Espérase que a intelixencia artificial se converta nunha forza de transformación no campo da atención sanitaria.Entón, como se benefician os médicos e os pacientes do impacto das ferramentas impulsadas pola IA?
A industria sanitaria actual está moi madura e pode facer cambios importantes.Desde enfermidades crónicas e cancro ata radioloxía e avaliación de riscos, a industria sanitaria parece ter innumerables oportunidades de utilizar a tecnoloxía para implantar intervencións máis precisas, eficientes e eficaces na atención dos pacientes.
Co desenvolvemento da tecnoloxía, os pacientes teñen requisitos cada vez máis altos para os médicos, e o número de datos dispoñibles segue crecendo a un ritmo alarmante.A intelixencia artificial converterase nun motor para promover a mellora continua da atención médica.
En comparación coa tecnoloxía tradicional de análise e toma de decisións clínicas, a intelixencia artificial ten moitas vantaxes.Cando o algoritmo de aprendizaxe interactúa cos datos do adestramento, pode facerse máis preciso, o que permite aos médicos obter informacións sen precedentes sobre o diagnóstico, o proceso de enfermaría, a variabilidade do tratamento e os resultados dos pacientes.
No Foro Mundial de Innovación Médica de Intelixencia Artificial de 2018 (wmif) organizado por Partners Healthcare, investigadores médicos e expertos clínicos elaboraron as tecnoloxías e os campos da industria médica que teñen máis probabilidades de ter un impacto significativo na adopción da intelixencia artificial nos próximos anos. década.
Anne kiblanksi, MD, CO presidenta de wmif en 2018, e Gregg Meyer, MD, director académico xefe de Partners Healthcare, dixeron que este tipo de "subversión" levada a todas as áreas da industria ten o potencial de traer beneficios significativos aos pacientes e ten un amplo potencial de éxito empresarial.
Coa axuda de expertos dos socios sanitarios, incluído o doutor Keith Dreyer, profesor da Facultade de Medicina de Harvard (HMS), xefe de ciencia de datos dos socios, e a doutora Katherine andreole, directora de estratexia e operacións de investigación do Hospital Xeral de Massachusetts (MGH) , propuxo 12 formas en que a IA revolucionará os servizos médicos e a ciencia.
1.Unifica o pensamento e a máquina a través da interface do cerebro do ordenador
Usar o ordenador para comunicarse non é unha idea nova, pero crear unha interface directa entre a tecnoloxía e o pensamento humano sen teclado, rato e pantalla é un campo de investigación de fronteira, que ten unha importante aplicación para algúns pacientes.
As enfermidades do sistema nervioso e os traumas poden facer que algúns pacientes perdan a capacidade de conversación, movemento e interacción significativos cos demais e co seu entorno.A interface de ordenador cerebral (BCI) apoiada pola intelixencia artificial pode restaurar esas experiencias básicas para os pacientes que están preocupados por perder estas funcións para sempre.
"Se vexo a un paciente na unidade de coidados intensivos de neuroloxía que perde de súpeto a capacidade de actuar ou falar, espero restaurar a súa capacidade de comunicarse ao día seguinte", dixo Leigh Hochberg, MD, director do centro de neurotecnoloxía e neurorrehabilitación en Hospital Xeral de Massachusetts (MGH).Mediante o uso da interface cerebral informática (BCI) e da intelixencia artificial, podemos activar os nervios relacionados co movemento da man, e deberíamos poder facer que o paciente se comunique cos demais polo menos cinco veces durante toda a actividade, como o uso de tecnoloxías de comunicación ubicuas como como tabletas ou teléfonos móbiles."
A interface do ordenador cerebral pode mellorar moito a calidade de vida dos pacientes con esclerose lateral amiotrófica (ELA), accidente vascular cerebral ou síndrome de atresia, así como de 500.000 pacientes con lesión medular en todo o mundo cada ano.
