Ожидается, что искусственный интеллект станет движущей силой трансформации в сфере здравоохранения.Так как же врачи и пациенты получают пользу от инструментов, управляемых искусственным интеллектом?
Сегодняшняя индустрия здравоохранения очень зрелая и может внести некоторые серьезные изменения.От хронических заболеваний и рака до радиологии и оценки риска, у отрасли здравоохранения, похоже, есть бесчисленные возможности использовать технологии для развертывания более точных, эффективных и действенных вмешательств в уход за пациентами.
С развитием технологий у пациентов предъявляются все более высокие требования к врачам, а количество доступных данных продолжает расти угрожающими темпами.Искусственный интеллект станет двигателем, способствующим постоянному совершенствованию медицинского обслуживания.
По сравнению с традиционными технологиями анализа и принятия клинических решений искусственный интеллект имеет много преимуществ.Когда алгоритм обучения взаимодействует с данными обучения, он может стать более точным, позволяя врачам получать беспрецедентную информацию о диагнозе, процессе ухода, вариабельности лечения и результатах лечения пациентов.
На Всемирном форуме медицинских инноваций в области искусственного интеллекта (wmif) 2018 года, организованном Partners Healthcare, медицинские исследователи и клинические эксперты подробно рассказали о технологиях и областях медицинской промышленности, которые, скорее всего, окажут значительное влияние на внедрение искусственного интеллекта в следующем году. десятилетие.
Энн Кибланси, доктор медицинских наук, председатель правления wmif в 2018 году, и Грегг Мейер, доктор медицинских наук, главный академический директор Partners Healthcare, заявили, что такого рода «подрывная деятельность», проводимая во всех областях отрасли, может принести значительную пользу пациентам и имеет широкий спектр потенциал успеха в бизнесе.
С помощью экспертов из партнерского здравоохранения, в том числе доктора Кейта Дрейера, профессора Гарвардской медицинской школы (HMS), главного специалиста по науке о данных партнеров, и доктора Кэтрин Андреол, директора по исследовательской стратегии и операциям Массачусетской больницы общего профиля (MGH). , предложил 12 способов, с помощью которых ИИ произведет революцию в медицинских услугах и науке.
1. Объединение мышления и машины через мозговой компьютерный интерфейс
Использование компьютера для общения — не новая идея, но создание прямого интерфейса между технологиями и человеческим мышлением без клавиатуры, мыши и дисплея — это передовая область исследований, которая имеет важное применение для некоторых пациентов.
Заболевания нервной системы и травмы могут привести к тому, что некоторые пациенты потеряют способность к осмысленному разговору, движению и взаимодействию с другими людьми и их окружением.Интерфейс мозг-компьютер (BCI), поддерживаемый искусственным интеллектом, может восстановить эти базовые переживания для пациентов, которые беспокоятся о том, чтобы навсегда потерять эти функции.
«Если я вижу пациента в отделении интенсивной терапии неврологии, который внезапно теряет способность действовать или говорить, я надеюсь восстановить его способность общаться на следующий день», — сказал Ли Хохберг, доктор медицинских наук, директор центра нейротехнологий и нейрореабилитации в Больница общего профиля Массачусетса (MGH).Используя интерфейс мозг-компьютер (BCI) и искусственный интеллект, мы можем активировать нервы, связанные с движением рук, и мы должны быть в состоянии заставить пациента общаться с другими людьми по крайней мере пять раз в течение всей деятельности, например, используя вездесущие коммуникационные технологии, такие как как планшетные компьютеры или мобильные телефоны."
Интерфейс мозг-компьютер может значительно улучшить качество жизни пациентов с боковым амиотрофическим склерозом (БАС), инсультом или синдромом атрезии, а также 500000 пациентов с травмой спинного мозга ежегодно во всем мире.
2. Разработать радиационное оборудование нового поколения.
Радиационные изображения, полученные с помощью магнитно-резонансной томографии (МРТ), компьютерных томографов и рентгеновских лучей, обеспечивают неинвазивный обзор внутренней части человеческого тела.Однако многие диагностические процедуры по-прежнему полагаются на образцы физической ткани, полученные с помощью биопсии, что сопряжено с риском инфицирования.
Эксперты прогнозируют, что в некоторых случаях искусственный интеллект позволит следующему поколению инструментов радиологии быть точными и достаточно подробными, чтобы заменить потребность в образцах живых тканей.
