Sisu
- Meditsiiniline pildistamine
- Elektroonilised tervisekaardid
- Pole vigu ega stressi - teie samm-sammuline juhend elumuutva tarkvara loomiseks ilma oma elu hävitamata
- Kliiniliste otsuste tugi (CDS)
- Ravimite arendamine
- Hüpe tulevikku
- Sõna tarkadele
Allikas: videoarst / iStockphoto
Ära võtma:
AI võimaldab meditsiinitehnoloogial areneda üha kiiremas tempos. Siin on mõned viimased läbimurded.
Tehisintellekt paneb meie maailma murrangulistel viisidel pöörlema. Neljanda tööstusrevolutsiooni äärel on inimkond praegu tunnistajaks masinate esimestele sammudele selle maailma leiutamisel, kus me elame. Ja samal ajal arutleme võimalike puuduste ja eeliste üle, mis on inimeste asendamisel arukate, iseõppiva masinatega, üks valdkond, kus AI positiivne mõju parandab kindlasti meie elukvaliteeti: tervishoiutööstus.
Meditsiiniline pildistamine
Masinõppe algoritmid võivad ühe silmapilguga töödelda kujuteldamatuid andmeid. Ja need võivad olla palju täpsemad kui inimesed, määrates isegi väikseima detaili meditsiinilistes kuvamisaruannetes, näiteks mammogrammides ja CT-skaneeringutes.
Ettevõte Zebra Medical Vision töötas välja uue platvormi nimega Profound, mis sisaldab igat tüüpi meditsiinilise kuvamise aruannete algoritmipõhist analüüsi, mis 90-protsendilise protsendi abil suudab leida iga märgi selliste võimalike seisundite kohta nagu osteoporoos, rinnavähk, aordi aneurüsmid ja paljud muud. täpsuse määr. Ja selle sügavad õppimisvõimalused on koolitatud kontrollima muude haiguste varjatud sümptomeid, mida tervishoiuteenuse osutaja võib-olla kõigepealt ei otsinud. Teised sügavõppevõrgustikud teenisid isegi 100-protsendilise täpsuse skoori, kui tuvastati rinnavähi eriti letaalsed vormid biopsia objektiklaasidel.
Arvutipõhine analüüs on andmete või piltide tõlgendamisel palju tõhusam (ja odavam kui inimeste jaoks), et mõned on isegi väitnud, et tulevikus võib mõnes ametis, näiteks radioloogides ja patoloogides, AI asendamine ebaeetiliseks muutuda! (Meditsiini IT kohta leiate lisateavet IT rollist meditsiinidiagnostikas.)
Elektroonilised tervisekaardid
Elektrooniliste tervisekontrolli kaartide mõju tervise infotehnoloogiale on viimase kümnendi üks vastuolulisemaid aruteluteemasid. Mõne uuringu kohaselt on need pöördepunktiks hoolduse kvaliteedi parandamisel, suurendades samal ajal ka tootlikkust ja ajakohasust. Paljud tervishoiuteenuste osutajad pidasid neid aga kohmakaks ja raskesti kasutatavaks, mis tõi kaasa tehnoloogia vastupidavuse ja laialdase ebatõhususe. Kas uuem AI-põhine tarkvara võiks tulla paljude arstide, õdede ja apteekrite appi, kes vaevavad iga päev EMR-de kohmakat kobedust?
Üks selle uue tervishoiutehnoloogia suurimaid probleeme on see, et see sunnib arste kulutama liiga palju oma väärtuslikku aega korduvate ülesannete täitmisele. AI saab neid hõlpsalt automatiseerida, näiteks kasutades visiidi ajal kõnetuvastust, et salvestada kõik üksikasjad, kui arst vestleb patsiendiga. Diagrammid võivad ja hõlmavad palju üksikasjalikumaid andmeid, mida võiks koguda mitmesugustest allikatest, näiteks kantavatest seadmetest ja välistest anduritest, ning AI lisab need otse EMR-i.
Kuid andmete kogumise esimesest etapist edasi liikudes, kui piisavalt asjakohast teavet on õigesti mõistetud ja ekstrapoleeritud sügavate õppealgoritmide abil, saab seda kasutada hoolduse kvaliteedi parandamiseks mitmel viisil. See võib parandada patsientide raviskeemi ja vähendada ennetatavaid sündmusi või juhendada arste ennustava AI-analüüsi kaudu kallite, eluohtlike seisundite ravis. Praktilise näitena võib öelda, et hiljuti JAMA võrgus avaldatud uuringus leiti, kuidas San Francisco Healthis California ülikoolis AI-st saadud EMR-idest kaevandatud ja AI-d lagundatud suured andmed aitasid ravida potentsiaalselt surmavat Clostridium difficile (C. dif. ) nakkused.
Ja kui lihtne on näha, kui suur on meditsiiniliste andmete kaevandamine tervishoiu valdkonnas järgmine „suur asi“, kui keegi muu kui Google käivitas oma Google DeepMind Health projekti, et parandada hooldusele juurdepääsu kiirust, kvaliteeti ja võrdsust.
