Очікується, що штучний інтелект стане силою трансформації у сфері охорони здоров’я.Тож як лікарі та пацієнти отримують вигоду від впливу інструментів, керованих ШІ?
Сучасна галузь охорони здоров’я є дуже зрілою та може внести деякі серйозні зміни.Від хронічних захворювань і раку до радіології та оцінки ризиків, індустрія охорони здоров’я, здається, має незліченну кількість можливостей використовувати технології для розгортання більш точних, ефективних і ефективних втручань у догляд за пацієнтами.
З розвитком технологій пацієнти висувають дедалі вищі вимоги до лікарів, а кількість доступних даних продовжує зростати із загрозливою швидкістю.Штучний інтелект стане двигуном для сприяння постійному вдосконаленню медичної допомоги.
У порівнянні з традиційним аналізом і клінічними технологіями прийняття рішень, штучний інтелект має багато переваг.Коли алгоритм навчання взаємодіє з навчальними даними, він може стати більш точним, дозволяючи лікарям отримати безпрецедентну інформацію про діагноз, процес медсестринства, варіабельність лікування та результати пацієнтів.
У 2018 році на Всесвітньому форумі медичних інновацій у галузі штучного інтелекту (wmif), організованому Partners Healthcare, медичні дослідники та клінічні експерти детально розповіли про технології та галузі медичної галузі, які, швидше за все, матимуть значний вплив на впровадження штучного інтелекту в наступному десятиліття.
Енн Кіблансі, доктор медичних наук, керуючий головою WMIF у 2018 році, і Грегг Мейер, доктор медичних наук, головний науковий співробітник Partners Healthcare, заявили, що такий вид «підривної діяльності», запроваджений у кожну галузь, може принести значні переваги пацієнтам і має широкий спектр потенціал успіху в бізнесі.
За допомогою експертів з охорони здоров’я партнерів, у тому числі доктора Кіта Драєра, професора Гарвардської медичної школи (HMS), головного спеціаліста з питань обробки даних партнерів, і доктора Кетрін Андреол, директора з науково-дослідної стратегії та операцій у Массачусетській лікарні (MGH) , запропонував 12 способів, за допомогою яких ШІ зробить революцію в медичних послугах і науці.
1. Уніфікуйте мислення та машину через мозковий комп’ютерний інтерфейс
Використання комп’ютера для спілкування не є новою ідеєю, але створення прямого інтерфейсу між технологією та людським мисленням без клавіатури, миші та дисплея є передовою галуззю досліджень, яка має важливе застосування для деяких пацієнтів.
Захворювання нервової системи та травми можуть призвести до того, що деякі пацієнти втратять здатність вести змістовну розмову, рухатися та взаємодіяти з іншими людьми та оточенням.Мозковий комп’ютерний інтерфейс (BCI), що підтримується штучним інтелектом, може відновити ці базові відчуття для пацієнтів, які переживають про назавжди втрату цих функцій.
«Якщо я бачу пацієнта в неврологічному відділенні інтенсивної терапії, який раптово втрачає здатність діяти або говорити, я сподіваюся відновити його здатність спілкуватися наступного дня», — сказав Лей Хохберг, доктор медичних наук, директор центру нейротехнологій і нейрореабілітації в Массачусетська загальна лікарня (MGH).Використовуючи мозковий комп’ютерний інтерфейс (BCI) і штучний інтелект, ми можемо активувати нерви, пов’язані з рухом рук, і ми повинні мати можливість змусити пацієнта спілкуватися з іншими принаймні п’ять разів протягом усієї діяльності, наприклад, використовуючи всюдисущі комунікаційні технології, такі як як планшетні комп’ютери або мобільні телефони."
Мозковий комп’ютерний інтерфейс може значно покращити якість життя пацієнтів із бічним аміотрофічним склерозом (БАС), інсультом або синдромом атрезії, а також 500 000 пацієнтів із ушкодженням спинного мозку щороку у всьому світі.