Александра Голби, доктор медицинских наук, директор отделения нейрохирургии под визуальным контролем в женской больнице Бригама (BWh), сказала: «Мы хотим объединить группу диагностической визуализации с хирургами или интервенционными радиологами и патологоанатомами, но достижение сотрудничества между различными командами является огромной проблемой. и согласованность целей. Если мы хотим, чтобы радиология предоставила информацию, доступную в настоящее время из образцов тканей, то мы должны будем иметь возможность достичь очень близких стандартов, чтобы знать основные факты о любом данном пикселе ».
Успех в этом процессе может позволить клиницистам более точно понять общую характеристику опухоли, а не принимать решения о лечении, основанные на небольшой части признаков злокачественной опухоли.
ИИ также может лучше определять инвазивность рака и более точно определять цель лечения.Кроме того, искусственный интеллект помогает реализовать «виртуальную биопсию» и продвигает инновации в области радиологии, которая стремится использовать алгоритмы на основе изображений для характеристики фенотипических и генетических характеристик опухолей.
3. Расширить медицинские услуги в недостаточно обслуживаемых или развивающихся районах.
Нехватка обученных медицинских работников в развивающихся странах, в том числе техников УЗИ и рентгенологов, значительно снизит шансы использования медицинских услуг для спасения жизни пациентов.
На совещании было отмечено, что в шести больницах Бостона со знаменитой Лонгвуд-авеню работает больше рентгенологов, чем во всех больницах Западной Африки.
Искусственный интеллект может помочь смягчить последствия критической нехватки клиницистов, взяв на себя некоторые диагностические обязанности, обычно возлагаемые на людей.
Например, инструмент визуализации ИИ может использовать рентген грудной клетки для изучения симптомов туберкулеза, как правило, с той же точностью, что и врач.Эта функция может быть развернута через приложение для поставщиков медицинских услуг в районах с ограниченными ресурсами, что снижает потребность в опытных рентгенологах-диагностах.
«У этой технологии есть большой потенциал для улучшения здравоохранения», — сказал доктор Джайашри Калпати Крамер, ассистент неврологии и доцент кафедры радиологии Массачусетской больницы общего профиля (MGH).
Однако разработчики алгоритмов ИИ должны тщательно учитывать тот факт, что у людей разных национальностей или регионов могут быть уникальные физиологические и экологические факторы, которые могут влиять на показатели заболевания.
«Например, население, затронутое болезнью в Индии, может сильно отличаться от населения в Соединенных Штатах», — сказала она.Когда мы разрабатываем эти алгоритмы, очень важно убедиться, что данные отражают представление о болезни и разнообразие населения.Мы можем не только разрабатывать алгоритмы на основе одной популяции, но и надеяться, что она сможет сыграть свою роль в других популяциях."
4. Уменьшите использование электронных медицинских карт.
Электронная медицинская карта (ее) сыграла важную роль в цифровом путешествии отрасли здравоохранения, но эта трансформация привела к многочисленным проблемам, связанным с когнитивной перегрузкой, бесконечными документами и усталостью пользователей.
Разработчики электронной медицинской карты (её) сейчас используют искусственный интеллект для создания более интуитивно понятного интерфейса и автоматизации процедур, которые отнимают у пользователя много времени.
Доктор Адам Лэндман, вице-президент и главный информационный директор Brigham Health, сказал, что пользователи тратят большую часть своего времени на три задачи: клиническая документация, ввод заказов и сортировка своих почтовых ящиков.Распознавание речи и диктовка могут помочь улучшить обработку клинических документов, но инструментов обработки естественного языка (NLP) может быть недостаточно.
«Я думаю, что, возможно, необходимо быть более смелым и рассмотреть некоторые изменения, такие как использование видеозаписи для клинического лечения, точно так же, как полицейские носят камеры», — сказал Лэндман.Затем искусственный интеллект и машинное обучение можно использовать для индексации этих видео для последующего поиска.Подобно Siri и Alexa, которые используют помощников с искусственным интеллектом дома, виртуальные помощники в будущем будут доставлены к постели пациентов, что позволит врачам использовать встроенный интеллект для ввода медицинских заказов."
ИИ также может помочь обрабатывать рутинные запросы из почтовых ящиков, такие как добавки к лекарствам и уведомление о результатах.Это также может помочь расставить приоритеты для задач, которые действительно требуют внимания клиницистов, облегчая пациентам обработку их списков дел, добавил Лэндман.
