Очаква се изкуственият интелект да се превърне в трансформираща сила в областта на здравеопазването.И така, как лекарите и пациентите се възползват от въздействието на инструментите, управлявани от AI?
Днешната здравна индустрия е много зряла и може да направи някои големи промени.От хронични заболявания и рак до радиология и оценка на риска, индустрията на здравеопазването изглежда има безброй възможности да използва технологии за внедряване на по-прецизни, ефикасни и ефективни интервенции в грижите за пациентите.
С развитието на технологиите пациентите имат все по-високи изисквания към лекарите, а броят на наличните данни продължава да расте с тревожна скорост.Изкуственият интелект ще се превърне в двигател за насърчаване на непрекъснатото подобряване на медицинските грижи.
В сравнение с традиционния анализ и технологията за вземане на клинични решения, изкуственият интелект има много предимства.Когато алгоритъмът за обучение взаимодейства с данните за обучението, той може да стане по-точен, позволявайки на лекарите да получат безпрецедентна представа за диагнозата, сестринския процес, променливостта на лечението и резултатите от пациентите.
На Световния форум за медицински иновации с изкуствен интелект през 2018 г. (wmif), организиран от Partners Healthcare, медицински изследователи и клинични експерти разработиха технологиите и областите на медицинската индустрия, които е най-вероятно да окажат значително влияние върху приемането на изкуствения интелект през следващия десетилетие.
Anne kiblanki, MD, CO председател на wmif през 2018 г., и Gregg Meyer, MD, главен академичен директор на Partners Healthcare, казаха, че този вид „подривна дейност“, въведена във всяка индустрия, има потенциала да донесе значителни ползи на пациентите и има широка потенциал за бизнес успех.
С помощта на експерти от партньорското здравеопазване, включително д-р Кийт Драйер, професор от Харвардското медицинско училище (HMS), главен служител по наука за данните на партньорите, и д-р Катрин Андреол, директор на изследователската стратегия и операции в Масачузетската обща болница (MGH) , предложи 12 начина, по които AI ще революционизира медицинските услуги и науката.
1. Унифицирайте мисленето и машината чрез мозъчен компютърен интерфейс
Използването на компютър за комуникация не е нова идея, но създаването на директен интерфейс между технологията и човешкото мислене без клавиатура, мишка и дисплей е гранична изследователска област, която има важно приложение за някои пациенти.
Болестите на нервната система и травмите могат да накарат някои пациенти да загубят способността за смислен разговор, движение и взаимодействие с другите и тяхната среда.Мозъчният компютърен интерфейс (BCI), поддържан от изкуствен интелект, може да възстанови тези основни преживявания за пациенти, които се притесняват да загубят тези функции завинаги.
„Ако видя пациент в неврологичното интензивно отделение, който внезапно загуби способността си да действа или говори, се надявам да възстановя способността му да общува на следващия ден“, каза Лей Хохберг, доктор по медицина, директор на центъра за невротехнологии и неврорехабилитация в Масачузетска обща болница (MGH).Чрез използване на мозъчен компютърен интерфейс (BCI) и изкуствен интелект можем да активираме нервите, свързани с движението на ръцете, и трябва да можем да накараме пациента да комуникира с другите поне пет пъти по време на цялата дейност, като например използване на повсеместни комуникационни технологии като като таблетни компютри или мобилни телефони."
Мозъчният компютърен интерфейс може значително да подобри качеството на живот на пациенти с амиотрофична латерална склероза (ALS), инсулт или синдром на атрезия, както и на 500 000 пациенти с увреждане на гръбначния мозък по света всяка година.
2. Разработете следващото поколение радиационни инструменти
Радиационни изображения, получени чрез ядрено-магнитен резонанс (MRI), CT скенери и рентгенови лъчи, осигуряват неинвазивна видимост във вътрешността на човешкото тяло.Въпреки това, много диагностични процедури все още разчитат на проби от физически тъкани, получени чрез биопсия, което крие риск от инфекция.
Експертите прогнозират, че в някои случаи изкуственият интелект ще позволи на следващото поколение радиологични инструменти да бъдат точни и достатъчно подробни, за да заменят търсенето на живи тъканни проби.
Александра Голби, доктор по медицина, директор на неврохирургията с изображения в женската болница Brigham (BWh), каза: „Искаме да обединим екипа за образна диагностика заедно с хирурзи или интервенционални рентгенолози и патолози, но е огромно предизвикателство за различните екипи да постигнат сътрудничество и последователност на целите. Ако искаме радиологията да предостави наличната в момента информация от тъканни проби, тогава ще трябва да можем да постигнем много близки стандарти, за да знаем основните факти за всеки даден пиксел.