2. Розробити наступне покоління радіаційних інструментів
Радіаційні зображення, отримані за допомогою магнітно-резонансної томографії (МРТ), комп’ютерної томографії та рентгенівського випромінювання, забезпечують неінвазивну видимість внутрішньої частини людського тіла.Однак багато діагностичних процедур все ще покладаються на фізичні зразки тканин, отримані за допомогою біопсії, яка має ризик інфікування.
Експерти прогнозують, що в деяких випадках штучний інтелект дозволить наступному поколінню радіологічних інструментів бути точними та достатньо детальними, щоб замінити попит на зразки живих тканин.
Александра Голбі, доктор медичних наук, директор відділу нейрохірургії з використанням зображень у жіночій лікарні Бригама (BWh), сказала: «Ми хочемо об’єднати групу діагностичних зображень разом із хірургами або інтервенційними радіологами та патологами, але це величезний виклик для різних команд досягти співпраці і послідовність цілей. Якщо ми хочемо, щоб радіологія надавала інформацію, доступну наразі зі зразків тканин, тоді ми повинні мати можливість досягти дуже близьких стандартів, щоб знати основні факти будь-якого конкретного пікселя».
Успіх у цьому процесі може дозволити клініцистам точніше зрозуміти загальну продуктивність пухлини, а не приймати рішення щодо лікування на основі невеликої частини ознак злоякісної пухлини.
ШІ також може краще визначити інвазивність раку та точніше визначити мету лікування.Крім того, штучний інтелект допомагає реалізувати «віртуальну біопсію» та просувати інновації в галузі радіології, яка прагне використовувати алгоритми на основі зображень для характеристики фенотипових і генетичних характеристик пухлин.
3. Розширюйте медичні послуги в районах, які недостатньо забезпечені або розвиваються
Відсутність кваліфікованих постачальників медичних послуг у країнах, що розвиваються, в тому числі ультразвукових техніків і радіологів, значно зменшить шанси використання медичних послуг для порятунку життя пацієнтів.
На зустрічі було зазначено, що в шести лікарнях Бостона на знаменитій Лонгвуд-авеню працює більше радіологів, ніж у всіх лікарнях Західної Африки.
Штучний інтелект може допомогти пом’якшити наслідки критичної нестачі клініцистів, взявши на себе деякі діагностичні обов’язки, які зазвичай покладаються на людей.
Наприклад, інструмент візуалізації штучного інтелекту може використовувати рентген грудної клітки для дослідження симптомів туберкульозу, як правило, з тією ж точністю, що й лікар.Цю функцію можна розгорнути за допомогою програми для постачальників послуг у регіонах з бідними ресурсами, зменшуючи потребу в досвідчених діагностичних радіологах.
«Ця технологія має великий потенціал для покращення охорони здоров’я», — сказав д-р Джаяшрі Калпаті Крамер, асистент відділу неврології та ад’юнкт-професор радіології Массачусетської загальної лікарні (MGH).
Однак розробники алгоритму штучного інтелекту повинні ретельно враховувати той факт, що люди різних національностей або регіонів можуть мати унікальні фізіологічні та екологічні фактори, які можуть вплинути на перебіг захворювання.
«Наприклад, кількість хворих в Індії може сильно відрізнятися від населення Сполучених Штатів», — сказала вона.Коли ми розробляємо ці алгоритми, дуже важливо переконатися, що дані відображають прояв захворювання та різноманітність популяції.Ми можемо не тільки розробити алгоритми на основі однієї популяції, але й сподіватися, що вона може зіграти роль в інших популяціях."
4. Зменшити навантаження на використання електронних медичних записів
Електронна медична карта (її) відіграла важливу роль у цифровому переході галузі охорони здоров’я, але ця трансформація принесла численні проблеми, пов’язані з когнітивним перевантаженням, нескінченними документами та втомою користувачів.
