Об авторе: Илья Хрусталев, независимый технический и бизнес-консультант с более чем 20-летним опытом работы в IT-корпорациях и стартапах, ранее tech-эдвайзер биотехнологического стартапа Probably Genetic.
В чем суть и эффективность HealthTech-стартапов
HealthTech (технологии здравоохранения) — это отрасль, которая с помощью инноваций стремится сделать медицину проще, доступнее и умнее. Разработки компаний в этой сфере заметно улучшают качество диагностики и лечения, в том числе трудно определяемых редких или орфанных заболеваний.
На конец 2024 года в мире около 300 млн человек страдают малоизученными заболеваниями. Около 80% таких патологий имеют генетические причины, а среднее время постановки точного диагноза составляет более 4,5 года. Согласно федеральному регистру, в России числится примерно 15,8 тыс. человек с редкими заболеваниями. Однако реальное число может быть значительно выше, так как многие больные остаются невидимыми для статистики.
Между тем важность раннего выявления орфанных болезней напрямую влияет на качество жизни пациентов, а также сокращает финансовые затраты на длительную диагностику и терапию.
Эффективность HealthTech-разработок уже проявляется в этом направлении. Например, инструмент MendelScan для более точной диагностики редких патологий на базе ИИ используется в более чем 50 медицинских учреждений Великобритании. Программа просматривает записи пациентов, анализирует наборы больших данных и выявляет комбинации симптомов, которые могут быть вероятным признаком наличия того или иного малоизученного заболевания. При этом MendelScan не только отмечает всех пациентов из группы риска, но и выдает медработникам отчет с рекомендациями по дальнейшим действиям. За год работы программы (2022-2023, 800 тыс. исследуемых) удалось выявить 54% значимых случаев, из которых 36% были переданы на дальнейший анализ и тестирование.
Подобные интеллектуальные инструменты сейчас оказывают значительное влияние как на пациентов, так и на систему здравоохранения, улучшая точность диагностики и ускоряя процессы по сравнению с устаревшими алгоритмами.
Как первые HealthTech-стартапы повлияли на развитие актуальных решений
Первоначальные версии продуктов
Еще несколько лет назад сервисы HealthTech были сосредоточены на относительно узких задачах. Простейшие инструменты телемедицины предоставляли возможность консультаций с врачами по видеосвязи — что было существенным шагом вперед, особенно для удаленных регионов. Однако ранние телемедицинские платформы часто ограничивались простым взаимодействием между врачом и пациентом без интеграции с другими технологиями, такими как ИИ или биометрия (частота сердечных сокращений, артериальное давление, уровень кислорода в крови и другие параметры).
Важным этапом был запуск электронной медицинской карты. Она позволила собирать и хранить информацию о пациентах в цифровом виде, обеспечивая доступ для медработников из разных отделений и больниц. Такие продукты были скорее системой управления, чем инструментом для диагностики или лечения. Данные могли только фиксироваться, но не анализироваться в реальном времени.
Технологии, заложившие основу современных разработок
Ключевой прорыв в области HealthTech произошел с началом использования Big Data и машинного обучения (МО). Первые медицинские решения на базе технологий включали анализ больших объемов информации из медицинских карт пациентов. Алгоритмы могли искать корреляции между симптомами и диагнозами, что привело к развитию программ для раннего определения заболеваний.
Это кардинально изменило диагностику редких патологий, где сложная и разнообразная симптоматика требует вмешательства узкоспециализированного врача, которого не всегда удается найти. С развитием Big Data и МО проблема стала решаться быстрее и точнее: алгоритмы анализируют медицинские данные в масштабах, недоступных для человека, без необходимости обращаться к узким специалистам на первом этапе.
Еще одним значимым фактором стало развитие методов обработки медицинских изображений. С помощью искусственного интеллекта появилась возможность анализировать рентгеновские снимки, результаты МРТ и КТ, помогая специалистам находить отклонения, которые не всегда видны человеческому взгляду. Сначала их использовали для стандартных диагнозов, но постепенно функции расширились до помощи в выявлении орфанных заболеваний.
Технологии продолжают развиваться, интеграция с ИИ-системами позволяет не только собирать данные, но и проводить интеллектуальный анализ, предоставляя докторам практические рекомендации по диагностике и другим аспектам.
Как искусственный интеллект трансформирует медицинские продукты
Умные решения создают совершенно новые подходы, которые меняют привычные паттерны взаимодействия врача и пациента.
