Как современные технологии изменяют онкологическую помощь

Павел Львов / РИА Новости Марина Белякова – руководитель направления «Онкология» компании Philips в России и СНГ Немного статистики По прогнозам, за период с 2012 по 2030 г. число ежегодно регистрируемых новых случаев рака в мире увеличится с более чем 14 миллионов до почти 22 миллионов (Атлас современной онкологии) только за счет роста численности населения и его старения. Наибольший рост (70%) придется на Африку, Азию и Латинскую Америку, где существуют проблемы с доступностью и качеством медицинской помощи. В России смертность от новообразований, в том числе злокачественных, составила 200,6 случаев на 100 тыс. населения в 2017 году. К концу 2018 года в РФ на учете в онкологических центрах состояло 3,6 млн человек, а количество новых случаев выросло на 20 тысяч (данные пресс-службы ФГБУ НМИЦ «Радиологии» МЗ РФ). В рамках национального проекта «Здравоохранение» государство поставило задачу к 2024 году снизить смертность от опухолей до 185 случаев на 100 тыс. населения. Чтобы достичь этой амбициозной цели, необходимо решить такие проблемы, как позднее выявление злокачественных новообразований, дефицит квалифицированных медицинских работников и в особенности нехватка современного оборудования для точной диагностики. Проблема 1. Долгий путь от первой консультации врача до постановки диагноза Прежде всего необходимо сократить путь пациента от первого визита к врачу до постановки диагноза и начала лечения. Для этого государство планирует создать амбулаторные онкологические центры, где специалисты будут выявлять онкозаболевания на уровне первичного звена и своевременно назначать терапию. Повсеместное внедрение клинических протоколов лечения обеспечит стандартизацию помощи на всех этапах и должно способствовать снижению смертности. Зачастую люди нуждаются в проведении дополнительных обследований в разных учреждениях, что связано с недостаточным количеством или низким качеством оборудования первичного звена онкологической службы, на которое приходится основной поток пациентов. Более того, данные о пациентах и результатах обследования часто разрозненны и находятся в разных базах и лечебных учреждениях, что в разы замедляет постановку диагноза. Решение Чтобы данные о пациенте были всегда доступны врачам и находились в интегрированной системе, нужно хранить всю важную информацию в едином цифровом контуре. Для этого крупные технологические компании разрабатывают специализированные ИТ-решения для медицинских центров, включая облачные платформы и системы баз данных. Они значительно упрощают доступ к информации и дают возможность специалистам в несколько кликов увидеть всю историю заболевания. Такие решения есть и у Philips. Например, система экспертной обработки данных IntelliSpace Portal помогает существенно облегчить и упорядочить работу отделений лучевой диагностики, где врачи работают с огромным количеством медицинских изображений и другой информацией. IntelliSpace Discovery позволяет провести научно-практические исследования и создать передовые алгоритмы обработки данных. Таким образом, все данные с различного оборудования, включая КТ и МРТ, доступны для специалистов с любого компьютера клиники, что позволяет оптимизировать работу отделения и значительно ускоряет процесс анализа изображений, а значит и постановку диагноза. Не отстают от зарубежных компаний и отечественные игроки. Компания «ТехЛАБ» совместно с «Нетрикой» выпустили ИТ-решение – «Онкопаспорт пациента». Сервис разработан для мониторинга онкологических пациентов и способствует созданию единого цифрового контура в здравоохранении. Система автоматически анализирует электронные медицинские карты из региональной информационной системы в сфере здравоохранения. На основе полученной информации алгоритм без участия лечащего врача формирует профиль пациента со злокачественным новообразованием, содержащий параметры заболевания, данные о диагностике, уже проведенной терапии и маршруте лечения. Такой подход не требует от врача ведения дублирующего учёта и повышает эффективность рабочих процессов. Проблема 2. Недостаток решений для раннего выявления рака Одной из главных задач в онкологии остается предупреждение развития рака. Необходимо проводить социальные кампании, направленные на профилактику онкологических заболеваний. Практически любое новообразование всегда легче вылечить на ранней стадии развития, а уж для злокачественных опухолей это незыблемое правило. Нужно повысить ответственность каждого человека за свое здоровье, важно говорить о вреде курения и алкоголя, а также необходимости регулярного прохождения диспансеризации и скринингов. Помимо социальных программ, важную роль здесь играет оснащение клиник новым оборудованием, в особенности это касается региональных клиник. Чем более современными будут аппараты в распоряжении врачей, тем более точно специалисты смогут определять рак на ранней стадии. Решение Сегодня важно оснастить российские клиники оборудованием, которое позволит врачам ставить точный диагноз с первого раза и быстрее назначать необходимую терапию рака. Одним из таких важных и необходимых аппаратов в сфере онкологии является ПЭТ/КТ. В ноябре 2018-го Philips представила подобный томограф Vereos c технологией цифровой позитронно-эмиссионной компьютерной томографии, которая позволяет улучшить качество изображения и дает возможность врачу распознать структуру новообразования в короткие сроки. Сканер помогает не только делать точную диагностику, но понять, каким образом лучше провести лучевую терапию, чтобы убить раковые клетки с минимальным ущербом для здоровых тканей. Более того, сегодня и государственные, и частные клиники могут приобрести новые аппараты разных производителей в лизинг и таким образом более рационально расходовать бюджет при модернизации парка оборудования. Передовые медицинские решения в сочетании с удобными финансовыми инструментами должны дать импульс повышению качества онкологической помощи в нашей стране. Проблема 3. Необходимость внедрения искусственного интеллекта для постановки точного диагноза и минимизации врачебной ошибки Высокие технологии помогают повысить эффективность оказания медицинской помощи. Так, внедрение искусственного интеллекта (ИИ) в работу клиник может расширить возможности проведения скрининга и уменьшить расходы на него. В своей работе врачи сталкиваются с массивами медицинских изображений, которые необходимо изучить, проанализировать и на их основании выявить опасные патологии. Даже с достаточным количеством ресурсов в этом случае вероятность врачебной ошибки довольно высока. Здесь ИИ может стать незаменимым помощником врача-онколога: он сможет выполнить львиную долю рутинной работы, отсеяв снимки с надежно отрицательным результатом. Решение Инновации в области ИИ способны улучшить качество медицинского изображения, а также найти попутные изменения. Искусственный интеллект также помогает выявить заболевание, о котором пациент не знал, но при этом обратился к врачу совсем с другими жалобами. Обычно рентгенологи читают снимок довольно узко, ориентируясь на симптомы, которые наблюдаются у пациента. Большую роль здесь играет человеческий фактор. А алгоритм, который, например, нацелен на поиск рака легкого, способен найти его даже на снимке с переломом ребра. Если заложить в систему все заболевания, которые специалисты уже научились распознавать, то можно проверить человека сразу на широкий спектр патологий. Одним из проектов в области применения ИИ в онкологии стал Botkin.AI. Это решение способно с точностью до 95% выявлять онкологические заболевания на ранних стадиях, анализируя медицинские изображения. Система легко интегрируется с диагностическим оборудованием клиники, которым могут пользоваться рентгенологи для выявления патологий. Еще один алгоритм для исследований разработали специалисты компании Zebra. Они создали вспомогательную платформу для радиологов, которая способна выявить рак груди с более высокой вероятностью (в 92% случаев), чем специалист. Philips также активно применяет ИИ в своем оборудовании. Например, спектральный компьютерный томограф iQon позволяет за 60 секунд проанализировать сотни изображений биопсийного материала, точно дифференцировать злокачественное образование и оценить его объем за счет возможностей ИИ в патоморфологии.