Indhold
- Medicinsk billeddannelse
- Elektroniske medicinske poster (EMR'er)
- Ingen fejl, ingen stress - Din trinvis vejledning til oprettelse af livsændrende software uden at ødelægge dit liv
- Klinisk beslutningsstøtte (CDS)
- Lægemiddeludvikling
- Et spring ind i fremtiden
- Et ord til de kloge
Kilde: video-doctor / iStockphoto
Tag væk:
AI gør det muligt for medicinsk teknologi at udvikle sig i et stadig hurtigere tempo. Her er nogle af de seneste gennembrud.
Kunstig intelligens revolutionerer vores verden på mange ufattelige måder. På randen af den fjerde industrielle revolution er menneskeheden i øjeblikket vidne til de første skridt, som maskinerne gør for at genopfinde den verden, vi lever i. Og mens vi fortsætter med at diskutere de potentielle ulemper og fordele ved at erstatte mennesker med intelligente, selvlærende maskiner, et område, hvor AI's positive indflydelse helt sikkert vil forbedre vores livskvalitet: sundhedsvæsenet.
Medicinsk billeddannelse
Maskinlæringsalgoritmer kan behandle ufattelige mængder info med et øjeblik. Og de kan være meget mere præcise end mennesker ved at se selv den mindste detalje i medicinske billeddannelsesrapporter som mammogrammer og CT-scanninger.
Virksomheden Zebra Medical Vision udviklede en ny platform kaldet Profound med algoritmebaseret analyse af alle typer medicinske billeddannelsesrapporter, der er i stand til at finde alle tegn på mulige tilstande såsom osteoporose, brystkræft, aortaaneurismer og mange flere med 90 procent nøjagtighed. Og dens dybe læringsfunktioner er blevet uddannet til at kontrollere for skjulte symptomer på andre sygdomme, som sundhedsudbyderen muligvis ikke har været på udkig efter i første omgang. Andre dybe læringsnetværk opnåede endda en nøjagtighedsscore på 100 procent, når detekterede tilstedeværelsen af nogle især dødelige former for brystkræft i biopsi-lysbilleder.
Computerbaseret analyse er så meget mere effektiv til (og billigere end) at fortolke data eller billeder end mennesker, at nogle endda har hævdet, at det i fremtiden kunne blive uetisk ikke at erstatte AI i nogle erhverv som radiologer og patologer! (For mere om IT inden for medicin, se IT's rolle i medicinsk diagnose.)
Elektroniske medicinske poster (EMR'er)
Effekten af elektroniske medicinske poster (EMR) på sundhedsinformationsteknologi er et af de mest kontroversielle emner i debatten i det sidste årti. Ifølge nogle undersøgelser repræsenterer de et vendepunkt i forbedring af plejekvaliteten, samtidig med at produktiviteten og aktualiteten øges. Mange sundhedsudbydere fandt dem imidlertid besværlige og vanskelige at bruge, hvilket førte til betydelig teknologisk modstand og udbredt ineffektivitet. Kunne den nyere AI-drevet software komme de mange læger, sygeplejersker og farmaceuter til at redde hver dag med EMR'ers uhåndterlige klumhed?
Et af de største problemer med denne nye sundhedsvæsensteknologi er, at det tvinger klinikere til at bruge alt for meget af deres dyrebare tid på at udføre gentagne opgaver. AI kan dog let automatisere dem, f.eks. Ved at bruge talegenkendelse under et besøg for at registrere hver detalje, mens lægen taler med patienten. Diagrammer kan og vil omfatte meget mere detaljerede data, der kunne indsamles fra en række kilder, såsom bærbare enheder og eksterne sensorer, og AI vil føre dem direkte ind i EMR.
Men når vi går videre fra det første trin i dataindsamling, når nok relevant information korrekt forstås og ekstrapoleres af dyb indlæringsalgoritmer, kan det bruges til at forbedre plejekvaliteten på mange måder. Det kan forbedre patienters overholdelse af behandling og reducere forebyggelige begivenheder eller endda guide læger via forudsigelig AI-analyse til behandling af omkostninger, livstruende tilstande. Bare for at nævne et praktisk eksempel fandt en nylig undersøgelse offentliggjort i JAMA Network, hvordan de store data, der blev ekstraheret fra EMR'er og fordøjet af en AI ved University of California, hjalp San Francisco Health med behandlingen af potentielt dødbringende Clostridium difficile (C. diff ) infektioner.
Og det er nemt at se, hvor meget medicinsk rekord dataudvikling bliver den næste “store ting” inden for sundhedsvæsenet, da ingen anden end Google lancerede sit eget Google DeepMind Health-projekt for at forbedre hastigheden, kvaliteten og lige adgangen til pleje.
Ingen fejl, ingen stress - Din trinvis vejledning til oprettelse af livsændrende software uden at ødelægge dit liv
Du kan ikke forbedre dine programmeringsevner, når ingen er interesseret i softwarekvalitet.
