Нейтральный рынок, поскольку новая национальная инфраструктура ускорит внедрение ИИ в здравоохранении Великобритании

Эта статья отражает мои личные взгляды, а не точку зрения Digital Catapult, NHS Digital или любой другой организации.

Через несколько лет появится множество приложений с искусственным интеллектом, которые помогут в радиологии. Я не имею в виду научные исследования или клинические испытания. Я имею в виду развернутые, утвержденные и работающие приложения [1]. Это отличная новость: спрос на радиологию растет, и радиологов не хватает [2]. Любой инструмент, который может расставить приоритеты в неотложных случаях, быстро исключить обычные сканирования, выделить аномальные области на изображениях, помочь со вторым мнением или помочь более младшему клиницисту, будет иметь большое значение. Однако это также тревожная новость: как, черт возьми, больницы будут заключать отдельные контракты и интеграцию с сотнями поставщиков искусственного интеллекта, чтобы покрыть все различные условия? И как поставщики ИИ будут заключать контракты и интегрироваться с сотнями больниц в Великобритании и многими другими по всему миру?

Это не будет проблемой, если у нас останется небольшое количество гигантских поставщиков ИИ. Проблема в том, что каждое конкретное состояние требует длительного сбора и очистки данных, исследований, клинических испытаний и пилотных проектов. Даже крупнейшие транснациональные корпорации будут изо всех сил пытаться решать сотни из них одновременно или покупать достаточное количество стартапов. В среднесрочной перспективе у нас, вероятно, будет много поставщиков искусственного интеллекта, так же как у нас есть много приложений в магазинах приложений. Таким образом, у нас может быть viz.ai для выявления инсультов на КТ-ангиограммах для инсультных бригад, Kheiron для выявления рака груди на маммограммах во время скрининга, Imagen для выявления переломов запястья на рентгеновских снимках, Google для поиска признаков диабетической ретинопатии на фотографиях сетчатки для офтальмологов, Aidoc для выявления переломов шейного отдела позвоночника на компьютерной томографии, Arterys для ускорения анализа изображений МРТ сердца, Qure.ai для отделения нормальных рентгеновских снимков грудной клетки от аномальных, Zebra Медицина для обнаружения компрессионных переломов при компьютерной томографии грудной клетки и брюшной полости, вот лишь несколько примеров.

В настоящее время больницы рассчитывают хранить радиологическое оборудование и программное обеспечение в течение 7 лет и более. Могут ли они таким же образом купить ИИ для радиологии? Нет, если они хотят получить доступ к быстро меняющемуся конвейеру новых возможностей ИИ. Многие из сегодняшних историй успеха искусственного интеллекта в радиологии можно проследить до исследований, впервые продемонстрированных всего 7 лет назад: системы распознавания изображений AlexNet 2012 года от Алекса Крижевского и его коллег из Университета Торонто, чья глубокая сверточная нейронная сеть произвела огромное количество скачок в точности распознавания изображений. Это пример того, как много всего может произойти всего за несколько лет. Инвестиции в ИИ достигли рекордного уровня во всем мире, а инновации все еще развиваются быстрыми темпами. Решение AI для здоровья, которое вы реализуете в следующем году, будет заменено одним через год, а другое через год. Это не те системы, которые вы хотели бы использовать в течение 7 лет - вам понадобится простой способ переключиться на лучших поставщиков, не нарушая рабочий процесс или повторно выполняя интеграцию.

Хорошая новость заключается в том, что это не первый случай, когда технологическая отрасль сталкивается с проблемой двустороннего рынка с большим количеством покупателей и продавцов. Это идеальные условия для появления новых предприятий на платформе посредников. Мы уже видели это много раз, от eBay и Alibaba до Uber и AirBnB. Мы можем считать само собой разумеющимся, что платформы будут. Вопрос в том, какие из них добьются успеха? И какой исход будет оптимальным для Великобритании?

Попробуем предсказать несколько вероятных сценариев.

Больница может купить весь свой ИИ у технологической компании - у таких организаций, как Google, есть сильные стороны как в инфраструктуре, так и в машинном обучении. Работа с командами по машинному обучению и программному обеспечению мирового класса должна привести к быстрому клиническому результату. Однако поменять местами у разных поставщиков ИИ будет непросто. Больница будет привязана к конкретному решению, и, возможно, по-прежнему потребуется дополнительная интеграция для покрытия всего диапазона условий.

