Что такое сервис цельс

Искусственный интеллект «Цельс» — лауреат премии «Цифровая Вершина»

В связи с тем, что в стране на данный момент очень сложная эпидемиологическая ситуация, вызванная новой короновирусной инфекцией, мероприятие пришлось проводить в формате видеотрансляции. В прошлом году на премии «Цифровая Вершина» наибольшее внимание уделялось разработкам, которые позволяли бороться с новой инфекцией. Победителями премии стали сервисы и проекты, которые способствовали предупреждению развития короновирусной инфекции. Реализация этих проектов осуществлялась в Москве.

Большую значимость приобрели проекты, позволившие своевременно выявить COVID-19 с помощью КТ-исследований. Самым эффективным проектом среди предложенных оказался сервис Цельс, который в конце декабря привлек инвестиции в 180 000 000 рублей.

Что такое Цельс: цели применения

«Цельс» — это искусственный интеллект, который позволяет производить анализ цифровых медицинских снимков. Применение данной системы способствует значительному сокращению времени, которое обычно отводится на проведение анализов исследования, а также сокращению рисков пропуска инфекционного заболевания.

После полной обработки полученной информации, система самостоятельно ранжирует список исследований по приоритетам. Это позволяет врачу изучать в первую очередь снимки, которые отображают высокую вероятность наличия патологии. Такое расставление приоритетов способствует своевременному проведению повторного обследования и назначения лечения.

Система способна обнаружить доброкачественную опухоль, злокачественную опухоль, а также инфекцию в организме человека. Она просто выделяет отдельные участки организма, в которых, возможно, содержится патология, сокращая время проведения обследования.

Также к преимуществам искусственного интеллекта «Цельс» можно отнести то, что он способен не только произвести анализ данных, но и предоставить заключение. В случае необходимости, врач может самостоятельно дополнить полученную от системы информацию.

Сейчас такая система уже активно используется в отделениях лучевой для анализа маммограмм и флюорограмм более чем в десяти различных регионах страны. В этом году также планируется использовать сервис «Цельс» при анализе КТ легких для выявления короновирусной инфекции.

Источник

Бросить #ВызовРадиологу: как мы организовали процесс разметки медицинских данных для обучения ИИ

Каждый разработчик систем искусственного интеллекта знает: качественные данные для обучения модели — бесценное сокровище. И чем более специфична отрасль, в которой вы работаете, тем больше усилий, времени и денег предстоит потратить на их сбор и обработку.

Мы являемся разработчиками системы искусственного интеллекта, применяемой в медицине — сервиса для выявления патологий по медицинским снимкам Цельс. Медицина, безусловно, относится к самым специфичным сферам применения ИИ: помимо того, что она предполагает высокий уровень ответственности, в ней ещё и остро стоит вопрос качества данных.

Искусственный интеллект представляет собой компьютерную программу, которая призвана оптимизировать те или иные рутинные процессы. Его разработка основана на обучении системы путём подачи на входной слой искусственной нейронной сети большого количества данных. Искусственный интеллект анализирует их, находит общие паттерны и за счёт этого учится интерпретировать данные определённым образом — в зависимости от задачи, которую перед ним ставит разработчик.

В случае с системой Цельс на вход подаются медицинские снимки: маммограммы, флюорограммы, компьютерные томограммы, цифровые изображения гистологического микропрепарата. Но для того, чтобы искусственный интеллект «понял», какие именно объекты ему нужно искать на снимке, необходимо предварительно разметить данные, участвующие в его обучении – то есть сообщить нейросети, на каких снимках присутствует патология, а на каких нет. А ещё лучше – «показать» ей те самые зоны интереса на снимке (злокачественные и доброкачественные новообразования, кальцинаты, лимфоузлы, участки плотности).

Казалось бы: медицинских данных, которые можно использовать для этих целей – море. К примеру, маммографические исследования ежедневно проходят тысячи и сотни тысяч людей во всём мире, и данных должно быть более чем достаточно!

Но на практике мы обнаружим, что в свободном доступе находятся лишь несколько датасетов на несколько тысяч исследований, да и те можно пересчитать на пальцах одной руки. Если же мы начнём просматривать эти выборки, то обнаружим, что сами данные в них могут быть различных видов:

Также не стоит забывать, что в онкологии для верификации диагноза производится процедура забора биоматериала (биопсия). Она является финальным подтверждением диагноза, так как вероятность ошибки существует даже у врача-рентгенолога с двадцатилетним стажем. Поэтому каждый из двух подтипов размеченных данных внутри классификации можно подразделить на:

Безусловно, при уже разработанной модели искусственного интеллекта не существует бесполезных данных. Можно эффективно использовать даже неразмеченные данные, используя, например, процедуру, которая называется псевдолейбелинг.

