12 СПОСОБОВ ИИ ПОВЛИЯТЬ НА ЗДОРОВЬЕ

12 способов ИИ повлиять на здоровье

Индустрия здравоохранения стоит на пороге масштабных изменений. От хронических заболеваний и рака до радиологии и оценки рисков существуют почти бесконечные возможности для использования новейших технологий для более точного и эффективного вмешательства в нужный момент лечения пациента. Искусственный интеллект готов стать революционной силой в здравоохранении. Какую выгоду получат медики и пациенты от применения инновационных инструментов?

Объединение разума и машины

По мере развития информационных структур пациенты требуют больше от своих врачей, а объем медицинских данных продолжает увеличиваться с ошеломляющей скоростью. Объединение разума и машины, как полагают, будет тем двигателем, который изменит медицину принципиально.

Искусственный интеллект предлагает ряд преимуществ перед традиционной аналитикой и клиническими методами принятия решений. Алгоритмы обучения могут стать более точными, поскольку они взаимодействуют с данными обучения, позволяя людям получать беспрецедентную информацию о диагностике, процессах лечения, вариативности лечения и результатах лечения пациентов.

Объединение разума и машиныНа Всемирном медицинском инновационном форуме (WMIF) 2018 года, посвященном искусственному интеллекту, представленному Partners Healthcare, ведущие исследователи и клинические преподаватели продемонстрировали двенадцать технологий и областей отрасли здравоохранения, которые, скорее всего, будут иметь большое влияние на искусственный интеллект в следующем десятилетие.

Каждый член этой «подрывной дюжины» имеет потенциал для получения значительного преимущества для пациентов, обладая возможностями для широкого коммерческого успеха, сказали сопредседатели WMIF Энн Кибланки, MD, главный научный сотрудник Partners Healthcare и Грегг Мейер, MD, Chief Клинический сотрудник.

Эксперты из системы Partners Healthcare, в том числе преподаватели Гарвардской медицинской школы (HMS), модераторов Кейта Драйера, докторанта, доктора философии, главного научного сотрудника по информационным технологиям партнеров и Кэтрин Андриол, доктора философии, директора по стратегии и операциям в Массачусетсе Общая больница (MGH), обнаружили 12 способов применения искусственного интеллекта в науке и в здравоохранении.

Использование компьютеров для общения - это не новая идея, но создание прямых интерфейсов между технологией и человеческим разумом без необходимости использования клавиатур, мышей и мониторов - это новейшая область исследований, которая имеет значительные точки приложения для некоторых клинических случаев.

Неврологические заболевания и травмы нервной системы могут лишить возможности некоторых пациентов говорить, двигаться и взаимодействовать с людьми. Мозговые интерфейсы (BCI), поддерживаемые искусственным интеллектом, могут восстановить эти фундаментальные переживания тем, кто боялся их потерять навсегда.

«Если я в неврологическом отделении интенсивной терапии в понедельник вижу того, кто внезапно потерял способность двигаться или говорить, то я восстановлю способность общаться ко вторнику», - сказал Ли Хохберг, доктор медицинских наук, директор Центра нейротехнологии и нейрореконструкции в MGH.

«Используя BCI и искусственный интеллект, мы можем декодировать нейронные активации, связанные с предполагаемым движением руки, и мы в состоянии позволить этому человеку общаться так же, как многие люди в этой комнате сообщали не менее пяти раз в течение утра, используя новейшие коммуникационные технологии, такие как планшетный компьютер или телефон».

Интерфейс компьютера для мозга может значительно улучшить качество жизни пациентов с БАС, инсультом или аутизмом, а также для тех 500 000 человек во всем мире, которые получают травмы спинного мозга каждый год.

Следующее поколение радиологических инструментов

Радиологические изображения, полученные с помощью МРТ-аппаратов, КТ-сканеров и рентгеновских лучей, обеспечивают не инвазивную видимость внутренней работы человеческого тела. Но многие диагностические процессы по-прежнему зависят от физических образцов тканей, полученных с помощью процедуры биопсии, которая несет риски, в том числе риск возникновения инфекции.

Искусственный интеллект позволит в следующем поколении радиологических инструментов, которые являются точными и достаточно подробными, заменить потребность в образцах тканей в некоторых случаях, прогнозируют эксперты.

Радиологические изображенияМы хотим собрать в группу диагностической визуализации хирурга или интервенционного радиолога и патологоанатома», - сказала Александра Голби, доктор медицинских наук, директор нейрохирургии в Бригаме и женской больнице (BWH). «Объединение разных специалистов и согласование целей - большая проблема».

