10 января 2024

Из личного опыта: про стажировку в Webiomed

661

1. О себе и почему я так решил...

Меня зовут Дмитрий, я врач анестезиолог-реаниматолог с 10 летним стажем. Мне нравится моя работа, а также с детства мне интересны компьютерные технологии и в том числе языки программирования. Однако, всё это время программирование было моим хобби.

Возможно поэтому, работая в медицине, я стал замечать множество процессов, рутинно выполняемых медицинскими работниками, которые  можно автоматизировать -  ведение бесчисленных журналов, листов динамического наблюдения за пациентом, динамика развития симптомов, синдромов и тому подобных вещей.

Например, если у пациента низкий гемоглобин и есть все показания к переливанию крови, то в нашей клинике нужно ждать, когда лаборант закончит делать все назначенные анализы, выпишет их на бланк, принесёт к врачу и тогда врач, увидев результаты, закажет взять у этого пациента (повторный забор крови у больного с анемией!) анализ на группу крови и её фенотип, и через час (когда это всё будет готово), он сможет сделать заказ на станции переливания крови. И если там есть эта группа, то туда отправят машину, возможно даже с мигалками…

А как было бы здорово, если врачу на телефон или другой девайс в момент обнаружения лаборантом критического уровня анемии (или другого анализа, при котором однозначно меняется тактика лечения), приходила бы вся информация: вероятность острой или хронической анемии, необходимость ее коррекции, наличие группы крови в анализах, расчетный объем необходимой гемотрансфузии и наличие этого объема на станции переливания, автоматически формировался бланк заказа.  Иногда это может сыграть решающую роль, когда время начинает идти на минуты.

А сколько важной информации о пациентах и их страданиях может теряться в бумажных горах медицинской документации, которая оформлена почерком без потенциала к расшифровке и «разбросана» по разным медицинским учреждениям. Эту ценную информацию следовало бы сохранять, объединять и всесторонне изучать, для лучшего понимания патологических/саногенетических процессов.

Каждый раз, когда пациент обращается за медицинской помощью, врач ведёт опрос и собирает анамнез. Это такие понятия, как: аллергические реакции и/или другие парадоксальные действия веществ/лекарственных препаратов на организм пациента, группа крови и предшествующие переливания крови с их особенностями, носительство социально-значимых заболеваний (ВИЧ, гепатит, сифилис, туберкулез и т.д.) или контакт с их носителями, а так же причины смерти родственников, возможное наличие в семье больного генетических заболеваний и многое другое. При этом на анализ жалоб, сбор анамнеза, клинический осмотр, установление диагноза и назначение лечения с рекомендациями врачу первичного звена выделено от 12 до 20 минут на пациента. И далеко не каждый страдающий пациент обладает четкой дикцией, феноменальной памятью, кристально ясным сознанием, пунктуальностью и честностью. А в интенсивной терапии пациенты не всегда бывают даже в сознании… Поэтому объединение и хранение всей доступной медицинской информации о пациенте, которую врач может получить в доступной для него форме за короткий промежуток времени, приведёт (и как показывает практика – уже приводит) к более точной и быстрой диагностике, к ясности и порядку, снижению трудозатрат и позволит избежать множества ошибок и проволочек.

Консерватизм медицины существовал всегда, и на то были и есть свои причины. Например, талидомидовая трагедия 1957 года. И поскольку медицина – это наука о том, как лечить до конца неисследованные болезни, до конца неисследованными методами в до конца неисследованном организме, то и врачи, как адепты этой науки, склонны подвергать сомнению всё новое и неподтверждённое эмпирически. Но современные алгоритмы без устали, круглосуточно, могут ставить диагнозы наравне, а иногда и лучше врача-специалиста, и при этом способны самообучаться на новых данных. Такие алгоритмы стали бы незаменимыми помощниками для рядовых практикующих врачей всех специальностей — придавая уверенности при правильном диагнозе, или заставляя усомниться там, где это необходимо. К тому же это бы снизило психоэмоциональную нагрузку на персонал и, возможно, помогло бы в решении некоторых спорных юридических вопросов. Поэтому, я убеждён, что информационные технологии и искусственный интеллект в медицине необходимо развивать, и мне хотелось бы принять в этом участие.

2. Как я попал на стажировку?