Успехът в този процес може да позволи на клиницистите да разберат по-точно цялостното представяне на тумора, вместо да вземат решения за лечение въз основа на малка част от атрибутите на злокачествения тумор.
AI може също така да определи по-добре инвазивността на рака и по-подходящо да определи целта на лечението.В допълнение, изкуственият интелект помага за реализирането на „виртуална биопсия“ и насърчава иновациите в областта на радиологията, която се ангажира да използва базирани на изображения алгоритми за характеризиране на фенотипните и генетични характеристики на туморите.
3. Разширете медицинските услуги в слабо обслужвани или развиващи се райони
Липсата на обучени доставчици на здравни услуги в развиващите се страни, включително ултразвукови техници и рентгенолози, значително ще намали шансовете за използване на медицински услуги за спасяване на живота на пациентите.
На срещата беше изтъкнато, че в шест болници в Бостън с известното Лонгууд Авеню работят повече рентгенолози, отколкото във всички болници в Западна Африка.
Изкуственият интелект може да помогне за смекчаване на въздействието на критичния недостиг на клиницисти, като поеме някои от диагностичните отговорности, които обикновено се възлагат на хората.
Например, инструмент за изображения с изкуствен интелект може да използва рентгенови лъчи на гръдния кош, за да изследва симптомите на туберкулоза, обикновено със същата точност като лекар.Тази функция може да бъде внедрена чрез приложение за доставчици в райони с бедни ресурси, намалявайки нуждата от опитни диагностични рентгенолози.
„Тази технология има голям потенциал за подобряване на здравеопазването“, каза д-р Джаяшри Калпати Крамър, асистент по неврология и доцент по радиология в Масачузетската обща болница (MGH).
Разработчиците на AI алгоритъм обаче трябва внимателно да обмислят факта, че хора от различни националности или региони може да имат уникални физиологични и екологични фактори, които могат да повлияят на представянето на болестта.
„Например населението, засегнато от заболяване в Индия, може да е много различно от това в Съединените щати“, каза тя.Когато разработваме тези алгоритми, е много важно да гарантираме, че данните представят представянето на болестта и разнообразието на популацията.Можем не само да разработим алгоритми, базирани на една популация, но и да се надяваме, че тя може да играе роля в други популации."
4.Намаляване на натоварването при използване на електронни здравни досиета
Електронното здравно досие (тя) изигра важна роля в дигиталното пътуване на здравната индустрия, но тази трансформация доведе до множество проблеми, свързани с когнитивно претоварване, безкрайни документи и умора на потребителите.
Разработчиците на електронни здравни досиета сега използват изкуствен интелект, за да създадат по-интуитивен интерфейс и да автоматизират рутинни процедури, които отнемат много време на потребителя.
Д-р Адам Ландман, вицепрезидент и главен информационен директор на Brigham Health, каза, че потребителите прекарват по-голямата част от времето си върху три задачи: клинична документация, въвеждане на поръчки и сортиране на своите входящи кутии.Разпознаването на реч и диктовката могат да помогнат за подобряване на обработката на клинични документи, но инструментите за обработка на естествен език (NLP) може да не са достатъчни.
„Мисля, че може да е необходимо да бъдем по-смели и да обмислим някои промени, като например използването на видеозапис за клинично лечение, точно както полицията носи камери“, каза Ландман.След това изкуственият интелект и машинното обучение могат да се използват за индексиране на тези видеоклипове за бъдещо извличане.Точно като Siri и Alexa, които използват асистенти с изкуствен интелект у дома, виртуалните асистенти ще бъдат докарани до леглото на пациентите в бъдеще, позволявайки на лекарите да използват вграден интелект, за да въвеждат медицински поръчки."
AI може също така да помогне при обработката на рутинни заявки от входящи кутии, като добавки към лекарства и известия за резултати.Може също така да помогне за приоритизиране на задачи, които наистина се нуждаят от вниманието на клиницистите, което улеснява пациентите да обработват своите списъци със задачи, добави Ландман.
