Введение

Хронические заболевания, такие как болезни сердца и диабет, длятся не один год, и пациентам необходимы постоянный медицинский контроль, а также определенные ограничения повседневной деятельности. По данным Всемирной организации здравоохранения, от неинфекционных заболеваний ежегодно умирает 41 млн человек, причем сердечно-сосудистые заболевания составляют почти 44% (17,9 млн), за ними следуют рак, респираторные заболевания и диабет [1]. Снижение двигательной активности, сопровождающее современный образ жизни, нездоровое питание, злоупотребление алкоголем и табаком являются основными факторами риска развития хронических заболеваний. Несоблюдение элементарных правил самоконтроля приводит к снижению качества жизни пациентов и ложится дополнительной нагрузкой на систему здравоохранения.

В этой связи распространение технологий носимых устройств в содружестве с технологиями искусственного интеллекта (ИИ) может изменить парадигму заботы о своем здоровье и благополучии как отдельного человека, так и общества. В настоящее время носимые технологии используются в виде устройств отслеживания физической активности, пульсометров, счетчиков калорий, систем контроля уровня глюкозы, слуховых аппаратов и кардиомониторов, «умных» пластырей, «умных» таблеток [2].

На сегодняшний день многие компании выводят на современный рынок целые линейки подобных устройств, объединенных философией и софтом. К таким компаниям относятся технологические гиганты Apple, Google, Samsung и Huawei, а также более специализированные компании, такие как Fitbit, Garmin, Moov и Misfit [3]. Основными направлениями их работы являются: мониторинг заболеваний пациента, охрана здоровья и фитнес. По данным маркетинговых исследований и бизнес-аналитики фирмы IDTechEx, продажи носимых устройств, по прогнозам, достигнет 150 млрд долл. в конце 2027 г. [1].

Распространение носимых устройств уже привело к генерации большого объема различных данных. Данные могут быть представлены в виде непрерывного потока сенсорных данных, таких как частота сердечных сокращений или измерение уровня глюкозы в крови, аудио- и видеосигналов [4, 5]. Одновременно с этим последние достижения в области ИИ открывают новые возможности для обработки полученной информации [6, 7].

Цель обзора — анализ использования носимых устройств с поддержкой ИИ в медицинских целях.

На основании полученных результатов мы определили предпосылки для дальнейшего внедрения технологии в медицину, а также факторы, сдерживающие использование устройств в здравоохранении в настоящее время.

Материал и методы

Проведен анализ научных публикаций в открытых источниках (eLibrary, Web of Science, Scopus, Scholar Google, PubMed) и глобальной сети Интернет об использовании ИИ в технологиях носимых устройств. В обзор вошли работы, посвященные последним достижениям в области взаимодействия носимых устройств, ИИ и здравоохранения за последнее десятилетие. Научные публикации проанализированы на релевантность на основе названия, аннотации и полного текста с использованием критериев включения и исключения.

В обзор не включали статьи, соответствующие следующим характеристикам:

— Статьи, направленные исключительно на введение основ применения ИИ в здравоохранение, а не на конкретное медицинское вмешательство.

— Статьи, описывающие использование в больничных условиях носимых устройств, таких как носимые электроды или мониторинг состояния пациента в амбулаторных или больничных условиях.

— Систематические обзоры, обзоры и статьи, которые не содержат конкретных сведений об используемой технологии или характере вмешательства.

Обзор литературы состоял из трех этапов. Первый этап включал удаление повторяющихся статей. На втором этапе проводилась проверка названия статей и аннотаций на релевантность с критериями включения и исключения. Третий шаг был аналогичен второму, но был сосредоточен на полнотекстовой проверке релевантности с использованием тех же критериев включения и исключения. Рецензируемые статьи (n=36) после третьего этапа тщательно изучены на наличие информации, соответствующей цели настоящей статьи.