В общих чертах этот процесс выглядит так: модель получает на вход неразмеченные данные, генерирует на них предсказания и разметку на объекты. Затем исследователь выбирает среди размеченных данных те, в которых алгоритм наиболее уверен. В дальнейшем эти данные могут подаваться уже на вход нейронной сети для её обучения.

Куда полезнее данные с бинарной разметкой (есть патология / нет патологии). Особую ценность представляют те, результаты анализа которых были подтверждены биопсией — в этом случае, при наличии уже работающей программы, можно сгенерировать контуры патологий, о существовании которых доподлинно известно.

«Венцом» же медицинских данных для обучения ИИ, как можно догадаться, являются датасеты, состоящие из размеченных на объекты исследований, подтверждённых биопсией. С их помощью можно разработать алгоритм, который не просто с высокой точностью определяет, есть ли на снимке патология, но и указывает врачу её локализацию — то есть подсвечивает на изображении именно те области, которые требуют внимания врача.

Для нас, как разработчиков, крайне важно, чтобы результаты, выданные системой, были максимально интерпретируемыми для врача, ведь конечное решение принимает именно он. Мы хотим добиться того, чтобы врач не просто видел непонятно на чём основанные выводы искусственного интеллекта (есть рак / нет рака), но и понимал, какие области на изображении вызвали у системы подозрения.

Но если данные с бинарной разметкой в том или ином виде присутствуют почти в каждом медицинском учреждении, то датасеты с разметкой на объекты, как правило, приходится собирать самостоятельно исходя из конкретной задачи

Как только у нас появилась идея разработать ИИ-систему для выявления патологий по медицинским снимкам, нам было совершенно очевидно: качество данных для обучения = качество нашей будущей модели, её эффективность и в конечном счёте применимость в клинической практике. Поэтому с самого начала в подготовке данных для обучения Цельса принимали участие высококвалифицированные врачи. Каждый снимок независимо размечался несколькими штатными рентгенологами, и если их мнения относительно какого-либо случая расходились, снимок отдавался на дополнительное исследование.

Однако в сфере разработки медицинского искусственного интеллекта, так же как и во многих других сферах, работает принцип Парето, который гласит, что 20% усилий дают 80% результата. Поэтому чем дальше мы продвигались в развитии нашей ИИ-модели, используя исключительно методы науки и машинного обучения, тем больше времени, ресурсов и финансов требовала каждая дополнительная единица точности системы. А значит, повышать метрики только ML-методами было уже неэффективно, нужны были новые наборы качественных данных. А для этого нужны были лучшие профильные специалисты

Этап №1: Подготовка выборки и референсных метрик

Для конкурсного отбора использовались маммографические исследования, подтверждённые биопсией и не участвовавшие в обучении системы. Мы прогнали выборку через наш ИИ-алгоритм и затем отобрали 100 исследований: 50 маммограмм с наличием подтвержденного злокачественного образования, 50 без онкологии. Причём выбирали мы в первую очередь именно те исследования, в которых нейронная сеть больше всего сомневалась: мы предположили, что именно эти случаи будут самыми сложными и для врачей.

Но прежде чем предложить эту выборку радиологам, принимающим участие в нашем конкурсном отборе, мы задались вопросом: а какие результаты можно считать хорошими? Поэтому сначала мы попросили выполнить бинарную разметку этих снимков врачам, с которыми мы уже сотрудничали. Таким образом нам удалось сформировать референсные метрики, на которые мы могли опираться при оценке.

Для поиска участников мы использовали следующие инструменты:

По итогам к первому дню отбора у нас было более 100 заявок.

Этап №2: Бинарная разметка

На этом этапе врачам предстояло проанализировать выборку из маммографических исследований и определить, на каких из них присутствует злокачественное новообразование. Полученные результаты мы сравнивали с референсными метриками и на основании этого принимали решение о дальнейшем участии врача в конкурсе.

Этап №3: Разметка на объекты

Дошедшим до этого этапа 16 рентгенологам предлагалось выполнить разметку на объекты с выделением контура предполагаемого новообразования. Здесь мы обращали внимание не только на качество разметки, но и на готовность врача соблюдать чёткие инструкции при её выполнении.

По итогам проекта #ВызовРадиологу были отобраны 5 рентгенологов, чьи результаты превзошли референсные метрики. Они получили от нашей компании индивидуальные предложения сотрудничества на коммерческой основе.

