Očekuje se da će umjetna inteligencija postati transformacijska sila u području zdravstvene zaštite.Dakle, kako liječnici i pacijenti imaju koristi od utjecaja alata koje pokreće umjetna inteligencija?
Današnja zdravstvena industrija vrlo je zrela i može napraviti neke velike promjene.Od kroničnih bolesti i raka do radiologije i procjene rizika, čini se da zdravstvena industrija ima bezbroj mogućnosti za korištenje tehnologije za implementaciju preciznijih, učinkovitijih i učinkovitijih intervencija u skrbi za pacijente.
S razvojem tehnologije pacijenti imaju sve veće zahtjeve prema liječnicima, a broj dostupnih podataka i dalje raste alarmantnom brzinom.Umjetna inteligencija postat će motor za promicanje stalnog poboljšanja medicinske skrbi.
U usporedbi s tradicionalnom analizom i kliničkom tehnologijom donošenja odluka, umjetna inteligencija ima mnoge prednosti.Kada algoritam učenja stupi u interakciju s podacima o obuci, može postati točniji, omogućujući liječnicima da steknu neviđene uvide u dijagnozu, proces njegovanja, varijabilnost liječenja i ishode pacijenata.
Na 2018. World artificial intelligence Medical Innovation Forum (wmif) koji održava Partners Healthcare, medicinski istraživači i klinički stručnjaci razradili su tehnologije i područja medicinske industrije koja će najvjerojatnije imati značajan utjecaj na usvajanje umjetne inteligencije u sljedećem razdoblju. desetljeće.
Anne kiblanksi, MD, CO predsjednica wmif-a 2018., i Gregg Meyer, MD, glavni akademski direktor Partners Healthcarea, rekli su da ova vrsta "subverzije" donesena u svako industrijsko područje ima potencijal donijeti značajne koristi pacijentima i ima široku potencijal poslovnog uspjeha.
Uz pomoć stručnjaka iz partnerske zdravstvene skrbi, uključujući dr. Keitha Dreyera, profesora Harvard Medical School (HMS), glavnog voditelja znanosti o podacima partnera, i dr. Katherine andreole, direktoricu strategije istraživanja i operacija u Općoj bolnici Massachusetts (MGH) , predložio je 12 načina na koje će umjetna inteligencija revolucionirati medicinske usluge i znanost.
1. Ujedinite razmišljanje i stroj kroz sučelje moždanog računala
Korištenje računala za komunikaciju nije nova ideja, ali stvaranje izravnog sučelja između tehnologije i ljudskog razmišljanja bez tipkovnice, miša i zaslona je granično istraživačko polje, koje ima važnu primjenu za neke pacijente.
Bolesti živčanog sustava i traume mogu kod nekih pacijenata izgubiti sposobnost smislenog razgovora, kretanja i interakcije s drugima i okolinom.Računalno sučelje mozga (BCI) podržano umjetnom inteligencijom može vratiti ta osnovna iskustva pacijentima koji su zabrinuti da će zauvijek izgubiti te funkcije.
"Ako vidim pacijenta na neurološkoj jedinici intenzivne njege koji iznenada izgubi sposobnost glume ili govora, nadam se da ću mu sljedeći dan vratiti sposobnost komunikacije", rekao je Leigh Hochberg, dr. med., direktor centra za neurotehnologiju i neurorehabilitaciju na Opća bolnica Massachusetts (MGH).Korištenjem moždanog računalnog sučelja (BCI) i umjetne inteligencije možemo aktivirati živce povezane s pokretima ruke, a trebali bismo biti u mogućnosti natjerati pacijenta da komunicira s drugima najmanje pet puta tijekom cijele aktivnosti, kao što je korištenje sveprisutnih komunikacijskih tehnologija kao što su kao tablet računala ili mobilni telefoni."
Brain computer sučelje može značajno poboljšati kvalitetu života pacijenata s amiotrofičnom lateralnom sklerozom (ALS), moždanim udarom ili sindromom atrezije, kao i 500 000 pacijenata s ozljedom leđne moždine u cijelom svijetu svake godine.
