Obsah
- Lékařské zobrazování
- Elektronické lékařské záznamy (EMR)
- Žádné chyby, žádný stres - Váš průvodce krok za krokem k vytváření softwaru pro změnu života, aniž by došlo ke zničení vašeho života
- Podpora klinických rozhodnutí (CDS)
- Vývoj léčiv
- Skok do budoucnosti
- Slovo moudrým
Zdroj: video-doctor / iStockphoto
Odnést:
AI umožňuje lékařské technologii postupovat stále rychleji. Zde jsou některé z nejnovějších průlomů.
Umělá inteligence revolucionizuje náš svět mnoha nepředstavitelnými způsoby. Na pokraji čtvrté průmyslové revoluce je lidstvo v současné době svědkem prvních kroků, které stroje učinily při znovuobjevování světa, v němž žijeme. jedna oblast, kde pozitivní dopady umělé inteligence určitě zlepší kvalitu našeho života: zdravotnictví.
Lékařské zobrazování
Algoritmy strojového učení mohou zpracovat nepředstavitelné množství informací v mrknutí oka. A mohou být mnohem přesnější než lidé, když v lékařských zobrazovacích zprávách, jako jsou mamografické snímky a CT snímky, najdou i ty nejmenší podrobnosti.
Společnost Zebra Medical Vision vyvinula novou platformu s názvem Profound, s algoritmickou analýzou všech typů lékařských zobrazovacích zpráv, která je schopna najít všechny známky potenciálních stavů, jako je osteoporóza, rakovina prsu, aortální aneuryzma a mnoho dalších s 90% míra přesnosti. A jeho hluboké schopnosti učení byly vyškoleny, aby zkontrolovaly skryté příznaky jiných nemocí, které poskytovatel zdravotní péče možná vůbec nehledal. Jiné hluboké vzdělávací sítě dokonce dosáhly 100% skóre přesnosti, když detekovaly přítomnost některých zvláště smrtelných forem rakoviny prsu v bioptických sklíčcích.
Počítačová analýza je mnohem efektivnější (a méně nákladná než) interpretace dat nebo obrázků než lidí, že někteří dokonce tvrdili, že v budoucnu by mohlo být neetické nenahrazovat AI v některých profesích, jako jsou radiologové a patologové! (Pro více informací o IT v medicíně viz Role IT v lékařské diagnostice.)
Elektronické lékařské záznamy (EMR)
Dopad elektronických lékařských záznamů (EMR) na zdravotnické informační technologie je jedním z nejkontroverznějších témat debaty za poslední desetiletí. Podle některých studií představují zlom ve zlepšování kvality péče a zároveň zvyšují produktivitu a aktuálnost. Mnoho poskytovatelů zdravotní péče je však shledalo těžkopádnými a obtížně použitelnými, což vedlo k značné technologické odolnosti a široké neefektivnosti. Mohl by novější software řízený umělou inteligencí zachránit mnoho lékařů, zdravotních sester a lékárníků, kteří každý den bojují s nemotornou neohrabaností EMR?
Jedním z největších problémů s touto novou zdravotnickou technologií je to, že nutí kliniky trávit příliš mnoho svého drahocenného času prováděním opakujících se úkolů. AI je však může snadno zautomatizovat, například pomocí rozpoznávání řeči během návštěvy k zaznamenání každého detailu, zatímco lékař mluví s pacientem. Grafy mohou a budou zahrnovat mnohem podrobnější data, která by mohla být shromážděna z různých zdrojů, jako jsou nositelná zařízení a externí senzory, a AI je vloží přímo do EMR.
Pokud se ale od prvního kroku sběru dat posunete kupředu, pokud je dostatečně důležitým informacím správně porozuměno a extrapolováno pomocí algoritmů hlubokého učení, lze jej použít mnoha způsoby ke zlepšení kvality péče. To může zlepšit dodržování pacientů v léčbě a omezit předcházení událostem, nebo dokonce vést lékaře pomocí prediktivní analytiky AI při léčbě vysoce nákladných život ohrožujících stavů. Jen abychom jmenovali praktický příklad, nedávná studie zveřejněná v síti JAMA zjistila, jak velká data získaná z EMR a strávená AI na University of California v Kalifornii San Francisco Health pomohla s léčbou potenciálně smrtící Clostridium difficile (C. diff ) infekce.
A je snadné vidět, kolik těžby údajů z lékařských záznamů bude další „velkou věcí“ ve zdravotnictví, když nikdo jiný než Google zahájil svůj vlastní projekt Google DeepMind Health, aby zlepšil rychlost, kvalitu a spravedlnost přístupu k péči.
Žádné chyby, žádný stres - Váš průvodce krok za krokem k vytváření softwaru pro změnu života, aniž by došlo ke zničení vašeho života
Nemůžete zlepšit své programovací schopnosti, když se nikdo nestará o kvalitu softwaru.