5. Риск устойчивости к антибиотикам
Устойчивость к антибиотикам представляет собой растущую угрозу для человека, потому что чрезмерное использование этих ключевых препаратов может привести к развитию супербактерий, которые больше не реагируют на лечение.Бактерии с множественной лекарственной устойчивостью могут нанести серьезный ущерб больничной среде, ежегодно убивая десятки тысяч пациентов.Только Clostridium difficile обходится системе здравоохранения США примерно в 5 миллиардов долларов в год и вызывает более 30 000 смертей.
Данные EHR помогают определить модели заражения и выявить риск до того, как у пациента начнут проявляться симптомы.Использование инструментов машинного обучения и искусственного интеллекта для управления этими анализами может повысить их точность и создавать более быстрые и точные оповещения для поставщиков медицинских услуг.
«Инструменты искусственного интеллекта могут оправдать ожидания в отношении инфекционного контроля и устойчивости к антибиотикам», — сказала доктор Эрика Шеной, заместитель директора по инфекционному контролю Массачусетской больницы общего профиля (MGH).Если они этого не сделают, то все потерпят неудачу.Поскольку в больницах есть много данных ЭУЗ, если они не используют их в полной мере, если они не создают отрасли, которые являются более умными и быстрыми в разработке клинических испытаний, и если они не используют ЭУЗ, создающие эти данные, они столкнутся с неудачей."
6. Создайте более точный анализ патологических изображений.
Доктор Джеффри Голден, заведующий отделением патологии Женской больницы Бригама (BWh) и профессор патологии HMS, сказал, что патологоанатомы являются одним из наиболее важных источников диагностических данных для всего спектра поставщиков медицинских услуг.
«70% медицинских решений основаны на патологических результатах, и от 70% до 75% всех данных в электронных медицинских картах поступают на патологические результаты», — сказал он.И чем точнее будут результаты, тем быстрее будет поставлен правильный диагноз.Это цель, которую имеют шанс достичь цифровая патология и искусственный интеллект."
Глубокий анализ на уровне пикселей на больших цифровых изображениях позволяет врачам распознавать тонкие различия, которые могут ускользнуть от человеческого глаза.
«Теперь мы подошли к моменту, когда мы можем лучше оценить, будет ли рак развиваться быстро или медленно, и как изменить лечение пациентов на основе алгоритмов, а не клинических стадий или гистопатологической классификации», — сказал Голден.Это будет огромный шаг вперед."
Он добавил: «ИИ также может повысить производительность, определяя интересующие особенности на слайдах до того, как врачи просмотрят данные. ИИ может фильтровать слайды и направлять нас к нужному контенту, чтобы мы могли оценить, что важно, а что нет. эффективность использования патологоанатомов и повышает ценность их изучения каждого случая».
Привнесите интеллект в медицинские устройства и машины
Интеллектуальные устройства захватывают потребительскую среду и предоставляют устройства, начиная от видео в реальном времени внутри холодильника и заканчивая автомобилями, которые обнаруживают отвлечение водителя.
В медицинской среде интеллектуальные устройства необходимы для наблюдения за пациентами в отделениях интенсивной терапии и других местах.Использование искусственного интеллекта для повышения способности выявлять ухудшение состояния, например, указывать на развитие сепсиса или восприятие осложнений, может значительно улучшить результаты и снизить затраты на лечение.
«Когда мы говорим об интеграции различных данных в системе здравоохранения, нам нужно интегрировать и предупреждать врачей отделений интенсивной терапии, чтобы они вмешивались как можно раньше, и что агрегирование этих данных — не очень хорошая вещь, которую могут сделать человеческие врачи», — сказал Марк Михальски. , исполнительный директор Научного центра клинических данных в BWh.Внедрение интеллектуальных алгоритмов в эти устройства снижает когнитивную нагрузку на врачей и обеспечивает максимально быстрое лечение пациентов."
8.продвижение иммунотерапии для лечения рака
Иммунотерапия является одним из самых перспективных способов лечения рака.Используя собственную иммунную систему организма для борьбы со злокачественными опухолями, пациенты могут справиться с неподатливыми опухолями.Однако лишь немногие пациенты реагируют на текущий режим иммунотерапии, и у онкологов до сих пор нет точного и надежного метода определения того, какие пациенты получат пользу от этого режима.
Алгоритмы машинного обучения и их способность синтезировать очень сложные наборы данных могут помочь выяснить уникальный генный состав людей и предоставить новые возможности для таргетной терапии.
