Аналіз призначають не в надії на позитивний результат
Призначаючи тропонін, лікарка не питає себе: «Чи в цього пацієнта інфаркт?» Вона питає: «Наскільки цей результат має змінити мою думку?» Питання різні.
Ще до аналізу в неї вже є своя оцінка. У 62-річного чоловіка з болем за грудниною, що віддає в ліву руку, і холодним потом претестова ймовірність гострого коронарного синдрому висока. У 28-річної жінки з тією самою скаргою після трьох еспресо вона низька. І той самий результат тропоніну для них означає різне. Помірно підвищений тропонін у першого пацієнта лише підтверджує її підозру. У другої пацієнтки такий самий результат радше виявиться хибнопозитивним: тест не бездоганний, а коли недосконалий тест застосовують до людини, яка найімовірніше здорова, математика грає проти лікаря.
Кожен тест має чутливість і специфічність. Чутливість показує, як часто тест знаходить хворобу, коли вона справді є. Специфічність показує, як часто він правильно відкидає її в того, хто здоровий. Жоден тест не дає 100% ні за одним із цих показників. Тест із чутливістю 95% усе одно пропускає 5% справжніх випадків. Тест зі специфічністю 90% усе одно хибно позначає 10% здорових людей. Ці числа описують тест, а не пацієнта. І вони означають, що кожен результат несе невизначеність: він має коригувати вашу впевненість, а не підміняти її.
Саме так і міркують за Баєсом. Ви відштовхуєтеся від того, що вже знаєте про пацієнта. Отримуєте нові відомості. Уточнюєте оцінку залежно від того, наскільки ці відомості надійні. А тоді повторюєте те саме з наступними.
Більшість клінічного ШІ робить навпаки
Більшість ШІ-систем у медицині працюють у зворотному напрямку. Вони беруть набір даних (вітальні показники, аналізи, діагнози, ліки) і заднім числом шукають збіги з патернами, засвоєними під час навчання. Система бачить креатинін 1,6, діабет в анамнезі, інгібітор АПФ у листку призначень і видає «ймовірна ХХН», бо таке поєднання ознак часто траплялося у випадках, на яких її навчали.
Звучить розумно, доки не задумаєшся, чого тут бракує. Система не знає, росте креатинін чи стоїть на місці. Не знає, чи інгібітор АПФ призначили для захисту нирок, чи від тиску. Не знає, що два роки тому креатинін у пацієнта був 0,9 і відтоді неухильно зростає. Не враховує, що аналіз сечі на альбумін у цій популяції дає 15% хибнопозитивних результатів. Вона просто прикладає поточний зріз до історичних патернів і чіпляє мітку.
Лікарка, оглядаючи того самого пацієнта, міркувала б уперед. Вона почала б з апріорної ймовірності ХХН з огляду на вік, стать і чинники ризику. Тоді врахувала б креатинін, але зважила б цю поправку на те, наскільки довіряє одному-єдиному вимірюванню. Подивилася б на тренд, а не лише на сьогоднішнє число. Не оминула б інгібітор АПФ, але, перш ніж вважати його ознакою хвороби нирок, з’ясувала б, навіщо його призначили. Кожен доказ зсуває ймовірність, і кожен важить рівно стільки, наскільки він надійний.
Ретроспективний підхід питає: на що це схоже? Проспективний питає: з урахуванням усього, що ми вже знаємо, про що свідчать нові дані і наскільки їм можна вірити?
Бачити пацієнта чи бачити результати
Одне з перших правил, яких навчають у клініці: лікувати треба пацієнта, а не аналіз. Калій 5,8 у гемолізованому зразку нічого не означає. Тиск 160 у людини, яка щойно бігла на прийом, ще не гіпертензія. Чи результат є сигналом, чи шумом, визначає контекст, а для контексту треба знати пацієнта ширше, ніж показує сьогоднішній запис у картці.
ШІ загального призначення обробляє результати. Він читає числа, записи, закодовані діагнози й видає відповідь на основі текстових патернів. І робить це дуже добре. Перекаже виписку швидше за будь-яку людину. Витягне структуровані дані з найзаплутанішого клінічного тексту. Але картку він читає так, як читають клінічний випадок у підручнику: коли все вже відбулося.
Лікарка, яка бачить пацієнта в реальному часі, робить інше. Вона міркує в умовах невизначеності, рухаючись уперед у часі, уточнює оцінку з кожною новою знахідкою і зважує кожну за тим, наскільки їй довіряє. Вона знає, що позитивний D-димер у пацієнта з низьким ризиком найпевніше хибнопозитивний. Знає, що нормальна рентгенограма органів грудної клітки не виключає ранньої пневмонії. Вона тримає в голові апріорну ймовірність і коригує її після кожної знахідки, не однаково, а пропорційно до її діагностичної цінності.