Результаты

Использование носимых устройств в настоящее время

В настоящее время широкое распространение получили следующие виды носимых устройств: фитнес-браслеты (производители Fitbit, Garmin, Huawei, Xiaomi, Honor, мониторы сердечного ритма, физической активности), смарт-часы (производители Apple, Samsung, Fitbit, Garmin, Amazefit, Fossil, измерение частоты сердечных сокращений (ЧСС), выполнение электрокардиограммы (ЭКГ), SpO₂), умные кольца (производители Go2Sleep, Oura, монитор ЧСС, SpO₂, температура), ремни на грудь (Garmin) и на предплечье (Scosche Rhythm24), беруши (FreeWavz, Dash беруши) [8]. Менее известны варианты с ушными клипсами (Groove), подвесками на шею (Bellabeat Leaf Chakra) [9]. Среди специализированных однофункциональных датчиков следует отметить гибкие датчики натяжения, например, C-STRETCH производства Bando, которые могут крепиться к коже или одежде и регистрировать амплитуду движения для выявления нарушений двигательных функций человека [10] (таблица).

Носимые приборы и определяемые ими параметры

Примечание. ЧСС — частота сердечных сокращений; ЭКГ — электрокардиограмма.

Носимые устройства можно классифицировать по нескольким параметрам, таким как функции, приложения, способность «чувствовать» и многое другое. Одна из подобных классификаций включает в себя такие параметры, как функциональность (монофункциональное или многофункциональное устройство), тип (пассивная или активная потребляемая мощность) и способ размещения (инвазивный или неинвазивный) [11]. К классификационным признакам относятся также простота настраивания функционала, отклик, пропускная способность, эстетичность и эргономика. Носимые устройства классифицируют с точки зрения функциональности как прогностические, профилактические, персонализированные и совместные на основе возможностей выполнения диагностики, мониторинга и лечения в здравоохранении [12]. В качестве альтернативы, в контексте здравоохранения, отмечают, что носимые устройства лучше всего делить на одноцелевые и многоцелевые. Одноцелевые носимые устройства создаются для конкретной болезни или цели, такой как, например, обнаружение падения, а многоцелевые носимые устройства создаются для решения нескольких задач мониторинга здоровья [13]. Если устройство направлено на оценку состояния здорового человека, такие системы называются self-care. В случае, если задачей устройства является мониторинг состояния и выработка предписаний для больного человека, такие системы называют self-management. Способность контролировать здоровье индивидуума в сочетании с аналитической мощью, обеспечиваемой методами ИИ, может служить стимулом для более сложных вмешательств, направленных на улучшение здоровья и благополучия общества.

Основная часть Self-care носимых устройств используется для мониторинга сердечно-сосудистой системы. Это такие параметры, как ЧСС, ЭКГ (нарушение сердечного ритма, обнаружение мерцательной аритмии). Большинство работ посвящены оценке вариабельности ЧСС для обнаружения аномалий сердечной деятельности в рамках однофункцональных устройств [14].

Носимые Self-management-устройства чаще использовались для помощи при таких хронических заболеваниях, как хроническая обструктивная болезнь легких [15], хроническая болезнь почек, почечная недостаточность [12], диабет [16] и аномальные уровни глюкозы в крови [17]. Несколько работ посвящены анализу активности пожилых людей и болезни Паркинсона. В работах использован анализ данных ЭКГ, инерциальных измерительных сенсоров ЧСС, температуры для обнаружения сердечного приступа, мониторинга состояния пациента после крупных операций [18].

Следует отметить, что, несмотря на заявления производителей, такие функции, как выполнение ЭКГ, измерение уровня артериального давления (АД), сатурации, в немедицинских устройствах зачастую носят ознакомительный характер и не могут быть использованы в медицинских целях, поскольку обладают высокой погрешностью измерений. Кроме того, для получения достоверных результатов измерений требуется выполнять дополнительные действия. Так, для измерения уровня АД нужно фиксировать руку и при этом находиться в покое. Золотой стандарт — осциллометрический метод, реализованный в умных часах HeartGuide производителя Omron [19]. Надуваемая манжета встроена в браслет часов, что позволяет добиться высокой точности измерений.

Для корректной работы пульсоксиметра требуется устойчивый сигнал пульсовой волны и длительность замера не меньше минуты. Известные проблемы таких устройств: низкая точность измерений, скрытая вычислительная логика, неустойчивость к артефактам движения, косвенные измерения показателей, зависимость результатов от проницаемости тканей, температуры [20]. Значение температуры тела человека зависит от места измерения, для одного человека колебания могут составлять 0,5 градуса в сутки.

