Журнал «Менеджмент качества в медицине», сентябрь 2023
Рубрика: От первого лица. Автор: Георгий Лебедев
Сегодня цифровая трансформация – один из главных векторов развития и модернизации здравоохранения. Любой человек, работающий в медицине, – непосредственный участник глобальных изменений в отрасли. Но цифровизация не только цель, но и инструмент организационной перестройки, оптимизации процессов управления и в итоге – повышения уровня качества оказания медицинской помощи. Что такое цифровая трансформация с точки зрения образования и инноваций, как учатся и работают в совместных проектах инженеры и врачи, создавая инфраструктуру цифровизации, журналу «Менеджмент качества в медицине» рассказывает Георгий ЛЕБЕДЕВ, директор Института цифровой медицины, заведующий кафедрой информационных и интернет-технологий Первого МГМУ им. И.М. Сеченова.
Приоритеты
– Георгий Станиславович, вы давно работаете в сфере цифровизации здравоохранения, и скоро исполнится пять лет, как руководите Институтом цифровой медицины Сеченовского университета. Как за эти годы изменилось ваше представление о цифровой трансформации? Какие, на ваш взгляд, открываются перспективы и каковы у этого процесса болевые точки?
– Поменялись приоритеты, представления о том, что является первостепенным. Институт был создан для решения главной задачи – подготовки кадров для цифрового здравоохранения. При этом подготовка должна осуществляться на примере выполнения научных работ и создания инновационных решений. Понятно, что для развития цифрового здравоохранения необходимы как минимум два направления приложения усилий: создавать информационные системы, инфраструктуру, которая будет обеспечивать цифровое движение, и главное – учить людей, которые разрабатывают и воплощают, пользуются, внедряют, поддерживают и эксплуатируют цифровые решения.
Любой врач, любой медик – априори участники цифрового здравоохранения, поскольку в настоящее время практически все процессы в нашей отрасли являются цифровыми. Цифровая трансформация подразумевает, что каждый медицинский работник должен уметь общаться с компьютером и понимать, что дает компьютеризация конкретно ему, пациентам и стране в целом. Поэтому мы учим и практикующих врачей, и будущих медработников применять цифровые технологии в своей профессиональной деятельности. Они должны понимать, как создается цифровое здравоохранение. Например, если главный врач заказывает разработку медицинской информационной системы, но не представляет, какой она должна быть, не учитывает этапы ее жизненного цикла, ему будет сложно поставить перед программистами конкретные цели и вряд ли он сможет рационально распорядиться выделенными на систему деньгами.
В медицине каждый специалист, независимо от занимаемой должности, сегодня должен понимать, что такое цифровое здравоохранение: кто-то – на уровне пользователя, кто-то – на уровне разработки полезной функциональности, кто-то – на уровне управления всеми системами, функциональностью, задачами. Этому набору компетенций мы и обучаем своих студентов. \В нашем университете реализуется множество различных очных и дистанционных программ по повышению квалификации врачей, работает Институт лидерства и управления здравоохранением. Мы запустили первую 36-часовую профессиональную программу переподготовки врачей в области телемедицины, а сейчас разрабатываем подобную программу по обработке медицинских данных.
Второе направление работы института – подготовка специалистов, которые должны создавать цифровые ресурсы, цифровые сервисы, цифровое здравоохранение в целом, то есть инженеров, программистов, дата-сайентистов. У нас уже действует бакалавриат и магистратура по специальностям «Информационные системы и технологии», «Интеллектуальные системы в гуманитарной среде», другие инженерные специальности, связанные с медициной.
Таким образом, мы сформировали поступательную и преемственную систему в области цифрового медицинского образования.
В отличие от выпускников, скажем, МГТУ им. Н.Э. Баумана или МИРЭА наши инженеры после такого же серьезного обучения сразу готовы к работе в медицине: они видят и знают больницы, пациентов, врачей, могут на одном языке разговаривать с медперсоналом. Мы стремимся к тому, чтобы на всех, даже самых ранних этапах профессиональной подготовки будущие инженеры взаимодействовали с врачами.