Створюючи Chroneme, ми хотіли, щоб система міркувала так, як вона, а не як пошуковик. Уперед, а не назад. Щоб уточнювала ймовірності з кожним новим доказом і зважувала кожен за тим, наскільки він справді надійний.
Як це виглядає на практиці
58-річний чоловік із цукровим діабетом 2 типу приходить на планові аналізи. Вихідна ймовірність хронічної хвороби нирок з огляду на його вік, стать і діабет має певне значення. Не нульове, бо діабет є провідною причиною ХХН. Але й не високе: скарг немає, і раніше змін із боку нирок не знаходили.
Креатинін 1,2. Формально в межах норми, але вищий, ніж минулого разу. Система уточнює оцінку, проте ненабагато: один трохи підвищений креатинін має помірну діагностичну цінність. Чутливість і специфічність одного вимірювання креатиніну щодо ХХН самі по собі невисокі.
Через десять місяців креатинін уже 1,4, а рШКФ опустилася нижче 60. Тепер поправка більша, бо рШКФ нижче 60 має для ХХН значно вищу діагностичну цінність. Але система бачить і те, чого не бачить статична модель: траєкторію. Креатинін не просто підвищений. Він зростає з такою швидкістю, що, якщо продовжити лінію, скоро ввійде в тривожний діапазон.
Ще через рік з’являється протеїнурія. Ймовірність тепер досить висока, щоб діяти. Але з клінічного погляду найважливіше інше: система позначила цього пацієнта за кілька місяців до появи протеїнурії. Не з певністю, а з ймовірністю, що зростала досить помітно, аби привернути увагу. Лікарка, переглядаючи картку, бачить кожну поправку, бачить, що її зумовило, і вирішує, чи згодна. Якщо вона вважає, що інгібітор АПФ призначили від тиску, а не для нирок, то може надати цьому чиннику іншої ваги у своєму клінічному судженні. Система показує свої міркування. Лікарка додає власні.
Сама траєкторія стає доказом, незалежно від будь-якого окремого числа.
Чому від цього залежить довіра
Коли нейронна мережа повідомляє «ймовірність ХХН 73%», запитати «чому?» неможливо. Число народжується з мільйонів параметрів, які не відповідають жодним клінічним поняттям. Лікар не може глянути на нього й сказати: «Щодо креатиніну згоден, але медикаментозному анамнезу ви надаєте забагато ваги». Окремої частини про креатинін немає. Окремої частини про ліки теж. Є тільки число.
Коли 73% називає баєсівська система, лікарка може запитати, звідки взялося число. Вона бачить, які докази зсунули ймовірність і наскільки. Може не погодитися з конкретним чинником і покластися на власне судження. Саме через таку розмову клінічний ШІ і змінює лікування. Без неї результат лишається твердженням. З нею він стає аргументом.
Нефролог, якому ми показували систему, сказав про це дуже точно. Переглянувши ланцюжок доказів для одного пацієнта, він погодився з більшістю, але зауважив, що одному чиннику надано забагато ваги: ліки призначали з іншої причини, ніж припускала система. Він мав рацію. Помітити таке, вказати на конкретний чинник і застосувати свою експертизу — саме для цього й має існувати система підтримки клінічних рішень. «Чорна скринька» видала б йому ту саму ймовірність, і поговорити про неї не було б як.
Обмеження, яких ми не приховуємо
Баєсівський висновок припускає, що за наявності хвороби докази умовно незалежні. У клінічній медицині так буває далеко не завжди. Креатинін і протеїнурія при ХХН корелюють між собою. Обмеження добре відоме, і бездоганного розв’язання галузь поки не знайшла.
Якість результату залежить від того, наскільки точно визначено ваги доказів. Деякі добре обґрунтовані в науковій літературі. Інші наближені, і ми уточнюємо їх під час валідації. Калібрування триває, і вдавати протилежне ми не будемо.
Зі структурованими, кількісними даними, як-от аналізи, вітальні показники, ліки, закодовані діагнози, баєсівський висновок працює добре. З неструктурованими клінічними записами й скаргами зі слів пацієнта гірше. Тому для різних типів клінічних даних ми застосовуємо різні підходи, добираючи інструмент до задачі.
Ми обрали баєсівський висновок, бо так уже мислять лікарі. Система формалізує те, що добрий клініцист робить інтуїтивно, і робить це масштабно, для кожного пацієнта і безперервно. Ось і все. Жодної магії. Лише математика клінічного мислення, викладена відкрито.