Но это не единственный результат. Проект такого типа проводился в России впервые, и этот опыт был интересным как для нашей команды, так и для врачей. Мы получили возможность напрямую взаимодействовать с врачами, получать от них обратную связь. А рентгенологи смогли, во-первых, получить опыт работы в ИИ-проекте, а во-вторых, проверить свои знания на нетривиальных исследованиях (некоторые участники дали фидбэк, что случаи действительно не из простых).

#ВызовРадиологу — это первый, но уверенный шаг в сторону развития нового направления во врачебной деятельности. Мы убеждены, что в будущем специалисты в области подготовки данных для обучения медицинского ИИ будут крайне востребованными и высокооплачиваемыми, а работа в этой сфере — одной из самых престижных для медицинских специалистов. И это абсолютно правильно и естественно — ведь обучать медицинский искусственный интеллект должны лучшие из лучших.

Источник

«Цельс» — искусственный интеллект в медицинской диагностике

Сервис для анализа медицинских изображений от российской компании «Медицинские скрининг системы» используется как система поддержки принятия врачебных решений в радиологии и онкологии.

В 2018 году в России рак был диагностирован у 625 тысяч человек. На ранних (первой и второй) стадиях — только в 56,4% случаев. Выявление онкологии на ранней стадии позволяет раньше начать лечение и сделать его более эффективным, значительно повышая шансы на излечение пациента. И даже если не удается достичь полного выздоровления, зачастую можно добиться долгосрочнои ремиссии. Но есть глобальные проблемы, которые мешают ранней постановке диагноза.

Во-первых, недостаток квалификации у специалистов первичного звена или отсутствие кадров как таковых, что нередко встречается в отдалённых регионах нашей страны.

Во-вторых, влияние человеческого фактора при чтении снимков: из-за дефицита кадров нагрузка на врача зачастую очень высока, и есть вероятность пропуска патологии. По статистике, 60% диагнозов нуждаются в уточнении, ещё 20% изначально поставлены неверно.

В 2017 году на эти проблемы обратили внимание основатели компании «Цельс». Появилась идея разработать систему поддержки принятия врачебных решений (СППВР) на базе технологий нейронных сетей. Диагнозы будут точнее, они будут устанавливаться в короткие сроки, а значит, шансов сохранить здоровье и жизнь пациентов будет больше.

После года глубокого анализа проблемы, тесного сотрудничества с онкологами, рентгенологами и другими специалистами началась работа над созданием первого решения — системы для выявления рака молочной железы на ранней стадии.

«Цельс» — искусственный интеллект для анализа цифровых медицинских снимков. Сервис помогает специалистам лучевой диагностики сократить время на анализ исследований и минимизирует риски пропуска патологии.

Для обучения алгоритма было использовано более 115 тысяч исследований, включая публичные датасеты, неразмеченные снимки, исследования с верифицированной бинарной разметкой (болен или не болен).

Для маммографии также использовались снимки с разметкой на объекты, выполненной опытными рентгенологами. Каждый снимок независимо размечается несколькими врачами, в случае расхождений снимки отдаются на дополнительное исследование. Процесс разметки представляет собой определение объектов разных классов на изображении (злокачественные и доброкачественные новообразования, кальцинаты, лимфоузлы, участки плотности, артефакты снимков и другие).

Нейросеть имеет сложную структуру, её обучение разделяется на несколько этапов. Первый этап — обучение «без учителя» (unsupervised/self-supervised learning). Через сеть определённым образом прогоняется большой объём неразмеченных данных, это позволяет сети «привыкнуть» к особым признакам, свойственным рентгеновским снимкам. После этого идут в ход исследования с разметкой (бинарной — «есть патология» или «нет патологии» и на объекты).

В результате сеть обучается находить различные образования на изображениях и рассчитывать общий риск наличия патологии у каждого пациента. На этапе постпроцессинга каждое исследование получает оценку согласно международным диагностическим стандартам

Направления диагностики, в которых система работает уже сейчас — маммография и флюорография. На очереди — компьютерная томография и морфология, их выход запланирован на четвёртый квартал 2020 года.

При пакетной обработке система ранжирует список исследований по приоритетности: врач в первую очередь просматривает снимки тех пациентов, у которых с высокой вероятностью есть патология. Это позволяет быстрее провести дообследование, поставить диагноз и начать лечение.

Система определяет наличие доброкачественных или злокачественных изменений и указывает их локализацию — выделяет именно те области на изображении, которые требуют пристального внимания врача. Такие подсказки сервиса сокращают время на исследование и минимизируют риски пропуска патологий.