В 2022 году на базе Института цифровой медицины Сеченовского университета в рамках программы «Приоритет 2030» при содействии Минцифры и Минздрава России создана так называемая цифровая кафедра, представляющая собой систему профессиональной переподготовки в области медицинской информатики. Эта проект-структура, сформированная на базе нашей кафедры информационных и интернет-технологий и кафедры медицинской информатики и статистики, занимается переподготовкой студентов Сеченовского университета и других вузов. Длительность обучения – девять месяцев. В текущем году мы набираем 1400 слушателей – студентов из Сеченовского университета и других вузов страны. При выпуске они получат два диплома: диплом врача, а также диплом о профессиональной переподготовке по одному из направлений: «Специалист по анализу медицинских данных», «Разработчик цифровых медицинских сервисов», «Разработчик решений виртуальной и дополненной реальности в медицине», «DevOps в медицине». Также уже действуют или активно формируются другие дополнительные программы. Например, на базе программы «Цифровая трансформация» мы планируем запустить курс «Руководитель цифровой трансформации», который охватит важный сегмент знаний, ведь сейчас главные врачи и другие руководители медицинских организаций должны готовить отчеты о проведении цифровизации и внедрении систем искусственного интеллекта (ИИ) в медицинской организации. Наш выпускник-специалист будет знать, какие документы и программно-аппаратные решения требуются для новой деятельности.
– Подготовка кадров для цифрового здравоохранения – это важное, но не единственное направление работы вашего института. Другое направление – генерирование инноваций и создание инновационных программных продуктов для этой сферы. Подключаете ли вы студентов к решению подобных практических задач?
– Конечно, мы применяем проектный подход к образованию: все наши студенты получают какой-либо проект, который отрабатывают вместе с врачами. В процессе разработки и внедрения инноваций, они, во-первых, формируются как специалисты и, во-вторых, участвуют в создании полезных решений для здравоохранения.
Так, мы разработали систему интеллектуального поиска по медицинским текстам, которая анализирует огромный массив данных рецензированных зарубежных публикаций. Исходим из того, что наука не может развиваться в условиях изоляции, новации рождаются в ходе обмена идеями и дискуссий. В нашем, российском, инновационном решении Sechenov DataMed используется отечественный софт.
Система контекстного поиска основана на интеллектуальном анализе неструктурированных текстовых данных text mining, что позволяет выполнить анализ содержания текста и подбирать статьи, наиболее соответствующие запросу. Даже в случае очень сложного и редкого запроса будут составлены списки литературы и источников рецензированной литературы, которые гарантированно помогут ответить на поставленный вопрос.
Интеллектуальный поиск, по сути, представляет собой систему поддержки принятия врачебных решений. Скажем, в стационар поступил пациент со сложным случаем, непонятной клиникой, невнятной диагностикой. Любое лечение строится на основе клинических рекомендаций, поэтому по симптомам, синдромам, показаниям пациента можно провести поиск и найти опубликованные статьи, описывающие близкие такому случаю клинические исследования, и определить тактику лечения.
Другой пример. Врач должен дать пациенту рекомендацию по дальнейшему лечению. Для этого он также может найти в системе соответствующие статьи, чтобы узнать, что изменилось в подходах к лечению данного заболевания, какие появились новые методы лечения, эффективные лекарственные препараты.
Свое решение мы апробировали не только с коллегами нашего университета, но и совместно со специалистами ФГБУ «НМИЦ гематологии» Минздрава России. Подобная модель поиска актуальна и для фармацевтических компаний при выпуске на рынок новых лекарственных препаратов: наша база помогает анализировать и вносить корректировки в назначения и лечение.
Врачей и студентов Сеченовского университета привлекаем к построению и другого класса систем – предиктивных, связанных с прогнозным анализом: каждый студент третьего курса для своей курсовой работы должен выбрать определенную медицинскую задачу и разработать предиктивную модель лечения – по эндокринологии, гинекологии, патоморфологии и так далее. Для этого обучаемые получают набор исходных данных пациентов конкретного врача либо выборку из медицинских карт. При сравнении факторов, выработке алгоритма, подборе для конкретного пациента модели лечения с наибольшей чувствительностью и специфичностью разрабатывается предиктивная модель лечения.
Для врачей-кардиохирургов мы смогли точно определить уровень зависимости и вероятности реализации риска летального исхода у пациента с тромбозом в ходе операции на сердце. Для кардиологов нашли ген, влияющий на смертность при инфаркте. Объединяя разные компетенции членов одной команды и применяя проектный подход, мы одновременно обучаем и врачей, и инженеров.
– Работают ли в институте механизмы, оценивающие качество подготовки кадров? Вы отслеживаете судьбу своих выпускников?