«Если мы хотим, чтобы изображение дало нам информацию аналогичную той, которую мы сейчас получаем из образцов ткани, тогда нам нужно будет получить детальный снимок, чтобы знать все до заданного пикселя». Медицинская визуализация - это искусственный интеллект здравоохранения. Успех этого проекта может помочь клиницистам более точно понять, как опухоли ведут себя в целом, а не основывать решения о лечении малой части рака. Медики также смогут лучше определять агрессивность раковых образований и определять целевые методы лечения более адекватно. Машинный интеллект помогает включить «виртуальные биопсии» и продвигать инновационную область, которая фокусируется на использовании алгоритмов на основе изображений для характеристики фенотипов и генетических свойства опухолей.

Принятие клинического решения

Школы обученных медицинских работников, включая технологов и радиологов, могут значительно расширить доступ к помощи в развивающихся странах по всему миру. Больше рентгенологов работают в больницах, выстроившихся на знаменитой Лонгвуд-авеню в Бостоне, чем во всей Западной Африке.

На сессии было указано: «Разумный интеллект может помочь смягчить последствия этого серьезного дефицита квалифицированного клинического персонала, взяв на себя некоторые из диагностических обязанности. Например, инструменты визуализации ИИ могут исследовать рентгенограммы грудной клетки для выявления признаков туберкулеза, часто достигая уровня точности, сопоставимого с людьми. Эта возможность может быть развернута с помощью приложения, доступного для поставщиков в районах с низким уровнем ресурсов, что уменьшает потребность в диагностическом радиологе на месте. «Потенциал для этой технологии для расширения доступа к здравоохранению является огромным», - сказал Джаяши Калпаты-Крамер, PhD , Ассистент по неврологии в MGH и доцент радиологии в HMS.

Однако разработчики алгоритмов должны быть осторожны, чтобы учитывать тот факт, что отдельные этнические группы или жители определенных регионов могут иметь уникальную физиологию и надо учитывать факторы окружающей среды, которые будут влиять на характер болезни». Конечно, заболевание и популяция, пораженная этим заболеванием, могут выглядеть в Индии по-разному, чем в США, например, - сказала она. «Поскольку мы разрабатываем эти алгоритмы, очень важно убедиться, что данные представляют собой все разнообразие форм болезней и популяций. Мы не можем просто разработать алгоритм, основанный на одном населении, и ожидать, что он будет работать и на других».

Цифровой ассистент для доктора

Цифровой ассистент для доктораСоздание единых медицинских баз данных сыграло важную роль в продвижении индустрии здравоохранения к цифровизации, но одновременно привело к множеству проблем, связанных с когнитивной перегрузкой, бесконечным генерированием документов. EHR теперь используют искусственный интеллект для создания интуитивно понятных интерфейсов и автоматизации некоторых рутинных процессов, которые потребляют столько времени персонала. Медики тратят большую часть своего времени на три задачи: клиническую документацию, ввод заказа и сортировку, сказал Adam Landman, MD, вице-президент и директор по информационным технологиям в Brigham Health. Голосовые сервисы и диктовка помогают улучшить процесс ввода клинической документации, но инструменты обработки естественного языка (NLP) еще не достаточно разработаны». Я думаю, нам, возможно, придется быть еще более смелым и рассмотреть такие изменения, как видеозапись клинической встречи», - сказал Ландман. «И тогда вы можете использовать ИИ и машинное обучение для индексации этих видеороликов для будущего поиска информации». И так же, как и в доме, где мы используем Сири и Алекса, будущее приведет к тому, что клиницисты будут использовать виртуальных помощников для ввода заказа». Искусственный интеллект может также помочь обрабатывать обычные запросы из папки« Входящие», например, учет лекарств и уведомления о результатах. Это также может помочь определить приоритеты задач, которые действительно требуют внимания врача, добавляет Ландман, что облегчает пользователям работу через список дел.

Определение устойчивости к антибиотикам

Антибиотикорезистентность - это растущая угроза для населения во всем мире, так как чрезмерное использование этих критических препаратов стимулируют эволюцию микроорганизмов, которые больше не реагируют на лечение. Многорезистентные организмы могут нанести ущерб больнице и ежегодно уносить тысячи жизней. Ущерб оценивается в 5 млрд. долларов США в год для системы здравоохранения Штатов и уносит более 30 000 жизней. Электронный анализ состояния здоровья может помочь выявить образцы инфекции и определит пациентов с риском, прежде чем они появятся явные симптомы. Использование инструментов машинного обучения и ИИ-инструментов для управления этой аналитикой может повысить точность и создать более быстрые и более точные предупреждения для поставщиков медицинских услуг. «Инструменты ИИ могут оправдать ожидания контроля инфекции и устойчивости к антибиотикам», Эрика Шеной, доктор медицинских наук, Начальник отдела инфекционного контроля в MGH. «Если они этого не сделают, то это будет большим поражением. Для больниц, сидящих на горах данных EHR и использующих их в полном объеме, для промышленности, которая не сможет создать более умного, более быстрого дизайна клинических испытаний, и для EHR, которые создают эти данные ... это было бы неудачей ».

