В идеальном будущем врачи меньше будут работать непосредственно с лечением уже возникших болезней. Специалисты будут больше сконцентрированы на профилактике и стремиться сохранять, оберегать здоровье людей и прогнозировать развитие новых заболеваний. Чтобы сдвинуть фокус с решения существующих проблем на их предупреждение, врачи и ученые сформулировали концепцию 4П, которая подразумевает следующие направления развития:
- предиктивность – возможность предугадать заболевание до его начала – выявление предрасположенностей
- превентивность – предотвращение заболеваний и снижение риска их развития
- персонализация диагностики и лечения с учетом потребностей каждого человека,
- партнерство врача и пациента – вовлечение пациента в процесс лечения.
Именно в предиктивную медицину – в разработку технологий для предупреждения проблем со здоровьем, вкладывают силы и время в лабораториях, которые занимаются инновациями для здравоохранения.
Предупрежден – значит вооружен
Чтобы люди лучше контролировали свое здоровье, разработчики планируют интегрировать носимые устройства, например, фитнес-трекеры и чипы, с базами данных медицинских учреждений. Искусственный интеллект проанализирует показатели здоровья, выявит возможные отклонения и с помощью уведомления подскажет врачам, когда человеку потребуется консультация. Пациент получит медицинскую поддержку, не дожидаясь проявления симптомов болезни.
Такая схема особенно нужна людям, пережившим госпитализацию: из-под контроля специалистов они попадают домой, и далеко не все пациенты после лечения наблюдаются у своего врача в поликлинике. Постоянный обмен данными с больницей поможет сделать этот переход более плавным и безболезненным. Другим категориям пациентов эта технология будет тоже полезна: благодаря ей можно избежать регулярных дорогостоящих осмотров в клинике.
Врачи также выиграют от введения подобных инноваций: часть рутинной и объемной обработки данных будет выполнять машина. Автоматические подсказки помогут обнаруживать заболевания пациентов прежде, чем наступит острая форма. Это значит, что не потребуется проводить экстренное лечение. Так врачи повысят свою продуктивность и станут реже сталкиваться с профессиональным выгоранием, а руководители клиник, в свою очередь, смогут эффективнее расходовать бюджет.
Предиктивная медицина сегодня
Одна из главных идей «нового» здравоохранения – создание единой экосистемы медицинских данных, часто с помощью искусственного интеллекта. Представьте: врачам доступна полная и точная информация о пациентах; специалисты беспрепятственно передают друг другу знания, полезные для работы; государственные структуры принимают грамотные и экономически выгодные управленческие решения на основании данных о медицинских учреждениях. Одним из результатов такой открытости и общей осведомленности станет именно раннее обнаружение и предотвращение заболеваний.
Philips уже делает шаги к осуществлению этой идеи: в 2018 году компания запустила платформу HealthSuite Insights, которая расширяет возможности хранения и анализа медицинских данных. Схема, по которой она работает, напоминает магазины приложений: через платформу разработчики смогут распространять свои решения среди коллег. Так об инновациях будут быстрее узнавать и чаще применять их на практике. Инструменты и технологии, реализованные на базе HealthSuite Insights, уже позволяют использовать решения Philips для диагностики и мониторинга пациентов, а также в сфере онкологии и геномики.
Будущее предиктивной медицины
Технологии data science (это раздел информатики, изучающий проблемы анализа, обработки и представления данных в цифровом формате) направлены на то, чтобы вывести предиктивную медицину на новый уровень. Например, в лаборатории Philips Research в Сколково занимаются машинным обучением в интересах здравоохранения. Умная система сделает возможным случайное обнаружение болезней (incidental finding). Врачи обычно рассматривают анализы и снимки в свете того диагноза, с которым пришел пациент. В то же время машина, умеющая различать сотни болезней, может обратить внимание специалиста на другие отклонения от нормы – например, найти рак легких на снимке с переломом ребра. Одна из целей машинного обучения в медицине – помочь врачам проверять человека на всё и сразу при минимальном количестве исследований.
Другое направление исследований лаборатории Philips – это прогнозная аналитика. Обработка огромных объемов данных позволит предсказывать заболеваемость в зависимости от местности и группы населения. Если будут учитываться медицинские показатели миллионов человек, можно будет находить взаимосвязи и закономерности, выяснять, почему где-то одни заболевания распространены больше, чем другие, и затем на основании полученной информации определять группы риска и проводить профилактику до возникновения вспышек болезней.
Внедрение инноваций в медицину – процесс долгий, сложный и дорогой. Однако все понимают, что предупреждать болезни лучше, чем бороться с ними. Наука не стоит на месте, и, возможно, уже скоро проблемы со здоровьем будут пресекаться на самых ранних этапах.