2. Razviti sljedeću generaciju alata za zračenje
Slike zračenja dobivene magnetskom rezonancijom (MRI), CT skenerima i X-zrakama omogućuju neinvazivnu vidljivost u unutrašnjost ljudskog tijela.Međutim, mnogi dijagnostički postupci još uvijek se oslanjaju na fizičke uzorke tkiva dobivene biopsijom, što nosi rizik od infekcije.
Stručnjaci predviđaju da će u nekim slučajevima umjetna inteligencija omogućiti sljedećoj generaciji radioloških alata da budu točni i dovoljno detaljni da zamijene potražnju za uzorcima živih tkiva.
Alexandra golby, dr. med., ravnateljica slikovno vođene neurokirurgije u ženskoj bolnici Brigham (BWh), rekla je: "Želimo okupiti tim za dijagnostičko oslikavanje s kirurzima ili interventnim radiolozima i patolozima, ali je veliki izazov za različite timove postići suradnju i dosljednost ciljeva. Ako želimo da radiologija pruži informacije koje su trenutno dostupne iz uzoraka tkiva, tada ćemo morati biti u mogućnosti postići vrlo bliske standarde kako bismo znali osnovne činjenice bilo kojeg piksela."
Uspjeh u ovom procesu može omogućiti kliničarima da točnije razumiju ukupnu izvedbu tumora, umjesto donošenja odluka o liječenju na temelju malog dijela atributa malignog tumora.
AI također može bolje definirati invazivnost raka i prikladnije odrediti cilj liječenja.Osim toga, umjetna inteligencija pomaže u realizaciji "virtualne biopsije" i promicanju inovacija u području radiologije, koja je posvećena korištenju algoritama temeljenih na slikama za karakterizaciju fenotipskih i genetskih karakteristika tumora.
3. Proširite medicinske usluge u nedovoljno opsluženim područjima ili područjima u razvoju
Nedostatak obučenih pružatelja zdravstvenih usluga u zemljama u razvoju, uključujući ultrazvučne tehničare i radiologe, uvelike će smanjiti šanse korištenja medicinskih usluga za spašavanje života pacijenata.
Na sastanku je istaknuto da u šest bolnica u Bostonu s poznatom Longwood Avenue radi više radiologa nego u svim bolnicama u zapadnoj Africi.
Umjetna inteligencija može pomoći u ublažavanju utjecaja kritičnog nedostatka kliničara preuzimanjem nekih od dijagnostičkih odgovornosti koje se obično dodjeljuju ljudima.
Na primjer, alat za slikanje pomoću umjetne inteligencije može koristiti rendgenske snimke prsnog koša za ispitivanje simptoma tuberkuloze, obično s istom točnošću kao liječnik.Ova se značajka može implementirati putem aplikacije za pružatelje usluga u područjima sa siromašnim resursima, čime se smanjuje potreba za iskusnim dijagnostičkim radiolozima.
"Ova tehnologija ima veliki potencijal za poboljšanje zdravstvene skrbi", rekla je dr. jayashree kalpathy Cramer, pomoćnica neuroznanosti i izvanredna profesorica radiologije u Općoj bolnici Massachusetts (MGH).
Međutim, razvijači algoritama umjetne inteligencije moraju pažljivo razmotriti činjenicu da ljudi različitih nacionalnosti ili regija mogu imati jedinstvene fiziološke i okolišne čimbenike koji mogu utjecati na izvedbu bolesti.
"Na primjer, populacija pogođena bolešću u Indiji može biti vrlo različita od one u Sjedinjenim Državama", rekla je.Kada razvijamo te algoritme, vrlo je važno osigurati da podaci predstavljaju pojavu bolesti i raznolikost populacije.Ne samo da možemo razviti algoritme temeljene na jednoj populaciji, već se i nadati da može igrati ulogu u drugim populacijama."
4. Smanjite opterećenje elektroničkih zdravstvenih zapisa
Elektronički zdravstveni karton igrao je važnu ulogu u digitalnom putovanju zdravstvene industrije, no ova je transformacija donijela brojne probleme povezane s kognitivnim preopterećenjem, beskonačnim dokumentima i umorom korisnika.
