Содержание
- Медицинская визуализация
- Электронные медицинские карты (EMR)
- Нет ошибок, нет стресса - ваше пошаговое руководство по созданию изменяющего жизнь программного обеспечения без разрушения вашей жизни
- Клиническая поддержка принятия решений (CDS)
- Разработка лекарств
- Прыжок в будущее
- Умный с полуслова понимает
Источник: видео-доктор / iStockphoto
вынос:
ИИ позволяет развиваться медицинским технологиям все более быстрыми темпами. Вот некоторые из последних достижений.
Искусственный интеллект революционизирует наш мир многими невообразимыми способами. На пороге Четвертой промышленной революции человечество в настоящее время становится свидетелем первых шагов, предпринимаемых машинами для переосмысления мира, в котором мы живем. И хотя мы продолжаем спорить о потенциальных недостатках и преимуществах замены людей интеллектуальными самообучающимися машинами, существуют одна область, в которой положительное влияние ИИ определенно улучшит качество нашей жизни: индустрия здравоохранения.
Медицинская визуализация
Алгоритмы машинного обучения могут обрабатывать невообразимые объемы информации в мгновение ока. И они могут быть намного точнее, чем люди, обнаруживая даже самые мелкие детали в медицинских отчетах, таких как маммография и компьютерная томография.
Компания Zebra Medical Vision разработала новую платформу под названием Profound с алгоритмическим анализом всех типов отчетов о медицинских изображениях, которая способна выявлять все признаки потенциальных состояний, таких как остеопороз, рак молочной железы, аневризмы аорты и многие другие, на 90 процентов. показатель точности. И его возможности глубокого обучения были обучены проверять наличие скрытых симптомов других заболеваний, которые, возможно, медперсонал не искал в первую очередь. Другие сети глубокого обучения даже заработали 100-процентную оценку точности при обнаружении некоторых особенно летальных форм рака молочной железы в биопсийных слайдах.
Компьютерный анализ гораздо эффективнее (и дешевле) интерпретации данных или изображений, чем люди, поэтому некоторые даже утверждают, что в будущем может быть неэтично не заменять ИИ в некоторых профессиях, таких как радиологи и патологи! (Подробнее об ИТ в медицине см. Роль ИТ в медицинской диагностике.)
Электронные медицинские карты (EMR)
Влияние электронных медицинских карт (EMR) на информационные технологии в области здравоохранения является одной из самых противоречивых тем дебатов последнего десятилетия. Согласно некоторым исследованиям, они представляют собой поворотный момент в улучшении качества медицинской помощи при одновременном повышении производительности и своевременности. Однако многие поставщики медицинских услуг сочли их громоздкими и сложными в использовании, что привело к существенной технологической устойчивости и повсеместной неэффективности. Может ли более новое программное обеспечение, управляемое ИИ, прийти на помощь многим врачам, медсестрам и фармацевтам, которые каждый день возятся с громоздкой неловкостью EMR?
Одна из самых больших проблем с этой новой технологией здравоохранения заключается в том, что она заставляет врачей тратить слишком много своего драгоценного времени на выполнение повторяющихся задач. Однако ИИ может легко их автоматизировать, например, используя распознавание речи во время посещения, чтобы записать каждую деталь, пока врач разговаривает с пациентом. Диаграммы могут и будут включать в себя гораздо более подробные данные, которые могут быть получены из различных источников, таких как носимые устройства и внешние датчики, и ИИ будет передавать их непосредственно в ЭМИ.
Но, двигаясь вперед от первого шага сбора данных, когда достаточное количество релевантной информации правильно понимается и экстраполируется алгоритмами глубокого обучения, ее можно использовать для улучшения качества медицинской помощи во многих отношениях. Это может повысить приверженность пациентов к лечению и уменьшить количество предотвратимых событий или даже направить врачей с помощью прогнозирующей аналитики ИИ при лечении дорогостоящих, угрожающих жизни состояний. Просто чтобы привести практический пример, недавнее исследование, опубликованное в сети JAMA, показало, как большие данные, извлеченные из EMR и переваренные ИИ в Университете Калифорнии, Сан-Франциско, помогли в лечении потенциально смертельного Clostridium difficile (C. diff ) инфекции.
И легко понять, насколько интеллектуальный анализ данных медицинских карт станет следующей «большой вещью» в здравоохранении, когда никто иной, как Google, запустил свой собственный проект Google DeepMind Health, чтобы повысить скорость, качество и справедливость доступа к медицинской помощи.
