Sadržaj
- Medicinsko snimanje
- Elektronički medicinski kartoni (EMRs)
- Bez grešaka, bez stresa - Vaš korak po korak vodič za stvaranje softvera koji mijenja život bez uništavanja života
- Podrška za kliničku odluku (CDS)
- Razvoj lijekova
- Skok u budućnost
- Riječ mudrim
Izvor: video-liječnik / iStockphoto
Oduzeti:
AI omogućava medicinskoj tehnologiji da napreduje sve bržim tempom. Evo nekoliko najnovijih otkrića.
Umjetna inteligencija revolucionira naš svijet na mnogo nezamislivih načina. Na rubu Četvrte industrijske revolucije čovječanstvo je trenutno svjedok prvih koraka koje su napravili strojevi u izmišljanju svijeta u kojem živimo. I dok stalno raspravljamo o potencijalnim nedostacima i prednostima zamjenjivanja ljudi inteligentnim strojevima koji se sami uče, postoji jedno područje u kojem će pozitivni utjecaji AI definitivno poboljšati kvalitetu našeg života: zdravstvena industrija.
Medicinsko snimanje
Algoritmi strojnog učenja mogu obraditi nezamislive količine informacija u tren oka. I mogu biti puno precizniji od ljudi u uočavanju i najmanjih detalja u izvješćima o medicinskim slikama, kao što su mamogrami i CT pretrage.
Tvrtka Zebra Medical Vision razvila je novu platformu koja se zove Profound, s algoritmom zasnovanom analizom svih vrsta izvještaja o medicinskim slikama koja može pronaći sve znakove potencijalnih stanja poput osteoporoze, karcinoma dojke, aneurizme aorte i mnogih drugih s 90 posto stopa točnosti. I njegove su mogućnosti dubokog učenja osposobljene za provjeru skrivenih simptoma drugih bolesti koje zdravstveni radnik možda uopće nije tražio. Druge mreže dubokog učenja čak su zaradile stopostotnu ocjenu točnosti otkrivši prisutnost nekih posebno smrtonosnih oblika raka dojke na dijapozitivima.
Računalno utemeljena analiza toliko je učinkovitija u (i jeftinijoj nego) interpretaciji podataka ili slika od ljudi da su neki čak tvrdili da bi moglo postati neetično u budućnosti ne zamjenjivati AI u nekim zanimanjima poput radiologa i patologa! (Više o IT-u u medicini potražite u Ulozi IT-a u medicinskoj dijagnostici.)
Elektronički medicinski kartoni (EMRs)
Utjecaj elektroničkih medicinskih kartona (EMR) na zdravstvene informacijske tehnologije jedna je od najkontroverznijih tema rasprave u posljednjem desetljeću. Prema nekim istraživanjima oni predstavljaju prekretnicu u poboljšanju kvalitete njege uz istovremeno povećanje produktivnosti i pravovremenosti. Međutim, mnogi zdravstveni radnici smatrali su ih nezadovoljnim i teškim za uporabu, što je dovelo do značajne otpornosti na tehnologiju i široke neučinkovitosti. Može li noviji softver usmjeren na AI spasiti mnoge liječnike, medicinske sestre i ljekarnike koji se svakodnevno muče s nesnosnom nespretnošću EMR-a?
Jedno od najvećih pitanja ove nove zdravstvene zaštite je to što prisiljava kliničare da troše previše svog dragocjenog vremena u obavljanje zadataka koji se ponavljaju. AI ih lako može automatizirati, na primjer, pomoću prepoznavanja govora tijekom posjeta za bilježenje svakog detalja, dok liječnik razgovara s pacijentom. Grafikoni mogu i sadržavat će mnogo detaljnije podatke koji se mogu prikupiti iz različitih izvora, kao što su nosivi uređaji i vanjski senzori, a AI će ih unositi izravno u EMR.
Ali ako krenemo prema naprijed od prvog koraka prikupljanja podataka, kada je dovoljno relevantnih informacija ispravno razumljeno i ekstrapolirano algoritamima dubokog učenja, to se može iskoristiti za poboljšanje kvalitete skrbi na mnogo načina. Može poboljšati pristajanje pacijenata na liječenje i smanjiti preventivne događaje, ili čak uputiti liječnike putem prediktivne AI analitike u liječenju skupih, opasnih po život stanja. Samo da nazovemo praktičnim primjerom, nedavna studija objavljena u mreži JAMA otkrila je kako su veliki podaci izvađeni iz EMR-a i digestirani putem AI na Sveučilištu u Kaliforniji, San Francisco Health pomogli u liječenju potencijalno smrtonosnog Clostridium difficile (C. diff ) infekcije.
I lako je vidjeti koliko će vađenje medicinskih podataka biti sljedeća „velika stvar“ u zdravstvu, kada nitko osim Googlea nije pokrenuo vlastiti Google DeepMind Health projekt za poboljšanje brzine, kvalitete i jednakosti pristupa nezi.