Искусственный интеллект не только осуществляет предварительную обработку и анализ снимков, но и оптимизирует процесс подготовки заключения — автоматически формирует описание снимка. При необходимости врач дополняет заключение своими комментариями.

В «Цельсе» объединены знания высококвалифицированных врачей, опыт запуска крупных медицинских проектов и компетенции в области ML/AI (Machine Learning или Artificial intelligence).

Основатель проекта Станислав Чернин учредитель и идеолог нескольких компаний в области разработки и интеграции ИТ-решений. В их числе успешные проекты в области здравоохранения: запуск медицинской информационной системы (МИС) для МНТК «Микрохирургия глаза» в Калуге и региональной МИС для медицинских учреждений Калужской области. Реализацией этих проектов руководил Артём Капнинский, сейчас он является коммерческим директором «Цельса».

У Никиты Николаева, операционного директора «Цельса», и Евгения Никитина, технического директора, был совместный опыт создания технологического стартапа в области кредитного скоринга и имплементации биометрических данных FscoreLab. После знакомства с Артёмом и обсуждения возможностей применения ML в медицине возникла идея сделать совместный проект — решение для медицинской диагностики с применением технологий нейронных сетей.

Но технология эффективна и применима в медицинской практике именно благодаря тесному сотрудничеству с врачами. Качественное обучение нейросети невозможно без их знаний и опыта. Разметкой каждого снимка занимаются сразу несколько штатных рентгенологов. Они проводят тесты системы, дают оперативную обратную связь по доработкам и консультируют разработчиков.

«Цельс» уже используется медицинскими учреждениями в 13 субъектах РФ в рамках пилотных проектов, в том числе в масштабном Эксперименте Департамента здравоохранения города Москвы по использованию ИИ-сервисов в работе отделений лучевой диагностики. Мы уже подписали соглашения о сотрудничестве с 21 регионом и сейчас готовимся к запустить ещё несколько пилотных проектов.

Мы собираем обратную связь от врачей, анализируем данные о работе сервиса — на основе этого дорабатываем, развиваем систему, повышаем метрики: AUC, чувствительность, специфичность. Ведётся научная работа по новым направлениям диагностики: КТ и морфология. Но мы видим развитие продукта не только в радиологии, но и в других направления функциональной диагностики.

Мы уверены, что применение искусственного ителлекта в медицине может существенно улучшить качество диагностики. Но алгоритмы не заменят врача. ИИ-сервис не может самостоятельно ставить диагноз, он автоматизирует ряд процессов в работе, выступает в качестве помощника, помогая повысить точность и скорость диагностики.

Источник

Что такое сервис цельс

Система помощи в принятии врачебных решений на базе технологий искусственного интеллекта «Цельс», разработанная компанией «Медицинские Скрининг Системы» (резидент Сколково), успешно прошла клинические испытания и зарегистрирована Росздравнадзором как медицинское изделие (№ РЗН 2020/14448, Приказ от 27.05.21 №4743) по направлениям: маммография и флюорография.

«Цельс» анализирует цифровые медицинские снимки и выявляет на них признаки различных патологий, в том числе онкологии на ранних стадиях. Его применение в скрининге призвано минимизировать риски ошибок, вызванных человеческим фактором, автоматизировать работу радиологических служб и повысить качество диагностики онкологических заболеваний.

Приказ Министерства Здравоохранения РФ от 7 июля 2020 года № 686н отнёс ПО с применением технологий искусственного интеллекта к 3 классу опасности. Он предполагает наибольший уровень рисков для пациента, поэтому процесс получения регистрационного удостоверения на изделие такого класса является наиболее сложным. Несмотря на то, что часть российских ИИ-сервисов получили регистрацию по классам 1, 2а и 2б, Цельс проходил процедуру в соответствии с последними требованиями законодательства – то есть по 3 классу.

— Наш продукт доказал свое соответствие действующим требованиям к качеству, безопасности и эффективности. Уже сегодня врачи совместно с «Цельс» спасают жизни людей. Конечно, искусственный интеллект не может стать полноценной заменой специалиста, но он значительно упрощает процесс постановки диагноза, позволяя выиграть время и как можно раньше обнаружить онкологию, своевременно начать лечение.

Артём Капнинский,
Коммерческий директор ООО «Медицинские скрининг системы»

До процедуры регистрации медицинского изделия и прохождения клинических испытаний компания провела пилотные испытания в 13 регионах РФ. С июня 2020 сервис интегрирован с ЕРИС Москвы и подключен более чем к 200 диагностическим устройствам в различных медорганизациях столицы в рамках эксперимента по использованию инновационных технологий в области компьютерного зрения для анализа медицинских изображений. «Цельс» стал одним из лидеров среди сервисов, участвующих в эксперименте – как по количеству обработанных исследований (более 350 тысяч), так и по точности интерпретации результатов.