2.Desenvolver a próxima xeración de ferramentas de radiación
As imaxes de radiación obtidas mediante resonancia magnética (MRI), escáneres de TC e raios X proporcionan unha visibilidade non invasiva do interior do corpo humano.Non obstante, moitos procedementos de diagnóstico aínda dependen de mostras de tecido físico obtidas mediante biopsia, o que ten risco de infección.
Os expertos prevén que, nalgúns casos, a intelixencia artificial permitirá que a próxima xeración de ferramentas de Radioloxía sexa o suficientemente precisa e detallada como para substituír a demanda de mostras de tecido vivo.
Alexandra Golby, MD, directora de neurocirurxía guiada por imaxes do Brigham Women's Hospital (BWh), dixo: "Queremos reunir o equipo de diagnóstico por imaxe con cirurxiáns ou radiólogos intervencionistas e patólogos, pero é un gran desafío para os diferentes equipos lograr a cooperación. e coherencia dos obxectivos. Se queremos que a radioloxía proporcione a información dispoñible actualmente a partir de mostras de tecidos, entón teremos que ser capaces de acadar estándares moi próximos para coñecer os feitos básicos de calquera píxel".
O éxito neste proceso pode permitir aos médicos comprender con máis precisión o rendemento xeral do tumor, en lugar de tomar decisións de tratamento baseadas nunha pequena parte dos atributos do tumor maligno.
A IA tamén pode definir mellor a invasión do cancro e determinar de forma máis adecuada o obxectivo do tratamento.Ademais, a intelixencia artificial está a axudar a realizar a "biopsia virtual" e a promover a innovación no campo da Radioloxía, que aposta por utilizar algoritmos baseados en imaxes para caracterizar as características fenotípicas e xenéticas dos tumores.
3.Ampliar os servizos médicos en áreas desatendidas ou en desenvolvemento
A falta de provedores de coidados de saúde adestrados nos países en desenvolvemento, incluídos técnicos de ultrasóns e radiólogos, reducirá en gran medida as posibilidades de utilizar os servizos médicos para salvar a vida dos pacientes.
A reunión sinalou que hai máis radiólogos que traballan en seis hospitais de Boston coa famosa Longwood Avenue que en todos os hospitais de África Occidental.
A intelixencia artificial pode axudar a mitigar o impacto dunha escaseza crítica de médicos asumindo algunhas das responsabilidades de diagnóstico normalmente asignadas aos humanos.
Por exemplo, unha ferramenta de imaxe de IA pode usar raios X de tórax para examinar os síntomas da tuberculose, xeralmente coa mesma precisión que un médico.Esta función pódese implementar a través dunha aplicación para provedores en áreas con escasos recursos, o que reduce a necesidade de radiólogos de diagnóstico con experiencia.
"Esta tecnoloxía ten un gran potencial para mellorar a asistencia sanitaria", dixo o doutor jayashree kalpathy Cramer, asistente de neurociencia e profesor asociado de Radioloxía no Hospital Xeral de Massachusetts (MGH).
Non obstante, os desenvolvedores de algoritmos de IA deben considerar coidadosamente o feito de que persoas de diferentes nacionalidades ou rexións poden ter factores fisiolóxicos e ambientais únicos, que poden afectar o rendemento da enfermidade.
"Por exemplo, a poboación afectada pola enfermidade na India pode ser moi diferente á dos Estados Unidos", dixo.Cando desenvolvemos estes algoritmos, é moi importante garantir que os datos representen a presentación da enfermidade e a diversidade da poboación.Non só podemos desenvolver algoritmos baseados nunha única poboación, senón tamén esperar que poida desempeñar un papel noutras poboacións."
4.Reducir a carga de uso dos rexistros sanitarios electrónicos
O rexistro electrónico de saúde (ela) xogou un papel importante na viaxe dixital da industria da saúde, pero esta transformación trouxo numerosos problemas relacionados coa sobrecarga cognitiva, un sinfín de documentos e a fatiga dos usuarios.
