Περιεχόμενο
- Ιατρική απεικόνιση
- Ηλεκτρονικά ιατρικά αρχεία (EMR)
- No Bugs, No Stress - Ο οδηγός σας βήμα προς βήμα για τη δημιουργία λογισμικού που αλλάζει τη ζωή χωρίς να καταστρέφει τη ζωή σας
- Υποστήριξη Κλινικής Απόφασης (CDS)
- Ανάπτυξη φαρμάκων
- Ένα άλμα στο μέλλον
- Ένας Λόγος στους Σοφούς
Πηγή: βίντεο-γιατρός / iStockphoto
Πάρε μακριά:
Το AI επιτρέπει στην ιατρική τεχνολογία να προχωρήσει με όλο και πιο γρήγορους ρυθμούς. Εδώ είναι μερικές από τις τελευταίες ανακαλύψεις.
Η τεχνητή νοημοσύνη επανάγει τον κόσμο μας με πολλούς αδιανόητους τρόπους. Στα πρόθυρα της Τέταρτης Βιομηχανικής Επανάστασης, η ανθρωπότητα είναι σήμερα μάρτυρας των πρώτων βημάτων που έγιναν από τα μηχανήματα για την επανεξέταση του κόσμου στον οποίο ζούμε. Και ενώ συνεχίζουμε να συζητάμε για τα πιθανά μειονεκτήματα και οφέλη της υποκατάστασης των ανθρώπων με έξυπνες μηχανές αυτοδιδασκαλίας μια περιοχή στην οποία οι θετικοί αντίκτυποι του AI θα βελτιώσουν σίγουρα την ποιότητα της ζωής μας: τη βιομηχανία της υγειονομικής περίθαλψης.
Ιατρική απεικόνιση
Οι αλγόριθμοι μηχανικής μάθησης μπορούν να επεξεργάζονται αδιανόητες ποσότητες πληροφοριών στην αναλαμπή ενός ματιού. Και μπορούν να είναι πολύ ακριβέστεροι από τους ανθρώπους στην ανίχνευση ακόμη και της ελάχιστης λεπτομέρειας στις ιατρικές αναφορές απεικόνισης όπως οι μαστογραφίες και οι CT ανιχνεύσεις.
Η εταιρεία Zebra Medical Vision ανέπτυξε μια νέα πλατφόρμα που ονομάζεται Profound, με ανάλυση βάσει αλγορίθμου για όλους τους τύπους ιατρικών απεικονίσεων που είναι σε θέση να βρουν κάθε σημάδι πιθανών καταστάσεων όπως οστεοπόρωση, καρκίνο του μαστού, ανεύρυσμα της αορτής και πολλά άλλα με ποσοστό 90% ποσοστό ακρίβειας. Και οι ικανότητές του για βαθιά εκμάθηση έχουν εκπαιδευτεί για να ελέγχουν τα κρυμμένα συμπτώματα άλλων ασθενειών που ο πάροχος υγειονομικής περίθαλψης ίσως δεν είχε ψάξει στην πρώτη θέση. Άλλα δίκτυα μαζικής μάθησης έλαβαν ακόμη και 100% βαθμολογία ακρίβειας όταν ανιχνεύουν την παρουσία κάποιων ιδιαίτερα θανατηφόρων μορφών καρκίνου του μαστού σε διαφάνειες βιοψίας.
Η ανάλυση των υπολογιστών είναι πολύ πιο αποτελεσματική (και λιγότερο δαπανηρή) από την ερμηνεία δεδομένων ή εικόνων από ό, τι οι άνθρωποι, ότι μερικοί έχουν υποστηρίξει ακόμη ότι στο μέλλον θα μπορούσε να γίνει ανήθικο να μην υποκατασταθεί η ΑΠ σε κάποια επαγγέλματα όπως ακτινολόγοι και παθολόγοι! (Για περισσότερες πληροφορίες σχετικά με την τεχνολογία της πληροφορίας στην ιατρική, δείτε τον ρόλο του IT στην ιατρική διάγνωση.)
