Zawartość
- Obrazowanie medyczne
- Elektroniczna dokumentacja medyczna (EMR)
- Bez błędów, bez stresu - Twój przewodnik krok po kroku do tworzenia oprogramowania zmieniającego życie bez niszczenia życia
- Wsparcie decyzji klinicznych (CDS)
- Rozwój leków
- Skok w przyszłość
- Słowo dla mądrych
Źródło: wideo-doctor / iStockphoto
Na wynos:
AI umożliwia rozwój technologii medycznej w coraz szybszym tempie. Oto niektóre z najnowszych przełomów.
Sztuczna inteligencja rewolucjonizuje nasz świat na wiele niewyobrażalnych sposobów. U progu czwartej rewolucji przemysłowej ludzkość jest obecnie świadkiem pierwszych kroków, jakie maszyny stawiają na nowo odkrywając świat, w którym żyjemy. Podczas gdy wciąż debatujemy o potencjalnych wadach i korzyściach płynących z zastąpienia ludzi inteligentnymi, samouczącymi się maszynami, istnieją tam jeden obszar, w którym pozytywny wpływ AI zdecydowanie poprawi jakość naszego życia: przemysł opieki zdrowotnej.
Obrazowanie medyczne
Algorytmy uczenia maszynowego mogą przetwarzać niewyobrażalne ilości informacji w mgnieniu oka. Mogą być znacznie bardziej precyzyjni niż ludzie w wykrywaniu nawet najmniejszych szczegółów w raportach z obrazowania medycznego, takich jak mammogramy i skany tomografii komputerowej.
Firma Zebra Medical Vision opracowała nową platformę o nazwie Profound z opartą na algorytmach analizą wszystkich rodzajów raportów obrazowania medycznego, która jest w stanie znaleźć wszystkie oznaki potencjalnych stanów, takich jak osteoporoza, rak piersi, tętniaki aorty i wiele innych w 90 procentach stopień dokładności. Jego zdolności do głębokiego uczenia się zostały przeszkolone w zakresie wykrywania ukrytych objawów innych chorób, których pracownik służby zdrowia mógł nie szukać w pierwszej kolejności. Inne sieci głębokiego uczenia nawet uzyskały 100-procentowy wynik dokładności, wykrywając obecność niektórych szczególnie śmiertelnych form raka piersi w preparatach z biopsji.
Analiza komputerowa jest o wiele bardziej wydajna (i tańsza niż) interpretacja danych lub obrazów niż ludzie, że niektórzy twierdzili nawet, że w przyszłości może stać się nieetyczne, aby nie zastępować AI w niektórych zawodach, takich jak radiologowie i patologowie! (Aby uzyskać więcej informacji na temat informatyki w medycynie, zobacz Rola informatyki w diagnozie medycznej).
Elektroniczna dokumentacja medyczna (EMR)
Wpływ elektronicznej dokumentacji medycznej (EMR) na technologię informacyjną dotyczącą zdrowia jest jednym z najbardziej kontrowersyjnych tematów debaty ostatniej dekady. Według niektórych badań stanowią one punkt zwrotny w poprawie jakości opieki przy jednoczesnym zwiększeniu wydajności i terminowości. Jednak wielu pracowników służby zdrowia uznało je za kłopotliwe i trudne w użyciu, co doprowadziło do znacznej odporności technologii i powszechnej nieefektywności. Czy nowsze oprogramowanie oparte na sztucznej inteligencji może uratować wielu lekarzy, pielęgniarek i farmaceutów, którzy codziennie zmagają się z nieporęcznym niezadowoleniem z EMR?
Jednym z największych problemów związanych z tą nową technologią opieki zdrowotnej jest to, że zmusza ona klinicystów do zbyt dużej ilości cennego czasu na wykonywanie powtarzalnych zadań. AI może je jednak łatwo zautomatyzować, na przykład wykorzystując rozpoznawanie mowy podczas wizyty, aby zarejestrować każdy szczegół podczas rozmowy lekarza z pacjentem. Wykresy mogą i będą zawierać znacznie bardziej szczegółowe dane, które można zebrać z różnych źródeł, takich jak urządzenia do noszenia i czujniki zewnętrzne, a sztuczna inteligencja dostarczy je bezpośrednio do EMR.
Ale przechodząc od pierwszego etapu gromadzenia danych, kiedy wystarczająca liczba istotnych informacji jest poprawnie zrozumiana i ekstrapolowana przez algorytmy głębokiego uczenia, można ją wykorzystać do poprawy jakości opieki na wiele sposobów. Może poprawić przestrzeganie przez pacjentów leczenia i ograniczyć zdarzenia, którym można zapobiec, a nawet poprowadzić lekarzy za pomocą predykcyjnej analizy AI w leczeniu kosztownych, zagrażających życiu chorób. Aby wymienić tylko praktyczny przykład, ostatnie badanie opublikowane w sieci JAMA odkryło, w jaki sposób duże dane pobrane z EMR i strawione przez AI na University of California w San Francisco Health pomogły w leczeniu potencjalnie śmiertelnego Clostridium difficile (C. diff ) infekcje.
Łatwo jest zobaczyć, jak wiele danych medycznych będzie kolejną „wielką rzeczą” w opiece zdrowotnej, kiedy nikt inny niż Google uruchomił własny projekt Google DeepMind Health, aby poprawić szybkość, jakość i równy dostęp do opieki.