Анализ изображений и выявление заболеваний программами

Патологии предоставляют один из наиболее важных предмет диагностических данных для поставщиков по всему спектру услуг по оказанию помощи, говорит Джеффри Голден, доктор медицинских наук, профессор кафедры патологии BWH и профессор патологии в HMS. «Семьдесят процентов всех решений в области здравоохранения основаны на данных о патологиях», - сказал он. «Где-то от 70 до 75 процентов всех данных в EHR являются результатом патологии. Таким образом, чем точнее мы получаем, тем быстрее мы сможем найти правильный диагноз, тем лучше мы будем. Это то, что дает цифровая патология и ИИ. «Аналитика, которая может развернуться до уровня пикселей на чрезвычайно больших цифровых изображениях, может позволить провайдерам выявить нюансы, которые могут уйти от человеческого глаза». Мы сейчас добираемся до точки, где мы можем лучше оценить, будет ли рак прогрессировать быстро или медленно, и как это может измениться, как пациенты будут лечиться на основе алгоритма, а не клинического этапа или гистопатологического класса », - сказал Голден. «Это будет огромный шаг вперед». Искусственный интеллект может также повысить производительность за счет выявления особенностей, представляющих интерес, до того, как клиницист-медик просмотрит данные, добавил он. «ИИ может изучать изображения и направлять нас к правильным выводам. А мы можем оценить, что важно, а что нет. Это повышает эффективность распределения рабочего времени патологоанатома и увеличивает ценность времени, которое специалисты тратят на каждый случай».

Здоровье и ИИ

Интернет вещей захватывает потребительскую среду, предлагая все, начиная от видео в реальном времени изнутри холодильника до робота в автомобиле, который может дать сигнал, когда водитель отвлекается. В медицинской среде интеллектуальные устройства имеют решающее значение для мониторинга пациентов в ОИТ и в других подобных местах, где время измеряется секундами. Используя искусственный интеллект, можно оперативно выявлять ухудшение здоровья пациента, предположим, что возник сепсис, или развиваются осложнения. Ранее выявление и своевременное реагирование может значительно улучшить результат лечения и снизить затраты, связанные с издержками сложного лечения в больничных условиях. «Когда мы говорим об интеграции разрозненных данных из всей системы здравоохранения, ее интеграции и создании предупреждения, которое предупредило бы доктора ICU о вмешательстве на раннем этапе - агрегация этих данных не может быть сделана человеком хорошо», - сказал Марк Михалски, MD , Исполнительный директор Центра клинических данных MGH & BWH. Вставка интеллектуальных алгоритмов в эти устройства может снизить когнитивное бремя для врачей, гарантируя, что пациенты получат уход как можно более оперативно.

Иммунотерапия против рака

Иммунотерапия - один из наиболее перспективных путей лечения рака. Используя собственную иммунную систему организма для борьбы с злокачественными новообразованиями, пациенты могут бороться с опухолями. Тем не менее, лишь небольшое число пациентов реагируют на этот вариант иммунотерапии. У онкологов до сих пор нет точного и надежного метода определения того, какие пациенты будут пользоваться этим вариантом лечения успешно. Механизмы обучения алгоритмов и их способность обрабатывать очень сложные наборы данных открывают новые возможности для изучения уникального генетического состава человека». «В последнее время самым захватывающим событием является открытие ингибиторов контрольных точек, которые блокируют некоторые белки, произведенные некоторыми иммунными клетками», - пояснил Лонг Ле, доктор медицины, доктор философии, директор Вычислительная патология и развитие технологий в Центре комплексной диагностики MGH. «Но мы все еще не понимаем всю биологию болезни. Это очень сложная проблема». «Нам определенно нужно больше данных пациентов. Терапии относительно новы, поэтому на этими методиками воспользовались не много пациентов. Таким образом, необходимо ли нам интегрировать данные одного учреждения или нескольких, будет ключевым фактором с точки зрения увеличения численности пациентов, чтобы стимулировать процесс моделирования ».