Programeri (njezinih) elektroničkih zdravstvenih kartona sada koriste umjetnu inteligenciju za stvaranje intuitivnijeg sučelja i automatizaciju rutina koje korisniku oduzimaju mnogo vremena.
Dr. Adam Landman, potpredsjednik i glavni službenik za informiranje Brigham Healtha, rekao je da korisnici većinu svog vremena troše na tri zadatka: kliničku dokumentaciju, unos narudžbi i razvrstavanje svojih inboxa.Prepoznavanje govora i diktiranje mogu pomoći u poboljšanju kliničke obrade dokumenata, ali alati za obradu prirodnog jezika (NLP) možda neće biti dovoljni.
"Mislim da bi možda bilo potrebno biti hrabriji i razmotriti neke promjene, kao što je korištenje video snimanja za kliničko liječenje, baš kao što policija nosi kamere", rekao je Landman.Umjetna inteligencija i strojno učenje mogu se zatim koristiti za indeksiranje tih videozapisa za buduće dohvaćanje.Baš poput Siri i Alexe, koje kod kuće koriste asistente umjetne inteligencije, virtualni asistenti će u budućnosti biti dovedeni do kreveta pacijenata, omogućujući kliničarima da koriste ugrađenu inteligenciju za unos medicinskih naloga."
AI također može pomoći u obradi rutinskih zahtjeva iz inboxa, kao što su dodaci lijekovima i obavijesti o rezultatima.Također može pomoći u određivanju prioriteta zadataka koji stvarno zahtijevaju pozornost kliničara, olakšavajući pacijentima obradu svojih popisa obaveza, dodao je Landman.
5. Rizik od rezistencije na antibiotike
Otpornost na antibiotike sve je veća prijetnja ljudima jer prekomjerna uporaba ovih ključnih lijekova može dovesti do evolucije superbakterija koje više ne reagiraju na liječenje.Bakterije otporne na više lijekova mogu izazvati ozbiljne štete u bolničkom okruženju, ubijajući desetke tisuća pacijenata svake godine.Samo Clostridium difficile košta oko 5 milijardi dolara godišnje za američki zdravstveni sustav i uzrokuje više od 30 000 smrti.
Podaci EHR-a pomažu identificirati obrasce infekcije i istaknuti rizik prije nego što pacijent počne pokazivati simptome.Korištenje alata strojnog učenja i umjetne inteligencije za pokretanje ovih analiza može poboljšati njihovu točnost i stvoriti brža i točnija upozorenja za pružatelje zdravstvenih usluga.
"Alati umjetne inteligencije mogu ispuniti očekivanja za kontrolu infekcija i otpornost na antibiotike", rekla je dr. Erica Shenoy, zamjenica direktora za kontrolu infekcija u Općoj bolnici Massachusetts (MGH).Ako ne učine, svi će propasti.Budući da bolnice imaju mnogo EHR podataka, ako ih ne iskoriste u potpunosti, ako ne stvore industrije koje su pametnije i brže u dizajnu kliničkih ispitivanja, i ako ne koriste EHR koji stvara te podatke, suočit će se s neuspjehom."
6. Izradite precizniju analizu patoloških slika
Dr. Jeffrey golden, voditelj odjela za patologiju ženske bolnice Brigham (BWh) i profesor patologije na HMS-u, rekao je da patolozi pružaju jedan od najvažnijih izvora dijagnostičkih podataka za cijeli niz pružatelja medicinskih usluga.
"70% zdravstvenih odluka temelji se na patološkim rezultatima, a između 70% i 75% svih podataka u EHR-u dolazi iz patoloških rezultata", rekao je.I što su rezultati točniji, prije će se postaviti ispravna dijagnoza.To je cilj koji digitalna patologija i umjetna inteligencija imaju priliku postići."
Duboka analiza razine piksela na velikim digitalnim slikama omogućuje liječnicima da prepoznaju suptilne razlike koje bi mogle promaći ljudskom oku.
"Sada smo došli do točke u kojoj možemo bolje procijeniti hoće li se rak razvijati brzo ili sporo i kako promijeniti liječenje pacijenata na temelju algoritama, a ne kliničkih stadija ili histopatoloških stupnjeva", rekao je Golden.Bit će to veliki korak naprijed."