С разных информационных ресурсов я следил за развитием искусственного интеллекта в медицине, в том числе был подписан на сообщество Webiomed в VK. Однажды в нём был опубликован пост с вакансией в направлении NLP (Natural Language Processing). Это весьма интересное направление, задача которого исследовать тексты определённой тематики, в данном случае — медицинские неструктурированные тексты. А как нас учили в медицинском университете, клинических данных (это по сути данные жалоб, анамнеза и осмотров) практически всегда достаточно, чтобы поставить точный диагноз, а инструментальные методы обследования лишь подтверждают его.

К сожалению, в медицине сложилась такая тенденция, когда клиническое обследование производится поверхностно, и вся надежда на инструментальные методы. Я думаю, отчасти такой подход позволяет снизить моральную (и юридическую) ответственность за ошибочный диагноз, ведь субъективное мнение – это всего лишь мнение, хоть и основанное на клиническом мышлении, а данные объективных методов обследования – это объективные данные. И так мы впадаем в иную крайность – гипердиагностику.

Например, если болит живот и по МСКТ брюшной полости обнаружены камни желчного пузыря, то множество врачей свяжет эти два явления в одно. Но желчекаменная болезнь часто протекает бессимптомно. И, таким образом, «вылечив снимок» можно пропустить более серьезную болезнь, или совершить операцию там, где её можно было бы избежать. Или взять для примера грыжи межпозвоночных дисков – являются ли они причиной болей в спине, или это следствие этих болей, а точнее миофасциального болевого синдрома, который провоцирует развитие остеохондроза позвоночника и в последующем развитие грыж?..

А если симптомокомплексов несколько? Как определить – который из них ведущий, а который второстепенный? Как они взаимодействуют друг с другом, где их патогенезы пересекается? А общий патогенез у пациента с 3-5 и более хроническими заболеваниями выходит далеко за рамки возможности клинического понимания рядового врача, и он концентрируется на лечении ведущей патологии. Так и получается, что врачи лечат болезнь, а не больного в целом.

Но возможно, NLP в медицине покажет более точный результат в постановке диагнозов, что вернет врачам интерес к ортодоксальному клиническому обследованию пациента и снизит потребность в инструментальных (зачастую вредных и дорогостоящих) методах.

Поэтому я откликнулся на вакансию стажера и меня пригласили на собеседование. Опыта в собеседованиях у меня нет и я не строил никаких иллюзий, пока рассматривали мою кандидатуру. Но через пару недель мне предложили пройти полноценную стажировку на официальной основе. Было очень интересно, но также были сомнения — хватит ли знаний и компетенций, а также смогу ли совмещать с основной работой. Но после общения в Zoom с руководителем направления и куратором стало понятно, что дело обстоит вполне разумно, мы подписали договор и у меня началась стажировка.

3. Как проходит стажировка?

В самом начале мне был назначен куратор, с которым мы предварительно пообщались через Zoom и определились с уровнем моей компетенции. Куратор выдаёт мне задания, помогает разобраться в сложных моментах. Общение происходит через корпоративный чат или Zoom на утренних планёрках, которые проводятся несколько раз в неделю.

 Первые несколько дней я разбирался с основными рабочими инструментами - Python, Jupiter, Youtrack, GitLab и другими.

В python понадобилось вспомнить и разобраться в его версиях, настройке окружений, а также работе с основными конструкциями языка — списками, словарями, функциями, регулярными выражениями, файлами json, unit — тестированием, а также линейной алгеброй, были задачи на рекурсию.

  • В Jupiter были задачи на работу с датафреймами, группировкой данных, сводными таблицами, аналитикой, а также задачи с эмбеддингами — векторными представлениями слов.
  • GitLab -  создание (клонирование) своей рабочей локальной ветки, работа в ней с сохранением ключевых этапов, обновление удаленного репозитория, слияние веток.
  • Youtrack  - получение заданий, обсуждение промежуточных этапов.
  • В Zoom проводятся планёрки, интерактивное решение текущих задач с руководителем направления ИИ и коллегами.

Что-то из этого было новое для меня, а в чем-то уже был опыт работы. Python - я знал на среднем уровне (проходил курсы на Stepik), GitLab - на начальном (тоже Stepik). Также я познакомился с Jupiter, когда проходил обучение по Data Science от Yandex на предыдущих этапах своего хобби.