Многие из современных носимых устройств не предназначены для медицинского применения, но точность их измерений уже давно не уступает медицинскому оборудованию [21]. Появление таких устройств — навязанная маркетингом стратегия компаний, стремящихся реализовать функцию самоконтроля человека над здоровьем. Вследствие этого медики долгое время не воспринимали всерьез данные с носимых устройств. Однако повышенная точность измерений, простота использования гаджетов, управление собранными данными значительно повысили доверие к таким устройствам.

Методы искусственного интеллекта в технологиях носимых устройств

На сегодняшний день наиболее распространенным вариантом ИИ, используемого в носимых устройствах, является узкоспециализированный ИИ (artificial narrow intelligence) [22]. Этот вариант ИИ способен решать узкоспециализированные задачи, решение которых под силу человеку. Наиболее часто узкий ИИ ассоциируют с машинным обучением (МО), хотя последнее является подклассом методов ИИ и не охватывает понятие ИИ. Аналитические методы, в том числе методы МО, можно классифицировать по их функциональности на описательные (также в медицине используется термин диагностические), прогностические и предписательные [23].

Описательные методы используются для ретроспективного анализа данных, отвечая на вопрос: «Почему произошло данное событие?». Этот метод основан на анализе уже собранных данных. Прогностические методы позволяют построить статистические модели данных на основе скрытых в них закономерностях для предсказания или классификации будущих событий. Методы прогностической аналитики используют текущие и уже собранные данные. Предписательные методы нужны для выбора лучшего решения среди предлагаемых вариантов. Предписательные функции оценивают или оптимизируют прогнозируемые результаты, чтобы выбрать наилучший возможный. В качестве исходных данных для таких методов могут служить прогностические модели. Для повышения эффективности методов МО исследователи и разработчики должны усложнять свои модели и/или (одно другого не исключает) увеличить размер набора данных. В данном контексте носимые устройства становятся всепроникающим и повсеместным инструментом сбора данных, когда МО может раскрыть свой потенциал в полной мере. Для создания предписательных моделей наиболее часто применяются нейронные сети, машины опорных векторов, случайные леса.

Значительное количество исследований ИИ в носимых устройствах посвящено выявлению случайной активности человека и занятий спортом [24]. В этих статьях основное внимание уделяется энергоэффективности, точности классификации и совершенству распознавания ИИ различных событий. Исследования дистанционного мониторинга пациентов являются важным аспектом развития носимых устройств в области оценки состояния здоровья человека. Одно из таких исследований посвящено алгоритму мониторинга частоты дыхания с помощью смартфона с использованием двунаправленной рекуррентной нейронной сети со сверточными слоями. Такой подход продемонстрировал высокую точность, что может привести к замене профессионального медицинского оборудования [25]. Разработаны устройства на основе глубоких нейронных сетей для оценки частоты дыхания [26] и качества сна [27]. На основе нечетких нейронных сетей и данных о частоте сердечных сокращений, вариабельности сердечного ритма, частоте дыхания, объеме выдыхаемого воздуха и данных об активности исследователи смогли диагностировать предиабет и диабет 2-го типа с точностью 91% [28]. Наиболее перспективными являются наблюдения за ослабленными и пожилыми людьми, направленные на пропаганду здорового образа жизни путем повышения физической активности [29]. Еще одним интересным направлением является раннее выявление тяжелых клинических случаев за счет изучения показателей жизнедеятельности человека, полученных с помощью носимых устройств [30]. Такие исследования демонстрируют потенциал носимых устройств в сочетании с технологиями ИИ для преобразования системы здравоохранения из реактивной в проактивную (превентивную) модель. Показан потенциал для снижения затрат на здравоохранение особенно в отношении мониторинга здоровья, если вместо дорогостоящего медицинского оборудования используются недорогие носимые устройства. Многие из устройств приобретаются пациентами самостоятельно, а программное обеспечение для них устанавливается на смартфон, и не требуется подключение к компьютеру.