– Правильный вопрос, потому что качество подготовки выпускников и отзывы работодателей – это один из критериев оценки вузов в международной практике. Однако пока не могу сказать определенно – в текущем году у нас будет только первый выпуск: четыре магистра и столько же бакалавров, все они поступили на дальнейшее обучение в нашу же магистратуру, плюс 10 выпускников учебных программ по интеллектуальным системам.
Трудоустраиваем всех, кто-то поступает в магистратуру, кто-то остается работать в Институте цифровой медицины. У нас хороший контакт с кадровой службой Минздрава России, московским Научно-практическим клиническим центром диагностики и телемедицинских технологий и столичным Департаментом здравоохранения. Также сотрудничаем с «Яндексом» и «Сбером», подписаны соглашения о взаимодействии с ведущими софтверными компаниями.
Кстати, в большинстве больниц имеется своя ИТ-служба, которой нужны квалифицированные специалисты.
– Какова плановая мощность Института цифровой медицины по выпуску специалистов?
– Плановая мощность – 20 бюджетных мест в магистратуре и 30 бюджетных мест в бакалавриате плюс внебюджетные места. В бакалавриат к нам в этом году поступили 48 человек. На цифровой кафедре будут обучаться 1400 человек. Мы предполагаем выйти на уровень двух-трех тысяч человек в год с учетом двух наших бакалавриатов, магистратуры, профессиональной переподготовки и повышения квалификации на цифровой кафедре.
Внутри контура
– Как видится место системы образования в формируемом едином цифровом контуре на основе ЕГИСЗ?
– Чтобы система работала, нужны кадры, которые умеют ею пользоваться и создавать новое. Кадры – основа всего, они по-прежнему «решают все», и их нужно обучать. Мы готовим специалистов для цифрового здравоохранения, что позволяет системе эффективно развиваться. В этом смысле мы находимся на гребне цифровой волны.
– Как вы оцениваете нынешний цифровой контур здравоохранения, его статус и вектор движения?
– Наша задача не проведение оценки, не сбор и не анализ. Наша миссия более простая или, напротив, более сложная – обеспечить все необходимое, чтобы отрасль развивалась и эффективно работала.
Находясь внутри системы, я вижу, как действует и развивается автоматизация в Клиническом центре Первого Московского государственного медицинского университета им. И.М. Сеченова, в его университетских клинических больницах. И понимаю: всем этим процессам мы должны обучить. На деле цифровое здравоохранение сводится не к крупным системам, а к цифровым микросервисам. Врачи и пациенты работают именно с сервисами – сервисом медицинского консультирования, поддержки принятия врачебных решений, выбора клиники и записи на прием к врачу… Системы типа ЕГИСЗ складываются именно из них. Создание подобных сервисов, определение их направленности и функциональности, схем взаимодействия – это то, чему мы учим. Подход правильный: система оценки качества медицинских информационных систем зависит от количества внедренных и используемых сервисов, их влияния на решение задач.
Эффективная цифровизация неминуемо приводит к серьезным организационным изменениям. Например, в столице на базе Центра диагностики и телемедицины Департамента здравоохранения города Москвы организован Московский референс-центр лучевой диагностики, куда поступают и где обрабатываются все радиологические исследования. Результат – лучшие специалисты собраны в одном месте, появилась возможность сократить количество рентгенологов в больницах, подключенная система искусственного интеллекта предотвращает ошибки и как следствие – повышается качество диагностики. Аналогичный референс-центр создан в Сеченовском университете в сфере патоморфологии. Идет организационная перестройка системы здравоохранения, и, если принять во внимание ее конечную цель, происходят качественные изменения отрасли, повышается качество медицинской помощи.
В настоящее время уже в основном решена задача медицинского электронного документооборота – информационные системы обеспечивают качество принятия управленческих решений и упрощают процесс их принятия. Главным врачам стало немного легче: нажал кнопку – сформировал отчет.
– Какими вам видятся основные тренды в сфере стандартизации и регулирования цифровой медицины? Изменилась ли практика использования зарубежных стандартов, например, американских JCI, что было характерно для начала формирования ЕГИСЗ?