Os desenvolvedores de rexistros de saúde electrónicos (súa) agora están a usar intelixencia artificial para crear unha interface máis intuitiva e automatizar rutinas que levan moito tempo ao usuario.
O doutor Adam Landman, vicepresidente e director de información de Brigham Health, dixo que os usuarios dedican a maior parte do seu tempo a tres tarefas: documentación clínica, entrada de pedidos e ordenación das súas caixas de entrada.O recoñecemento de voz e o ditado poden axudar a mellorar o procesamento de documentos clínicos, pero as ferramentas de procesamento da linguaxe natural (PNL) poden non ser suficientes.
"Creo que pode ser necesario ser máis audaz e considerar algúns cambios, como o uso da gravación de vídeo para o tratamento clínico, do mesmo xeito que a policía que usa cámaras", dixo Landman.A intelixencia artificial e a aprendizaxe automática pódense utilizar para indexar estes vídeos para a súa recuperación futura.Do mesmo xeito que Siri e Alexa, que usan asistentes de intelixencia artificial na casa, os asistentes virtuais levaranse á cabeceira dos pacientes no futuro, o que permitirá aos médicos utilizar a intelixencia integrada para ingresar ordes médicas."
A IA tamén pode axudar a xestionar as solicitudes rutineiras das caixas de entrada, como suplementos de medicamentos e notificacións de resultados.Tamén pode axudar a priorizar as tarefas que realmente necesitan a atención dos médicos, facilitando que os pacientes procesen as súas listas de tarefas, engadiu Landman.
5.Risco de resistencia a antibióticos
A resistencia aos antibióticos é unha ameaza crecente para os humanos, porque o uso excesivo destes fármacos clave pode provocar a evolución de superbacterias que xa non responden ao tratamento.As bacterias resistentes a múltiples medicamentos poden causar danos graves no ambiente hospitalario, matando a decenas de miles de pacientes cada ano.Só Clostridium difficile custa uns 5.000 millóns de dólares ao ano ao sistema de saúde dos Estados Unidos e causa máis de 30.000 mortes.
Os datos de EHR axudan a identificar patróns de infección e resaltar o risco antes de que o paciente comece a mostrar síntomas.O uso de ferramentas de aprendizaxe automática e intelixencia artificial para impulsar estas análises pode mellorar a súa precisión e crear alertas máis rápidas e precisas para os provedores de atención sanitaria.
"As ferramentas de intelixencia artificial poden satisfacer as expectativas de control de infeccións e resistencia a antibióticos", dixo a doutora Erica Shenoy, subdirectora de control de infeccións do Hospital Xeral de Massachusetts (MGH).Se non o fan, todos fallarán.Porque os hospitais teñen moitos datos de EHR, se non fan un uso completo deles, se non crean industrias que son máis intelixentes e rápidas no deseño de ensaios clínicos e se non usan EHR que crean estes datos, enfrontaranse ao fracaso."
6.Crear análises máis precisas para imaxes patolóxicas
O doutor Jeffrey Golden, xefe do departamento de patoloxía do Brigham Women's Hospital (BWh) e profesor de patoloxía no HMS, dixo que os patólogos proporcionan unha das fontes máis importantes de datos de diagnóstico para unha gama completa de provedores de servizos médicos.
"O 70% das decisións sanitarias baséanse en resultados patolóxicos, e entre o 70% e o 75% de todos os datos dos EHR proveñen de resultados patolóxicos", dixo.E canto máis precisos sexan os resultados, antes se realizará o diagnóstico correcto.Este é o obxectivo que a patoloxía dixital e a intelixencia artificial teñen posibilidades de acadar."
A análise profunda do nivel de píxeles en grandes imaxes dixitais permite aos médicos recoñecer diferenzas sutís que poden escapar dos ollos humanos.