Ηλεκτρονικά ιατρικά αρχεία (EMR)
Ο αντίκτυπος των ηλεκτρονικών ιατρικών αρχείων (EMR) στην τεχνολογία πληροφοριών για την υγεία είναι ένα από τα πιο αμφιλεγόμενα θέματα συζήτησης της τελευταίας δεκαετίας. Σύμφωνα με μερικές μελέτες, αντιπροσωπεύουν μια καμπή στη βελτίωση της ποιότητας της φροντίδας, ενώ ταυτόχρονα αυξάνουν την παραγωγικότητα και την επικαιρότητα. Ωστόσο, πολλοί πάροχοι υγειονομικής περίθαλψης τις βρήκαν δύσκολες και δύσκολες στη χρήση, οδηγώντας σε ουσιαστική αντίσταση στην τεχνολογία και σε εκτεταμένη αναποτελεσματικότητα. Μήπως το νεότερο λογισμικό που βασίζεται στο AI έρχεται στη διάσωση πολλών γιατρών, νοσοκόμων και φαρμακοποιών, που καθημερινά βυθίζονται με τη δυσκίνητη ακαμψία των EMR;
Ένα από τα μεγαλύτερα ζητήματα με αυτή τη νέα τεχνολογία της υγειονομικής περίθαλψης είναι ότι υποχρεώνει τους κλινικούς ιατρούς να ξοδέψουν πάρα πολύ τον πολύτιμο χρόνο τους, κάνοντας επαναλαμβανόμενα καθήκοντα. Το AI μπορεί εύκολα να αυτοματοποιήσει τους, ωστόσο, για παράδειγμα, χρησιμοποιώντας την αναγνώριση ομιλίας κατά τη διάρκεια μιας επίσκεψης για την καταγραφή κάθε λεπτομέρειας ενώ ο γιατρός μιλάει με τον ασθενή. Τα διαγράμματα μπορούν και θα περιλαμβάνουν πολύ πιο λεπτομερή δεδομένα που θα μπορούσαν να συλλεχθούν από μια ποικιλία πηγών, όπως φορητές συσκευές και εξωτερικούς αισθητήρες, και το AI θα τα ταΐσει απευθείας στο EMR.
Αλλά προχωρώντας από το πρώτο βήμα της συλλογής δεδομένων, όταν αρκετές σχετικές πληροφορίες είναι σωστά κατανοητές και εξηγούνται από αλγορίθμους βαθιάς μάθησης, μπορούν να χρησιμοποιηθούν για να βελτιώσουν την ποιότητα της φροντίδας με πολλούς τρόπους. Μπορεί να ενισχύσει την προσήλωση των ασθενών στη θεραπεία και να μειώσει τα συμβάντα που μπορούν να προληφθούν, ή ακόμη και να καθοδηγήσει τους γιατρούς μέσω προγνωστικών αναλύσεων της ΑΠ για τη θεραπεία υψηλού κόστους και απειλητικών για τη ζωή συνθηκών. Ακριβώς για να αναφέρουμε ένα πρακτικό παράδειγμα, μια πρόσφατη μελέτη που δημοσιεύτηκε στο Δίκτυο JAMA βρήκε πως τα μεγάλα δεδομένα που εξήχθησαν από τα EMR και αφομοιώθηκαν από ένα AI στο Πανεπιστήμιο της Καλιφόρνιας, San Francisco Health συνέβαλαν στη θεραπεία του δυνητικά θανατηφόρου Clostridium difficile (C. ) μολύνσεις.
Και είναι εύκολο να δούμε πόσο ιατρικό αρχείο εξόρυξης δεδομένων πρόκειται να είναι το επόμενο "μεγάλο πράγμα" στην υγειονομική περίθαλψη, όταν κανένας άλλος από το Google δεν ξεκίνησε το δικό του πρόγραμμα Google DeepMind Health για να βελτιώσει την ταχύτητα, την ποιότητα και την ισότητα πρόσβασης στην περίθαλψη.
No Bugs, No Stress - Ο οδηγός σας βήμα προς βήμα για τη δημιουργία λογισμικού που αλλάζει τη ζωή χωρίς να καταστρέφει τη ζωή σας
Δεν μπορείτε να βελτιώσετε τις δεξιότητες προγραμματισμού σας όταν κανείς δεν ενδιαφέρεται για την ποιότητα του λογισμικού.