Конкурирующий сценарий: компании, выпускающие радиологическое оборудование, предоставляют приложения искусственного интеллекта, привязанные к их существующим системам. В этой модели больница может быть привязана к ИИ, предоставляемому их поставщиками оборудования, или к подмножеству поставщиков ИИ, которые имеют с ними эксклюзивные сделки, и могут по-прежнему испытывать трудности с тем, чтобы легко переключить поставщиков на лучших в своем классе или гарантировать, что они могут покрыть полный спектр условий и методов визуализации. Примером может служить Critical Care Suite от GE, работающего с UCSF, помогающего радиологам определять приоритетность случаев, связанных с коллапсом легких, интегрированного с рентгеновской системой GE. HealthSuite Insights от Philips станет торговой площадкой для поставщиков искусственного интеллекта, курируемой Philips. Samsung S-Detect for Breast интегрирован с ультразвуковым сканером Samsung и помогает определять границы поражения.

Наконец, существующие поставщики программного обеспечения для радиологии (такие как системы PACS и RIS [3]) могут предоставить рынки для решений ИИ. Это более аккуратно с точки зрения больницы, поскольку это единая точка интеграции для всей их рабочей нагрузки в области радиологии и более открыта для участия провайдеров ИИ. Система PACS Sectra имеет сеть дополнительных приложений от партнеров, в том числе Cercare для оценки объема и локализации поражения на МРТ головного мозга. Nuance AI Marketplace использует существующие системы радиологической отчетности и обмена изображениями, которые занимают прочные позиции в США. Платформа EnvoyAI, дочерняя компания поставщика визуализации изображений TeraRecon, представляет собой более независимый рынок искусственного интеллекта с множеством интеграций как с системами искусственного интеллекта, так и с радиологическими системами, и представляет собой лучший пример платформы, которую мы обсуждаем.

Что было бы идеальным для Великобритании? Платформа, которая обеспечивает быстрые инновации, безопасные испытания и тесты и, в конечном итоге, ускоренное развертывание. Я считаю, что есть три основных требования:

  1. Платформа, которая открыта и доступна любому поставщику ИИ для легкой интеграции, тестирования, пробного использования и развертывания; присоединиться к рынку, из которого больницы могут выбирать
  2. Платформа, которая нейтральна: не привязана ни к конкретным поставщикам медицинского оборудования или программного обеспечения, ни к конкретным поставщикам ИИ, ни к поставщикам технологической инфраструктуры.
  3. Платформа, которая позволяет больницам легко тестировать решения ИИ с собственными данными, измерять производительность, переключать поставщиков ИИ по мере появления на рынке новых по невысокой цене.

Помимо этих основных требований, мы можем предвидеть дополнительные потребности, которые возникнут, и которые платформа может обеспечить:

  • В будущем регулирующий орган должен настаивать на четком контрольном следе. Какая версия системы ИИ сделала какой прогноз для какого пациента? Нейтральная платформа могла бы вести такой контрольный журнал. Его можно даже хранить в распределенном реестре, таком как блокчейн, чтобы обеспечить защиту от несанкционированного доступа.
  • Платформа, отслеживающая поток данных туда и обратно, сможет генерировать синтетические обучающие данные для поставщиков искусственного интеллекта, оставаясь близкими к реалистичным наборам данных, но не включая какие-либо реальные личные данные о здоровье. Ускорение доступа к тестовым данным значительно сократит время разработки новых систем искусственного интеллекта.
  • Платформа может обеспечить безопасную связь и надежно обезличить рентгенологические снимки и отчеты. Компании ИИ могут быть новыми стартапами и малыми и средними предприятиями, и больницам будет сложно оценить их методы обеспечения безопасности и конфиденциальности.
  • Платформа может поддерживать рейтинги систем ИИ и показателей эффективности, которые обеспечат прозрачность и увеличат уверенность покупателей, точно так же, как магазины приложений показывают обзоры и топ-таблицы.
  • Платформа может отслеживать использование для выставления счетов и аналитики.
  • Новые приложения AI могут затенять существующие установки, сравнивая производительность с тем же потоком изображений, чтобы увидеть, являются ли они более точными, чем существующие.
  • Платформа может даже позволить выбирать транзакцию системы AI за транзакцией, чтобы оптимизировать затраты и производительность.
  • Более сложные приложения искусственного интеллекта могут потребовать дополнительных клинических данных помимо транзакции одного сеанса радиологии. Стоит изучить, как платформа ИИ может быть связана на высоком уровне с национальной Платформой служб данных, разрабатываемой в NHS Digital.
  • Наконец, платформа может выполнять непрерывное повторное тестирование и мониторинг приложений искусственного интеллекта в соответствии с тестовыми сценариями в больницах. В конце концов, даже если система ИИ работала, когда вы впервые ее протестировали, как вы можете быть уверены, что она по-прежнему работает, как ожидалось, несколько месяцев спустя?