Dodao je: "AI također može poboljšati produktivnost identificiranjem zanimljivih značajki u slajdovima prije nego što kliničari pregledaju podatke. AI može filtrirati kroz slajdove i voditi nas da vidimo pravi sadržaj kako bismo mogli procijeniti što je važno, a što nije. To poboljšava učinkovitost korištenja patologa i povećava vrijednost njihovog proučavanja svakog slučaja."
Unesite inteligenciju u medicinske uređaje i strojeve
Pametni uređaji preuzimaju potrošačka okruženja i pružaju uređaje u rasponu od videa u stvarnom vremenu unutar hladnjaka do automobila koji detektiraju ometanje vozača.
U medicinskom okruženju inteligentni uređaji ključni su za praćenje pacijenata u JIL-u i drugdje.Korištenje umjetne inteligencije za poboljšanje sposobnosti prepoznavanja pogoršanja stanja, kao što je indikacija da se razvija sepsa, ili percepcija komplikacija može značajno poboljšati rezultate i može smanjiti troškove liječenja.
"Kada govorimo o integraciji različitih podataka kroz zdravstveni sustav, moramo integrirati i upozoriti liječnike na intenzivnoj njezi da interveniraju što je ranije moguće, te da prikupljanje tih podataka nije dobra stvar koju ljudski liječnici mogu učiniti", rekao je Mark Michalski , izvršni direktor Znanstvenog centra za kliničke podatke pri BWh.Umetanje pametnih algoritama u te uređaje smanjuje kognitivno opterećenje liječnika i osigurava da se pacijenti liječe što je brže moguće."
8.promicanje imunoterapije za liječenje raka
Imunoterapija je jedan od načina liječenja raka koji najviše obećava.Korištenjem imunološkog sustava vlastitog tijela za napad na zloćudne tumore, pacijenti mogu prevladati tvrdokorne tumore.Međutim, samo nekoliko pacijenata reagira na trenutni imunoterapijski režim, a onkolozi još uvijek nemaju preciznu i pouzdanu metodu kojom bi odredili koji će pacijenti imati koristi od režima.
Algoritmi strojnog učenja i njihova sposobnost sintetiziranja vrlo složenih skupova podataka mogli bi razjasniti jedinstveni genski sastav pojedinaca i pružiti nove opcije za ciljanu terapiju.
"Nedavno, najuzbudljiviji razvoj bili su inhibitori kontrolnih točaka, koji blokiraju proteine koje proizvode određene imunološke stanice", objašnjava dr. Long Le, direktor računalne patologije i razvoja tehnologije u sveobuhvatnom dijagnostičkom centru Opće bolnice Massachusetts (MGH).Ali još uvijek ne razumijemo sve probleme, koji su vrlo komplicirani.Definitivno nam treba više podataka o pacijentima.Ovi tretmani su relativno novi, tako da ih ne uzima mnogo pacijenata.Stoga, bez obzira trebamo li integrirati podatke unutar organizacije ili u više organizacija, to će biti ključni čimbenik u povećanju broja pacijenata za pokretanje procesa modeliranja."
9. Pretvorite elektroničke zdravstvene zapise u pouzdane pokazatelje rizika
Elektronički zdravstveni karton (njezina) je riznica podataka o pacijentima, ali pružateljima usluga i programerima predstavlja stalni izazov izvući i analizirati veliku količinu informacija na točan, pravovremen i pouzdan način.
Problemi s kvalitetom i cjelovitošću podataka, zajedno sa konfuzijom formata podataka, strukturiranim i nestrukturiranim unosom i nepotpunim zapisima, otežavaju ljudima da točno razumiju kako provesti smislenu stratifikaciju rizika, prediktivnu analizu i potporu kliničkom donošenju odluka.
