Медицинские приложения для здоровья: как работают алгоритмы анализа данных

Уведомление от смарт-часов о возможном нарушении ритма легко принять за диагноз. Но между оптическим сигналом на запястье и медицинским заключением лежит несколько этапов: датчик собирает данные, алгоритм отсекает помехи и ищет закономерность, а результат соотносится с клинической задачей. Даже точное распознавание сигнала не отвечает автоматически на вопрос, что происходит с конкретным человеком и что ему делать дальше.

Поэтому медицинские приложения для здоровья стоит оценивать не по уверенности формулировок в интерфейсе, а по тому, для чего они предназначены, как проверялась их работа и где проходят границы применения. Алгоритм может подсказать, что стоит обратиться к врачу. Он не превращает уведомление в диагноз и не заменяет обследование.

SaMD: где заканчивается фитнес-помощник и начинается медицинское изделие

Многие приложения на телефоне и устройствах, которые с ним синхронизируются, относятся к категории общего благополучия. Это трекеры шагов, дневники питания, приложения для сна и тренировок. Они помогают наблюдать за привычками и динамикой показателей, но не заявляют медицинскую цель: диагностировать заболевание, прогнозировать его развитие или влиять на выбор лечения.

Иная ситуация возникает, когда программное обеспечение предназначено для медицинской задачи. В международной практике для таких решений используют термин SaMD, от английского Software as a Medical Device. Речь идёт о программном обеспечении, которое выполняет медицинскую функцию самостоятельно, а не только управляет физическим прибором или отображает собранные им данные. К этой области могут относиться, например, программы для анализа медицинских изображений или электрокардиограмм. Конкретный статус зависит от заявленного назначения и требований регулятора, а не от того, насколько серьёзно выглядит интерфейс.

Понятие SaMD используют международные организации и национальные регуляторы, но единого органа, который одобряет все такие продукты для всех стран, нет. Порядок оценки и регистрации зависит от рынка. Поэтому надпись о медицинском назначении сама по себе ещё не доказывает, что приложение прошло нужную для конкретной страны процедуру.

Важна не красота графика, а заявленная функция программы и доказательства того, что она пригодна именно для этой функции.

Для пользователя граница между приложением общего благополучия и медицинским изделием полезна, но она не должна превращаться в слишком простое правило. Приложение для общего благополучия может давать удобные сведения о повседневной активности, однако его показатели не обязательно проверялись как диагностический инструмент. У SaMD медицинская задача определена, но и это не означает, что продукт решает все связанные с ней задачи или подходит каждому человеку.

Стоит выяснить, что именно анализирует программа, кому она предназначена и что советует делать при необычном результате. Если приложение сообщает о возможном нарушении ритма, это не равнозначно подтверждённой аритмии. Если оно ведёт цифровой мониторинг хронического состояния, важно понимать, какие данные передаются врачу, как часто их нужно проверять и кто отвечает за интерпретацию.

Три столпа клинической валидации

Оценка медицинского программного обеспечения не сводится к одной цифре точности. Сначала нужно обосновать связь между сигналом и медицинской задачей, затем проверить корректность измерений, а после этого оценить работу алгоритма в условиях, близких к предполагаемому применению. Эти этапы часто описывают как три столпа валидации.

Клиническая связь отвечает на вопрос, имеет ли смысл выбранный способ наблюдения. Например, если программа анализирует сердечный ритм по сигналу с датчика, разработчику нужно обосновать, почему в этом сигнале можно искать признаки интересующего нарушения. Корреляция сама по себе ещё не устанавливает диагноз и не гарантирует, что показатель будет полезен в каждой ситуации.

Аналитическая валидация касается измерения и обработки. На результат могут влиять движение, слабый контакт датчика с кожей, внешние помехи и особенности конкретного устройства. Для оптических датчиков имеют значение и условия, в которых снимается сигнал. Алгоритм должен не просто выдать число, но и работать предсказуемо в пределах заявленного применения. Если качество сигнала недостаточно, корректным результатом иногда будет отсутствие оценки, а не уверенный вывод.

Клиническая валидация проверяет работу решения на данных, соответствующих его назначению. Важно, чтобы проверка не ограничивалась той выборкой, на которой алгоритм обучался: иначе модель может хорошо узнавать знакомые ей примеры, но хуже работать на новых данных. При этом формулировка «независимая когорта» не означает автоматически, что результаты будут одинаковыми для всех групп пациентов, устройств и условий использования. Имеют значение критерии включения, способ сравнения с эталонным методом и то, насколько исследовательские условия похожи на реальную практику.