Bez grešaka, bez stresa - Vaš korak po korak vodič za stvaranje softvera koji mijenja život bez uništavanja života
Ne možete poboljšati svoje programiranje kad nikoga nije briga za kvalitetu softvera.
Podrška za kliničku odluku (CDS)
Drugi zanimljiv primjer dubokog učenja može pomoći strojevima da donose bolje odluke od svojih ljudskih kolega je širenje alata za podršku kliničkim odlukama (CDS).
Ti se alati obično ugrađuju u EMR sustav kako bi se kliničarima pomoglo u njihovom radu sugerirajući najbolji tečaj liječenja, upozorili na potencijalne opasnosti poput farmakoloških interakcija ili prijašnjih stanja te analizirali i najmanji detalj zdravstvenog kartona pacijenta.
Zanimljiv primjer je MatrixCare, softverska kuća koja je uspjela integrirati Microsofts poznatog AI Cortana u svoj alat koji se koristi za upravljanje staračkim domovima. Potencijalne analize motora stroja strojno učenje nepogrešivo su poboljšale sposobnost donošenja odluka alata za podršku.
"Jedan liječnik može čitati medicinski časopis možda dva puta mjesečno", objasnio je izvršni direktor John Damgaard, "Cortana može pročitati svaku studiju raka objavljenu u povijesti prije podneva i do 15:00. daje preporuke za bolesnike o planovima skrbi i poboljšanju ishoda. "
CDS također iznosi argument da strojevi mogu međusobno komunicirati puno bolje nego što to čine ljudi. Konkretno, različiti medicinski uređaji mogu se povezati s Internetom kao i bilo koji drugi uređaj za internet (IoT) (nosivi, monitori, noćni senzori itd.), Kao i na EMR softver. Interoperabilnost je kritično pitanje suvremene zdravstvene zaštite jer je pružanje fragmentacije skrbi glavni uzrok neprikladnog liječenja i povećanih hospitalizacija. Kada ih vodi pametni AI, različite EMR platforme postaju međusobno sposobne razgovarati putem interneta, povećavajući suradnju i suradnju između različitih odjeljenja, pa čak i različitih zdravstvenih ustanova.
Razvoj lijekova
Razvijanje novog lijeka putem kliničkih ispitivanja često je vrlo skupa stvar. Ne samo u smislu vremena (govorili smo o desetljećima) i uloženih dolara (troškovi mogu lako doseći i do nekoliko milijardi dolara), već i ljudskih života. Mnogi novi lijekovi zahtijevaju, u stvari, dugogodišnja dodatna ispitivanja na stvarnim subjektima tijekom takozvanog postmarketinškog razdoblja, a nije tako rijetko da su mnoge ozbiljne (ili čak smrtonosne) nuspojave otkrivene mnogo godina nakon što je lijek primljen pokrenut.
Još jednom, efikasni AI sa superračunalom može izvući nove lijekove iz baze molekularnih struktura koje se nijedan čovjek nikada ne bi mogao usuditi analizirati. Istaknuti primjer je Atomwises AI, koji je uspio predvidjeti dva lijeka koja bi mogla zaustaviti epidemiju virusa ebole. Za manje od jednog dana njihova virtualna pretraga uspjela je pronaći dva sigurna, već postojeća lijeka koja bi se mogla pretvoriti u borbu protiv smrtonosnog virusa. Najbolji dio je taj što su pronašli način da učinkovito reagiraju na hitnost pandemije samo skeniranjem lijekova koji su već bili na tržištu pacijentima godinama, što dokazuje njihovu sigurnost. (Da biste saznali više o tome kako tehnologija upravlja razvojem lijekova, pogledajte odjeljak Utjecaj velikih podataka u medicini i farmaceutskim proizvodima.)
Skok u budućnost
Neke od najnevjerojatnijih tehnologija još uvijek nisu spremne i nisu tek puki prototipovi, ali njihove su implikacije toliko zapanjujuće da ih je još uvijek vrijedno spomena.
Jedna od njih je precizna medicina, zaista ambiciozna disciplina koja koristi algoritme duboke genomike za skeniranje DNK pacijenata u potrazi za mutacijama i anomalijama koje bi mogle biti povezane s bolestima poput raka. Ljudi poput Craig Venter-a, jednog od očeva projekta Ljudski genom, trenutno rade na novoj generaciji računalnih tehnologija koje mogu predvidjeti učinke bilo kakvih genetskih promjena, utirući put individualiziranom načinu liječenja i ranom otkrivanju mnogih bolesti koje se mogu spriječiti.
Riječ mudrim
Koliko god da smo uzbuđeni zbog ogromnog potencijala uvođenja AI u zdravstvenu zaštitu, važno je razumjeti njegova ograničenja. Upotreba AI u medicini nije lišena rizika, iako će se mnogi od njih lako svladati nakon što se na to naviknemo.
Maksim „ne naštetiti“ je presudan za uspostavljanje nekih etičkih standarda koji bi djelovali kao granice. Danas su uložene odgovornosti za izgradnju okvira po kojem će buduće generacije donositi svoje odluke.