— Перед подключением к общему информационному контуру ЕРИС ЕМИАС сервис прошел валидацию на независимых наборах исследований, чтобы в «полевых» условиях проверить диагностическую точность, чувствительность и специфичность алгоритмов. Затем в течение 2020 года «Цельс» использовали в реальной клинической практике московские рентгенологи. Это позволило разработчикам получить экспертную обратную связь от пользователей-врачей и выявить слабые места для дообучения сервиса.

Сергей Морозов,

главный специалист по лучевой и инструментальной диагностике ДЗМ и Минздрава РФ по ЦФО, директор Центра диагностики и телемедицины

В 2020 году «Медицинские скрининг системы» привлекли инвестиции Венчурного фонда НТИ в размере 180 млн рублей – на развитие продаж и технологическое совершенствование платформы.

— Сегодня применение ИИ в медицине – одно из самых привлекательных инвестиционных направлений, а медицинские изображения – это то направление, где ИИ уже активно применяется. Рассматривая в 2020 году это направление для инвестиций, мы глубоко проанализировали проекты и команды в России, которые работали в направлении рентгенологии. Среди множества компаний «Цельс» сразу обращает на себя внимание: зрелость подходов, технологичность разработки, качество конечного продукта, понимание потребностей рынка – не каждая компания может этим похвастаться. Мы уверены, что регистрация «Цельс» как медицинского изделия по самому высокому классу риска – это настоящий прорыв, который откроет широкие перспективы взрывного роста российского рынка для применения ИИ в медицине.

Кирилл Тишин,
инвестиционный директор венчурного фонда Kama Flow

На данный момент решение проходит процедуру оценки соответствия требованиям директив и гармонизированным стандартам Европейского союза для выхода на международный рынок.

Источник

Искусственный интеллект поможет выявлять онкозаболевания

В медучреждениях Москвы появился сервис «Цельс», помогающий врачам-рентгенологам анализировать маммограммы. Полученные результаты врачи видят в системе «ЕРИС.ЕМИАС» вместе с оригинальными исследованиями. Сервис внедряется в рамках городского эксперимента по компьютерному зрению.

Технологии искусственного интеллекта уже применяются при анализе компьютерной томографии, в том числе низкодозной, рентгеновских снимков и флюорографии.

«Мы наращиваем темпы внедрения цифровых решений в московскую систему здравоохранения. Теперь для анализа маммограмм в городских медучреждениях применяются технологии искусственного интеллекта. Сервис создан для того, чтобы помогать рентгенологам интерпретировать результаты исследований, в том числе в процессе скрининга рака молочной железы. Мы уверены, что новая технология повысит качество диагностики онкологических заболеваний», — рассказала Анастасия Ракова, заместитель Мэра Москвы по вопросам социального развития.

Сервис «Цельс» работает на основе нейронных сетей и анализирует медицинские изображения, выявляя в них малейшие подозрительные изменения в структуре тканей молочной железы.

Результаты скрининга рака молочной железы проходят двойной контроль — исследования должны интерпретировать два врача. Обычно в этом участвуют эксперты, которые хорошо разбираются в патологических изменениях молочной железы. Искусственный интеллект помогает специалистам заметить и оценить самые незначительные изменения — микрокальцинаты, участки перестройки структуры ткани, асимметрию. Подозрительные находки выделяют отдельным цветом, чтобы рентгенолог мог обратить на них внимание и сделать выводы. Процедура распознавания исследований длится не более десяти минут.

«Конечно, искусственный интеллект не заменит врачей, только они принимают окончательные решения и берут на себя ответственность. Но в определенных ситуациях, например при скрининге, сервисы становятся хорошим подспорьем для врачей-рентгенологов, помогая вовремя заметить даже незначительные изменения и заподозрить патологию. Теперь к уже существующему перечню рентгенологических исследований, результаты которых расшифровывает искусственный интеллект, добавилась маммография», — отметил главный специалист по лучевой и инструментальной диагностике, директор Центра диагностики и телемедицины Сергей Морозов.

Эксперты центра предполагают, что в будущем искусственный интеллект сможет сам формировать небольшие заключения.

На сегодня сервисы искусственного интеллекта подключены к 48 стационарам и 193 поликлиникам и их филиалам. Эксперимент по компьютерному зрению — это проект Правительства Москвы, который объединил медорганизации, компании-разработчики и научные группы.

Источник