Зараз розробники електронних медичних записів використовують штучний інтелект, щоб створити більш інтуїтивно зрозумілий інтерфейс і автоматизувати процедури, які займають багато часу користувача.
Доктор Адам Лендман, віце-президент і головний інформаційний директор Brigham Health, сказав, що користувачі витрачають більшу частину свого часу на три завдання: клінічну документацію, введення замовлень і сортування своїх вхідних повідомлень.Розпізнавання мовлення та диктування можуть допомогти покращити обробку клінічних документів, але інструментів обробки природної мови (NLP) може бути недостатньо.
«Я думаю, що, можливо, варто бути сміливішим і розглянути деякі зміни, такі як використання відеозапису для клінічного лікування, як поліцейські, які носять камери», — сказав Лендман.Потім штучний інтелект і машинне навчання можна використовувати для індексування цих відео для подальшого пошуку.Подібно до Siri та Alexa, які використовують помічники зі штучним інтелектом вдома, у майбутньому віртуальні помічники будуть доставлені біля ліжка пацієнтів, що дозволить клініцистам використовувати вбудований інтелект для введення медичних призначень."
Штучний інтелект також може допомогти обробляти звичайні запити з вхідних повідомлень, такі як добавки до ліків і повідомлення про результати.Це також може допомогти визначити пріоритетність завдань, які дійсно потребують уваги клініцистів, полегшуючи пацієнтам обробку своїх списків справ, додав Лендман.
5. Ризик стійкості до антибіотиків
Стійкість до антибіотиків є зростаючою загрозою для людей, оскільки надмірне використання цих ключових препаратів може призвести до еволюції супербактерій, які більше не реагують на лікування.Бактерії, стійкі до багатьох лікарських засобів, можуть завдати серйозної шкоди лікарняному середовищу, щороку вбиваючи десятки тисяч пацієнтів.Одна тільки Clostridium difficile завдає системі охорони здоров’я США близько 5 мільярдів доларів на рік і спричиняє понад 30 000 смертей.
Дані ЕЗД допомагають визначити моделі інфекції та підкреслити ризик до того, як у пацієнта почнуть проявлятися симптоми.Використання інструментів машинного навчання та штучного інтелекту для керування цими аналізами може підвищити їхню точність і створювати швидші та точніші сповіщення для постачальників медичних послуг.
«Інструменти штучного інтелекту можуть виправдати очікування щодо інфекційного контролю та стійкості до антибіотиків», — сказала доктор Еріка Шеной, заступник директора з інфекційного контролю Массачусетської загальної лікарні (MGH).Якщо вони цього не зроблять, то всі зазнають невдачі.Оскільки лікарні мають багато даних EHR, якщо вони не використовують їх повною мірою, якщо вони не створюють галузі, які є розумнішими та швидшими в плануванні клінічних випробувань, і якщо вони не використовують EHR, які створюють ці дані, їх чекає невдача."
6. Створення більш точного аналізу для патологічних зображень
Доктор Джеффрі Голден, керівник відділу патології жіночої лікарні Бригама (BWh) і професор патології HMS, сказав, що патологоанатоми є одним із найважливіших джерел діагностичних даних для повного спектру постачальників медичних послуг.
«70% рішень щодо охорони здоров’я ґрунтуються на патологічних результатах, а від 70% до 75% усіх даних в ЕЗД надходять із патологічних результатів», — сказав він.І чим точніше будуть результати, тим швидше буде поставлений правильний діагноз.Це та мета, яку мають шанс досягти цифрова патологія та штучний інтелект."
Глибокий аналіз рівня пікселів на великих цифрових зображеннях дозволяє лікарям розпізнавати тонкі відмінності, які можуть не помітити людське око.
