрасли связи в компании «Связьинвест».
Историческая справка. В 2009 году началась масштабная реорганизация холдинга «Связьинвест», которая была одобрена правительственной комиссией по транспорту и связи. Этот проект завершился в 2011 году, объединив семь межрегиональных компаний электросвязи (МРК) под управлением «Ростелекома». Это привело к созданию нового крупного оператора со 100 миллионами абонентов. В результате реорганизации холдинг «Связьинвест» и все МРК были ликвидированы, а их правопреемником стал «Ростелеком». Общая численность сотрудников объединённой компании составила 166 тысяч человек. Реорганизация стала логичным продолжением успешного завершения проекта по созданию глобального центра компетенции, целью которого было выравнивание бизнес-процессов во всех МРК холдинга «Связьинвест». Проект по выравниванию бизнес-процессов начался в 2006 году. Его целью была унификация и оптимизация работы различных биллинговых систем, используемых в МРК. Для реализации проекта был привлечен консультант «IBM», а также российские разработчики «Петер-Сервис» и «Инфосфера», которые разработали программные решения на основе унифицированных требований для замены существующих биллинговых систем. Эти решения были переданы для внедрения глобальному центру компетенции «Связьинвест». До начала проекта по выравниванию бизнес-процессов общая численность сотрудников «Связьинвеста» и семи МРК превышала 450 тысяч человек.
Модель цифровой клиники опережающего развития
Модель цифровой клиники опережающего развития — это типовой проект, созданный для тиражирования опыта создания лабораторий по использованию ИИ в медицине на базе университетов с технической или медицинской специализацией.
Типовой проект содержит:
- Рабочий проект на программное обеспечение платформы по ИИ
- Рабочий проект на помещения лаборатории
- Спецификацию медицинского и научного оборудования лаборатории
- Спецификацию ИТ-оборудования лаборатории
- Программное обеспечение платформы по ИИ
- Карты знаний
- Планы обучения
- Стандарты обучения
- Материалы обучения.
Как указано на рисунке, МЦКОП включает в себя следующие организационные блоки:
- Административно-хозяйственный блок. Этот блок выполняет задачи по организации и обеспечению оказания медицинской помощи.
- Диагностический блок. Этот блок выполняет задачи инструментальной диагностики состояния здоровья пациентов.
- Лечебный блок. Этот блок выполняет основные задачи лечения и реабилитации пациентов.
- Блок интенсивной терапии. Этот блок выполняет задачи интенсивной терапии пациентов, находящихся в тяжелом или критическом состоянии здоровья.
Административно-хозяйственный блок состоит из следующих организационных единиц:
- Ситуационный центр.
- Аптека.
- Отдел материально-технического обеспечения.
Диагностический блок состоит из следующих организационных единиц:
- Функциональная диагностика.
- Радиология.
- Лаборатория.
Лечебный блок состоит из следующих организационных единиц:
- Приемное отделение
- Узкие специалисты.
- Профильные лечебные подразделения.
Блок интенсивной терапии состоит из следующих организационных единиц:
- Нейрореабилитация.
- Реанимация.
- Хирургия.
Что дальше?
При возникновении вопросов пишите на адрес sales@rtlab.ru, указав в теме письма «Нужна дополнительная информация по Модели цифровой клиники опережающего развития» с указанием в теле письма ваших контактов для обратной связи.