Платформа цифровой медицины

Совмещение результатов разных типов томографии: КТ и позитронно-эмиссионной томографии (ПЭТ), КТ и однофотонной эмиссионной компьютерной томографии (ОФЭКТ) — стало эффективным способом диагностики и наблюдения хода лечения онкологических заболеваний. Неудивительно, что исследованиями в этом направлении сегодня занимаются ведущие игроки ИТ-индустрии — например, компания IBM совместно с Nhumi Technologies предложила технологию создания трехмерной модели пациента (3D-аватар человека), которая сегодня активно внедряется в области медицинских исследований, планирования лечения и обследований.

Эффективное применение томографов сдерживается сегодня нехваткой кадров квалифицированных врачей-диагностов, способных обработать все возрастающий поток данных исследований, — в России темпы насыщения медицинских учреждений томографами превосходят темпы подготовки соответствующих специалистов. Кроме того, отсутствуют средства удаленного доступа к хранилищам томограмм, данные из которых можно обрабатывать инструментами PACS (Picture Archiving and Communication System), поставляемыми вместе с томографами. Несмотря на то что современные PACS предоставляют возможность удаленного доступа к томограммам через Интернет, на практике в отечественных медицинских учреждениях используется ПО разных производителей и разных поколений, часто оставляющих единственный способ передачи томограмм удаленному врачу-диагносту — через диск. Еще один фактор, сдерживающий подготовку диагностов, — отсутствие должного уровня автоматизации процесса диагностики, однако пока значительное улучшение ситуации способны дать даже простая организация доступа через Интернет к хранилищам и автоматизация 3D-измерений и количественной оценки состояния пациента по данным томограммы. Автоматизация предварительной диагностики позволила бы ввести томографический 3D-скрининг всего населения России и качественно изменить, таким образом, уровень национального здравоохранения, однако пока перед существующими PACS задача автоматизации предварительной диагностики даже не ставится.

Для здравоохранения всего мира актуальна проблема достижения полноценности в общении с врачом: 80% пациентов забывают, что им сказал лечащий врач; 50% того, что пациенты запомнили, на самом деле неправильно, особенно в отношении рисков лечения; 50% пациентов не принимают назначенные им лекарства. Кроме того, имеются недоверие к диагнозу, уверенность в обязательном наличии побочных эффектов, перевешивающих пользу от предписанных лекарств, и т. п. Для достижения полноценности в общении с врачом и повышения эффективности диагностики могут использоваться такие системы, как Study Insight, Visual Health и HealthСorpus компании Nhumi Technologies. Первая представляет собой веб-приложение поддержки командной работы врачей-клиницистов с медицинскими данными пациента. Общие вопросы обсуждаются командой через любой браузер, а специальные средства позволяют совместно работать с клиническими данными. Система Visual Health — это средство навигации по виртуальной модели человека, доступной с любого стандартного веб-клиента. Система HealthCorpus — это портал для поиска, создания и совместного доступа к информации о состоянии здоровья пациента. Система имеет в своем составе «виртуальных помощников», которые помогают лечащему врачу «захватить» аудиоответы пациента на вопросы врача и автоматически сформировать электронную медицинскую карту. Кроме этого, имеется 3D-поисковик, использующий подробную интерактивную 3D-модель анатомии человека и помогающий пациенту указать врачу болевые точки, а врачу данное средство дает возможность наглядно объяснить пациенту, почему и насколько серьезно заболевание. Разработаны аватары, изображающие побочные эффекты от лекарств, и средства напоминания о приеме лекарств. Все это в значительной степени способствует усвоению, запоминанию и документированию итогов визита к врачу.

Рост во всем мире числа раковых заболеваний — главная причина применения томографии и технологий трехмерной медицины. Прогнозируемый журналом Канадской медицинской ассоциации CMAJ прирост таких заболеваний до 2030 года в странах со средним и низким уровнем дохода может составить 70–80%. Ежегодно в мире регистрируется от 2,4 до 3,7 млн случаев смерти от рака, 50–60% которых потенциально можно было предотвратить [1]. Кроме того, выявлена прямая зависимость роста заболеваемости раком от роста хронических форм инфекционных заболеваний. Для решения проблемы борьбы с онкологическими заболеваниями необходим комплексный подход — например, создание государственной инновационной системы здравоохранения, расширяющей доступ к лечению рака и контроль над его распространением [1]. Инновации в системе здравоохранения должны охватывать все этапы лечения рака: первичную профилактику, раннее выявление, диагностику, лечение, обеспечение выживания, долгосрочное наблюдение и паллиативный уход.