Но абсолютно новым был опыт понимания как устроен сам технологический процесс, где все эти инструменты используются многими людьми для решения какой-то реальной «живой» задачи. И я сам погрузился в эту реальную работу, постепенно, шаг за шагом разбираясь в деталях и решая практические задачи. Одной из таких стала задача оптимизации процесса тестирования, в ходе работы над которой мне потребовалось использовать множество фреймворков (работа с файлами, списками, словарями, датафреймами, регулярными выражениями, excel-таблицами) для выполнения конкретной  задачи. Этот опыт не получить на стандартных онлайн-курсах.

4. Как удаётся совмещать с основной работой?

Особенности работы в экстренной медицине - это дежурный график, сутки через двое. Это естественным образом создаёт определённые сложности при стажировке, но все эти вопросы были оговорены в самом начале. Во время работы в больнице нет возможности выйти на связь и работать за компьютером, поэтому все задачи решаю в свободное от работы время. Работаю сутки в реальном секторе медицины, двое (не полных) в «виртуальном». В таком режиме совмещать сложно, но можно, тем более что чем дальше, тем всё становится интереснее. А ещё стимулирует то, что я каждый день вижу на своей основной работе. Например, для списания перелитой пациенту крови нужно отклеить этикетки от замороженных контейнеров с кровью - которые постоянно рвутся, и приклеить их в и без того огромную бумажную историю болезни, из которой вываливаются плохо подклеенные анализы и прочие исследования. Если вдруг пропадёт клей - медицина развалится... И это в 21-м то веке! Лист наблюдения за пациентами мы пишем в Excel (во многих больницах всё еще пишут от руки!). Недавно мы научились и начали этим пользоваться - считать совокупный гидробаланс (объём введённой и выведенной жидкости из пациента) - в автоматическом режиме через формулы, что несколько упростило нам работу, ведь утром в конце тревожного и бессонного дежурства  математикой заниматься достаточно сложно.

Есть и положительные тенденции в направлении цифровизации медицины. Например, внедряемая электронная история болезни. И несмотря на то, что на моей памяти это уже 3-я попытка с 2012 года (с предыдущими 2-мя как-то не срослось…), уже сейчас она помогает тем, что можно быстро посмотреть на предыдущие этапы лечения пациента и восстановить данные выписок при их утрате, и более того - документы можно адекватно прочитать, потому что это теперь печатный текст. И если старшее поколение воспринимает электронную медицинскую карту «в штыки», то интерны и ординаторы приходя на работу воспринимают её как должное. Но работы в этом направлении ещё много...

Поэтому я вижу несомненную пользу любой автоматизации медицины, при адекватных рисках для здоровья пациентов и отсутствия дополнительных неадекватных нагрузок на медицинский персонал. В настоящее время премии нужно выдавать не за включение новой формальной бумажки в историю болезни, а за исключение и объединение старых…

5. Насколько полезна стажировка?

Считаю, что получил несомненную пользу от прохождения стажировки. Это мой первый опыт подобного рода — работа в ИТ компании, начиная с этапа трудоустройства, участие в реальном проекте, знакомство с технологическими процессами, общение с опытными программистами, дата-саентистами, проверка своих сил, знаний и возможностей.
Благодарен коллективу Webiomed за предоставленные знания и опыт, за возможность выйти за рамки своей рабочей специальности и взглянуть ситуацию и потенциальные возможности в нашей медицине с другого ракурса. Очень жду первых прорывных технологий в этом направлении.

 

Пожалуйста, оцените эту статью
( 4,99 из 5,
оценили: 595)
Ваша оценка: Не ставилась

Подпишитесь на нашу рассылку

Хотите получать интересную и полезную информацию о цифровом здравоохранении и искусственном интеллекте для медицины?
Включайтесь в нашу рассылку!

Мы рекомендуем

Нормативно-правовое регулирование искусственного интеллекта в здравоохранении России

Просмотров 15 015 1 неделя назад

Применение AutoML и MLflow при создании прогнозных моделей в медицине: опыт Webiomed

Просмотров 1 481 10 месяцев, 1 неделя назад

Стандартизованная отчетность в разработках систем искусственного интеллекта

Просмотров 1 069 11 месяцев, 2 недели назад

Калибровка моделей: зачем и как?

Просмотров 2 379 1 год назад

Присоединяйтесь

Наши группы в соц сетях