Платформа такого типа не использует ИИ; он обеспечивает инфраструктуру и водопровод, которые потребуются приложениям ИИ. Это будет надежный, прочно спроектированный интерфейс между сложными критически важными для безопасности системами больниц и быстро движущимися новаторами в области искусственного интеллекта. Так же, как физическая инфраструктура дорог, железных дорог и мостов, нам нужна цифровая инфраструктура: широкополосная связь по всей Великобритании; Цифровая система NHS Spine, которая уже поддерживает обмен информацией между 23000 медицинскими организациями.

Мы можем позволить рынку идти своим чередом и дождаться появления этих платформ, в результате чего получится лоскутное одеяло из независимых внедрений различными больницами. Но что, если бы мы реализовали эту платформу как новую национальную инфраструктуру. Безумная идея? Возможно, нет - это могло окупиться. Простая модель дохода - взимать небольшую комиссию, например 1 доллар за сканирование [4], за каждую транзакцию, отправляемую из больницы поставщикам ИИ через платформу. Если платформа добьется глобального успеха, она может стать технологическим единорогом, но даже если она будет работать исключительно на рынке Великобритании, она может быть самодостаточной »[5]».

Платформа, соединяющая больницы и медицинские учреждения Великобритании с лучшими из развивающихся систем искусственного интеллекта в области здравоохранения, позволит Великобритании занять лидирующую позицию во внедрении, развертывании и клиническом использовании искусственного интеллекта в здравоохранении и откроет возможности для новаторов в области искусственного интеллекта. Мы сможем безопасно опробовать, протестировать и развернуть лучшие системы искусственного интеллекта, используя платформу, которая может быть обеспечена за счет глобальных доходов, не допуская при этом привязки к поставщику.

Благодарности

Вышеупомянутое мышление было извлечено из многих обсуждений. Это, конечно, не представляет собой какого-либо консенсуса, так как многие были настроены, мягко говоря, скептически! Но я хотел бы отметить время, которое люди потратили, чтобы помочь обдумать аргументы, из NHS Digital, NHSX, университетских больниц Ковентри и Уорикшира, Уорикского университета, больницы на Грейт-Ормонд-стрит, Health Data Research UK, Innovate UK, Digital Health London, Founders Factory, Kheiron Medical, iPlato, а также многие друзья и коллеги, особенно Chris Gathercole.

Сноски

¹ По состоянию на июнь 2019 года существовало 16 одобренных FDA алгоритмов искусственного интеллекта для радиологии. FDA активно ищет более эффективные способы работы с алгоритмами, предназначенными для изменения и улучшения с течением времени, но на данный момент большинство алгоритмов ИИ одобрены как устройства de novo (предпродажный обзор устройств с низким и умеренным риском для которого нет аналогичного предшествующего устройства), или одобрено 510 (k) (предпродажная проверка, когда устройство по крайней мере так же безопасно и эффективно, как существующее устройство).

² Королевский колледж радиологов считает, что текущая нехватка в Великобритании составляет около 1000 радиологов, чтобы удовлетворять спрос без привлечения сторонних ресурсов, и к 2023 году в этой профессии будет не хватать персонала на 31%.

³ Система архивации изображений и передачи изображений (PACS) хранит медицинские изображения, позволяя обмениваться ими и просматривать, в то время как информационная система радиологии (RIS) управляет рабочим процессом и является системой, которую врачи используют для управления своими «отчетами» (своими выводами и оценками).

⁴ Удобное сравнение - текущая стоимость аутсорсинга радиологии - один провайдер предлагает от 4 до 65 долларов за сканирование в зависимости от типа требуемого считывания. Если мы предполагаем, что 20 долларов - это разумная цена за систему ИИ, то 1 доллар представляет собой 5% комиссию для платформы. Однако рынок может развиваться совершенно иначе - Zebra Medical взимает 1 доллар за сканирование при различных условиях при компьютерной томографии, рентгенографии и маммографии.

⁵ В 2017/18 году в Великобритании было проведено 43 млн сканирований. Если в будущем 25% сканирований будут использовать систему искусственного интеллекта через единую национальную платформу, даже если не будет роста спроса (имейте в виду, что в США почти в три раза больше сканирований на человека), взимание 1 доллара за сканирование приведет к годовому доходу в размере 10 миллионов долларов.