«Тепер ми підійшли до точки, де ми можемо краще оцінити, чи буде рак розвиватися швидко чи повільно, і як змінити лікування пацієнтів на основі алгоритмів, а не клінічних стадій чи гістопатологічної оцінки», — сказав Голден.Це буде величезний крок вперед."
Він додав: «Штучний інтелект також може підвищити продуктивність шляхом виявлення цікавих особливостей у слайдах до того, як клініцисти переглянуть дані. ШІ може фільтрувати слайди та направляти нас, щоб побачити правильний вміст, щоб ми могли оцінити, що важливо, а що ні. Це покращує ефективність використання патологоанатомів і підвищує цінність вивчення ними кожного конкретного випадку».
Внесіть інтелект у медичні пристрої та машини
Смарт-пристрої захоплюють споживче середовище та пропонують різні пристрої: від відео в реальному часі всередині холодильника до автомобілів, які виявляють відволікання водія.
У медичному середовищі інтелектуальні пристрої необхідні для моніторингу пацієнтів у відділеннях інтенсивної терапії та інших місцях.Використання штучного інтелекту для покращення здатності визначати погіршення стану, як-от вказівку на розвиток сепсису, або сприйняття ускладнень може значно покращити результати та знизити витрати на лікування.
«Коли ми говоримо про інтеграцію різних даних у систему охорони здоров’я, нам потрібно інтегрувати та попереджати лікарів інтенсивної терапії, щоб вони втрутилися якомога раніше, і що агрегування цих даних — це погана річ, яку можуть робити лікарі-люди», — сказав Марк Міхальскі. , виконавчий директор Наукового центру клінічних даних BWh.Введення інтелектуальних алгоритмів у ці пристрої зменшує когнітивне навантаження на лікарів і гарантує, що пацієнти отримують лікування якнайшвидше."
8. просування імунотерапії для лікування раку
Імунотерапія є одним з найбільш перспективних способів лікування раку.Використовуючи власну імунну систему організму для атаки на злоякісні пухлини, пацієнти можуть подолати вперті пухлини.Однак лише деякі пацієнти реагують на поточну схему імунотерапії, і онкологи все ще не мають точного та надійного методу визначення, яким пацієнтам ця схема принесе користь.
Алгоритми машинного навчання та їхня здатність синтезувати дуже складні набори даних можуть з’ясувати унікальний генний склад індивідуумів і надати нові варіанти цільової терапії.
«Останнім часом найбільш захоплюючою розробкою стали інгібітори контрольних точок, які блокують білки, що виробляються певними імунними клітинами», — пояснює д-р Лонг Ле, директор відділу обчислювальної патології та розвитку технологій комплексного діагностичного центру Массачусетської лікарні (MGH).Але ми ще не розуміємо всіх проблем, які дуже складні.Нам точно потрібно більше даних про пацієнтів.Ці методи лікування є відносно новими, тому не так багато пацієнтів насправді їх приймають.Таким чином, незалежно від того, чи потрібно нам інтегрувати дані всередині організації чи між кількома організаціями, це буде ключовим фактором у збільшенні кількості пацієнтів для керування процесом моделювання."
9. Перетворіть електронні медичні записи на надійні прогнози ризиків
Електронна медична карта (її) — це скарбниця даних пацієнтів, але для постачальників і розробників — це постійний виклик, щоб отримувати й аналізувати велику кількість інформації точним, своєчасним і надійним способом.
Проблеми з якістю та цілісністю даних у поєднанні з плутаниною формату даних, структурованими та неструктурованими вхідними даними та неповними записами заважають людям точно зрозуміти, як проводити значущу стратифікацію ризиків, прогнозний аналіз і підтримку клінічних рішень.
