PhysioNet: Від перших ЕКГ-записів до глобального стандарту даних для ШІ в медицині

Початки спільного використання даних

До появи хмарних технологій для зберігання та співпраці з науковими даними, медичні дослідники стикалися зі значними перешкодами у зборі ключових клінічних даних та співпраці. Дані були розрізнені та важкодоступні, що змушувало дослідників збирати їх самостійно. Це не тільки збільшувало вартість досліджень, але й ускладнювало порівняння результатів між різними наборами даних.

У 1975 році дослідники, які вивчали аритмії в MIT та Бостонській лікарні Beth Israel, запропонували інший підхід. Команда почала збирати та оцифровувати записи електрокардіограм (ЕКГ) з метою не лише їх вивчення, а й надання широкій дослідницькій спільноті. Для цього вони створювали власні комп'ютери, копіювали стрічки одну за одною та створили понад 100 000 анотацій до записів. Цей процес тривав роками, і до літа 1980 року стрічки були готові. Спочатку команда очікувала, що їхній інструмент зацікавить менше десятка академічних та промислових груп, але інтерес виявився значно більшим. Протягом наступного десятиліття вони розіслали близько 100 копій.

Еволюція та зростання

Ці дані згодом стали першою базою даних глобальної платформи PhysioNet, заснованої у 1999 році в рамках програми Гарвард-MIT з наук про здоров'я та технологій. PhysioNet створювався як сховище клінічних даних для складних фізіологічних сигналів. У той час такий тип обміну даними, який сьогодні здається звичайним, був майже революційною ідеєю. Томас Хелдт, професор MIT та старший автор нещодавньої статті в Nature Health, назвав заснування PhysioNet "неймовірно далекоглядним".

Магнітні стрічки, що надсилалися поштою, згодом перетворилися на записані CD-ROM, а потім на FTP-сервери, розміщені в новоствореному інтернеті. Сьогодні, після понад 25 років роботи, платформа PhysioNet містить сотні баз даних і стала одним з найповніших сховищ біомедичних та клінічних даних. Минулого року понад 15 000 наукових публікацій посилалися на PhysioNet, а користувачі з понад 180 країн зареєструвалися на платформі. Її широко використовують дослідники, виробники та особи, що приймають клінічні рішення.

Встановлення стандарту

Близько 2009 року аспірант Том Поллард проводив дослідження критично хворих пацієнтів в одній з провідних лондонських лікарень. Хоча лікарня генерувала великі обсяги цінних клінічних даних, інфраструктура та процеси для їх курації та підтримки ширшого дослідницького використання все ще розвивалися. "Дані лікарні збиралися насамперед для підтримки негайної допомоги пацієнтам, менше уваги приділялося тому, як їх можна курувати та повторно використовувати для досліджень", — зазначає Поллард, нині науковий співробітник MIT та технічний директор PhysioNet.

Проблема полягала не лише в конфіденційності. Інформаційні системи лікарень були побудовані насамперед для підтримки догляду за пацієнтами та адміністрування, а не для досліджень. Дані були фрагментовані по різних системах і рідко курувалися з урахуванням майбутнього повторного використання, що робило їх перетворення на цілісні дослідницькі ресурси складним і дорогим. Поллард, шукаючи дані для своєї дисертації, виявив Medical Information Mart for Intensive Care (MIMIC) — базу даних деідентифікованих електронних медичних записів, розміщену на PhysioNet. MIMIC став центральним елементом його дисертації, і після завершення докторату він приєднався до MIT, щоб допомогти створити наступне покоління цієї бази даних.

Співзасновники PhysioNet, Роджер Марк та Джордж Муді, нещодавно посмертно отримали престижну нагороду IEEE Biomedical Engineering Award за їхній внесок у PhysioNet та обробку біомедичних сигналів. Вихідний код платформи, як і значна частина її даних, є публічним. За словами Вівека Натараджана з Google DeepMind, PhysioNet та MIMIC "встановили стандарт", і він "залишається стандартом досі".

Вплив на дослідження та ШІ

За словами Зіада Обермаєра з Каліфорнійського університету в Берклі, PhysioNet змінив підхід до досліджень, знизивши фіксовані витрати на реалізацію амбітних ідей. "Доступ до даних не повинен бути визначальним фактором для того, які ідеї можливі", — зазначає він.

За 25 років свого існування PhysioNet еволюціонував від сховища переважно для тих, хто працював з обробкою біомедичних сигналів та в галузі охорони здоров'я. Спочатку він містив виключно дані ЕКГ, але тепер є джерелом електронних медичних записів, даних зображень, програмного забезпечення та моделей ШІ. З розвитком підходів штучного інтелекту "спільнота змінилася", пояснює Хелдт. Користувачі, яким потрібні дані для обробки сигналів, все ще використовують бази даних PhysioNet, але коло користувачів розширилося, охопивши співробітників великих технологічних компаній, викладачів та практиків у всіх галузях медицини, а також дослідників у галузі машинного навчання та ШІ в охороні здоров'я. Сьогодні остання група "домінує в спільноті користувачів", — каже Хелдт. Платформа містить найякісніші набори даних для досліджень ШІ в охороні здоров'я, і, за словами Натараджана, "була важливим наріжним каменем, який каталізував весь прогрес у ШІ в охороні здоров'я за останнє десятиліття".

Користувачі не лише використовують дані PhysioNet, але й роблять свій внесок, допомагаючи створити самопідтримувану екосистему. Керівники платформи, такі як Хелдт і Поллард, планують розширювати її охоплення за допомогою щорічної конференції та готуються до пілотного запуску нової системи, яка дозволить користувачам анотувати дані та ділитися своїм досвідом. "Тип досліджень, які люди хочуть проводити зараз, має бути міждисциплінарним. Статистики, комп'ютерні вчені, клініцисти, фармацевти та медсестри повинні об'єднати свої знання для розробки алгоритмів, корисних для людей", — підсумовує Поллард. "Спільнота розширилася, а досягнення в галузі ШІ розширили як питання, які можуть вирішувати дослідники, так і те, що вони вважають можливим."