"Agora chegamos ao punto no que podemos avaliar mellor se o cancro se desenvolverá rapidamente ou lentamente, e como cambiar o tratamento dos pacientes en función de algoritmos en lugar de fases clínicas ou clasificación histopatolóxica", dixo Golden.Vai ser un gran paso adiante."
Engadiu: "A IA tamén pode mellorar a produtividade identificando características de interese nas diapositivas antes de que os médicos revisen os datos. A IA pode filtrar a través das diapositivas e guiarnos para ver o contido correcto para que poidamos avaliar o que é importante e o que non. Isto mellora. a eficacia do uso de patólogos e aumenta o valor do seu estudo de cada caso".
Achega intelixencia aos dispositivos e máquinas médicos
Os dispositivos intelixentes están a apoderarse dos ambientes de consumo e proporcionan dispositivos que van desde vídeos en tempo real dentro da neveira ata coches que detectan a distracción do condutor.
Nun entorno médico, os dispositivos intelixentes son esenciais para controlar os pacientes nas UCI e noutros lugares.O uso da intelixencia artificial para mellorar a capacidade de identificar o deterioro da enfermidade, como indicar que se está a desenvolver sepsis, ou a percepción de complicacións, pode mellorar significativamente os resultados e reducir os custos do tratamento.
"Cando falamos de integrar diferentes datos no sistema de saúde, necesitamos integrar e alertar aos médicos da UCI para que interveñan o antes posible, e que a agregación destes datos non é algo bo que poidan facer os médicos humanos", dixo Mark Michalski. , director executivo do Centro de Ciencia de datos clínicos en BWh.A inserción de algoritmos intelixentes nestes dispositivos reduce a carga cognitiva dos médicos e garante que os pacientes sexan tratados o máis rápido posible."
8.promoción da inmunoterapia para o tratamento do cancro
A inmunoterapia é unha das formas máis prometedoras de tratar o cancro.Usando o propio sistema inmunitario do corpo para atacar tumores malignos, os pacientes poden ser capaces de superar os tumores teimudos.Non obstante, só uns poucos pacientes responden ao réxime de inmunoterapia actual e os oncólogos aínda non teñen un método preciso e fiable para determinar que pacientes se beneficiarán do réxime.
Os algoritmos de aprendizaxe automática e a súa capacidade para sintetizar conxuntos de datos moi complexos poden ser capaces de dilucidar a composición xenética única dos individuos e proporcionar novas opcións para a terapia dirixida.
"Recentemente, o desenvolvemento máis emocionante foron os inhibidores de puntos de control, que bloquean as proteínas producidas por certas células inmunitarias", explica o doutor Long Le, director de patoloxía computacional e desenvolvemento tecnolóxico do centro de diagnóstico integral do Massachusetts General Hospital (MGH).Pero aínda non entendemos todos os problemas, que é moi complicado.Definitivamente necesitamos máis datos dos pacientes.Estes tratamentos son relativamente novos, polo que non moitos pacientes os toman realmente.Polo tanto, tanto se necesitamos integrar datos nunha organización como en varias organizacións, será un factor clave para aumentar o número de pacientes para impulsar o proceso de modelado."
9.Converte os rexistros de saúde electrónicos en predictores de risco fiables
A historia clínica electrónica (ela) é un tesouro de datos dos pacientes, pero é un reto constante para provedores e desenvolvedores extraer e analizar unha gran cantidade de información de forma precisa, oportuna e fiable.
Os problemas de calidade e integridade dos datos, xunto coa confusión do formato dos datos, as entradas estruturadas e non estruturadas e os rexistros incompletos, dificultan que as persoas comprendan con precisión como levar a cabo unha estratificación de risco significativa, análise preditiva e apoio ás decisións clínicas.
