Блогеров среди врачей относительно немного. Складывается впечатление, что большое количество ручной рутинной писательской работы на рабочем месте не способствуют раскрытию писательских навыков в качестве хобби. Хотя история медицины знает много примеров врачей, которые получили большую известность как писатели и литературоведы: А.П.Чехов, В.В.Вересаев, М.А.Булгаков, Ф.Рабле, Т.Янг, Я.Гашек, О'Генри, Омар Хайям, Альберт Швейцер, Г.Горин, А.Арканов и др.
Когда я узнал о существовании новой социальной сети (одной из множества), но первой, построенной на блокчейн-технологии, решил принять в ней участие в качестве блогера. Для обоснования этого есть два обстоятельства. Первое, в данной сети, хоть это и не декларируется, собираются участники со знаниями в компьютерных технологиях. Второе, я могу поделиться, как мне кажется, качественным контентом в области компьютер-ассистированной медицины, так как углубленно изучаю эту тему еще начиная с конца прошлого тысячелетия.
Компьютер-ассистированная медицина (КАМ) – это область медицины, в которой для решения различных медицинских задач используются возможности компьютерных технологий. КАМ находится на стыке двух специальностей и, как понятно из названия, нацелена на помощь (ассистенцию) врачу в его работе. Врач в этом дуэте – конечно, на первом месте. Ему помогает компьютер, а не наоборот. Хотя посещая ежегодные конференции специалистов компьютер-ассистированной медицины, последний тридцатый конгресс CARS-2016 (Computer Assisted Radiology and Surgery) состоялся в Гайдельберге (Германия), складывается впечатление о явном численном преобладании в этой теме специалистов в компьютерных технологиях над врачами. IT-специалисты предлагают множество своих крутых разработок, а врачи еще не готовы их принять (врачебной специальности всегда был присущ некоторый разумный консерватизм). Компьютерные технологии в медицине разрабатываются при минимальном участии практических врачей. Это приводит к тому, что классные разработки КАМ находятся все дальше от врачебного профессионального сообщества. Вместе с тем, в медицине накоплен очень большой объем полезной информации, которую без совместного участия врачей и IT-специалистов, без знания их потребностей и чаяний, грамотно не обработать.
Поэтому, если кому-нибудь интересна тема помощи врачам в их сложной работе путем оптимизации использования компьютерных технологий, присоединяйтесь к моему блогу. В нем с сегодняшнего дня я буду пытаться показать, где с моей точке зрения находится «непочатый край работы».
И для начала немного теории. Научные разработки в области КАМ ведутся по следующим направлениям:
компьютерные системы поддержки принятия врачебных решений (clinical decision support systems);
компьютер-ассистированная диагностика (computer aided diagnosis);
пространственное моделирование хирургических вмешательств и навигационная хирургия (image- and model guided interventions);
обработка изображений и визуализация (image processing and visualization);
медицинское симуляционное моделирование и электронное обучение (medical simulation and e-learning);
хирургическая навигация и робототехника (surgical navigation and robotics);
персонализированная медицина (personalized medicine).
Кратко расшифрую каждое из этих направлений.
Система поддержки принятия врачебных решений (CППР) – это компьютерная система, которая путем сбора и анализа большого количества информации может влиять на процессы принятия решений в различных областях врачебной деятельности. Известно, что при принятии каких-либо медицинских решений проблемами могут являться недостаточность знаний, ограниченность временных ресурсов, отсутствие возможности привлечения большого числа компетентных экспертов, неполнота информации о состоянии пациента. В хирургии при принятии медицинских решений еще более характерны дефицит времени на принятие решения, неполнота данных о клинических проявлениях и анамнезе заболевания, высокая динамика течения заболеваний, изменчивость заболеваний и появление новых, высокая цена врачебной ошибки.
Наиболее ценными и перспективными являются интеллектуальные СППР, способные обучаться на известных примерах. В связи с ростом количества и объема баз данных (BigData), особо востребованной стала технология Data Mining – интеллектуальный анализ информации путем выявления скрытых взаимосвязей внутри больших баз данных. Среди компьютерных технологий, лежащих в основе СППР, настоящий ренессанс в настоящее время переживают, благодаря бурному росту вычислительных возможностей современных компьютеров, искусственные нейронные сети (ИНС).
