Выявлять заболевания почек на ранней стадии поможет искусственный интеллект

Подписан меморандум о реализации проекта «Совершенствование диагностики хронической болезни почек (ХБП) путем разработки и внедрения системы поддержки врачебных решений». Цель проекта – улучшение показателей выявляемости ХБП на ранних стадиях посредством анализа электронных медицинских карт с применением платформы искусственного интеллекта в здравоохранении Webiomed.

В России порядка 27 млн человек страдают ХБП, и только 3 млн знают о своем диагнозе. Выявление заболевания на ранних стадиях во многом зависит от настороженности и компетентности врачей общей практики, участковых терапевтов, семейных врачей.

Платформа Webiomed анализирует данные электронной медицинской карты пациента, автоматически определяет факторы риска и предоставляет врачам действенные рекомендации. Платформа работает только с обезличенными медицинскими данными с целью прогнозирования возможного развития заболеваний и их осложнений как на персональном, так и популяционном уровнях. За 2 года эксплуатации системы проанализированы данные около 200 млн медицинских документов. Ежедневно сервис обрабатывает более 20 тыс. обращений.

Меморандум о совместной реализации проекта подписан биофармацевтической компанией «АстраЗенека» и резидентом Фонда «Сколково» компанией «К-Скай». Компании реализуют совместные проекты начиная с 2020 года.

В конце прошлого года были подведены итоги совместного исследования, в ходе которого изучены распространенность, тяжесть, результаты лечения и исходы пациентов с хронической болезнью почек на основе ретроспективного анализа данных рутинной клинической практики (RWD). Результат работы был опубликован в статье Батюшина М.М., Касимовой И.С., Гаврилова Д.В., Гусева А.В., Гуламова А.А. «Распространенность хронической болезни почек по данным ретроспективного когортного исследования «эпидемиология ХБП»» в журнале «Нефрология и диализ». 

С использованием технологий машинного обучения был проведен анализ обезличенных медицинских данных с целью выявления взаимосвязи между отдельными фактами. Были проанализированы клинические и демографические характеристики, клинические исходы и текущие схемы лечения пациентов с ХБП. Планируется проведение масштабных ретроспективных исследований на основе анализа электронных медицинских карт пациентов с использованием моделей машинного обучения, валидированных на данных каждого региона.