«В последнее время наиболее захватывающей разработкой стали ингибиторы контрольных точек, которые блокируют белки, вырабатываемые определенными иммунными клетками», — объясняет доктор Лонг Ле, директор отдела вычислительной патологии и развития технологий в комплексном диагностическом центре Массачусетской больницы общего профиля (MGH).Но мы еще не понимаем всех проблем, что очень сложно.Нам определенно нужно больше данных о пациентах.Эти методы лечения являются относительно новыми, поэтому на самом деле не многие пациенты их принимают.Следовательно, независимо от того, нужно ли нам интегрировать данные внутри организации или между несколькими организациями, это будет ключевым фактором увеличения числа пациентов для управления процессом моделирования."
9. Превратите электронные медицинские карты в надежные предикторы риска
Электронная медицинская карта (ее) — это сокровищница данных о пациентах, но поставщикам и разработчикам постоянно приходится извлекать и анализировать большие объемы информации точным, своевременным и надежным способом.
Проблемы с качеством и целостностью данных в сочетании с путаницей форматов данных, структурированным и неструктурированным вводом и неполными записями затрудняют точное понимание людьми того, как проводить осмысленную стратификацию риска, прогностический анализ и поддержку принятия клинических решений.
Доктор Зиад ОБЕРМЕЙЕР, доцент кафедры неотложной помощи в женской больнице Бригама (BWh) и доцент Гарвардской медицинской школы (HMS), сказал: «Чтобы объединить данные в одном месте, нужно проделать тяжелую работу. Но другая проблема заключается в том, чтобы понять что люди получают, когда предсказывают болезнь в электронной медицинской карте (ее). Люди могут слышать, что алгоритмы искусственного интеллекта могут предсказывать депрессию или инсульт, но обнаруживают, что на самом деле они предсказывают увеличение стоимости инсульта. Это очень отличается от гладить себя».
Он продолжил: «Опираясь на результаты МРТ, кажется, можно получить более конкретный набор данных. Но теперь нам нужно подумать о том, кто может позволить себе МРТ? Таким образом, окончательный прогноз не является ожидаемым результатом».
ЯМР-анализ позволил создать множество успешных инструментов оценки и стратификации рисков, особенно когда исследователи используют методы глубокого обучения для выявления новых связей между, казалось бы, несвязанными наборами данных.
Тем не менее, ОБЕРМЕЙЕР считает, что обеспечение того, чтобы эти алгоритмы не выявляли искажения, скрытые в данных, имеет решающее значение для развертывания инструментов, которые действительно могут улучшить клиническую помощь.
«Самая большая проблема — убедиться, что мы точно знаем, что мы предсказывали, прежде чем мы начнем открывать черный ящик и смотреть, как предсказывать», — сказал он.
10. Мониторинг состояния здоровья через носимые устройства и персональные устройства
Почти все потребители теперь могут использовать датчики для сбора данных о ценности для здоровья.От смартфонов с пошаговым датчиком до носимых устройств, которые отслеживают частоту сердечных сокращений в течение всего дня, в любое время можно генерировать все больше и больше данных, связанных со здоровьем.
Сбор и анализ этих данных и дополнение информации, предоставленной пациентами с помощью приложений и других устройств домашнего мониторинга, может обеспечить уникальную перспективу для индивидуального здоровья и здоровья толпы.
ИИ будет играть важную роль в извлечении полезной информации из этой большой и разнообразной базы данных.
Но доктор Омар Арноут, нейрохирург женской больницы Бригама (BWh), главный директор центра результатов вычислительной нейробиологии, сказал, что может потребоваться дополнительная работа, чтобы помочь пациентам адаптироваться к этим личным данным постоянного мониторинга.
«Раньше мы могли свободно обрабатывать цифровые данные, — сказал он.Но по мере утечки данных в Cambridge Analytics и Facebook люди будут все более и более осторожно относиться к тому, кому делиться данными, которыми они делятся."
Он добавил, что пациенты, как правило, доверяют своим врачам больше, чем крупным компаниям, таким как Facebook, что может помочь облегчить дискомфорт, связанный с предоставлением данных для крупномасштабных исследовательских программ.
«Вполне вероятно, что носимые данные окажут значительное влияние, потому что внимание людей очень случайно, а собранные данные очень приблизительны», — сказал Арноут.Благодаря непрерывному сбору детализированных данных данные с большей вероятностью помогут врачам лучше заботиться о пациентах."
