StolicaMedia, 24 марта. Ученые НИУ ВШЭ — Санкт-Петербург и сотрудники Санкт-Петербургского научно-исследовательского института уха, горла, носа и речи ("СПб НИИ ЛОР") разработали систему поддержки принятия клинических решений "Методор" на основе искусственного интеллекта. Модель помогает анализировать медицинские документы и проводить скрининг пациентов с хроническими заболеваниями носа.
Ведущий научный сотрудник Лаборатории социальной и когнитивной информатики НИУ ВШЭ — Санкт-Петербург Сергей Кольцов совместно со старшим научным сотрудником отдела патологии верхних дыхательных путей Мариной Будковой, заведующим научно-исследовательской лабораторией электрофизиологии и искусственного интеллекта Сергеем Левиным и их коллегами из "СПб НИИ ЛОР" разработали ИИ-ассистента для поддержки принятия клинических решений "Методор".
Система умеет анализировать медицинские документы и помогает принимать решения о необходимости назначения генно-инженерной биологической терапии у пациентов с полипозным синуситом. "Методор" также можно применять для скрининга пациентов на наличие жизнеугрожающих заболеваний системного характера, где воспалительные процессы полости носа и околоносовых пазух являются сопутствующей проблемой.
По словам авторов разработки, существующие на рынке нейросети страдают галлюцинациями в 15–40 % ответов на медицинские запросы. Одна из задач ученых — минимизировать риски при постановке диагноза и назначении терапии.
"Ежедневно сотрудники ЛОР НИИ принимают экспертные решения и выбирают стратегии лечения пациентов с заболеваниями ЛОР-органов со всей страны и ближнего зарубежья, проводят телемедицинские консультации. При этом специалистам приходится изучать колоссальные объемы поступающих медицинских документов: результаты исследований, выписные эпикризы и заключения специалистов из смежных областей. И все это они вынуждены совмещать с регулярными консультациями и нагрузками в операционной", — сказал ведущий научный сотрудник Лаборатории социальной и когнитивной информатики НИУ ВШЭ — Санкт-Петербург Сергей Кольцов.
Ученые протестировали семь больших языковых моделей на данных обследования пациентов с предварительным диагнозом "полипозный риносинусит" и необходимостью биологической терапии. Авторы исследования оценивали рекомендации по четырем критериям: сходство с реальными предписаниями врача, полнота, клиническая точность и значимость. Для борьбы с галлюцинациями ИИ разработку дополнили архитектурным промптом, историей диалога и функцией долгосрочной памяти (MemoRAG).
Система "Методор" умеет анализировать медицинские документы, в том числе сканы и фотографии анкет с рукописными пометками, и выносит предварительное заключение — необходимо ли больному назначение биологической терапии. Доработанная модель определяет пациентов, нуждающихся в лечении, с точностью до 77 %. Такие показатели превышают средние значения на 52 % и подходят для медицинского скрининга под наблюдением врача.
"В настоящее время во многих направлениях медицины и, конечно же, в оториноларингологии происходят существенные изменения в подходах к лечению заболеваний ЛОР-органов. Выбранный нами вектор взаимодействия с Лабораторией социальной и когнитивной информатики НИУ ВШЭ — Санкт-Петербург не случаен. Он был направлен на создание современного помощника в работе ЛОР-врача и специалистов смежных направлений при принятии решения о необходимости назначения биологической терапии пациентам с тяжелым неконтролируемым течением полипозного риносинусита. Разработанная система "Методор" помогает врачу провести в короткие сроки анализ медицинской информации о пациенте, в соответствии с современными клиническими рекомендациями принять решение о выборе тактики лечения и провести своевременную дифференциальную диагностику.В перспективе данная стратегия может быть использована ЛОР-врачами в любом уголке нашей страны и за ее пределами для оптимизации работы специалистов и повышения качества оказания медицинской помощи", — рассказала старший научный сотрудник отдела патологии верхних дыхательных путей ФГБУ СПб НИИ ЛОР Марина Будковая.
В будущем ученые планируют усилить аналитические способности нейроассистента, научить его извлекать стандартизированные клинические оценки из текстов и расширить область применения на другие медицинские специальности.