Хранилища данных

В ходе создания инновационной системы здравоохранения России почти все этапы лечения рака могут быть реализованы на основе томографического 3D-скрининга населения и автоматизации процессов предварительной диагностики. Создание средств автоматизации диагностики и теледиагностики, значительно повышающих эффективность работы уже имеющихся врачебных кадров, позволит справиться с обработкой интенсивного потока данных.

Решение задачи автоматической диагностики потребует масштабной кооперации диагностической экспертизы отечественных институтов здравоохранения для создания множества профильных диагностических хранилищ данных, организации коллективного доступа к этим хранилищам и методов диагностики на основе технологий Больших Данных. Главным условием превращения большого объема медицинских данных в технологический диагностический ресурс является профильная диагностическая классификация томограмм, а также выполнение ряда шагов по обеспечению наполнения хранилищ и создания диагностического ПО. Процесс формирования диагностического ресурса должен включать: создание профильными клиниками визуального ряда двухмерных и трехмерных обучающих образов по патологиям и их стадиям на основе различных методов медицинских исследований (томография всех типов, рентгенография, гистология, ультразвук) для целей автоматизации диагностики; создание интегрированного ресурса обучающих образов автоматизации диагностики как ресурса Больших Данных, обеспечение высокопроизводительных коммуникаций для массового доступа к нему; создание программного обеспечения автоматизации предварительной диагностики и медицинских сервисов на Больших Данных (как задач многопотоковой массивно-параллельной обработки Больших Данных); создание распределенных и централизованных хранилищ данных томографии для физических лиц, клиник, скрининга населения.

Для размещения диагностических баз данных и централизованного хранения томограмм необходимо расширение возможностей хранения существующих ЦОД путем организации хранилищ биомедицинских данных. Объем хранилищ может быть определен в зависимости от численности населения территории, которую будет обслуживать ЦОД. Необходимо наряду с обязательными диагностическими базами данных (ДБД) поддерживать также долговременные хранилища томограмм с обеспечением доступа к ним для физических лиц, клиник и организаций, отвечающих за профилактический скрининг населения..

Объем данных, поступающих в хранилище от одного томографа в год из расчета от 100 Мбайт до 1 Гбайт на каждое обследование, составляет: 1 Гбайт/чел × 15чел/день × 300 рабочих дней = 4,5 Тбайт. Необходимый ресурс хранения для населения России составит от 14 до 144 Пбайт и потребует около 16 тыс. томографов. Для города с миллионным населением и при наличии примерно 110 томографов потребуется хранилище в 1 Пбайт. Большая часть объема сканирования, особенно в период создания системы, будет сохраняться в виде образцов патологий в составе диагностических баз данных. Ресурс хранения на персональном уровне, необходимый в течение 10 лет из расчета до 1 Гбайт на обследование один раз в два года, составит до 5 Гбайт и как личный ресурс может храниться пользователем на любом компактном носителе.

Функциональность

Основная задача системы трехмерной цифровой медицины — обеспечение работы с параметризованной максимально подробной (вплоть до тканевого и клеточного уровней) 3D-моделью органов и систем человека в норме и в патологии. Важной функцией здесь является решение принципиально новой задачи реконструкции точной индивидуальной геометрической модели пациента по его томограммам (бесшовной сшивки общей параметризованной 3D-модели с персональной томограммой пациента). В России имеются вычислительные системы, позволяющие выполнить визуальную 3D-реконструкцию детальных томограмм человека в полный рост в реальном времени [2].

Одним из примеров решения задачи моделирования является анатомический стол компании Anatomage, в котором обеспечено совмещение общей поверхностной 3D-модели главных систем нормальной анатомии человека с контурами томограммы тела и основными костями скелета. В таком совмещении еще нет многих деталей, необходимых для практической медицины: нет наполнения тонких поверхностных оболочек 3D-модели тканями, реконструированными из томограммы; нет точной координатной привязки сосудов кровеносной системы к тканям томограммы; нет картины внутреннего состоянии сосудов пациента; нет, в итоге, необходимого уровня взаимодополнения 3D-модели и томограммы, который позволил бы увидеть и диагностировать картину реального состояния пациента, спланировать и промоделировать операцию и т. д. Вместе с тем такой стол, дополненный нужной функциональностью, может стать основой универсального персонального кабинета врача, инструментом диагностики и сопровождения лечения, а также средством для подготовки медицинского персонала и проведения научных исследований.