5. Риск от антибиотична резистентност
Антибиотичната резистентност е нарастваща заплаха за хората, тъй като прекомерната употреба на тези ключови лекарства може да доведе до еволюцията на супербактерии, които вече не отговарят на лечението.Мултирезистентните бактерии могат да причинят сериозни щети в болничната среда, убивайки десетки хиляди пациенти всяка година.Само Clostridium difficile струва около 5 милиарда долара годишно на здравната система на САЩ и причинява повече от 30 000 смъртни случая.
Данните от ЕЗД помагат да се идентифицират моделите на инфекция и да се подчертае рискът, преди пациентът да започне да проявява симптоми.Използването на инструменти за машинно обучение и изкуствен интелект за управление на тези анализи може да подобри тяхната точност и да създаде по-бързи и по-точни сигнали за доставчиците на здравни услуги.
„Инструментите с изкуствен интелект могат да отговорят на очакванията за контрол на инфекциите и резистентност към антибиотици“, каза д-р Ерика Шеной, заместник-директор по контрола на инфекциите в Масачузетската обща болница (MGH).Ако не го направят, всички ще се провалят.Тъй като болниците разполагат с много данни от ЕЗД, ако не ги използват пълноценно, ако не създадат индустрии, които са по-умни и по-бързи в дизайна на клиничните изпитвания, и ако не използват ЕЗД, които създават тези данни, ще се сблъскат с провал."
6. Създайте по-точен анализ за патологични изображения
Д-р Джефри Голдън, ръководител на патологичния отдел в женската болница Brigham (BWh) и професор по патология в HMS, каза, че патолозите предоставят един от най-важните източници на диагностични данни за пълен набор от доставчици на медицински услуги.
„70% от решенията за здравеопазване се основават на патологични резултати, а между 70% и 75% от всички данни в ЕЗД идват от патологични резултати“, каза той.И колкото по-точни са резултатите, толкова по-скоро ще бъде поставена правилната диагноза.Това е целта, която дигиталната патология и изкуственият интелект имат шанс да постигнат."
Дълбокият анализ на ниво пиксел на големи цифрови изображения позволява на лекарите да разпознават фините разлики, които могат да убегнат от човешките очи.
„Сега стигнахме до точката, в която можем по-добре да преценим дали ракът ще се развие бързо или бавно и как да променим лечението на пациенти въз основа на алгоритми, а не на клинични стадии или хистопатологично класифициране“, каза Голдън.Това ще бъде огромна крачка напред."
Той добави: „ИИ може също така да подобри производителността чрез идентифициране на интересни характеристики в слайдовете, преди клиницистите да прегледат данните. ИИ може да филтрира през слайдовете и да ни насочва да видим правилното съдържание, така че да можем да преценим кое е важно и кое не. Това подобрява ефективността на използването на патолози и повишава стойността на тяхното изследване на всеки случай.
Внесете интелигентност в медицинските устройства и машини
Интелигентните устройства превземат потребителските среди и предоставят устройства, вариращи от видео в реално време в хладилника до автомобили, които откриват разсейването на водача.
В медицинската среда интелигентните устройства са от съществено значение за наблюдение на пациенти в интензивни отделения и на други места.Използването на изкуствен интелект за подобряване на способността за идентифициране на влошаване на състоянието, като например показване, че се развива сепсис, или възприемането на усложнения може значително да подобри резултатите и може да намали разходите за лечение.
„Когато говорим за интегриране на различни данни в системата на здравеопазването, трябва да интегрираме и предупредим лекарите в интензивните отделения да се намесят възможно най-рано и че обобщаването на тези данни не е добро нещо, което човешките лекари могат да направят“, каза Марк Михалски , изпълнителен директор на Научния център за клинични данни в BWh.Вмъкването на интелигентни алгоритми в тези устройства намалява когнитивното бреме върху лекарите и гарантира, че пациентите се лекуват възможно най-бързо."
8. насърчаване на имунотерапията за лечение на рак
Имунотерапията е един от най-обещаващите начини за лечение на рак.Чрез използването на собствената имунна система на тялото за атака на злокачествените тумори, пациентите може да са в състояние да преодолеят упоритите тумори.Въпреки това, само няколко пациенти реагират на настоящия режим на имунотерапия и онколозите все още нямат точен и надежден метод, за да определят кои пациенти ще имат полза от режима.
Алгоритмите за машинно обучение и тяхната способност да синтезират изключително сложни масиви от данни може да са в състояние да изяснят уникалния генен състав на индивидите и да предоставят нови възможности за целева терапия.