– Как председатель профильного технического комитета ТК-468 «Информатизация здравоохранения» могу подтвердить, что 15 стандартов HL7 по обмену, управлению и интеграции электронной медицинской информации стали национальными и межгосударственными документами и активно применяются в нашей стране. Да, 10 лет назад на развитие медицинских информационных систем заметное влияние оказывали зарубежные стандарты, и в российских документах появлялись ссылки на них. Такая ситуация представлялась мне не совсем корректной. Сегодня, к счастью, все чаще применяются российские стандарты, в том числе при регистрации Росздравнадзором медицинских изделий. Например, в области искусственного интеллекта действует 10 ГОСТов, скоро будет принят еще один документ. Национальный российский стандарт теперь выступает в своем очевидном качестве: это нормативный документ, регулирующий отношения всех разработчиков внутри системы.
Серия стандартов JCI (Joint Commission International, США) охватывает оценку уровня цифровой зрелости медицинской организации, такой же деятельностью занимается американская некоммерческая организация HIMSS (Healthcare Information and Management Systems Society). Мы в Сеченовском университете планируем создать подобное решение для оценки уровня цифровой зрелости российских медицинских организаций.
Рабочая группа Института цифровой медицины Сеченовского университета разработала модельный закон «О цифровом здравоохранении», который был принят 14.04.2023 на Межпарламентской ассамблее СНГ и применим на территории любой страны – участницы Содружества. Этот документ может стать основой федерального закона Российской Федерации. Такую возможность мы обсуждаем с депутатами Госдумы.
Перед барьером диагноза
– Как бы вы охарактеризовали нормативную правовую базу цифрового здравоохранения, учитывая, что давно имеете непосредственное отношение к ее формированию? Каков правовой статус телемедицинских услуг? Согласны ли с тем, что телемедицине недоступна постановка диагноза? Таким образом, развитие направления остановилось перед барьером диагноза.
– На мой взгляд, сегодня две самые сложные области – телемедицина, нормативное обеспечение которой постоянно развивается, и искусственный интеллект, где требуется введение в клинические рекомендации и другие нормативные документы указаний по его применению. Сегодня уже де-юре закреплено применение в здравоохранении телемедицинских технологий и электронного документооборота. Теперь нужно законодательно поддержать обработку данных с использованием искусственного интеллекта, и тогда все встанет на свои места.
С телемедициной в виде дистанционного консультирования сейчас почти все решено, осталось только сделать так, чтобы при записи к врачу можно было кликнуть на кнопку «Онлайн-консультация». Если говорить о стационаре на дому – с дистанционным наблюдением пациента, применением мобильных устройств, медицинских интернет-приложений и технологий, – следует признать, что данная область до конца не отрегулирована. Думаю, это дело ближайшего времени.
Да, постановка диагноза на телемедицинском сеансе представляет собой барьер для развития этого направления медицины. Мы разработали для Минздрава математическую модель, с помощью которой доказали, что основой для постановки диагноза служит полнота данных. Обладая полной информацией, врач может поставить диагноз и очно, и заочно. Опытный и умный врач поймет, что ему необходимо увидеть пациента вживую. Если же доктору не хватает опыта или квалификации, он и сутки может просидеть тет-а-тет с пациентом, а диагноз все равно останется под вопросом. Сегодня мы отрабатываем технологии доказательного расчета специфичности и чувствительности диагностических и инструментальных исследований при постановке диагнозов и оценки полноты данных. Надеемся, что наше решение ляжет в основу новых подходов к развитию телемедицины и оценки систем искусственного интеллекта. Некоторые услуги по постановке диагноза легко выполняются на уровне первичного звена, но более специфичные оказываются только в высокотехнологичных медицинских центрах, например, патоморфологический анализ, КТ, МРТ и другие. Эти услуги различаются именно по специфичности и, соответственно, по трудоемкости, но от их полноты зависит правильность постановки диагноза, неважно – очной или дистанционной.
С Фондом Национальной технологической инициативы мы создаем дата-сеты для обучения систем искусственного интеллекта. Уже готов сет по пульмонологии, он содержит полный набор данных, который позволяет точно поставить диагноз – от астмы, бронхита и туберкулеза до рака легкого.
Для оценки систем искусственного интеллекта мы установили следующий критерий: трудоемкость любой медицинской услуги может быть выражена в денежных единицах или универсальных единицах трудоемкости. Система искусственного интеллекта действует следующим образом: система анализирует набор предоставленных первичных данных и, если их достаточно и они коррелируют с известными ему исследованиями, она выдает наиболее достоверные варианты диагноза. Если же данных не хватает, искусственный интеллект должен запросить дополнительные исследования. Лучшей является та система, которая поставила диагноз с наименьшей стоимостью исследований.
