Развитие цифровых технологий в медицину является одним из важнейших направлений развития российской медицины. К 2030 году в России планируется сформировать более 100 центров научно-технологического и социально-экономического развития. Ведущие ВУЗы и IT "гиганты" страны консолидируют усилия для поиска нестандартных и современных решений по улучшению качества медицинского обслуживания на всех уровнях здравоохранения. Онкология не отстает от этих тенденций.

Наиболее эффективный метод повышения выживаемости от онкологических заболеваний – ранняя диагностика: при выявлении онкологического заболевания на IV стадии выживаемость пациентов редко превышает 10%, в то время как при выявлении на I стадии этот показатель может достигать 90%. При этом, несмотря на неоспоримо важную роль пациента в выявлении ранних проявлений злокачественного процесса, именно врач поликлинического профиля обладает квалификацией и знаниями, необходимыми для назначения дополнительных обследований и направления больного к профильному специалисту. Однако на онконастороженность врача могут негативно влиять различные факторы. Среди основных причин онкологи отмечают перегруженность врачей и кадровый дефицит, высокую загруженностью излишней «бумажной» работой и недостаточное количеством времени на прием. Для решения этих проблем на помочь врачу приходят цифровые технологии.

О разработке системы на основе методики непрерывного машинного обучения для раннего выявления онкологических заболеваний объявила Петербургская IT-компания и разработчик сервисов цифрового здравоохранения «ТехЛАБ». Система предназначена, в первую очередь, для специалистов первичного звена – терапевтов, фельдшеров и врачей общей практики. Главная задача разработки заключается в оценке неспецифичных симптомов злокачественных новообразований (ЗНО) на ранних стадиях. Анализ таких симптомов особенно важен и актуален: от 40% до 80% пациентов с онкологическим диагнозом

обращались к врачам поликлинического профиля по поводу сердечно-сосудистых заболеваний (артериальная гипертензия 39-50%, сердечная недостаточность 10-18%) или сахарного диабета (11-16%), а каждый пятый наблюдался у врача по поводу сопутствующей патологии – ожирения, ХОБЛ, астмы, анемии, заболеваний ЖКТ и др. Использование системы будет заключаться в том, что в процессе сбора анамнеза врачу будет необходимо вносить жалобы пациента в специальную электронную анкету. Если совокупность неспецифических симптомов будет соответствовать определенному набору предикторов развития какой-либо формы рака, врачу будет рекомендовано назначить пациенту дополнительные исследования.

Еще одна примечательная разработка компании – Региональная централизованная система – Онкопаспорт пациента. Разработка позволит сформировать индивидуальную карточку каждого пациента на основе данных и уведомлений интегрированных подсистем, в частности, государственной информационной системы в сфере здравоохранения субъекта РФ. С помощью специального алгоритма клиническая информация о пациенте (в т.ч. лабораторные и инструментальные исследования, медицинские направления, данные о диагностике, проведенной терапии, назначениях, маршруте, документах и параметрах заболевания) будет отфильтровываться и упорядочиваться, формируя интегральный анамнез заболевания пациента.

Важно, что система интегрирована с Личным кабинетом онкологической службы региона. Это позволит непрерывно контролировать маршрутизацию пациентов, выявлять проблемы в доступности медицинской помощи, а также отбирать пациентов по различным параметрам и добавлять данные в программу статистического учета ФГУ МНИОИ им. П.А. Герцена. Система является подсистемой «Онкология», созданной в рамках Федерального проекта по созданию единого цифрового контура в сфере здравоохранения на основе единой государственной информационной системы.

Другие нестандартные решения в онкологии предложили ученые из Сеченовского университета. Исследователи разработали метод «цифровой биопсии», который с помощью систем искусственного интеллекта позволяет анализировать медицинские изображения и выявлять в них признаки ЗНО. На первом уровне программа рассчитывает соотношение и распределение разных тонов серого цвета в ткани. На втором уровне проводится анализ характерных для опухолей "узоров". Наконец, программа сравнивает эти данные с данными морфологического анализа и, как результат, определяет, является ли опухоль злокачественной или доброкачественной, вероятность наличия того или иного типа рака и степень его дифференцировки. Для определения точности предсказаий крайне полезным могут оказаться данные радиогеномики – нового направленя прецизионной медицины.

Ученые из Сеченовского университета предложили инновационное решение и для следующего этапа. После диагнстики заболевания проводится 3D-моделирование, которое может помочь хирургу не только изучить новообразование, но и спланировать алгоритм операции. Для моделирования используются данные мультиспиральной компьютерной томографии. 3D модель максимально соответствует анатомической структуре органа, при этом элементы обозначены в соответствие со стандартами, используемыми в анатомических атласах. Наложение трехмерного изображения на виртуальное тело пациента позволяет определить топографические взаимоотношения анатомических структур. Таким образом, хирург получает возможность детально спланировать операцию.