Распознавание лиц — одна из технологий, которая может помочь клиникам оптимизировать затраты и работать эффективнее. Например, можно ускорить регистрацию и за счет этого принимать больше пациентов, собирать статистику и персонализировать услуги, быстрее ставить диагнозы в сложных случаях, сократить расходы на реабилитацию и восстановление. Разберемся, как это применять и как работает технология.
Как применять распознавание лиц в медицине
Идентификация пациентов для сокращения очередей
Медицинские клиники могут использовать камеры для распознавания лиц на стойке регистрации. Такие системы называют системами контроля и управления доступом (СКУД), их можно применять в любом бизнесе, не только в медицинском секторе.
У СКУД есть простая и понятная бизнесу польза: ограничение входа в определенные зоны, повышение скорости работы регистратуры, сокращение очередей. Если раньше сотруднику приходилось искать пациента по паспортным данным в базе, то после внедрения технологии мы узнаем клиента еще до того, как он подошел к ресепшен. Это повышает скорость работы клиники в пиковые часы.
Так, технологию распознавания лиц внедрили в «Инвитро». Начиналось всё с двух офисов, а сейчас к системе подключено десять клиник. В результате пациенты тратят меньше времени на регистрацию, пропали очереди, клиника принимает больше клиентов на той же площади. В «Инвитро» уже была база данных с фотографиями пациентов, поэтому на запуск и интеграцию СКУД в двух офисах ушло три месяца.
Другая проблема с верификацией пациентов в том, что в медицине высока цена ошибки из-за человеческого фактора. Так, в 2014 году терапевт сообщил хирургу по телефону неверную фамилию, что привело к операции на сердце не тому пациенту. Поэтому при поддержке Сеульского центра здравоохранения было разработано приложение с технологией распознавания лиц.
Приложение позволяет идентифицировать пациентов, даже когда они находятся без сознания. Кроме того, оно упрощает регистрацию и верификацию посетителей на всех стадиях лечебного процесса. Приложение протестировали на 62 пациентах, в том числе и детях, точность распознавания составила 99%.
Сбор статистики по пациентам для персонализации услуг
Технология распознавания лиц позволяет собирать общую статистику по пациентам и выявлять закономерности в зависимости от пола и возраста. Потом эти обезличенные данные можно использовать, чтобы оказывать персонализированные услуги и делать обобщенные прогнозы о состоянии здоровья.
Например, предсказывать, сколько примерно времени займет восстановление у пожилых людей и какие могут быть осложнения. Подобная аналитика от компании AlayaCare, разработчика облачных программ для домашнего здравоохранения, позволила сократить количество госпитализаций и посещений клиник среди пожилых людей с уходом на дому на 73%.
Другое применение распознавания лиц — внедрить систему, которая будет определять местонахождение пациентов. Например, Европейский медицинский центр (ЕМС) в имиджевых целях хочет разработать онлайн-навигацию для своих клиентов. Маршрут до нужного кабинета будет построен после того, как пациент получит направление к врачу.
Быстрая и более точная постановка диагноза
Анализ лиц людей помогает врачам и исследователям определить ряд редких генетических нарушений. Системы распознавания — это как Google в мире диагностики — на них нельзя полагаться полностью, но если врач испытывает затруднения или сомневается, алгоритмы дают направление, в котором можно подумать. Благодаря этому сокращается время на постановку диагноза, а значит, растет эффективность работы врача.
Исследователи из FDNA, компании по цифровому здравоохранению в Бостоне, разработали приложение для смартфона Face2Gene, которое работает на основе алгоритмов машинного обучения и нейронных сетей. Сначала приложение распознавало только три синдрома: Корнелии де Ланге, Ангельмана и Нунана. Потом исследователи передали алгоритму более 17 000 изображений диагностированных случаев, охватывающих 216 различных синдромов. На семинаре по наследственным заболеваниям приложение превзошло специалистов. Участникам семинара раздали фотографии с довольно узнаваемыми симптомами и попросили поставить диагноз. Больше половины из 49 участников выбрали правильный синдром для двух снимков. Face2Gene сделал правильный выбор для семи фотографий.
Как и с генетическими тестами, результаты работы алгоритма напрямую зависят от полноты собранных данных. Поэтому для развития методов ранней диагностики важно, чтобы медицинские учреждения по всему миру обменивались накопленными данными.
Как работает система распознавания лиц
Камеры, установленные в клинике, передают изображения на серверы или в облако. Там над ними работают алгоритмы машинного обучения, чаще всего сверточные нейросети — это специальные нейросети, разработанные для распознавания образов.
Дальше алгоритмы сравнивают лица в базе с теми, что попали в камеру, по ключевым точкам. Считается, что для распознавания хватит минимум пяти точек, хорошие алгоритмы ставят 68 точек, некоторые — и больше.
Если эти точки не видны, потому что лицо расположено под углом к камере, алгоритмы поворачивают лицо фронтально. Поэтому для технологии важно расположение камер и база данных с фотографиями — чтобы было с чем сравнивать. При хороших условиях точность распознавания достигает 99,8% со скоростью в сотни миллисекунд. Такие показатели у системы компьютерного зрения Vision.
Серверы с работающими алгоритмами могут стоять в вашем собственном дата-центре, или вы можете арендовать мощности в облаке. Возможна гибридная схема: если у вас есть свой дата-центр, можно вынести работу с распознаванием лиц в облака. Это снизит нагрузку на вашу инфраструктуру и позволит быстрее запустить проект — облачные провайдеры предлагают уже готовые сервисы компьютерного зрения и машинного обучения для распознавания лиц. В облаке проще рассчитать расходы: сколько мощностей использовали за месяц, столько и заплатите провайдеру.
Чтобы внедрить систему распознавания лиц, нужно собрать базу данных с фото в цифровом виде и правильно установить камеры — с этим может помочь вендор выбранного решения, или его партнеры. Затем надо подключить сервис компьютерного зрения в облаке с помощью специалистов провайдера.
И помните о законодательной части: ваш дата-центр и облачный провайдер должен соответствовать правилам 152-ФЗ, а каждый пациент или сотрудник должен дать согласие на сбор, хранение и обработку персональных данных.
Распознавание лиц — важный шаг к цифровизации медицины
Обычно распознавание лиц используют для систем контроля и управления доступом. Больницы не исключение, в них по-прежнему наблюдается проблема с очередями, которую можно решить с помощью автоматической идентификации пациентов и электронной системы учета пациентов.
Но кроме этого, с помощью алгоритмов можно собирать данные, чтобы оказывать персонализированную медицинскую помощь и делать прогнозы. Это позволит постепенно перейти от дорогостоящей стационарной помощи к ранней диагностике заболеваний и сократить затраты на реабилитацию — а это полезно и выгодно не только для клиник, но и для пациентов и государства.
Что еще почитать:
Что ждет медицину в будущем.
Как облака станут драйвером развития телемедицины.
Тренды цифровой медицины в 2019 году.
Автор: Станислав Звягинцев
Источник: https://mcs.mail.ru/blog/raspoznavanie-lic-v-medicine-instrukciya-po-primeneniyu