Podpora klinických rozhodnutí (CDS)
Dalším zajímavým příkladem hlubokého učení může strojům pomoci lépe se rozhodovat než jejich lidské protějšky, je proliferace nástrojů pro podporu klinického rozhodování (CDS).
Tyto nástroje jsou obvykle zabudovány do systému EMR, aby pomáhaly klinickým lékařům v jejich práci tím, že navrhnou nejlepší léčebný průběh, upozorní na možná nebezpečí, jako jsou farmakologické interakce nebo předchozí stavy, a analyzují i ty nejmenší podrobnosti ve zdravotním záznamu pacienta.
Zajímavým příkladem je softwarový dům MatrixCare, který dokázal integrovat slavnou společnost AI Cortana Microsofts do svého nástroje používaného pro správu domovů pečovatelských služeb. Potenciální analytické schopnosti strojového učícího stroje nesporně posílily rozhodovací schopnost podpůrných nástrojů.
„Jeden lékař může číst lékařský časopis možná dvakrát měsíčně,“ vysvětlil generální ředitel John Damgaard, „Cortana si může přečíst každou studii rakoviny zveřejněnou v historii před polednem a do 15:00. vydává doporučení pro pacienta týkající se plánů péče a zlepšování výsledků. “
CDS také přináší argument, že stroje jsou schopny spolu komunikovat mnohem lépe než lidé. Zejména mohou být k internetu připojena různá lékařská zařízení, stejně jako jakékoli jiné zařízení internetu věcí (nositelná zařízení, monitory, noční senzory atd.), A také k softwaru EMR. Interoperabilita je kritickou otázkou moderní zdravotní péče, protože poskytování fragmentace péče je hlavní příčinou nevhodného léčení a zvýšené hospitalizace. Když jsou inteligentní umělé inteligence vedeny, mohou různé platformy EMR „komunikovat“ navzájem prostřednictvím internetu, což zvyšuje spolupráci a spolupráci mezi různými odděleními a dokonce i různými zdravotnickými zařízeními.
Vývoj léčiv
Vývoj nového léčiva prostřednictvím klinických hodnocení je často velmi nákladná záležitost. Nejen z hlediska času (mluvili o desetiletích) a investovaných dolarů (náklady mohou snadno dosáhnout až několika miliard dolarů), ale také lidských životů. Mnoho nových léčiv vyžaduje ve skutečnosti mnoho let dodatečného testování na subjektech skutečného světa v průběhu takzvaného postmarketingového období a není tak neobvyklé, že mnoho závažných (nebo dokonce smrtících) vedlejších účinků je objeveno mnoho let po podání léku zahájeno.
Efektivní umělá inteligence poháněná superpočítačem může opět vykořenit nové léky z databáze molekulárních struktur, které si nikdo nemůže dovolit analyzovat. Významným příkladem je Atomwises AI, který dokázal předpovědět dvě léky, které by mohly zastavit epidemii viru Ebola. Za méně než jeden den bylo jejich virtuálním vyhledáváním možné najít dva bezpečné, již existující léky, které by mohly být použity k boji proti smrtícímu viru. Nejlepší na tom je, že našli způsob, jak účinně reagovat na pandemickou mimořádnou situaci pouhým skenováním léků, které již byly pacientům prodávány po celá léta, a prokázaly tak jejich bezpečnost. (Chcete-li se dozvědět více o tom, jak technologie řídí vývoj léčiv, viz Vliv velkých datových dat v medicíně a farmaceutickém průmyslu.)
Skok do budoucnosti
Některé z nejúžasnějších technologií zatím nejsou připraveny, nejsou ničím víc než jen prototypy, ale jejich důsledky jsou tak úchvatné, že je stále stojí za zmínku.
Jedním z nich je přesná medicína, opravdu ambiciózní disciplína, která používá hluboké genomické algoritmy pro skenování DNA pacientů hledajících mutace a anomálie, které by mohly být spojeny s nemocemi, jako je rakovina. Lidé jako Craig Venter, jeden z otců projektu Human Genome Project, v současné době pracují na nové generaci výpočetních technologií, které mohou předpovídat účinky jakékoli genetické změny, vydláždit cestu k individualizovaným léčbám a včasnému odhalení mnoha chorob, kterým lze zabránit.
Slovo moudrým
Vzhledem k obrovskému potenciálu zavádění umělé inteligence do zdravotní péče je důležité, abychom pochopili její omezení. Používání umělé inteligence v medicíně nebrání rizikům, i když mnohá z nich budou snadno překonána, jakmile si na to zvykneme.
Maximální „neubližovat“ je zásadní pro stanovení některých etických standardů, které by fungovaly jako hranice. Dnes bylo investováno do odpovědnosti za budování rámce, na kterém budou budoucí generace přijímat svá rozhodnutí.