Таким образом, валидация не является единственной галочкой, после которой приложение становится безошибочным. Она помогает понять, для какой задачи и в каких условиях получены доказательства. Пациенту полезно искать не только сообщение о проверке, но и сведения о назначении продукта, изученной группе пользователей и ограничениях метода.

Точность алгоритма имеет смысл только вместе с ответом на вопрос, на каких данных и для какой задачи её оценивали.

Точность фотоплетизмографии и её пределы

Вернёмся к уведомлению на часах. Многие носимые устройства используют фотоплетизмографию, или ФПГ. Светодиод освещает кожу, датчик улавливает изменения отражённого света, связанные с изменением кровенаполнения тканей, а алгоритм анализирует полученный сигнал. По его колебаниям устройство может оценивать пульс и искать признаки нерегулярности ритма.

ФПГ удобна для наблюдения: датчик может собирать данные без отдельного электрода и не требует от пользователя постоянно выполнять специальное измерение. Но оптический сигнал не тождественен электрокардиограмме. На него влияют движение руки, прилегание устройства, качество контакта и другие условия. Поэтому сигнал, который алгоритм смог обработать, и сигнал, который пригоден для уверенного вывода, не всегда одно и то же.

В черновике приводились результаты метаанализа 2025 года по использованию алгоритмов ФПГ в умных часах для выявления фибрилляции предсердий: объединённая чувствительность оценивалась примерно в 97,4%, специфичность — примерно в 96,6%. Эти показатели описывают результаты включённых в анализ исследований, а не гарантию для любого устройства или отдельного пользователя. Они также не доказывают, что такие результаты доступны только программам, зарегистрированным как SaMD. Регуляторный статус и показатели исследований связаны с разными вопросами: статус характеризует процедуру допуска продукта к применению на определённом рынке, а метаанализ обобщает данные конкретных исследований.

Чувствительность показывает, насколько часто тест выявляет состояние среди случаев, где оно действительно есть. Специфичность показывает, насколько часто он не отмечает его у людей, у которых состояния нет. Ни одна из этих характеристик не говорит напрямую, какова вероятность заболевания у конкретного человека после уведомления. На неё влияют распространённость состояния в обследуемой группе, качество измерения и особенности самого пользователя.

Для носимого устройства есть и ещё одно ограничение: оно наблюдает за сигналом в тех условиях и тем способом, которые доступны его датчику. Клиническая ЭКГ решает более широкие задачи и даёт врачу другой набор данных. Даже если часы заметили подозрительный эпизод, для подтверждения и выбора дальнейших действий может понадобиться медицинское обследование. Если уведомление повторяется или сопровождается плохим самочувствием, разумно обсудить ситуацию с врачом, а не пытаться самостоятельно установить диагноз по графику.

ФПГ может помочь заметить повод для проверки. Она не заменяет обследование и не выносит заключение о состоянии сердца.

Важна и формулировка результата. Сообщение о возможной нерегулярности ритма корректнее понимать как сигнал, который требует оценки в контексте, а не как утверждение о наличии заболевания. Врач сопоставит его с симптомами, историей здоровья и результатами обследований. Даже самый аккуратный алгоритм не располагает всем этим контекстом автоматически.

Когда алгоритм меняется: GMLP и PCCP

После выпуска медицинское программное обеспечение может обновляться. Разработчик исправляет ошибки, меняет интерфейс или вносит изменения в алгоритм. В случае машинного обучения обновление особенно важно оценивать внимательно: оно может повлиять на то, какие данные программа учитывает и как формирует результат.

Руководящие принципы GMLP, Good Machine Learning Practice, посвящены надлежащей практике разработки и применения медицинских продуктов на основе машинного обучения. В центре внимания находятся качество и репрезентативность данных, воспроизводимость процесса, работа с неопределённостью и предвзятостью, а также оценка продукта после выпуска. Эти принципы задают ориентиры для разработки; сами по себе они не означают, что любое приложение прошло проверку или получило разрешение на продажу.

Для планируемых изменений уже выпущенного продукта в некоторых регуляторных системах используют подход PCCP, Predetermined Change Control Plan. В нём заранее описывают характер предполагаемых изменений и то, как разработчик будет оценивать их безопасность и эффективность. Такой план помогает регулятору и разработчику определить рамки обновлений. Он не означает, что изменения обязательно улучшат работу алгоритма, и не снимает необходимости проверять последствия обновления.