11. Сделайте смартфоны мощным диагностическим инструментом
Эксперты считают, что изображения, полученные со смартфонов и других ресурсов потребительского уровня, станут важным дополнением к визуализации клинического качества, особенно в недостаточно обслуживаемых районах или развивающихся странах, благодаря продолжению использования мощных функций портативных устройств.
Качество мобильной камеры улучшается с каждым годом, и она может генерировать изображения, которые можно использовать для анализа алгоритма ИИ.Дерматология и офтальмология первыми воспользовались этой тенденцией.
Британские исследователи даже разработали инструмент для выявления болезней развития путем анализа изображений детских лиц.Алгоритм может обнаруживать отдельные особенности, такие как линия нижней челюсти у детей, положение глаз и носа и другие признаки, которые могут указывать на аномалии лица.В настоящее время инструмент может сопоставлять обычные изображения с более чем 90 заболеваниями, чтобы обеспечить поддержку принятия клинических решений.
Доктор Хади Шафии, директор лаборатории микро-/наномедицины и цифрового здравоохранения в женской больнице Бригама (BWh), сказал: «Большинство людей оснащены мощными мобильными телефонами со множеством встроенных различных датчиков. Это отличная возможность для нас. игроки отрасли начали встраивать программное и аппаратное обеспечение ИИ в свои устройства. Это не совпадение. В нашем цифровом мире каждый день генерируется более 2,5 миллионов терабайт данных. В области мобильных телефонов производители считают, что они могут использовать это данные для искусственного интеллекта для предоставления более персонализированных, быстрых и интеллектуальных услуг».
Использование смартфонов для сбора изображений глаз пациентов, поражений кожи, ран, инфекций, наркотиков или других предметов может помочь решить проблему нехватки специалистов в недостаточно обслуживаемых областях, сократив при этом время на диагностику определенных жалоб.
«В будущем могут произойти некоторые важные события, и мы можем воспользоваться этой возможностью, чтобы решить некоторые важные проблемы лечения заболеваний в пункте оказания медицинской помощи», — сказал Шафи.
12. Инновационное принятие клинических решений с помощью прикроватного искусственного интеллекта.
По мере того, как индустрия здравоохранения переходит на платные услуги, она все больше отходит от пассивного здравоохранения.Профилактика перед хроническим заболеванием, острыми проявлениями заболевания и внезапным ухудшением является целью каждого поставщика медицинских услуг, а структура компенсации в конечном итоге позволяет им развивать процессы, которые могут обеспечить активное и прогностическое вмешательство.
Искусственный интеллект предоставит множество базовых технологий для этой эволюции, поддерживая прогнозный анализ и инструменты поддержки принятия клинических решений, чтобы решать проблемы до того, как поставщики осознают необходимость принятия мер.Искусственный интеллект может обеспечить раннее предупреждение об эпилепсии или сепсисе, что обычно требует углубленного анализа очень сложных наборов данных.
Брэндон Вестовер, доктор медицинских наук, директор по клиническим данным Массачусетской больницы общего профиля (MGH), сказал, что машинное обучение также может помочь в обеспечении непрерывного оказания помощи критически больным пациентам, например, тем, кто находится в коме после остановки сердца.
Он пояснил, что в нормальных условиях врачи должны проверять данные ЭЭГ этих пациентов.Этот процесс занимает много времени и является субъективным, а результаты могут варьироваться в зависимости от навыков и опыта клиницистов.
Он сказал: «У этих пациентов тенденция может быть медленной.Иногда, когда врачи хотят узнать, выздоравливает ли кто-то, они могут просматривать отслеживаемые данные каждые 10 секунд.Однако увидеть, изменились ли они по данным, собранным за 10 секунд за 24 часа, — это все равно, что посмотреть, выросли ли волосы за это время.Однако, если будут использоваться алгоритмы искусственного интеллекта и большие объемы данных от многих пациентов, будет легче сопоставить то, что видят люди, с долгосрочными закономерностями, и могут быть обнаружены некоторые тонкие улучшения, которые повлияют на принятие врачами решений в уходе за больными. ."
Использование технологии искусственного интеллекта для поддержки принятия клинических решений, оценки риска и раннего предупреждения является одной из наиболее многообещающих областей развития этого революционного метода анализа данных.
Предоставляя возможности для нового поколения инструментов и систем, клиницисты могут лучше понимать нюансы болезни, более эффективно предоставлять услуги по уходу и решать проблемы заранее.Искусственный интеллект откроет новую эру улучшения качества клинического лечения и совершит впечатляющие прорывы в уходе за пациентами.
Время публикации: 06 августа 2021 г.