Сбор анамнеза: от анкет к имитации диалога с врачом
Первые программы включали длинные формы опросов для пациентов, но современные системы перешли к моделированию диалогов с ИИ. Они имитируют вопросы врача, тем самым обеспечивая более быстрый и точный первичный сбор данных.
Например, платформа Ada использует продвинутую систему проверки симптомов на основе ИИ, где интеллектуальный помощник задает пользователям серию релевантных вопросов. При этом алгоритм анализирует множество возможных комбинаций симптомов, чтобы предложить вероятные диагнозы. Технология поддерживается широкой базой медицинских знаний, включает информацию как о распространенных, так и о редких патологиях. База постоянно обновляется и курируется медицинскими экспертами. Это позволяет проводить первичную диагностику на основе надежных научных данных.
Разговор на языке пациента и интерпретация диалога — текст-майнинг
ИИ способен воспринимать ответы людей на разговорном языке, а затем переводить их в медицинские термины для дальнейшей работы специалистов. Порой случается дискоммуникация между врачом и пациентом, интеллектуальные системы способны устранить недопонимание.
Стартап Probably Genetic, с которым я сотрудничаю в роли технологического консультанта, использует ИИ для диагностики редких генетических заболеваний. Компания предлагает бесплатное тестирование для взрослых и детей, которым это необходимо. Для предварительного сбора данных о пациентах инструмент моделирует диалоги с ними на доступном всем языке. Это помогает быстрее и точнее фиксировать информацию о симптомах и сокращает время первичной диагностики почти в два раза.
Еще одна технология в этом контексте — текст-майнинг. Она автоматически анализирует неструктурированную текстовую информацию для извлечения значимых данных, а также переводит материал в удобный формат для анализа. Для этого современные системы используют нейронные сети и технологии глубокого обучения, например, модели BERT, которые понимают контекст слов в предложении.
В здравоохранении текст-майнинг в основном применяют для анализа медицинских записей и научных статей. Это позволяет врачам обрабатывать большие объемы данных быстрее и точнее, чем можно было бы сделать традиционным способом.
Big Data и геномика
Интеллектуальные алгоритмы также помогают анализировать массивы данных из геномных исследований. Возвращаясь к Probably Genetic, если диагностика с помощью ИИ и экспертов подтвердила наличие признаков генетической патологии, следующий этап — тестирование биоматериала (слюны) пациента. Здесь применяется секвенирование (анализ) экзома, области ДНК, где происходит около 95% патогенных генетических изменений. Для повышения точности результатов компания использует модели машинного обучения на основе искусственного интеллекта. Алгоритмы обучаются на данных пациентов с уже установленными диагнозами, что повышает точность результатов анализа.
В России с большими данными работает цифровой сервис «ТОП-3». По жалобам пациентов он определяет три наиболее вероятных диагноза из 265 групп по МКБ-10 (Международная статистическая классификация болезней и проблем, связанных со здоровьем, десятого пересмотра). Инструмент внедрен во многих российских регионах, в том числе во всех взрослых поликлиниках Москвы. По сведениям его разработчиков, сервис уже показал первые результаты: точность столичных врачей при постановке диагнозов увеличилась на 7,4%.
Расширение доступа к диагностике — глобальная миссия
Благодаря технологиям многие процессы уже выходят за пределы лечебных учреждений. Теперь пациенты могут получить консультацию, провести тестирование и даже получить предварительный диагноз, находясь дома. Для многих это не просто удобство, а единственная возможность своевременно обратиться за помощью.
Разработки помогают сократить время и затраты на диагностику, что делает медицинскую помощь более доступной, а значит — эффективной. В перспективе это не только улучшит работу с редкими и другими заболеваниями, но и позволит предотвращать их развитие на ранних этапах.
За короткое время HealthTech-разработки заметно изменили медицину. Стартапы в этой области продолжают развиваться и получать высокое финансирование. В первой половине 2024 года инвестиции в отрасль составили $12,4 млрд, что на 5% больше по сравнению с аналогичным периодом 2023 года. Ключевыми направлениями стали: генеративный ИИ, решения для управления здравоохранением, медицинская диагностика и исследовательские решения (TechBio). HealthTech превращается в один из самых перспективных секторов, способных радикально трансформировать глобальное здравоохранение.
➤ Подписывайтесь на телеграм-канал «РБК Трендов» — будьте в курсе последних тенденций в науке, бизнесе, обществе и технологиях.