O doutor Ziad OBERMEYER, profesor asistente de medicina de emerxencia no Brigham Women's Hospital (BWh) e profesor asistente da Facultade de Medicina de Harvard (HMS), dixo: "hai un traballo duro que facer para integrar os datos nun lugar. Pero outro problema é entender. que reciben as persoas cando predicen unha enfermidade no rexistro electrónico de saúde (ela). A xente pode escoitar que os algoritmos de intelixencia artificial poden predecir depresión ou ictus, pero descobren que en realidade están a predicir un aumento do custo do ictus. É moi diferente do acariciarse".
Continuou: "Confiar nos resultados da resonancia magnética parece proporcionar un conxunto de datos máis específico. Pero agora temos que pensar en quen pode pagar a resonancia magnética? Así que a predición final non é o resultado esperado".
A análise de RMN produciu moitas ferramentas de estratificación e puntuación de risco exitosas, especialmente cando os investigadores usan técnicas de aprendizaxe profunda para identificar novas conexións entre conxuntos de datos aparentemente non relacionados.
Non obstante, OBERMEYER considera que garantir que estes algoritmos non identifiquen os prexuízos ocultos nos datos é fundamental para implantar ferramentas que poidan mellorar realmente a atención clínica.
"O maior reto é asegurarnos de saber exactamente o que predixemos antes de comezar a abrir a caixa negra e mirar como predecir", dixo.
10.Vixilancia do estado de saúde a través de dispositivos portátiles e dispositivos persoais
Case todos os consumidores agora poden usar sensores para recoller datos sobre o valor para a saúde.Desde teléfonos intelixentes con rastreador de pasos ata dispositivos portátiles que rastrexan a frecuencia cardíaca durante todo o día, pódense xerar cada vez máis datos relacionados coa saúde en calquera momento.
Recoller e analizar estes datos e complementar a información proporcionada polos pacientes mediante aplicacións e outros dispositivos de vixilancia doméstica pode proporcionar unha perspectiva única para a saúde individual e colectiva.
A IA desempeñará un papel importante na extracción de información útil desta base de datos grande e diversa.
Pero o doutor Omar Arnout, neurocirurxián do Brigham Women's Hospital (BWh), director do CO do centro de resultados de neurociencia computacional, dixo que pode ser necesario un traballo adicional para axudar aos pacientes a adaptarse a estes datos de seguimento íntimos e continuos.
"Adoitabamos ser bastante libres para procesar datos dixitais", dixo.Pero a medida que se producen filtracións de datos en Cambridge Analytics e Facebook, a xente será cada vez máis cautelosa sobre quen compartir que datos comparten."
Os pacientes tenden a confiar máis nos seus médicos que en grandes empresas como Facebook, engadiu, o que podería axudar a aliviar a incomodidade de proporcionar datos para programas de investigación a gran escala.
"É probable que os datos portátiles teñan un impacto significativo porque a atención da xente é moi accidental e os datos recollidos son moi toscos", dixo Arnout.Ao recoller continuamente datos granulares, é máis probable que os datos axuden aos médicos a atender mellor aos pacientes."
11.faga dos teléfonos intelixentes unha poderosa ferramenta de diagnóstico
Os expertos cren que as imaxes obtidas a partir de teléfonos intelixentes e outros recursos a nivel de consumidores converteranse nun complemento importante para as imaxes de calidade clínica, especialmente en zonas desfavorecidas ou países en desenvolvemento, ao seguir utilizando as poderosas funcións dos dispositivos portátiles.
A calidade da cámara móbil mellora cada ano e pode xerar imaxes que se poden usar para a análise do algoritmo de IA.A dermatoloxía e a oftalmoloxía son os primeiros beneficiarios desta tendencia.
Investigadores británicos mesmo desenvolveron unha ferramenta para identificar enfermidades do desenvolvemento mediante a análise de imaxes de rostros dos nenos.O algoritmo pode detectar características discretas, como a liña da mandíbula dos nenos, a posición dos ollos e do nariz e outros atributos que poden indicar anomalías faciais.Na actualidade, a ferramenta pode combinar imaxes comúns con máis de 90 enfermidades para proporcionar apoio á decisión clínica.