Dr. Ziad OBERMEYER, asistent profesora hitne medicine u ženskoj bolnici Brigham (BWh) i asistent profesora na Medicinskom fakultetu Harvarda (HMS), rekao je: "Potreban je naporan rad da se podaci integriraju na jedno mjesto. Ali drugi je problem razumjeti što ljudi dobiju kada predvide bolest u elektroničkom zdravstvenom kartonu (njezi). Ljudi mogu čuti da algoritmi umjetne inteligencije mogu predvidjeti depresiju ili moždani udar, ali otkrivaju da oni zapravo predviđaju porast troškova moždanog udara. To se jako razlikuje od sam udarac."
Nastavio je, "čini se da oslanjanje na rezultate magnetske rezonancije daje određeniji skup podataka. Ali sada moramo razmisliti tko si može priuštiti magnetsku rezonancu? Dakle, konačno predviđanje nije očekivani rezultat."
NMR analiza proizvela je mnoge uspješne alate za bodovanje i stratifikaciju rizika, posebno kada istraživači koriste tehnike dubinskog učenja kako bi identificirali nove veze između naizgled nepovezanih skupova podataka.
Međutim, OBERMEYER vjeruje da je osiguravanje da ovi algoritmi ne identificiraju pristranosti skrivene u podacima ključno za primjenu alata koji mogu uistinu poboljšati kliničku skrb.
"Najveći izazov je osigurati da znamo točno što smo predvidjeli prije nego počnemo otvarati crnu kutiju i tražiti kako predvidjeti", rekao je.
10. Praćenje zdravstvenog stanja putem nosivih uređaja i osobnih uređaja
Gotovo svi potrošači sada mogu koristiti senzore za prikupljanje podataka o zdravstvenoj vrijednosti.Od pametnih telefona s mjeračem koraka do nosivih uređaja koji prate broj otkucaja srca cijeli dan, sve više i više podataka povezanih sa zdravljem može se generirati u bilo kojem trenutku.
Prikupljanje i analiza tih podataka i nadopunjavanje informacija koje pacijenti daju putem aplikacija i drugih uređaja za nadzor doma mogu pružiti jedinstvenu perspektivu za zdravlje pojedinca i zajednice.
AI će igrati važnu ulogu u izvlačenju korisnih uvida iz ove velike i raznolike baze podataka.
Ali dr. Omar arnout, neurokirurg u ženskoj bolnici Brigham (BWh), direktor centra za računalne neuroznanstvene rezultate, rekao je da bi mogao biti potreban dodatni rad kako bi se pacijentima pomoglo da se prilagode ovim intimnim, tekućim podacima praćenja.
"Nekoć smo bili prilično slobodni u obradi digitalnih podataka", rekao je.Ali kako dolazi do curenja podataka u Cambridge analyticsu i Facebooku, ljudi će biti sve oprezniji o tome s kim će dijeliti podatke koje dijele."
Pacijenti imaju tendenciju vjerovati svojim liječnicima više nego velikim tvrtkama poput Facebooka, dodao je, što bi moglo olakšati nelagodu pružanja podataka za velike istraživačke programe.
"Vjerojatno je da će nosivi podaci imati značajan utjecaj jer je pozornost ljudi vrlo slučajna, a prikupljeni podaci vrlo su grubi", rekao je arnout.Kontinuiranim prikupljanjem detaljnih podataka vjerojatnije je da će podaci pomoći liječnicima da se bolje brinu za pacijente."
11.učiniti pametne telefone moćnim dijagnostičkim alatom
Stručnjaci vjeruju da će slike dobivene s pametnih telefona i drugih resursa na razini potrošača postati važan dodatak slikovnoj slici kliničke kvalitete, posebno u nedovoljno posluženim područjima ili zemljama u razvoju, nastavkom korištenja moćnih funkcija prijenosnih uređaja.
Kvaliteta mobilne kamere se poboljšava svake godine, a može generirati slike koje se mogu koristiti za analizu AI algoritma.Dermatologija i oftalmologija prvi su korisnici ovog trenda.
Britanski istraživači čak su razvili alat za prepoznavanje razvojnih bolesti analizom slika dječjih lica.Algoritam može detektirati diskretne značajke, kao što je dječja linija donje čeljusti, položaj očiju i nosa i drugi atributi koji mogu ukazivati na abnormalnosti lica.Trenutačno alat može usporediti uobičajene slike s više od 90 bolesti kako bi pružio potporu pri donošenju kliničkih odluka.