Bez błędów, bez stresu - Twój przewodnik krok po kroku do tworzenia oprogramowania zmieniającego życie bez niszczenia życia
Nie możesz poprawić swoich umiejętności programistycznych, gdy nikt nie dba o jakość oprogramowania.
Wsparcie decyzji klinicznych (CDS)
Innym interesującym przykładem głębokiego uczenia się może pomóc maszynom w podejmowaniu lepszych decyzji niż ich ludzkie odpowiedniki, jest rozpowszechnianie narzędzi wspomagania decyzji klinicznych (CDS).
Narzędzia te są zwykle wbudowane w system EMR, aby pomóc lekarzom w ich pracy, sugerując najlepszy kurs leczenia, ostrzegając przed potencjalnymi zagrożeniami, takimi jak interakcje farmakologiczne lub wcześniejsze stany, oraz analizując nawet najdrobniejsze szczegóły w dokumentacji medycznej pacjenta.
Ciekawym przykładem jest MatrixCare, dom oprogramowania, który był w stanie zintegrować słynną AI Cortanę Microsoftu z narzędziem służącym do zarządzania domami opieki. Potężne możliwości analizy silnika uczenia maszynowego wzmocniły zdolność decyzyjną narzędzi wsparcia niewspółmiernie.
„Jeden lekarz może czytać czasopismo medyczne może dwa razy w miesiącu”, wyjaśnia dyrektor generalny John Damgaard, „Cortana może czytać każde badanie nad rakiem opublikowane w historii przed południem i do 15:00. opracowuje zalecenia dla pacjentów dotyczące planów opieki i poprawy wyników ”.
CDS wysuwa również argument, że maszyny są w stanie komunikować się ze sobą znacznie lepiej niż ludzie. W szczególności różne urządzenia medyczne mogą być podłączone do Internetu, tak jak każde inne urządzenie Internetu rzeczy (IoT) (urządzenia do noszenia, monitory, czujniki przyłóżkowe itp.), A także oprogramowanie EMR. Interoperacyjność jest kluczowym zagadnieniem współczesnej opieki zdrowotnej, ponieważ świadczenie fragmentacji opieki jest główną przyczyną niewłaściwego leczenia i zwiększonej liczby hospitalizacji. Pod kierownictwem inteligentnej AI różne platformy EMR mogą „rozmawiać” ze sobą przez Internet, zwiększając współpracę i współpracę między różnymi oddziałami, a nawet różnymi placówkami opieki zdrowotnej.
Rozwój leków
Opracowanie nowego leku poprzez badania kliniczne jest często bardzo kosztowną sprawą. Nie tylko pod względem czasu (mówiliśmy o dziesięcioleciach) i zainwestowanych dolarów (koszty mogą z łatwością sięgać nawet kilku miliardów dolarów), ale także życia ludzi. Wiele nowych farmaceutyków wymaga w rzeczywistości wielu lat dodatkowych testów na rzeczywistych podmiotach podczas tak zwanego okresu po wprowadzeniu do obrotu, i to nie jest tak rzadkie, że wiele poważnych (lub nawet śmiertelnych) skutków ubocznych zostaje odkrytych wiele lat po podaniu leku uruchomiona.
Po raz kolejny wydajna sztuczna inteligencja napędzana superkomputerem może wyplenić nowe leki z bazy danych struktur molekularnych, których żaden człowiek nie odważyłby się przeanalizować. Wybitnym przykładem jest AI Atomwises, która była w stanie przewidzieć dwa leki, które mogą zatrzymać epidemię wirusa Ebola. W ciągu niecałego dnia ich wirtualne wyszukiwanie pozwoliło znaleźć dwa bezpieczne, już istniejące leki, które można by zmienić w celu zwalczania śmiertelnego wirusa. Najlepsze jest to, że udało im się skutecznie zareagować na pandemię, skanując leki, które były sprzedawane pacjentom od lat, co potwierdza ich bezpieczeństwo. (Aby dowiedzieć się więcej o tym, jak technologia kieruje opracowywaniem leków, zobacz Wpływ dużych danych na medycynę i farmaceutyki).
Skok w przyszłość
Niektóre z najbardziej niesamowitych technologii nie są jeszcze gotowe, są niczym więcej niż prototypami, ale ich implikacje są tak zapierające dech w piersiach, że wciąż warto o nich wspomnieć.
Jednym z nich jest medycyna precyzyjna, naprawdę ambitna dyscyplina, która wykorzystuje głębokie algorytmy genomiczne do skanowania DNA pacjentów w poszukiwaniu mutacji i anomalii, które mogłyby być powiązane z chorobami takimi jak rak. Ludzie tacy jak Craig Venter, jeden z ojców Human Genome Project, pracują obecnie nad nową generacją technologii obliczeniowych, które mogą przewidywać skutki wszelkich zmian genetycznych, torując drogę do zindywidualizowanego leczenia i wczesnego wykrywania wielu chorób, którym można zapobiec.
Słowo dla mądrych
Choć jesteśmy podekscytowani z powodu ogromnego potencjału wprowadzenia sztucznej inteligencji do opieki zdrowotnej, ważne jest, aby zrozumieć jej ograniczenia. Wykorzystywanie sztucznej inteligencji w medycynie nie jest pozbawione ryzyka, choć wiele z nich da się łatwo pokonać, gdy tylko się przyzwyczaimy.
Maksyma „nie wyrządzaj szkody” ma kluczowe znaczenie dla ustanowienia pewnych standardów etycznych, które działałyby jako granice. Dzisiaj zainwestowano w budowanie ram, na których przyszłe pokolenia będą podejmować decyzje.