O doutor Hadi Shafiee, director do laboratorio de micro/nano medicina e saúde dixital do Brigham Women's Hospital (BWh), dixo: "a maioría das persoas están equipadas con teléfonos móbiles potentes con moitos sensores diferentes integrados. É unha gran oportunidade para nós. Case todos os actores do sector comezaron a construír software e hardware Ai nos seus dispositivos. Non é unha casualidade. No noso mundo dixital, xéranse máis de 2,5 millóns de terabytes de datos cada día. No campo dos teléfonos móbiles, os fabricantes cren que poden usar isto. datos para que a intelixencia artificial proporcione servizos máis personalizados, rápidos e intelixentes".
O uso de teléfonos intelixentes para recoller imaxes dos ollos dos pacientes, lesións cutáneas, feridas, infeccións, medicamentos ou outros temas pode axudar a resolver a escaseza de expertos en áreas desfavorecidas, ao tempo que reduce o tempo para diagnosticar determinadas queixas.
"Pode haber algúns eventos importantes no futuro, e podemos aproveitar esta oportunidade para resolver algúns problemas importantes de xestión da enfermidade no punto de atención", dixo Shafiee.
12.Innovando na toma de decisións clínicas coa IA de cabeceira
A medida que a industria da saúde recorre aos servizos baseados en tarifas, está cada vez máis lonxe da asistencia sanitaria pasiva.A prevención ante enfermidades crónicas, eventos de enfermidade aguda e deterioración súbita é o obxectivo de cada provedor, e a estrutura de compensación permítelles, en última instancia, desenvolver procesos que poidan lograr unha intervención activa e preditiva.
A intelixencia artificial proporcionará moitas tecnoloxías básicas para esta evolución, apoiando a análise preditiva e as ferramentas de apoio ás decisións clínicas, para resolver problemas antes de que os provedores se dean conta da necesidade de actuar.A intelixencia artificial pode proporcionar unha alerta temprana para a epilepsia ou a sepsis, que normalmente requiren unha análise en profundidade de conxuntos de datos moi complexos.
Brandon Westover, MD, director de datos clínicos do Hospital Xeral de Massachusetts (MGH), dixo que a aprendizaxe automática tamén podería axudar a apoiar a prestación continuada de atención aos pacientes en estado crítico, como os que están en coma despois dun paro cardíaco.
Explicou que en circunstancias normais, os médicos teñen que comprobar os datos do EEG destes pacientes.Este proceso é lento e subxectivo, e os resultados poden variar coas habilidades e experiencia dos médicos.
Dixo: "Nestes pacientes, a tendencia pode ser lenta.Ás veces, cando os médicos queren ver se alguén se está recuperando, poden mirar os datos monitorizados unha vez cada 10 segundos.Non obstante, ver se cambiou de 10 segundos de datos recollidos en 24 horas é como mirar se o cabelo creceu mentres tanto.Non obstante, se se usan algoritmos de intelixencia artificial e grandes cantidades de datos de moitos pacientes, será máis fácil relacionar o que a xente ve con patróns a longo prazo e pódense atopar algunhas melloras sutís, que afectarán á toma de decisións dos médicos en enfermería. ."
O uso da tecnoloxía de intelixencia artificial para o apoio ás decisións clínicas, a puntuación de risco e a alerta temperá é unha das áreas de desenvolvemento máis prometedoras deste revolucionario método de análise de datos.
Ao proporcionar potencia para unha nova xeración de ferramentas e sistemas, os médicos poden comprender mellor os matices da enfermidade, proporcionar servizos de enfermería de forma máis eficaz e resolver problemas con antelación.A intelixencia artificial abrirá unha nova era para mellorar a calidade do tratamento clínico e lograr avances emocionantes na atención ao paciente.
Hora de publicación: 06-ago-2021