В то время как задача прогнозирования доминирует в прикладных задачах ИИ, предписывающая функция в сочетании с растущим использованием многоцелевых носимых устройств кажется нам наиболее многообещающей и может еще больше усилить сдвиг парадигмы от лечения к профилактике. Большинство этих исследований связаны с предоставлением рекомендаций, основанных на анализе данных, генерируемых носимыми устройствами. Например, персонализированный тренажер для пожилых людей с учетом их физической активности. Другим примером является Программа наблюдения за заболеваниями CHRONIOUS (Проект CHRONIOUS) [31], которая представляет собой открытую, широко распространенную и адаптивную платформу для ведения хронических заболеваний (хроническая обструктивная болезнь легких, хроническая болезнь почек и почечная недостаточность) [15]. Наиболее распространенными аналитическими методами являются машины опорных векторов (SVM), нейронные сети и алгоритм случайного леса. Метод SVM и ансамблевое моделирование очень популярны в мониторинге активности и обнаружении падений [32, 33].

Несмотря на высокие требования к вычислительным мощностям, количество работ на основе реализации нейронных сетей с каждым годом неуклонно растет, на наш взгляд, это связано с повышенной размерностью (объемом данных) и сложностью исходных данных (разнообразие) [34].

Существуют тенденции к улучшению управления здоровьем пациентов за счет объединения носимых технологий и возможностей ИИ, но значительная часть коммерческого рынка носимых устройств посвящена фитнесу и сбору базовых данных, таких как движение и частота сердечных сокращений. Независимо от акцента на самоконтроле состояния или на лечении заболеваний, существующие разработки сильно зависят от уровня применяемых алгоритмов ИИ и вычислительных ресурсов. Все приложения можно охарактеризовать как узкоспециализированные, основанные на логике узкоспециализированного ИИ, ориентированного на выполнение конкретной задачи, в основном диагностики или прогнозирования. Ни в одном из исследований не использовался ИИ для обработки больших данных, собираемых с носимых устройств, с целью влияния на модифицируемые факторы риска (низкую физическую активность, нерациональное питание, злоупотребление алкоголем и табаком). В большинстве текущих исследований показана противоречивая картина, особенно когда результаты небольших экспериментальных исследований масштабируются на больших выборках и с большим количеством параметров.

Обсуждение

Общая концепция, отражающая взаимодействие ИИ и носимых технологий для здравоохранения, показана на рис. 1. Нижний слой изображает носимые устройства, в первую очередь служащие источником данных, когда аналитика ИИ может применяться для укрепления здоровья и общественного благополучия. Эти носимые устройства могут генерировать множество данных, характеризующихся объемом, скоростью и разнообразием. На втором уровне находится ИИ, который является основным драйвером процессов, и на этом же уровне — технологические ограничения (объем данных, разнообразие типов данных, скорость обработки данных, хранение), которые также необходимо преодолевать с помощью ИИ. На вершине фигуры располагается главная цель разработок — сохранение здоровья человека.

Рис. 1. Общая концепция, отражающая взаимодействие искусственного интеллекта и технологий носимых устройств, применяемых в здравоохранении.

Основными драйверами роста использования носимых технологий с поддержкой ИИ являются постоянно растущие расходы на здравоохранение, необходимость удаленного наблюдения за пациентами, самолечение хронических заболеваний, технический прогресс (рис. 2).

Рис. 2. Драйверы и ограничения использования носимых устройств с искусственным интеллектом.

К основным драйверам внедрения носимых устройств и ИИ в медицину относятся:

— Необходимость мониторинга и оперативного реагирования на изменение состояния пациента, которая представляет собой важный фактор распространения носимых технологий. Эта потребность возникает из-за напряженной жизни людей, когда нет времени проходить регулярные медицинские осмотры. Осознание необходимости следить за своим здоровьем и быстро реагировать на все изменения играет ключевую роль в продвижении в массы подобных устройств. ИИ и большие данные позволят индивидуализировать контроль за своим здоровьем таким образом, чтобы привести к изменениям в поведении для улучшения самочувствия и повышения работоспособности. Существует необходимость контролировать хронические заболевания, такие как болезнь Паркинсона, различные виды боли, сахарный диабет и другие, в отсутствие от непосредственной близости медицинских работников. Удаленный контроль таких состояний может быть возложен на ИИ.

— Точками роста по-прежнему будут совершенствование датчиков устройств, внедрение новых и эффективных алгоритмов ИИ, а также увеличение вычислительной мощности при их миниатюризации. Разработка новых подходов происходит на фоне конкурентного давления компаний-производителей, предлагающих лучшие решения. Кроме того, мощным драйвером является научный интерес к обобщению результатов мониторинга огромного количества людей по большому количеству показателей с использованием методов ИИ.