Dr. Hadi shafiee, ravnatelj laboratorija za mikro/nano medicinu i digitalno zdravlje u ženskoj bolnici Brigham (BWh), rekao je: "većina ljudi opremljena je snažnim mobilnim telefonima s mnogo različitih ugrađenih senzora. To je sjajna prilika za nas. Gotovo svi igrači u industriji počeli su ugrađivati Ai softver i hardver u svoje uređaje. To nije slučajnost. U našem digitalnom svijetu svaki dan se generira više od 2,5 milijuna terabajta podataka. U području mobilnih telefona, proizvođači vjeruju da mogu koristiti ovo podatke za umjetnu inteligenciju za pružanje personaliziranijih, bržih i inteligentnijih usluga."
Korištenje pametnih telefona za prikupljanje slika pacijentovih očiju, kožnih lezija, rana, infekcija, lijekova ili drugih predmeta može pomoći u rješavanju problema s nedostatkom stručnjaka u nedovoljno opsluženim područjima, a istovremeno smanjuje vrijeme za dijagnosticiranje određenih tegoba.
"Možda će se dogoditi neki veliki događaji u budućnosti, a mi možemo iskoristiti ovu priliku za rješavanje nekih važnih problema upravljanja bolestima u točki skrbi," rekao je shafiee
12. Inovacija u donošenju kliničkih odluka uz AI uz krevet
Kako se zdravstvena industrija okreće uslugama koje se temelje na naknadi, sve se više udaljava od pasivne zdravstvene skrbi.Prevencija prije kroničnih bolesti, akutnih bolesti i iznenadnog pogoršanja cilj je svakog pružatelja usluga, a kompenzacijska struktura im u konačnici omogućuje razvoj procesa koji mogu postići aktivnu i prediktivnu intervenciju.
Umjetna inteligencija će pružiti mnoge osnovne tehnologije za ovu evoluciju, podržavajući prediktivnu analizu i alate za podršku kliničkom odlučivanju, za rješavanje problema prije nego što pružatelji usluga shvate da je potrebno nešto poduzeti.Umjetna inteligencija može rano upozoriti na epilepsiju ili sepsu, što obično zahtijeva dubinsku analizu vrlo složenih skupova podataka.
Brandon Westover, MD, direktor odjela za kliničke podatke u Općoj bolnici Massachusetts (MGH), rekao je da strojno učenje također može pomoći u kontinuiranoj skrbi za kritično bolesne pacijente, poput onih u komi nakon srčanog zastoja.
Objasnio je da u normalnim okolnostima liječnici moraju provjeriti EEG podatke ovih pacijenata.Ovaj proces je dugotrajan i subjektivan, a rezultati mogu varirati ovisno o vještinama i iskustvu kliničara.
Rekao je: „Kod ovih pacijenata trend može biti spor.Ponekad kad liječnici žele vidjeti oporavlja li se netko, mogu pogledati podatke koji se prate svakih 10 sekundi.Međutim, vidjeti je li se promijenio od 10 sekundi podataka prikupljenih u 24 sata je kao da gledate je li kosa u međuvremenu narasla.Međutim, ako se koriste algoritmi umjetne inteligencije i velike količine podataka od mnogih pacijenata, bit će lakše uskladiti ono što ljudi vide s dugoročnim obrascima, a mogu se pronaći i neka suptilna poboljšanja, koja će utjecati na donošenje odluka liječnika u sestrinstvu ."
Korištenje tehnologije umjetne inteligencije za podršku kliničkom odlučivanju, ocjenjivanje rizika i rano upozorenje jedno je od područja razvoja ove revolucionarne metode analize podataka koja najviše obećava.
Omogućavanjem snage za novu generaciju alata i sustava, kliničari mogu bolje razumjeti nijanse bolesti, pružati usluge medicinske sestre učinkovitije i rješavati probleme unaprijed.Umjetna inteligencija otvorit će novu eru poboljšanja kvalitete kliničkog liječenja i napraviti uzbudljive pomake u skrbi za pacijente.
Vrijeme objave: 6. kolovoza 2021
