Искусственный интеллект в донорстве

В последние годы искусственный интеллект берёт на себя всё большее количество задач: специалисты из разных областей признают его пользу. В сфере донорства крови и трансфузиологии учёные также пытаются использовать искусственный интеллект для оптимизации процессов, анализа данных и повышения качества ухода за пациентами. В новом материале рассказываем о нескольких экспериментах по внедрению искусственного интеллекта в донорство и их результатах. 

Искусственный интеллект и машинное обучение как новые вычислительные методы в сфере донорства и трансфузиологии были представлены на симпозиуме State of the Science (SoS) in Transfusion Medicine (Состояние науки в области трансфузионной медицины, прим. ред.) в Национальном институте сердца, лёгких и крови в США в 2022 году. 

Система упреждающего заказа

Одной из сфер, где искусственный интеллект начали использовать в тестовом режиме, стало прогнозирование скорости, с которой запасы донорской крови будут использованы, после чего медицинским учреждениям потребуется ещё. 

В течение многих лет учёные Карл Рексер и Келли Каунтс занимались прогнозированием общего объёма заказов донорской крови и её компонентов от медицинских учреждений, в том числе во время пандемии COVID-19. Тогда благодаря прогнозам на время удалось сократить количество донаций, чтобы не подвергать доноров и сотрудников риску заражения коронавирусом. 

Теперь Каунтс и Рексер разрабатывают систему так называемого упреждающего заказа (в оригинале — anticipatory ordering), благодаря которой можно заранее рассчитать момент, когда в медицинском учреждении закончится цельная кровь и её компоненты, и упредить его, вовремя сделав заказ. Учёные поделились, что эту идею они подглядели у Amazon: «Большие компании научились предвидеть, когда у покупателя закончится какой-либо продукт, и в этот момент доставляют им новый буквально под дверь». Таким образом, нужный продукт у покупателя не заканчивается никогда, а дополнительных действий по его покупке им делать не нужно: компания сама это уже рассчитала и всё отправила. При этом также снимается проблема избыточности или нехватки: продукта ни слишком много, чтобы он испортился, ни слишком мало, чтобы испытывать неудобство от его недостатка, его просто достаточно. В сфере заготовок донорской крови и её компонентов этот принцип также важен. 

Кажется, что это звучит просто, а сама идея довольно очевидна и легко выполнима и без привлечения искусственного интеллекта: нужно лишь посмотреть на то, с какой скоростью единицы донорской крови использовались ранее, взять среднее значение и поставлять компоненты крови в соответствии с ним. Однако исследователи считают иначе.

«Мы не хотели брать просто средний показатель, потому что в такой подвижной процедуре как переливание крови общие значения никогда не равны действительно требующимся», — рассказывает Келли Каунтс. 

Именно поэтому учёные вместо анализа предыдущих показателей сосредоточились на анализе текущих уровней использования донорской крови и запасов, которые делают медицинские учреждения (средние значения и возможные отклонения от них также были учтены). Это помогло им разработать алгоритмическую систему, прогнозирующую оптимальный уровень запасов для каждого медицинского учреждения.

Расчёты исследователей основывались на том, сколько единиц донорской крови медицинское учреждение потребляет в течение дня. Если больница перелила 10 единиц сегодня, и оптимальный запас не изменился, то система упреждающего заказа отправит 10 единиц завтра. Если больница использовала 10 единиц, а оптимальный запас по прогнозам искусственного интеллекта увеличился на две единицы, то система отправит 10 единиц, которые были использованы, плюс ещё две единицы для обеспечения оптимального запаса. Таким образом, система гарантирует, что в экстренных случаях донорская кровь всегда окажется в достаточном количестве. В дальнейшем Каунтс и Рексер планируют применить систему упреждающего заказа на практике к первой положительной группе крови, которая составляет значительную часть заказов и поставок крови в медицинские учреждения.   

Диагностика до и после переливания крови

Система упреждающего заказа, основанная на прогнозах, это лишь одно из возможных применений искусственного интеллекта в медицине и донорстве. На симпозиуме также обсуждалось, как искусственный интеллект может помочь в диагностике побочных эффектов после переливания крови. 

Так исследователи ввели несколько сценариев реакций на переливание крови в  ChatGPT-3.5. Искусственный интеллект  попросили  определить, основываясь на критериях Национальной сети безопасности здравоохранения, признаки состояний, свидетельствующих о негативной реакции пациента на переливание крови. Ответы нейросети были рассмотрены и сравнены с ответами  специалистов по трансфузионной медицине. 

Какие результаты показал искусственный интеллект в этом эксперименте:

• он точно классифицировал такие типы негативных реакций на переливание, как перегрузка системы кровообращения и случаи острого повреждения легких;
• он не идентифицировал случаи отсроченных серологических реакций на переливание крови. 

В другом эксперименте исследователи попытались выяснить, может ли искусственный интеллект предсказать потребность в переливании крови в отделениях интенсивной терапии. Данные включали более 10 000 пациентов, поступивших с желудочно-кишечным кровотечением. Модель рассматривала данные за первые пять часов поступления в отделение, чтобы предсказать потребность в переливании в течение следующих 24 часов. Точность её предсказаний составила 0,80 при максимальном значении в 1, что свидетельствует об успешности эксперимента.  

Реальные перспективы внедрения AI-технологий

Параллельно с уже описанными сферами применения искусственного интеллекта исследователи на симпозиуме также выделили несколько дополнительных сфер, где AI-технологии потенциально могут быть применены: 

• для набора или удержания доноров;
• для прогнозирования результатов переливания крови;
• для обучения трансфузиологов.  

Чтобы эти и другие идеи успешно заработали, необходимо внедрить их в повседневную практику медицинских учреждений, однако как раз с этим есть трудности. На 100 проектов с использованием AI приходится только 15 проектов, которые действительно доходят до конечного пользователя и находят своё применение. 

Причины, по которым искусственный интеллект всё ещё не вводится в активную эксплуатацию, следующие:

• непрозрачность спроектированных систем;
• трудности в восприятии продукта конечными пользователями;
• недостаточные знания пользователей об используемых технологиях.

Таким образом, алгоритмы (при должной доработке со стороны исследователей) могут быть использованы и в принятии клинических решений, и в облегчении рутинных процессов. Однако прежде научное сообщество должно убедить остальных участников процесса, что технологии, применяемые сейчас в теории, способны изменить донорскую практику в лучшую сторону. 

Автор Анна Ширбанова