Доктор Зіад ОБЕРМАЙЕР, доцент кафедри невідкладної медицини в жіночій лікарні Бригама (BWh) і доцент Гарвардської медичної школи (HMS), сказав: «Потрібно виконати певну важку роботу, щоб інтегрувати дані в одному місці. Але інша проблема полягає в тому, щоб зрозуміти що люди отримують, коли передбачають хворобу в електронному (її) медичному записі. Люди можуть почути, що алгоритми штучного інтелекту можуть передбачити депресію чи інсульт, але виявлять, що вони насправді передбачають збільшення вартості інсульту. Це дуже відрізняється від сам погладжувати».
Він продовжив: «Покладаючись на результати МРТ, здається, можна отримати більш конкретний набір даних. Але тепер ми повинні подумати про те, хто може дозволити собі МРТ? Отже, остаточний прогноз не є очікуваним результатом».
Аналіз ЯМР створив багато успішних інструментів оцінки ризиків і стратифікації, особливо коли дослідники використовують методи глибокого навчання для виявлення нових зв’язків між, здавалося б, непов’язаними наборами даних.
Проте ОБЕРМАЙЕР вважає, що забезпечення того, щоб ці алгоритми не виявляли упередженості, приховані в даних, має вирішальне значення для розгортання інструментів, які можуть справді покращити клінічну допомогу.
«Найбільша проблема полягає в тому, щоб переконатися, що ми точно знаємо, що ми передбачили, перш ніж ми почнемо відкривати чорну скриньку і шукати, як прогнозувати», — сказав він.
10.Моніторинг стану здоров'я за допомогою переносних пристроїв і персональних пристроїв
Майже всі споживачі тепер можуть використовувати датчики для збору даних про цінність для здоров’я.Від смартфонів із відстеженням кроків до переносних пристроїв, які цілий день відстежують серцевий ритм, у будь-який час можна згенерувати все більше даних про здоров’я.
Збір і аналіз цих даних і доповнення інформації, наданої пацієнтами за допомогою додатків та інших пристроїв домашнього моніторингу, може надати унікальну перспективу для здоров’я людей і натовпу.
Штучний інтелект відіграватиме важливу роль у вилученні корисної інформації з цієї великої та різноманітної бази даних.
Але доктор Омар Арнаут, нейрохірург жіночої лікарні Брігама (BWh), директор Центру результатів обчислювальної нейронауки, сказав, що може знадобитися додаткова робота, щоб допомогти пацієнтам адаптуватися до цих інтимних даних постійного моніторингу.
"Раніше ми могли вільно обробляти цифрові дані", - сказав він.Але оскільки витоки даних відбуваються в Cambridge Analytics і Facebook, люди будуть дедалі обережнішими щодо того, кому ділитися тими даними."
Пацієнти, як правило, більше довіряють своїм лікарям, ніж великим компаніям, таким як Facebook, додав він, що може допомогти полегшити дискомфорт від надання даних для широкомасштабних дослідницьких програм.
«Цілком ймовірно, що дані, що носяться, матимуть значний вплив, оскільки увага людей дуже випадкова, а зібрані дані дуже грубі», — сказав Арнаут.Постійно збираючи детальні дані, дані, швидше за все, допоможуть лікарям краще доглядати за пацієнтами."
11.зробити смартфони потужним інструментом діагностики
Експерти вважають, що зображення, отримані зі смартфонів та інших ресурсів споживчого рівня, стануть важливим доповненням до клінічної якісної візуалізації, особливо в недостатньо забезпечених регіонах або країнах, що розвиваються, завдяки продовженню використання потужних функцій портативних пристроїв.
Якість мобільної камери покращується з кожним роком, і вона може генерувати зображення, які можна використовувати для аналізу алгоритму ШІ.Дерматологія та офтальмологія є першими бенефіціарами цієї тенденції.
Британські дослідники навіть розробили інструмент для визначення захворювань розвитку, аналізуючи зображення дитячих облич.Алгоритм може виявляти окремі особливості, такі як дитяча лінія нижньої щелепи, положення очей і носа та інші атрибути, які можуть вказувати на аномалії обличчя.Наразі інструмент може зіставляти загальні зображення з більш ніж 90 захворюваннями, щоб забезпечити підтримку клінічних рішень.