„Напоследък най-вълнуващото развитие са инхибиторите на контролните точки, които блокират протеини, произведени от определени имунни клетки“, обяснява д-р Лонг Ле, директор на компютърната патология и технологично развитие в цялостния диагностичен център на Масачузетската обща болница (MGH).Но все още не разбираме всички проблеми, което е много сложно.Определено се нуждаем от повече данни за пациентите.Тези лечения са сравнително нови, така че не много пациенти действително ги приемат.Следователно, независимо дали трябва да интегрираме данни в една организация или в множество организации, това ще бъде ключов фактор за увеличаване на броя на пациентите, за да управляваме процеса на моделиране."
9. Превърнете електронните здравни досиета в надеждни предсказатели на риска
Електронното здравно досие (тя) е съкровище от данни за пациенти, но за доставчиците и разработчиците е постоянно предизвикателство да извличат и анализират голямо количество информация по точен, навременен и надежден начин.
Проблемите с качеството и целостта на данните, съчетани с объркване на формата на данните, структуриран и неструктуриран вход и непълни записи, затрудняват хората да разберат точно как да извършат смислена стратификация на риска, прогнозен анализ и подкрепа за клинични решения.
Д-р Зиад ОБЕРМАЙЕР, асистент по спешна медицина в женската болница Brigham (BWh) и асистент в Медицинското училище на Харвард (HMS), каза: „има упорита работа, за да се интегрират данните на едно място. Но друг проблем е да се разбере какво получават хората, когато предскажат заболяване в електронното здравно досие (тя). Хората може да чуят, че алгоритмите на изкуствения интелект могат да предскажат депресия или инсулт, но установяват, че те всъщност прогнозират увеличение на цената на инсулт. Това е много различно от самия инсулт."
Той продължи, „разчитането на резултатите от ядрено-магнитен резонанс изглежда предоставя по-специфичен набор от данни. Но сега трябва да помислим кой може да си позволи ядрено-магнитен резонанс? Така че крайната прогноза не е очакваният резултат.“
ЯМР анализът създаде много успешни инструменти за оценка на риска и стратификация, особено когато изследователите използват техники за задълбочено обучение, за да идентифицират нови връзки между привидно несвързани набори от данни.
OBERMEYER обаче вярва, че гарантирането, че тези алгоритми не идентифицират пристрастията, скрити в данните, е от решаващо значение за внедряването на инструменти, които наистина могат да подобрят клиничните грижи.
„Най-голямото предизвикателство е да сме сигурни, че знаем точно какво сме предвидили, преди да започнем да отваряме черната кутия и да търсим как да прогнозираме“, каза той
10.Мониторинг на здравословното състояние чрез носими устройства и персонални устройства
Почти всички потребители вече могат да използват сензори за събиране на данни за здравната стойност.От смартфони с проследяване на стъпки до устройства за носене, които проследяват сърдечната честота през целия ден, все повече и повече данни, свързани със здравето, могат да бъдат генерирани по всяко време.
Събирането и анализирането на тези данни и допълването на информацията, предоставена от пациенти чрез приложения и други устройства за наблюдение на дома, може да предостави уникална перспектива за здравето на индивида и на тълпата.
AI ще играе важна роля в извличането на полезни прозрения от тази голяма и разнообразна база данни.
Но д-р Омар Арнаут, неврохирург в женската болница Brigham (BWh), CO директор на центъра за резултати от изчислителната невронаука, каза, че може да е необходима допълнителна работа, за да се помогне на пациентите да се адаптират към тези интимни, текущи данни за наблюдение.
„Преди бяхме доста свободни да обработваме цифрови данни“, каза той.Но тъй като изтичането на данни се случва в Cambridge analytics и Facebook, хората ще бъдат все по-предпазливи относно това с кого да споделят какви данни споделят."
Пациентите са склонни да се доверяват повече на своите лекари, отколкото на големи компании като Facebook, добави той, което може да помогне за облекчаване на дискомфорта от предоставянето на данни за широкомащабни изследователски програми.
„Вероятно преносимите данни ще окажат значително влияние, тъй като вниманието на хората е много случайно и събраните данни са много груби“, каза Арнаут.Чрез непрекъснатото събиране на подробни данни е по-вероятно данните да помогнат на лекарите да се грижат по-добре за пациентите."
11.направете смарт телефоните мощен диагностичен инструмент
Експертите вярват, че изображенията, получени от смарт телефони и други ресурси на потребителско ниво, ще станат важно допълнение към изображенията с клинично качество, особено в недостатъчно обслужвани райони или развиващи се страни, като продължат да използват мощните функции на преносимите устройства.