Нет ошибок, нет стресса - ваше пошаговое руководство по созданию изменяющего жизнь программного обеспечения без разрушения вашей жизни
Вы не можете улучшить свои навыки программирования, когда никто не заботится о качестве программного обеспечения.
Клиническая поддержка принятия решений (CDS)
Другим интересным примером глубокого обучения может помочь машинам принимать лучшие решения, чем их коллеги-люди, является распространение инструментов поддержки клинических решений (CDS).
Эти инструменты обычно встроены в систему EMR, чтобы помочь клиницистам в их работе, предлагая лучший курс лечения, предупреждая о потенциальных опасностях, таких как фармакологические взаимодействия или предыдущие состояния, и анализируя даже малейшие подробности в истории болезни пациента.
Интересным примером является MatrixCare, компания-разработчик программного обеспечения, которая смогла интегрировать известный Microsoft AI Cortana в свой инструмент, используемый для управления домами престарелых. Мощные аналитические возможности механизма машинного обучения несравнимо усилили способность вспомогательных инструментов принимать решения.
«Один врач может читать медицинский журнал, может быть, два раза в месяц, - пояснил генеральный директор Джон Дамгаард, - Кортана может прочитать каждое исследование рака, опубликованное в истории, до полудня и к 3 часам вечера. дает конкретные рекомендации для пациентов относительно планов ухода и улучшения результатов ».
CDS также выдвигает аргумент, что машины могут общаться друг с другом гораздо лучше, чем люди. В частности, различные медицинские устройства могут быть подключены к Интернету, как любое другое устройство Интернета вещей (IoT) (носимые, мониторы, прикроватные датчики и т. Д.), А также к программному обеспечению EMR. Функциональная совместимость является критической проблемой современной медицинской помощи, поскольку фрагментация медицинской помощи является основной причиной ненадлежащего лечения и увеличения числа госпитализаций. Под руководством интеллектуального искусственного интеллекта различные платформы EMR могут «общаться» друг с другом через Интернет, расширяя сотрудничество между различными отделениями и даже различными медицинскими учреждениями.
Разработка лекарств
Разработка нового лекарственного средства с помощью клинических испытаний часто является очень дорогостоящим делом. Не только с точки зрения времени (говорили о десятилетиях) и вложенных долларов (затраты могут легко достигать нескольких миллиардов долларов), но и человеческих жизней. Многие новые фармацевтические препараты требуют, по сути, многолетнего дополнительного тестирования на реальных людях в течение так называемого периода послепродажного обслуживания, и нередко бывает, что многие серьезные (или даже смертельные) побочные эффекты обнаруживаются через много лет после приема лекарств. запущен.
Опять же, эффективный ИИ на суперкомпьютере может выкорчевать новые лекарства из базы данных молекулярных структур, которые ни один человек не мог осмелиться проанализировать. Ярким примером является Atomwises AI, который смог предсказать два препарата, которые могли бы остановить эпидемию вируса Эбола. Менее чем за один день их виртуальный поиск смог найти два безопасных, уже существующих лекарства, которые можно было бы повторно использовать для борьбы со смертельным вирусом. Самое приятное то, что они нашли способ эффективно реагировать на экстренную ситуацию с пандемией, просто просматривая лекарства, которые уже в течение многих лет продавались пациентам, доказывая их безопасность. (Чтобы узнать больше о том, как технология управляет разработкой лекарств, см. Влияние больших данных в медицине и фармацевтике.)
Прыжок в будущее
Некоторые из самых удивительных технологий еще не готовы, они представляют собой не что иное, как прототипы, но их значение настолько захватывает дух, что о них все же стоит упомянуть.
Одним из них является точная медицина, действительно амбициозная дисциплина, которая использует алгоритмы глубокой геномики для сканирования ДНК пациентов в поисках мутаций и аномалий, которые могут быть связаны с такими заболеваниями, как рак. Такие люди, как Крейг Вентер, один из отцов проекта «Геном человека», в настоящее время работают над вычислительными технологиями нового поколения, которые могут предсказать последствия любых генетических изменений, прокладывая путь к индивидуализированному лечению и раннему выявлению многих предотвратимых заболеваний.
Умный с полуслова понимает
Как бы мы ни были взволнованы из-за огромного потенциала внедрения ИИ в здравоохранение, важно, чтобы мы понимали его ограничения. Использование ИИ в медицине не лишено рисков, хотя многие из них будут легко преодолены, когда мы к этому привыкнем.
Принцип «не навреди» имеет решающее значение для установления некоторых этических норм, которые будут действовать как границы. Сегодня мы вложили средства в создание основы, на которой будущие поколения будут принимать решения.