Также в наших планах – создание национального стандарта «Цифровые двойники в цифровом здравоохранении. Общие требования и определения». Мы решили дать четкую формулировку, что такое цифровой двойник пациента, цифровой двойник заболевания, лекарственного препарата, и установить их классификацию. Далее логично сделать модель по системе клинических испытаний цифровых двойников.
– Технология блокчейн есть на ваших радарах?
– Опубликовано несколько наших статей по блокчейну и его использованию применительно к учету и оплате медицинских услуг, к портфолио врача. Технология трудозатратная, но любопытная, интерес к ней проявляется всплесками, в зависимости от надобности. Сейчас в ЕГИСЗ и других государственных информационных системах применяются технологии хранения данных, которые по сути работают по принципу блокчейна и обеспечивают защиту данных, их преемственность и хранение.
Цифровая эффективность и цифровая ошибка
– Сохраняется ли настороженное отношение к информационной безопасности медицинских информационных систем и технической поддержке большинства медицинских организаций? Актуален ли по-прежнему вопрос: нужно ли оцифровывать хаос, имея в виду слабость процессного подхода в менеджменте?
– В каждом субъекте нашей страны есть медицинские информационно-аналитические центры, которые решают задачи по обеспечению процессов защиты данных, в том числе персональных, и сопровождение систем. Таким образом, подобных проблем быть просто не должно. У каждого главного врача имеется пакет документов в отношении защиты персональных данных и штатный специалист по обеспечению информационной безопасности.
Минздрав России вложил серьезные усилия в техническое обеспечение и разработку форматов и правил обмена и передачи данных. Фактически все больницы подключены к региональным информационным системам, а те, в свою очередь, – к федеральным.
В нашей стране действует трехуровневая вертикально интегрированная система здравоохранения. На первом уровне обеспечивается первичная медико-санитарная помощь, в том числе первичная специализированная. На втором уровне – межмуниципальном – оказывается специализированная медицинская помощь. Третий уровень – федеральный – предоставляет высокотехнологичную медицинскую помощь. Главная задача информационных систем – ускорить при необходимости процесс перехода пациента с одного уровня на другой, чтобы каждый мог получить медицинскую помощь вовремя.
Цифровые технологии эффективны там, где правильно организован процесс. Поэтому сегодня появляются эталонные модели – медицинские организации с полностью автоматизированными процессами. Если процессный подход в организации не на высоте, цифровые технологии способны его модернизировать и оптимизировать.
– Действует ли в digital-среде принцип Гиппократа: Primum non nocere? Что такое ошибка в цифровой медицине, как ее предупредить?
– Любая информационная система, участвующая в процессе оказания услуг в сфере здравоохранения, имеет статус медицинского изделия, а значит, должна пройти технические, токсикологические, клинические испытания. Она должна быть зарегистрирована как медицинское изделие, получить регистрационное свидетельство Росздравнадзора и только после этого будет допущена к эксплуатации. Такой порядок позволяет обеспечить применение принципа «Не навреди!».
Ошибка – это неправильная классификация объекта. И виновата в этом не машина, а человек, который ее неправильно обучил. Есть четко определенные пороговые границы, в рамки которых должна укладываться система при принятии решения по чувствительности и специфичности. Процент ошибки системы не должен превышать пороговое допущение, которое задается применительно к каждой конкретной задаче. Если система при постановке диагноза выдает б льший процент возможных ошибок, она не пройдет клинические испытания и не будет допущена к работе.
С точки зрения развития информационных технологий наша задача – ускорить и упростить все работающие механизмы. Мы понимаем, как это сделать. Та методология и математический аппарат, которые мы сейчас создаем для систем искусственного интеллекта, позволят нам эффективно управлять процессами в будущем.
Беседу вела Наталия Кий
***
РИА «Стандарты и качество»
Тел. +7 (495) 771-66-52, пишите на e-mail: podpiska@mirQ.ru
или оставляйте заявку на нашем сайте https://ria-stk.ru
Присоединяйтесь к сообществам издательства «Стандарты и качество»:
VK: https://vk.com/ria_stk
YouTube: https://www.youtube.com/channel/UCvW86WE6yIaFNZqK5swi70A
#СТандартыиКачество