Качеството на мобилната камера се подобрява всяка година и тя може да генерира изображения, които могат да се използват за анализ на AI алгоритъм.Дерматологията и офталмологията са ранните бенефициенти на тази тенденция.
Британски изследователи дори са разработили инструмент за идентифициране на заболявания на развитието чрез анализиране на изображения на детски лица.Алгоритъмът може да открие дискретни характеристики, като линията на долната челюст на децата, позицията на очите и носа и други атрибути, които могат да показват аномалии на лицето.Понастоящем инструментът може да съпостави общи изображения с повече от 90 заболявания, за да осигури подкрепа за клинични решения.
Д-р Хади Шафие, директор на лабораторията за микро/нано медицина и дигитално здравеопазване в женската болница Brigham (BWh), каза: „повечето хора са оборудвани с мощни мобилни телефони с много различни вградени сензори. Това е страхотна възможност за нас. Почти всички играчите в индустрията започнаха да изграждат софтуер и хардуер за изкуствен интелект в своите устройства. Това не е съвпадение. В нашия дигитален свят се генерират повече от 2,5 милиона терабайта данни всеки ден. В областта на мобилните телефони производителите вярват, че могат да използват това данни за изкуствения интелект за предоставяне на по-персонализирани, по-бързи и по-интелигентни услуги."
Използването на смарт телефони за събиране на изображения на очите на пациентите, кожни лезии, рани, инфекции, лекарства или други предмети може да помогне за справяне с недостига на експерти в недостатъчно обслужвани райони, като същевременно намали времето за диагностициране на определени оплаквания.
„В бъдеще може да има някои големи събития и ние можем да се възползваме от тази възможност, за да разрешим някои важни проблеми с управлението на болестта в пункта за грижа“, каза Шафие
12.Иновативно вземане на клинични решения с ИИ до леглото
Тъй като здравната индустрия се обръща към услуги, базирани на такси, тя все повече се отдалечава от пасивното здравеопазване.Превенцията преди хронично заболяване, остри болестни събития и внезапно влошаване е целта на всеки доставчик, а структурата на компенсацията в крайна сметка им позволява да развият процеси, които могат да постигнат активна и предсказуема намеса.
Изкуственият интелект ще предостави много основни технологии за тази еволюция, като поддържа предсказуем анализ и инструменти за подпомагане на клинични решения, за решаване на проблеми, преди доставчиците да осъзнаят необходимостта да предприемат действия.Изкуственият интелект може да осигури ранно предупреждение за епилепсия или сепсис, което обикновено изисква задълбочен анализ на много сложни масиви от данни.
Brandon Westover, MD, директор на отдела за клинични данни в Масачузетската обща болница (MGH), каза, че машинното обучение може също да помогне за поддържане на продължаващото предоставяне на грижи за критично болни пациенти, като тези в кома след сърдечен арест.
Той обясни, че при нормални обстоятелства лекарите трябва да проверяват ЕЕГ данните на тези пациенти.Този процес отнема време и е субективен, а резултатите могат да варират в зависимост от уменията и опита на клиницистите.
Той каза: „При тези пациенти тенденцията може да е бавна.Понякога, когато лекарите искат да видят дали някой се възстановява, те могат да преглеждат наблюдаваните данни веднъж на всеки 10 секунди.Въпреки това, да видите дали се е променило от 10 секунди данни, събрани за 24 часа, е като да погледнете дали косата е пораснала междувременно.Въпреки това, ако се използват алгоритми с изкуствен интелект и големи количества данни от много пациенти, ще бъде по-лесно да се съпостави това, което хората виждат, с дългосрочни модели и може да се намерят някои фини подобрения, които ще повлияят на вземането на решения от лекарите в сестринските грижи ."
Използването на технология за изкуствен интелект за подкрепа на клинични решения, оценка на риска и ранно предупреждение е една от най-обещаващите области за развитие на този революционен метод за анализ на данни.
Като предоставят захранване за ново поколение инструменти и системи, клиницистите могат да разберат по-добре нюансите на заболяването, да предоставят медицински сестрински услуги по-ефективно и да решават проблемите предварително.Изкуственият интелект ще постави началото на нова ера за подобряване на качеството на клиничното лечение и ще направи вълнуващи пробиви в грижата за пациентите.
Време на публикуване: 6 август 2021 г
