Тяжелый случай. Записки хирурга

Компьютер и фабрика герниопластики

Однажды летним днем 1996 г. Ханс Олин, 50-летний глава кардиологического отделения больницы Лундского университета в Швеции, сидел в своем кабинете над горой из 2240 электрокардиограмм (ЭКГ). Результат каждого обследования представлял собой серии волнистых линий, бегущих слева направо по странице разграфленной бумаги формата «письмо»[4]. Олин знакомился с ними в одиночестве у себя в кабинете, чтобы ничто его не отвлекало. Он просматривал ЭКГ одну за другой быстро, но внимательно, раскладывая в две стопки в соответствии со своим мнением о том, был ли у пациента сердечный приступ на момент ее снятия. Чтобы не накапливалась усталость и невнимательность, он выполнял эту работу в течение недели, сортируя ЭКГ не больше двух часов подряд и делая длинные перерывы. Он хотел избежать случайных ошибок; ставки были слишком высоки. Это была медицинская версия шахматного матча с компьютером Deep Blue, где кардиолог Олин выступал в роли Гарри Каспарова. Он вступил в противоборство с компьютером.

ЭКГ — один из самых распространенных диагностических тестов, выполняемых только в США чаще 50 млн раз в год. Электроды, прикрепленные к коже пациента, снимают электрические импульсы низкого напряжения, которые с каждым ударом сердца проходят по сердечной мышце и отражаются в виде волн на распечатке выходных данных ЭКГ. Этот метод основан на теории, согласно которой при инфаркте часть мышцы погибает, из-за чего электрические импульсы меняют курс, чтобы обойти мертвую ткань. В результате меняются и волны на распечатке. Иногда эти изменения очевидны, но чаще неявны, в медицинской терминологии — «неспецифичны».

Студентам-медикам освоение навыка чтения ЭКГ сначала кажется непреодолимо трудным. Обычно при ЭКГ используется 12 электродов, и все они выдают на распечатке линии разного вида. Студентов учат различать в этих узорах десяток или больше признаков, обозначенных буквами алфавита: например, опущение в начале сердечного сокращения (Q-волна), подъем на пике сердечного сокращения (R-волна), последующее снижение (S-волна) и округлая волна сразу после сокращения (Т-волна). Иногда небольшие изменения там и тут складываются в картину инфаркта, иногда нет. Когда я был студентом-медиком, то сначала научился расшифровывать ЭКГ как сложное вычисление. Мы с соучениками таскали в карманах белых лабораторных халатов ламинированные карточки с мудреными инструкциями: рассчитать частоту сердечных сокращений и ось направления тока, проверить наличие нарушений ритма, проверить, не поднимается ли сегмент ST больше чем на 1 мм в отведениях V1 и V4, или наблюдается слабое развитие R-волны (что свидетельствует об инфаркте определенного типа), и т. д.

С практикой овладение всей этой информацией упрощается. В диагностике кривая обучения играет не меньшую роль, чем сама методика. Опытный кардиолог иногда может диагностировать инфаркт с одного взгляда, как ребенок сразу замечает мать в дальнем конце комнаты, но по сути этот диагностический тест сохраняет некоторую степень неопределенности. Исследования показали, что от 2 до 8 % пациентов с инфарктом, поступающих в отделение неотложной помощи, получают неверный диагноз и четверть из них умирает или переносит полную остановку сердца. Даже если таких пациентов по ошибке не отправят домой, при неверной расшифровке ЭКГ можно опоздать с началом лечения, от которого зависит жизнь. Любое человеческое суждение, даже если этот человек эксперт, всегда не бесспорно. Таким образом, имеются все основания для того, чтобы попытаться научить компьютер читать ЭКГ. Если он окажется хотя бы немного результативнее человека, это может ежегодно спасать тысячи жизней.

Впервые предположение, что компьютеры могут справляться с диагностикой лучше людей, было высказано в 1990 г. в очень авторитетной статье Уильяма Бакста, на тот момент врача неотложной помощи Калифорнийского университета в Сан-Диего. Бакст описал «искусственную нейронную сеть»^{1} — вид компьютерной архитектуры, — принимающую сложные лечебные решения. Такие экспертные системы обучаются на своем опыте во многом так же, как и люди, усваивая обратную связь от каждого удачного или неудачного случая для повышения точности предположений. В следующем исследовании Бакст рассказал, как компьютер играючи победил группу врачей при диагностике инфарктов у пациентов с болью в груди. Однако две трети врачей, участвовавших в его исследовании, были неопытными ординаторами, и, разумеется, следовало ожидать, что у них возникнут трудности с расшифровкой ЭКГ. Но сможет ли компьютер превзойти опытного специалиста?