Υποστήριξη Κλινικής Απόφασης (CDS)
Ένα άλλο ενδιαφέρον παράδειγμα της βαθιάς μάθησης μπορεί να βοηθήσει τις μηχανές να πάρουν καλύτερες αποφάσεις από ό, τι οι ανθρώπινοι ομολόγους τους είναι ο πολλαπλασιασμός των εργαλείων υποστήριξης των κλινικών αποφάσεων (CDS).
Αυτά τα εργαλεία ενσωματώνονται συνήθως στο σύστημα EMR για να βοηθήσουν τους κλινικούς γιατρούς στο έργο τους, υποδεικνύοντας το καλύτερο θεραπευτικό μάθημα, προειδοποιώντας για πιθανούς κινδύνους όπως φαρμακολογικές αλληλεπιδράσεις ή προηγούμενες καταστάσεις και αναλύοντας ακόμη και την παραμικρή λεπτομέρεια στα αρχεία υγείας ενός ασθενούς.
Ένα ενδιαφέρον παράδειγμα είναι το MatrixCare, ένα σπίτι λογισμικού που ήταν σε θέση να ενσωματώσει το διάσημο AI Cortana της Microsoft στο εργαλείο που χρησιμοποιείται για τη διαχείριση νοσηλευτικών σπιτιών. Οι ισχυρές δυνατότητες ανάλυσης του μηχανήματος εκμάθησης μηχανών ενίσχυσαν την ικανότητα λήψης αποφάσεων των εργαλείων υποστήριξης με μεγάλη διαφορά.
"Ένας γιατρός μπορεί να διαβάσει ένα ιατρικό περιοδικό ίσως δύο φορές το μήνα", εξήγησε ο διευθύνων σύμβουλος John Damgaard, "η Cortana μπορεί να διαβάσει κάθε μελέτη καρκίνου που δημοσιεύτηκε στην ιστορία πριν από το μεσημέρι και στις 3 μ.μ. κάνει ειδικές για τον ασθενή συστάσεις σχετικά με τα σχέδια φροντίδας και τη βελτίωση των αποτελεσμάτων. "
Το CDS προβάλλει επίσης το επιχείρημα ότι οι μηχανές είναι σε θέση να επικοινωνούν μεταξύ τους πολύ καλύτερα από ό, τι οι άνθρωποι. Συγκεκριμένα, διάφορες ιατρικές συσκευές μπορούν όλοι να συνδεθούν στο Διαδίκτυο όπως ακριβώς και σε οποιαδήποτε άλλη συσκευή διαδικτύου (φορητά, οθόνες, αισθητήρες κομοδίνου κλπ.) Και στο λογισμικό EMR. Η διαλειτουργικότητα είναι ένα κρίσιμο ζήτημα της σύγχρονης υγειονομικής περίθαλψης, καθώς η διάδοση του κατακερματισμού της περίθαλψης αποτελεί σημαντική αιτία ακατάλληλης θεραπείας και αυξημένων νοσηλειών. Όταν καθοδηγούνται από έξυπνο AI, οι διάφορες πλατφόρμες EMR μπορούν να "μιλούν" μεταξύ τους μέσω του διαδικτύου, αυξάνοντας τη συνεργασία και τη συνεργασία μεταξύ διαφορετικών θαλάμων και ακόμη και διαφορετικών εγκαταστάσεων υγειονομικής περίθαλψης.
Ανάπτυξη φαρμάκων
Η ανάπτυξη ενός νέου φαρμάκου μέσω κλινικών δοκιμών είναι συχνά μια πολύ δαπανηρή υπόθεση. Όχι μόνο από την άποψη του χρόνου (μιλούσαν για δεκαετίες) και των δολαρίων που επενδύθηκαν (το κόστος μπορεί εύκολα να φτάσει μέχρι και αρκετά δισεκατομμύρια δολάρια), αλλά και ανθρώπινες ζωές. Πολλά νέα φαρμακευτικά προϊόντα απαιτούν, στην πραγματικότητα, πολυετείς συμπληρωματικές δοκιμές σε πραγματικούς υποκείμενους στη διάρκεια της επονομαζόμενης περιόδου μετά την κυκλοφορία του φαρμάκου και δεν είναι τόσο ασυνήθιστο ότι πολλές σοβαρές (ή ακόμη και θανατηφόρες) ανεπιθύμητες ενέργειες ανακαλύπτονται πολλά χρόνια μετά τη λήψη ενός φαρμάκου ξεκίνησε.