Klinisk beslutningsstøtte (CDS)
Et andet interessant eksempel på dyb læring kan hjælpe maskiner med at tage bedre beslutninger end deres menneskelige modparter er spredning af værktøjer til klinisk beslutningstøtte (CDS).
Disse værktøjer er normalt indbygget i EMR-systemet til at hjælpe klinikere i deres arbejde ved at foreslå det bedste behandlingsforløb, advare om potentielle farer såsom farmakologiske interaktioner eller tidligere tilstande og analysere endda den mindste detalje i en patients sundhedsprotokol.
Et interessant eksempel er MatrixCare, et softwarehus, der var i stand til at integrere Microsofts berømte AI Cortana i deres værktøj, der blev brugt til at styre plejehjem. De potente analysefunktioner i maskinindlæringsmotoren styrket supportværktøjernes beslutningsevne uden tvivl.
”En læge kan læse et medicinsk tidsskrift måske to gange om måneden,” forklarer administrerende direktør John Damgaard, ”Cortana kan læse alle kræftundersøgelser, der er offentliggjort i historien før middag og kl. 15.00. udarbejder patientspecifikke henstillinger om plejeplaner og forbedrer resultater. ”
CDS bringer også frem argumentet om, at maskiner er i stand til at kommunikere med hinanden meget bedre end mennesker gør. Især forskellige medicinske enheder kan alle forbindes til internettet ligesom enhver anden internet-ting (IoT) -enhed (wearables, skærme, natbordssensorer osv.) Og til EMR-softwaren. Interoperabilitet er et kritisk spørgsmål om moderne sundhedsvæsen, da levering af plejefragmentering er en væsentlig årsag til upassende behandling og øgede hospitalsindlæggelser. Når de ledes af smart AI, bliver de forskellige EMR-platforme i stand til at "tale" med hinanden via internettet, hvilket øger samarbejdet og samarbejdet mellem forskellige afdelinger og endda forskellige sundhedsfaciliteter.
Lægemiddeludvikling
At udvikle et nyt lægemiddel gennem kliniske forsøg er ofte en meget kostbar affære. Ikke kun med hensyn til tid (talte om årtier) og investerede dollars (omkostningerne kan nemt nå op til flere milliarder dollars), men også menneskeliv. Mange nye lægemidler kræver faktisk mange års yderligere test på emner i den virkelige verden i den såkaldte periode efter markedsføring, og det er ikke så ualmindeligt, at mange alvorlige (eller endda dødbringende) bivirkninger opdages mange år efter, at en medicin er blevet opdaget. lanceret.
Endnu en gang kan effektiv supercomputer-drevet AI udrydde nye lægemidler fra en database med molekylstrukturer, som intet menneske nogensinde kunne tørre at analysere. Et fremtrædende eksempel er Atomwises AI, der var i stand til at forudsige to medikamenter, der kunne stoppe ebola-virusepidemien. På mindre end en dag var deres virtuelle søgning i stand til at finde to sikre, allerede eksisterende medicin, der kunne genbruges til bekæmpelse af den dødbringende virus. Det bedste er, at de fandt en måde at reagere effektivt på en pandemisk nødsituation bare ved at scanne gennem medikamenter, der allerede var blevet markedsført til patienter i årevis, hvilket beviser deres sikkerhed. (Se Big Datas Indflydelse i medicin og farmaceutiske produkter for at lære mere om, hvordan teknologi styrer udvikling af medikamenter).
Et spring ind i fremtiden
Nogle af de mest fantastiske teknologier er endnu ikke klar, idet de kun er prototyper, men deres implikationer er så betagende, at de stadig er værd at nævne.
En af disse er præcisionsmedicin, en virkelig ambitiøs disciplin, der bruger dybe genomikealgoritmer til at scanne gennem en patients DNA på udkig efter mutationer og anomalier, der kan være knyttet til sygdomme som kræft. Mennesker som Craig Venter, en af fædrene til Human Genome Project, arbejder i øjeblikket på en ny generation af computerteknologier, der kan forudsige virkningerne af enhver genetisk ændring, baner vejen for individualiserede behandlinger og tidlig påvisning af mange forebyggelige sygdomme.
Et ord til de kloge
Så begejstrede som vi kan være på grund af det enorme potentiale ved at introducere AI i sundhedsvæsenet, er det vigtigt, at vi forstår dens begrænsninger. Brug af AI i medicin er ikke uden risici, selvom mange af dem let vil blive overvundet, når vi er vant til det.
Den maksimale ”ikke gør skade” er kritisk for at etablere nogle etiske standarder, der kan fungere som grænser. I dag blev investeret i ansvaret for at opbygge den ramme, hvorpå de kommende generationer skal træffe deres beslutninger.