Оценки опыта применения телемедицинских технологий: цифровые инструменты (искусственный интеллект) на этапах оказания онкологической помощи

Введение. На сегодняшний день предоставление медицинских услуг на расстоянии с использованием постоянно развивающихся информационных и коммуникационных технологий является одной из ключевых задач современности, которую еще предстоит решить. Медицина – это та область науки, которая остро нуждается в информационных и телекоммуникационных технологиях для оказания медицинской помощи в удаленных регионах, непрерывного образования медицинского персонала, ведения электронной документации, применения мобильных диагностических устройств, управления сетью филиалов / медицинских организаций на уровне медицинского центра. Телемедицина является необходимостью, особенно для пациентов с сопутствующими хроническими заболеваниями, например, больных раком.

Целью исследования явилась оценка опыта применения цифровых технологий на этапах оказания онкологической помощи, на примере искусственного интеллекта.

Материалы и методы. Использовался метод систематического обзора литературных данных (PRISMA). Поиск осуществлялся в библиографических базах данных Elibrary, PubMed, MEDLINE, Google Scholar по ключевым словам. В поисковой строке применялись ключевые слова “Telemedicine in oncology”, “COVID-19 in oncology”, “Artificial Intelligence”, “Digital Technologies”, “Data Personalization” и “Teleoncology”. Из поиска исключались работы, основная цель которых не касалась оценки опыта применения телемедицинских технологий в онкологии.

Результаты. Был проведен литературный обзор, который позволил рассмотреть вопросы быстрого внедрения телемедицины в практику после начала пандемии, риски, связанные с широким использованием телемедицины в онкологии, и затронуты вопросы использования искусственного интеллекта в онкологии, раннее выявление, диагностика рака при помощи искусственного интеллекта. В заключении отмечено, что цифровизация здравоохранения кардинально меняет клинический рабочий процесс, расширяя возможности получения информации как со стороны медицинского персонала, так и пациентов. Медицина, основанная на опыте, заменяется научно обоснованным, ориентированным на пациента подходом. Быстро развивающиеся технологии искусственного интеллекта будут продолжать оказывать большое влияние на область онкологии в ближайшем будущем. И медицинский персонал, и научное сообщество должны быть готовы к грядущим переменам.

1. Волкова О.А., Бударин С.С., Смирнова Е.В., Эльбек Ю.В. Опыт использования телемедицинских технологий в системах здравоохранения зарубежных стран и Российской Федерации: систематический обзор // Фармакоэкономика. Современная фармакоэкономика и фармакоэпидемиология. 2021. № 4. С. 73–85.

2. Kamecka K., Foti C., Gawiński Ł., Matejun M., Rybarczyk-Szwajkowska A., Kiljański M., Krochmalski M., Kozłowski R., Marczak M. Telemedicine Technologies Selection for the Posthospital Patient Care Process after Total Hip Arthroplasty // Int J Environ Res Public Health. 2022 Sep 13; 19(18):11521. doi: 10.3390/ijerph191811521.

3. Dorsey E.R., Topol E.J. Telemedicine 2020 and the next decade // Lancet. 2020; 395:859. doi: 10.1016/S01406736(20)30424-4.

4. Gogia S. Rationale, history, and basics of telehealth // In: Gogia S., Masucci S., editors. Fundamentals of Telemedicine and Telehealth. Academic Press; Cambridge, MA, USA: 2020. Pp. 11–34.

5. De Araújo №vaes M. Chapter 10—Telecare within Different Specialties in Fundamentals of Telemedicine and Telehealth // Gogia S., editor. Academic Press; Cambridge, MA, USA: 2020. Pp. 185–254. URL: https://www.sciencedirect.com/science/article/pii/B9780128143094000100 (дата обращения: 30.02.2024).

6. Glinkowski W.M. Orthopedic Telemedicine Outpatient Practice Diagnoses Set during the First COVID-19 Pandemic Lockdown—Individual Observation // Int. J. Environ. Res. Public Health. 2022; 19:5418. doi: 10.3390/ijerph19095418.

7. West HJ, Barzi A, Wong D. Telemedicine in Cancer Care Beyond the COVID-19 Pandemic: Oncology 2.0? // Curr Oncol Rep. 2022 Dec;24(12):1843-1850. doi: 10.1007/s11912-022-01332-x.

8. Lopez AM, Lam K, Thota R. Barriers and facilitators to telemedicine: can you hear me now? // ASCO Ed Book. 2021; 41:25–36.

9. Shirke MM, Shaikh SA, Harky A. Implications of Telemedicine in Oncology during the COVID-19 Pandemic // Acta Biomed. 2020 Sep 7;91(3):e2020022. doi: 10.23750/abm.v91i3.9849.

10. European Society for Medical Oncology. Cancer Patient Management During the COVID-19 Pandemic. URL: https://www.esmo.org/guidelines/cancer-patient-management-during-the-covid-19-pandemic (дата обращения: 30.02.2024).

11. Sabesan S., Simcox K., Marr I. Medical oncology clinics through videoconferencing: an acceptable telehealth model for rural patients and health workers // Internal Medicine Journal. 2012; 42(7):780-785.

12. Portnoy J., Waller M., Elliott T. Telemedicine in the Era of COVID-19 // The Journal of Allergy and Clinical Immunology: In Practice. 2020; 8(5):1489-1491.

13. Panet F., Tétreault-Langlois M., Morin V., Sultanem K., Melnychuk D., Panasci L. The risks associated with the widespread use of telemedicine in oncology: Four cases and review of the literature // Cancer Rep (Hoboken). 2022 Jul; 5(7):e1531. doi: 10.1002/cnr2.1531.

14. Shimizu H., Nakayama KI. Artificial intelligence in oncology // Cancer Sci. 2020 May; 111(5):1452-1460. doi: 10.1111/cas.14377.

15. Ohnstad HO., Borgen E., Falk RS., et al. Prognostic value of PAM50 and risk of recurrence score in patients with early-stage breast cancer with long-term follow-up // Breast Cancer Res. 2017; 19:120.

16. Yeo SK., Guan JL. Breast cancer: multiple subtypes within a tumor? // Trends Cancer. 2017; 3:753-760.

17. Shimizu H., Nakayama KI. A 23 gene-based molecular prognostic score precisely predicts overall survival of breast cancer patients // EBioMedicine. 2019; 46:150-159.

18. Curtis C., Shah SP., Chin S-F., et al. The genomic and transcriptomic architecture of 2,000 breast tumours reveals novel subgroups // Nature. 2012; 486:346-352.

19. Bhinder B., Gilvary C., Madhukar NS., Elemento O. Artificial Intelligence in Cancer Research and Precision Medicine // Cancer Discov. 2021 Apr; 11(4):900-915. doi: 10.1158/2159-8290.CD-21-0090.

20. Esteva A., Kuprel B., №voa RA., Ko J., Swetter SM., Blau HM., Thrun S. Dermatologist-level classification of skin cancer with deep neural networks // Nature. 2017; 542:115–118.

21. Jiang Y., Liang X., Wang W., Chen C., Yuan Q., Zhang X., et al. №ninvasive Prediction of Occult Peritoneal Metastasis in Gastric Cancer Using Deep Learning // JAMA Netw Open. 2021; 4:e2032269.

22. McKinney SM., Sieniek M., Godbole V., Godwin J., Antropova N., Ashrafian H., et al. International evaluation of an AI system for breast cancer screening // Nature. 2020; 577:89–94.