Доктор Хаді Шафі, директор лабораторії мікро/наномедицини та цифрової медицини в жіночій лікарні Брігама (BWh), сказав: «Більшість людей оснащені потужними мобільними телефонами з багатьма вбудованими датчиками. Це чудова можливість для нас. Майже всі Гравці галузі почали створювати програмне та апаратне забезпечення штучного інтелекту у своїх пристроях. Це не випадково. У нашому цифровому світі щодня генерується понад 2,5 мільйона терабайт даних. У сфері мобільних телефонів виробники вважають, що вони можуть використовувати це дані для штучного інтелекту для надання більш персоналізованих, швидших і більш інтелектуальних послуг».
Використання смартфонів для збирання зображень очей пацієнтів, уражень шкіри, ран, інфекцій, ліків чи інших об’єктів може допомогти вирішити проблему нестачі експертів у недостатньо обслуговуваних областях, одночасно скорочуючи час для діагностики певних скарг.
«У майбутньому можуть відбутися деякі важливі події, і ми можемо скористатися цією можливістю, щоб вирішити деякі важливі проблеми лікування захворювань у пункті догляду», — сказав Шафіє.
12. Інноваційне прийняття клінічних рішень за допомогою ШІ біля ліжка
Оскільки галузь охорони здоров’я звертається до платних послуг, вона все більше відходить від пасивної медичної допомоги.Профілактика перед хронічними захворюваннями, гострими захворюваннями та раптовим погіршенням є метою кожного постачальника, а структура компенсації в кінцевому підсумку дозволяє їм розробити процеси, які можуть досягти активного та прогнозованого втручання.
Штучний інтелект надасть багато базових технологій для цієї еволюції, підтримуючи інструменти прогнозного аналізу та підтримки клінічних рішень, щоб вирішити проблеми до того, як постачальники усвідомлять необхідність вжити заходів.Штучний інтелект може забезпечити раннє попередження про епілепсію чи сепсис, що зазвичай вимагає глибокого аналізу дуже складних наборів даних.
Брендон Вестовер, доктор медичних наук, директор відділу клінічних даних Массачусетської загальної лікарні (MGH), сказав, що машинне навчання також може допомогти підтримувати продовження надання допомоги критично хворим пацієнтам, наприклад тим, хто перебуває в комі після зупинки серця.
Він пояснив, що за звичайних обставин лікарі повинні перевіряти дані ЕЕГ цих пацієнтів.Цей процес займає багато часу та є суб’єктивним, а результати можуть відрізнятися залежно від навичок та досвіду клініцистів.
Він сказав: «У цих пацієнтів тенденція може бути повільною.Іноді, коли лікарі хочуть побачити, чи одужує хтось, вони можуть переглядати дані, що відстежуються кожні 10 секунд.Однак перевірити, чи змінилися вони за 10 секунд даних, зібраних за 24 години, це все одно, що подивитися, чи виросло за цей час волосся.Однак, якщо використовувати алгоритми штучного інтелекту та великі обсяги даних від багатьох пацієнтів, буде простіше зіставити те, що бачать люди, з довгостроковими закономірностями, і можуть бути знайдені деякі незначні покращення, які вплинуть на прийняття рішень лікарями в сестринській справі. ."
Використання технології штучного інтелекту для підтримки прийняття клінічних рішень, оцінки ризиків і раннього попередження є одним із найбільш перспективних напрямків розвитку цього революційного методу аналізу даних.
Надаючи потужність інструментам і системам нового покоління, клініцисти можуть краще розуміти нюанси хвороби, ефективніше надавати медсестринські послуги та завчасно вирішувати проблеми.Штучний інтелект започаткує нову еру покращення якості клінічного лікування та зробить захоплюючі прориви в догляді за пацієнтами.
Час публікації: 06 серпня 2021 р