Первый опыт

Первый опыт создания хранилищ больших медицинских данных и медицинских сервисов для инновационной системы здравоохранения России получен в ННГУ, где создано хранилище томограмм емкостью 36 Тбайт на базе СУБД PostgreSQL, содержащее сейчас около 10 тыс. томограмм. Выбор PostgreSQL был обусловлен как доступностью этой СУБД, так и соответствием ее характеристик требованиям организации экспериментального хранилища томограмм: максимальный размер таблицы в PostgreSQL составляет сегодня 32 Тбайт, что позволяет хранить 100–300 тыс. томограмм в формате DICOM в обезличенном виде. Разработана клиент-серверная архитектура (см. рисунок) для удаленного хранения томограмм и персональной информации в клинике. База данных с персональными данными также работает под управлением PostgreSQL.

Структура хранилища медицинских данных

Основой диагностической визуализации на территории медучреждения является высокопроизводительный программный комплекс медицинской визуализации томограмм, разработанный в ННГУ, используемый в составе медицинской информационной системы компании «ПО Видар». Программа позволяет выполнять стандартные измерения на томограммах, связанные с диагностикой, строить различные сечения произвольными плоскостями, осуществляя 3D-визуализации томограммы человека в полный рост в реальном времени [2]. Программа работает на компьютерах медучреждения как приложение-клиент с данными, загружаемыми с локальной PACS или с удаленного хранилища.

В системе реализован облачный сервис хранения и 2D- и 3D-визуализации томограмм, управляемый через веб-интерфейс, причем сервис доступен для любых устройств, включая мобильные. Сервис реализован в форме персонального кабинета, в котором пользователь в защищенном режиме может управлять своими персональными данными, передавая их врачам на консультацию. Аналогичный персональный кабинет имеется у врача-диагноста и врача-клинициста.

В настоящее время ведется работа по созданию пилотного варианта виртуального анатомического стола с функциями автоматизированной преддиагностики. К концу 2014 года планируется реализовать возможности на уровне виртуального анатомического стола Anatomage.

***

Развитие высокопроизводительных систем и хранилищ данных, а также успехи в области томографии как метода медицинского исследования человека открывают сегодня широкие возможности для создания качественно новой трехмерной цифровой медицины. В России разработано несколько оболочек и готовых информационных систем для поддержки персонализированной медицины: электронной медицинской карты, персональных кабинетов пациентов и врачей. Уже сейчас могут быть открыты персональные кабинеты (сервисы) трехмерной медицины для физических лиц, возможна интеграция таких кабинетов с кабинетами персональной медицины и электронными медицинскими картами. Аналогичные персональные кабинеты могут быть открыты врачам-клиницистам и диагностам для проведения дистанционного обследования.

Литература

1. Преодоление неравенства в борьбе против рака: программа по расширению доступа к лечению в странах с низким и средним уровнем доходов // Гарвардская глобальная инициатива по обеспечению справедливости, Бостон, Массачусетс, ноябрь 2011. — 238 с. URL: http://gtfccc.harvard.edu (дата обращения: 18.06.2014).
2. Гаврилов Н. И., Турлапов В. Е. Подходы к оптимизации GPU-алгоритма volume raycasting для применения в составе виртуального анатомического стола // Научная визуализация. — 2012. — № 2. С. 21–56. URL: http://sv-journal.com/2012-2/index.php?lang=ru (дата обращения: 18.06.2014).

Вадим Турлапов (vadim.turlapov@cs.vmk.unn.ru) — профессор, Николай Гаврилов (gavrilov86@gmail.com) — м.н.с., ННГУ им. Н. И. Лобачевского, Владимир Сапрыкин (sva26@rambler.ru) — программист, Нижегородский областной онкодиспансер (Нижний Новгород). Статья подготовлена на основе материалов доклада, представленного на конференции «Большие Данные в национальной экономике – 2013» (грант РФФИ 13-07-06055г). Работа выполнена при поддержке гранта Президента РФ № НШ-1960.2012.9 и гранта Правительства РФ № 11.G34.31.0066.