— Рост расходов на здравоохранение — важная движущая сила ИИ и носимых устройств в здравоохранении. Согласно анализу [35], расходы на здравоохранение в США увеличились на 933,5 млрд долл. в период с 1996 по 2013 г. В экспертном сообществе есть уверенность в том, что сочетание ресурсов носимых технологий и возможностей ИИ приведет к сокращению финансовых затрат на здравоохранение. Исследование E.G. Lingg и соавт. показывает корреляцию между здоровьем сотрудников и их производительностью [36]. Эта тенденция может стать популярной практикой, когда в организациях поощряют сотрудников, чтобы те достигали различных показателей физической подготовки. Страховые компании потенциально могут присоединиться к продвижению идей дистанционного ухода за здоровьем человека.

Несмотря на потенциал носимых устройств с поддержкой ИИ в здравоохранении, существует ряд ограничений, которые необходимо преодолеть, чтобы реализовать весь потенциал этих технологий:

— Право собственности, конфиденциальность и безопасность передаваемых данных. Эта проблема связана с технологиями носимых устройств, независимо от применения методов ИИ. Проблемы безопасности находят свое отражение в расширенных ограничениях на конфиденциальность медицинской информации в США и странах Европейского Союза. Ужесточение правил, ограничивающих накопление объема данных для обучения моделей ИИ, замедляет развитие этих технологий. Неочевидным ограничением могут быть различные судебные тяжбы и споры правообладателей технологий.

— Энергоэффективность, вычислительная мощность, простота использования, долговечность — следующие ограничивающие моменты в развитии технологий ИИ и носимых устройств. Методы ИИ становятся особенно ресурсоемкими при обработке передаваемых больших объемов данных, генерируемых носимыми устройствами. Последние достижения в области телекоммуникаций в сочетании с широкомасштабным развертыванием облачных сред могут снизить требования к вычислительной мощности. Мы ожидаем, что прогресс в области аккумуляторных технологий и альтернативных источников энергии, таких как кинетическая энергия движения, снизит энергопотребление устройств. Ценность использования больших данных и ИИ для здравоохранения снижается, если качество данных вызывает сомнения. Исследования в этой области обычно сосредоточены на точности, надежности и достоверности. На наш взгляд, точность устройства является основной проблемой при использовании носимых устройств. Часто исследователи игнорируют потенциал носимых устройств, ссылаясь на текущий уровень точности технологий.

Авторы статьи считают, что ИИ обладает уникальными возможностями для предоставления предписывающей аналитики не только в контексте носимых устройств и здравоохранения, но и для изменения всей системы здравоохранения. В то время как текущие исследования подчеркивают важность обработки данных, собранных с носимых устройств, потенциал интеграции этих показателей с другими источниками данных для прогнозирования и назначения персонализированного лечения остается неиспользованным. Например, уже сегодня логичным выглядит объединение данных из электронных медицинских карт и информационных систем страховых компаний и других баз данных. Для различных заболеваний разрабатываются перечни показателей, необходимых для интеграции в единую информационную систему, включающих анамнез, эмоции пациента, сведения о здоровье семьи, наследственность.

На наш взгляд, перспективной будет разработка персонализированной стратегии взаимодействия ИИ и человека. Эти стратегии могут использовать большие данные и ИИ для персонализации взаимодействия между пользователем и устройством, что приводит к большей эффективности изменения поведения человека.

Заключение

Следует отметить, что полученные результаты подчеркивают потенциал носимых технологий с поддержкой искусственного интеллекта для изменения парадигмы от реактивного (лечения) к упреждающему (профилактическому) вмешательству в здоровье человека. В то же время наблюдается растущая тенденция к использованию больших данных из носимых устройств и других источников с аналитикой искусственного интеллекта для назначения (или рекомендации) лечения. В сочетании с теорией поведенческих изменений эта тенденция может вызвать устойчивые изменения отношения человека к своему здоровью, что приведет к профилактике хронических заболеваний, ожирения и других расстройств. Наиболее заметным эффектом от внедрения искусственного интеллекта в медицину должно стать снижение расходов на систему здравоохранения и увеличение продолжительности жизни.

Авторы заявляют об отсутствии конфликта интересов.