Основными технологиями компьютер-ассистированной диагностики являются: обработка изображений для обнаружения и выделения патологических структур; количественная обработка изображений для выделения областей с подозрением на наличие патологии; обработка данных и классификация свойств областей изображений для разделения их по признакам; количественная оценка свойств областей изображений и поиск подобных исследуемым патологическим образованиям в базе накопленных изображений. В настоящее время внимание исследователей обращено на улучшение чувствительности методов анализа изображения; расширение спектра возможностей дифференциальной диагностики, в первую очередь, доброкачественных и злокачественных заболеваний; повышение надежности эксплуатации программного обеспечения; проведение клинических исследований по применению схем компьютер-ассистированной диагностики.
Большое внимание в настоящее время уделяется еще одному направлению КАМ – image- and model-guided interventions. Стандартного перевода этого термина на русский язык еще нет, в литературе предлагаются варианты: направляемая изображением хирургия; управляемая изображением операция; хирургия на основе анализа изображений; хирургическая операция под контролем изображения на мониторе; операция под радиологическим (УЗ/КТ) наведением. В «дружественных для пациента хирургических вмешательствах» используются современные установки, которые дают возможность навигации во время хирургической операции в реальном масштабе времени с использованием рентгеновских, КТ, МРТ, УЗ-изображений анатомических структур пациента. Специальные устройства преобразуют изображения, полученные при исследовании пациента перед операцией, показывают их на экране в различных проекциях (осевой, сагиттальной, коронарной, косой). Таким образом, хирург может до операции создавать, сохранять и моделировать планируемое продвижение по одной или нескольким предполагаемым траекториям. Для облегчения визуализации хирург может также создавать и управлять одной или несколькими 3-мерными анатомическими моделями. Во время операции система отслеживает положение специальных хирургических инструментов по отношению к анатомическим структурам пациента и непрерывно обновляет позицию инструмента на этих изображениях. Если это требуется, современное оборудование может также показывать, как фактическая позиция и движение инструмента во время операции соотносится с предоперационным планом, помогает хирургу следовать запланированной траектории. Хотя «окончательной инстанцией» остается решение хирурга, информация о позиции инструмента, получаемая в реальном масштабе времени, может быть полезной при принятии этого решения и его обосновании.
Современная обработка медицинских изображений и визуализация (image processing and visualization) – это основанная на математике технология выявления внутренних скрытых элементов изображения, практически не видимых без обработки. Обработка медицинских изображений не искажает исходные данные, а позволяет выявить тонкие структуры органов при разных видах исследований, специально визуализированные и усиленные для качественной визуальной диагностики. Основным инструментом обработки изображений является их сегментация – разделение изображения на однородные области на основе одного или более свойства либо характеристики. Существует множество методик сегментации изображений, которые отличаются по степени сложности, эффективности и области применения. Методы сегментации показали свою эффективность в различных сферах применения, включая вычисления, связанные с диагностикой патологических образований, моделирование операций, планирование хирургических вмешательств, функциональное картирование, совмещение изображений, автоматизированную диагностику и т.д.
Surgical Modelling, Simulation and Education (хирургическое моделирование, симуляция и электронное обучение) – это подготовка специфическим мануальным навыкам студентов и врачей различных хирургических специальностей путем использования современных технологий в виде хирургических симуляторов, тренажеров. Виртуальные тренажеры имеют ряд несомненных преимуществ перед другими вариантами обучения (на животных, трупах, тренажерах-муляжах) – нет текущих финансовых затрат; продолжительность и режим обучения не ограничены по времени; возможно любое количество повторений упражнения с автоматической, мгновенной и беспристрастной качественной и количественной оценкой до достижения его полного доказанного освоения и закрепления; не требуется постоянное присутствие преподавателя, методические рекомендации осуществляются автоматически; программа сама указывает на допущенные ошибки; выполняется объективная сертификация. Современные хирургические тренажеры включает в себя «библиотеку» виртуальных пациентов, созданную при помощи загрузки в память симулятора данных реальных клинических случаев, различных анатомических и клинических ситуаций, анамнестических данных и данных лабораторных исследований.
Surgical navigation and robotics – это точность, использование микроинструментов, снижение человеческого фактора при проведении операции. В настоящее время в мире освоено множество операций с использованием робототехники. Задачей является удешевление этой технологии.