Για άλλη μια φορά, η αποτελεσματική AI που τροφοδοτείται με υπερυπολογιστή μπορεί να εξαλείψει νέα φάρμακα από μια βάση δεδομένων μοριακών δομών που κανένας άνθρωπος δεν θα μπορούσε ποτέ να τολμήσει να αναλύσει. Ένα εξέχον παράδειγμα είναι η Atomwises AI, η οποία ήταν σε θέση να προβλέψει δύο φάρμακα που θα μπορούσαν να σταματήσουν την επιδημία του ιού Ebola. Σε λιγότερο από μία μέρα, η εικονική τους αναζήτηση ήταν ικανή να βρει δύο ασφαλή, ήδη υπάρχοντα φάρμακα που θα μπορούσαν να επαναπροσληφθούν για την καταπολέμηση του θανάσιμου ιού. Το καλύτερο μέρος είναι ότι βρήκαν έναν τρόπο για να αντιδράσουν αποτελεσματικά σε μια πανδημική έκτακτη ανάγκη μόνο με τη σάρωση μέσω φαρμάκων που είχαν ήδη διατεθεί στο εμπόριο στους ασθενείς για χρόνια, αποδεικνύοντας την ασφάλειά τους. (Για να μάθετε περισσότερα σχετικά με τον τρόπο με τον οποίο η τεχνολογία καθοδηγεί την ανάπτυξη φαρμάκων, ανατρέξτε στην Μεγάλη Datas Influence in Medicine and Pharmaceuticals.)
Ένα άλμα στο μέλλον
Μερικές από τις πιο εκπληκτικές τεχνολογίες δεν είναι ακόμα έτοιμες, δεν είναι τίποτα περισσότερο από απλά πρωτότυπα, αλλά οι επιπτώσεις τους είναι τόσο εντυπωσιακές που αξίζουν ακόμα να αναφερθούν.
Ένα από αυτά είναι ιατρική ακρίβεια, μια πραγματικά φιλόδοξη πειθαρχία που χρησιμοποιεί αλγόριθμους βαθιάς γονιδιωματικής για τη σάρωση μέσω DNA ασθενών που αναζητούν μεταλλάξεις και ανωμαλίες που θα μπορούσαν να συνδεθούν με ασθένειες όπως ο καρκίνος. Άνθρωποι όπως ο Craig Venter, ένας από τους πατέρες του Προγράμματος Ανθρώπινου Γονιδιώματος, εργάζονται επί του παρόντος σε μια νέα γενιά υπολογιστικών τεχνολογιών που μπορούν να προβλέψουν τις επιπτώσεις οποιασδήποτε γενετικής αλλοίωσης, προετοιμάζοντας το δρόμο για εξατομικευμένες θεραπείες και έγκαιρη ανίχνευση πολλών ασθενειών που μπορούν να προληφθούν.
Ένας Λόγος στους Σοφούς
Όπως είμαστε ενθουσιασμένοι που μπορούμε να είμαστε λόγω της τεράστιας δυνατότητας εισαγωγής του AI στην υγειονομική περίθαλψη, είναι σημαντικό να κατανοήσουμε τους περιορισμούς του. Η χρήση του AI στην ιατρική δεν στερείται κινδύνων, αν και πολλοί από αυτούς θα ξεπεραστούν εύκολα μόλις το συνηθίσουμε.
Το μέγιστο "δεν κάνει κακό" είναι καθοριστικής σημασίας για τη θέσπιση ορισμένων δεοντολογικών προτύπων που θα λειτουργούσαν ως όρια. Σήμερα επενδύθηκαν στην ευθύνη της οικοδόμησης του πλαισίου στο οποίο οι μελλοντικές γενιές θα λάβουν τις αποφάσεις τους.