Полезно помнить и о том, как устроено использование цифровых продуктов в целом. Пользователь часто получает доступ к сервису по лицензии, а не становится владельцем его программного кода. Похожий принцип знаком по тому, как устроены покупки цифровых игр в PlayStation Store. Для медицинского программного обеспечения, однако, важен дополнительный слой: изменения продукта должны учитываться с точки зрения его заявленного назначения и применимых требований. Сам факт, что приложение обновилось, ничего не говорит о том, стала ли его медицинская функция точнее или удобнее.

Пользователю не всегда доступны подробные сведения о каждой версии. Но можно обращать внимание на уведомления разработчика, описание назначения, историю изменений и то, сохраняется ли прежний способ интерпретации результата. Если приложение используется для наблюдения за хроническим состоянием, изменения в интерфейсе или измерениях стоит обсудить с лечащим специалистом, особенно когда данные влияют на решения о лечении.

Почему среди одобрений много решений для радиологии

В анализах решений FDA за 2024 год, приведённых в черновике, указывалось, что среди авторизованных медицинских изделий Class II на основе машинного обучения преобладали решения для радиологии: около 74%. На сердечно-сосудистые алгоритмы приходилось около 6,5%, на неврологические — около 6%. Эти доли описывают конкретный набор и период рассмотрения; их не следует воспринимать как универсальную картину всех медицинских приложений или всех стран.

У радиологии есть несколько особенностей, которые помогают объяснить её заметное присутствие в таких подборках. Медицинские изображения можно хранить в цифровом виде и размечать для обучения и проверки моделей. Для ряда задач существуют способы сравнить результат алгоритма с оценкой специалистов. Кроме того, программа часто выступает как дополнительный инструмент для анализа снимка, а решение остаётся частью работы врача.

С другими медицинскими задачами всё может быть сложнее. Сердечный ритм меняется во времени, а данные носимых устройств зависят от движения и контакта датчика с телом. Для оценки хронического состояния иногда нужны наблюдения на протяжении длительного времени и сведения, которые нельзя получить из одного измерения. В неврологии и психиатрии многие выводы также требуют учитывать симптомы, контекст и динамику, а не только отдельный сигнал.

Разница в количестве одобренных продуктов не доказывает, что алгоритмы одной области обязательно точнее или полезнее. Она может отражать зрелость способов сбора данных, доступность эталонных оценок и особенности регуляторных процедур. Для пользователя важнее смотреть на конкретное приложение: что оно делает, какие исследования подтверждают именно эту функцию и для кого результаты могут быть применимы.

При выборе цифрового инструмента для наблюдения за хроническим состоянием полезны публикации и материалы о клинической проверке. Но наличие статьи не заменяет оценки её содержания. Стоит выяснить, сравнивали ли алгоритм с подходящим методом, какие ограничения описали авторы и соответствует ли изученная группа людей тем, кому предназначен продукт. Слова о точности без этих подробностей мало что говорят.

Использовать данные, не отдавая им роль диагноза

Уведомление от часов может стать поводом внимательнее отнестись к своему состоянию и обсудить результат с врачом. Его смысл зависит от устройства, качества сигнала и медицинской задачи, для которой разработана программа. Даже хорошо проверенный алгоритм не знает всей истории здоровья пользователя и не может самостоятельно заменить клиническую оценку.

При использовании медицинского приложения стоит держать в поле зрения несколько вещей:

• выяснить, заявлено ли у продукта медицинское назначение или он относится к инструментам общего благополучия;
• понять, какой именно сигнал анализируется и что означает результат;
• отличать предупреждение о возможном событии от подтверждённого диагноза;
• при выборе приложения для наблюдения за хроническим состоянием искать сведения о клинической проверке и ограничениях;
• обсуждать с врачом данные, которые вызывают тревогу или могут повлиять на лечение.

Медицинские приложения для здоровья полезны, когда их возможности соразмерны задаче. Они помогают собирать наблюдения, замечать изменения и приносить на консультацию больше информации. Но качество решения определяется не одной метрикой и не статусом в магазине приложений. Оно зависит от того, как получены данные, для кого проверяли алгоритм и насколько осторожно интерпретируют его результат.