Термин «персонализированная медицина (personalized medicine)» для обозначения индивидуализации лечения получил большее распространение по сравнению с другими понятиями: «медицина под заказчика» (tailored medicine), «предсказательная медицина» (predictive medicine) и «геномная медицина» (genomic medicine). Цель персонализированной медицины состоит в том, чтобы найти подходящее лечебное действие для конкретного больного и в некоторых случаях разработать схему лечения пациента в соответствии с его генотипом. В более широком смысле персонализированная медицина представляет собой интегральную медицину, которая включает разработку персонализированных средств лечения на основе геномики, тестирование на предрасположенность к болезням, профилактику, объединение диагностики с лечением и мониторинг лечения.
Мне и моим коллегам удалось принять участие в разработке и изучении возможностей компьютер-ассистированной медицины по первым четырем направлениям. Если этот пост вызвал интерес у Вас, Вам интересна тема помощи врачам путем разработки и внедрения новых компьютерных технологий - пишите, голосуйте, присоединяйтесь. Я готов к дальнейшему сотрудничеству. «Под лежачий камень ... мы всегда успеем».
Хотелось бы узнать подробнее о пункте четвертом (современная обработка медицинских изображений и визуализация). Сам работаю в этой сфере медицины: КТ, менее МРТ, Рентген. Пока видны слабые попытки производителей оборудования и софта (в основном) предоставить врачу предварительный визуальный анализ обработанных данных, это более всего касается ангиографий (в том чиле коронарографий) и виртуальной колоноскопии - слишком много ошибок. P.S. может есть смысл создать отдельный блог посвященный визуализации в медицине?
Спасибо, что мой пост заинтересовал Вас. Я также работаю в сфере медицины - хирург. Современная обработка медицинских изображений для врачей-рентгенологов более-менее решается путем имеющегося современного программного обеспечения на рабочих станциях томографов. Для хирургов более важна возможность "поработать" с DICOM-изображениями перед операцией на персональном компьютере. Мне больше всего нравится программа 3D-Doctor, есть функции автоматической сегментации, 3D-курсора, волюметрии и др. Крутая программа Realia, мне ее подарили в Японии, в ней есть неплохие возможности виртуальной гастроскопии, колоноскопии, ангиоскопии. Я сейчас пытаюсь выполнить виртуальную МР-холедохоскопию.
Также в этот раздел компьютер-ассистированной медицины входит очень, на мой взгляд, интересное направление - anisotropy pattern recognition (распознавание текстуры тканей путем определения анизотропии). Я сейчас готовлю пост на эту тему, так что скоро смогу поделиться информацией.
Насчет отдельного блога по визуализации в медицине согласен, но может сначала просто "медицина". Врачей на Голосе, насколько я понял, еще мало. По интересам еще успеем разбежаться.
Приветствую Вас на платформе Голоса!
Я бот @radogost и меня создали для того, чтобы приветствовать новичков.
Если вы ещё мало знаете о платформе Голос, то рекомендую ознакомиться со
следующими материалами:
Добро пожаловать на Голос! интересная тема поднята, хотя для меня как человека, далекого от медицины (умею лишь оказывать ПМП) это сложно для понимания, но то что Ваши знания будут навсегда запечатлены в блокчейне, это по настоящему круто - будущее уже тут.
Спасибо!
ПМП тоже хорошо. Ее как раз не хватает в большинстве случаев.
Да, тут новое направление появилось - медицина в блокчейне на блокчейне (блокчейн-технологии в медицине на Голосе).
Удачи!
Слов нет как интересно... Даже не мечтал что у нас тут появится такое важное направление. Мне вот про диагностику очень любопытно.
Спасибо, Дима!
Про компьютер-ассистированную диагностику скоро напишу более подробно.
Оказывается блокчейн-технологии уже работают в медицине. На Pubmed (это биомедицинская библиотечная база публикаций) нашел систематический обзор на эту тему. Постараюсь скоро расшифровать преимущества и подводные камни использования блокчейна в медицине.
Там же нашел компьютерную визуализацию в виде "паразитарного червя" атаки на биткоин-трансзакцию летом 2015 года. The attack started with a sudden increase in the transaction rate with the formation of ‘‘parasitic worm’’ structures in the visualization due to the algorithmic high-frequency division of Bitcoin into tiny amounts to the same set of addresses, shown in Figure -
.
Удачи!