Pole vigu ega stressi - teie samm-sammuline juhend elumuutva tarkvara loomiseks ilma oma elu hävitamata
Te ei saa oma programmeerimisoskusi parandada, kui keegi tarkvara kvaliteedist ei hooli.
Kliiniliste otsuste tugi (CDS)
Veel üks huvitav näide sügavast õppimisest võib aidata masinatel teha paremaid otsuseid kui nende sarnased inimesed on kliiniliste otsuste toetamise (CDS) tööriistade levik.
Need tööriistad on tavaliselt integreeritud EMR-süsteemi, et abistada arste nende töös, soovitades parimat ravikuuri, hoiatada võimalike ohtude eest, näiteks farmakoloogiline koostoime või varasemad seisundid, ning analüüsida patsiendi tervisekaardist isegi vähimatki detaili.
Huvitav näide on MatrixCare, tarkvaramaja, mis suutis integreerida Microsoftsi kuulsa AI Cortana nende hooldekodude haldamiseks kasutatavasse tööriista. Masinõppe mootori tõhus analüüsivõime tugevdas tugivahendite otsustamisvõimet võrdselt.
"Üks arst võib lugeda meditsiiniajakirja võib-olla kaks korda kuus," selgitas tegevjuht John Damgaard, "Cortana võib lugeda kõiki ajaloos avaldatud vähiuuringuid enne keskpäeva ja kella kolme paiku. annab patsiendipõhiseid soovitusi hooldusplaanide osas ja parandab tulemusi. ”
CDS toob välja ka argumendi, et masinad suudavad üksteisega palju paremini suhelda kui inimesed. Eelkõige saab Internetti ühendada erinevad meditsiiniseadmed, nagu ka kõik muud asjade Interneti (IoT) seadmed (kantavad, monitorid, voodiandurid jne), ja ka EMR-i tarkvaraga. Koostalitlusvõime on tänapäevase tervishoiu kriitiline küsimus, kuna hoolduse killustatus on sobimatu ravi ja suurenenud haiglaravi peamine põhjus. Nutika AI juhtimisel saavad erinevad EMR-platvormid Interneti kaudu üksteisega rääkida, suurendades koostööd ja koostööd erinevate palatite ja isegi erinevate tervishoiuasutuste vahel.
Ravimite arendamine
Uue ravimi väljatöötamine kliiniliste uuringute kaudu on sageli väga kulukas asi. Mitte ainult ajaliselt (räägiti aastakümnetest) ja investeeritud dollaritest (kulud võivad hõlpsalt ulatuda mitme miljardi dollarini), vaid ka inimeludele. Paljud uued farmaatsiatooted nõuavad tegelikult turuletulekujärgsel perioodil tegelikkuses paljude aastate jooksul täiendavaid katseid ning see pole sugugi haruldane, et paljud tõsised (või isegi surmavad) kõrvaltoimed avastatakse mitu aastat pärast ravimi kasutamist. käivitatud.
Jällegi võib tõhus superarvutitega töötav AI juurida uute ravimite välja molekulaarstruktuuride andmebaasist, mida ükski inimene ei julgenud kunagi analüüsida. Silmapaistev näide on Atomwises AI, mis suutis ennustada kahte ravimit, mis võiksid Ebola viiruse epideemiale lõpu teha. Vähem kui ühe päeva jooksul suutis nende virtuaalne otsing leida kaks ohutut, juba olemasolevat ravimit, mida saaks surmava viiruse vastu võitlemiseks uuesti kasutusele võtta. Parim külg on see, et nad leidsid viisi pandeemiaolukorrale tõhusaks reageerimiseks, skaneerides juba aastaid patsientidele turustatud ravimeid, mis tõestavad nende ohutust. (Lisateavet selle kohta, kuidas tehnoloogia juhib ravimite väljatöötamist, leiate jaotisest Suurte andmete mõju meditsiinis ja farmaatsias.)
Hüpe tulevikku
Mõned kõige hämmastavamad tehnoloogiad pole veel valmis, kuna need pole midagi muud kui lihtsalt prototüübid, kuid nende mõju on nii hingemattev, et neid tasub veel mainida.
Üks neist on täppismeditsiin, tõeliselt ambitsioonikas distsipliin, mis kasutab sügava genoomika algoritme patsientide DNA skannimiseks läbi DNA, otsides mutatsioone ja anomaaliaid, mida võiks seostada selliste haigustega nagu vähk. Inimesed, nagu Craig Venter, üks inimgenoomi projekti esiisasid, töötavad praegu uue põlvkonna arvutustehnoloogiate kallal, mis suudavad ennustada mis tahes geneetilise muutuse tagajärgi, sillutades teed individuaalsele ravile ja paljude ennetatavate haiguste varajasele avastamisele.
Sõna tarkadele
Nii põnevil kui ka AI tutvustamise tohutu potentsiaali tõttu tervishoius, on oluline mõista selle piiranguid. AI kasutamisel meditsiinis ei ole riske, ehkki paljudest neist saab hõlpsasti üle, kui oleme sellega harjunud.
Maksimaalne “ära tee kahju” on kriitiline, et kehtestada mõned eetilised standardid, mis toimiksid piiridena. Täna investeeriti vastutusse luua raamistik, mille alusel tulevased põlvkonnad otsuseid langetavad.