Проблема качества данных

Проблема качества данныхМедицинские данные это золотая руда пациентов, но извлечение и анализ того, что может быть богатством требует точности, актуальности и надежности. Качество данных стало постоянной проблемой для медиков и разработчиков. Проблемы качества и целостности информации, а также беспорядочный формат, неструктурированность данных и неполные записи затрудняет расчет стратификации рисков, использование их в прогнозной аналитике и поддержке клинических решений. «Часть тяжелой работы - это интеграция данных в одну базу», - заметил Зиад Обермайер, доктор медицинских наук, доцент кафедры экстренной медицины в BWH и доцент HMS. «Но еще одна проблема заключается в понимании того, что вы хотите получить, когда вводите данные о болезни в EHR».

«Вы хотите, чтобы алгоритм предсказал депрессию или инсульт, но когда вы копнете глубже, вы обнаружите, что на самом деле ИИ предсказывает, биллинговый код для инсульта. Это очень отличается от самого инсульта». Полагаясь на результаты МРТ, возможно, можно уточнить конкретные симптомы, продолжил он. «Но теперь вам нужно подумать о том, кто может позволить себе МРТ, а кто не может? Поэтому то, что вы в конечном итоге предсказываете, - это не то, что вы считали предсказанием. Возможно, вы прогнозируете выставление счетов за инсульт у людей, которые могут заплатить за диагностику, а не за какую-то церебральную ишемию». Аналитики EHR создали много успешных инструментов оценки риска и стратификации, особенно, когда исследователи применяют методы обучения для выявления новых связей между кажущимся несвязанными наборами данных. Но важно обеспечить качество материала для анализа, чтобы скрытые искажения в данных, не привели к ошибочным выводам», - продолжил Обермейер. «Самая большая проблема будет заключаться в том, чтобы обеспечить достоверность того, что мы предсказываем, до того, как мы приступим к анализу», - сказал он.

Наблюдение при помощи персональных устройств

Почти все потребители теперь могут приобрести устройства с датчиками, которые могут собирать ценные данные об их здоровье. От смартфонов с счетчиками шагов до носков, которые могут отслеживать пульс круглосуточно. Все больше медицинских данных, связанных со здоровьем, генерируется на ходу. Сбор и анализ этих данных - и дополнение к нему предоставленной пациентом информации с помощью приложений и другого домашнего мониторинга устройства - открывают уникальную перспективу для здоровья каждого человека и населения всей планеты в целом. Искусственный интеллект будет играть важную роль в извлечении действенных идей из этого большого и разнообразного хранилища данных. Но помощь пациентам в удобстве обмена данными с этим интимным, постоянным мониторингом может потребовать немного дополнительной работы, говорит Омар Арнау, доктор медицины, со-директор Центра вычислений неврологических исходов и нейрохирург в BWH. «Как общество, мы были довольно либеральны с нашими цифровыми данными », - сказал он. Но по мере того, как в наше коллективное сознание приходит опыт Cambridge Analytica и Facebook, люди станут все более осмотрительными в отношении того, с кем они делятся данными». Однако пациенты склонны доверять своим врачам больше, чем они могут доверять крупной компании, такой как Facebook , добавил он, что может помочь облегчить любой дискомфорт, связанный с предоставлением данных в широкомасштабные исследовательские инициативы. Собирая частные данные в непрерывном режиме, медицина имеет шанс выйти на новый уровень».

Смартфоны, как диагностический инструмент

Продолжая тему использования переносных устройств, эксперты считают, что изображения, взятые из смартфонов и других мобильных источников, станут важным дополнением к визуализации медицинской информации. Особенно в малообеспеченных группах населения или развивающихся странах. Качество камер сотовых телефонов растет с каждым годом и может создавать изображения, которые могут быть пригодны для анализа алгоритмов искусственного интеллекта. Дерматология и офтальмология являются ранними бенефициарами этой тенденции. Исследователи из Соединенного Королевства даже разработали инструмент, который идентифицирует болезни на разных стадиях, анализируя изображения лица ребенка. Алгоритм может обнаруживать отдельные функции, такие как линия челюсти ребенка, расположение глаз и носа и другие признаки, которые могут указывать на черепно-лицевую аномалию. В настоящее время инструмент может диагностировать более чем с 90 нарушений.

«Большинство населения оснащено карманными устройствами, в которые встроено множество различных датчиков», - сказал Хади Шафи, PhD, директор лаборатории микро- наномедицины и цифрового здравоохранения в BWH. «Это отличная возможность для нас. Почти каждый крупный игрок в отрасли начал создавать ПО для ИИ в своих устройствах. Это не совпадение. Каждый день в нашем цифровом мире мы генерируем более 2,5 миллионов терабайт данных. Производители мобильных телефонов считают, что они могут использовать эти данные для машинного обучения, чтобы разрабатывать более персонализированные, более быстрые и интеллектуальные сервисы».

Использование смартфонов для сбора изображений глаз, поражений кожи, ран, инфекций, или других отклонений могут помочь малообеспеченным жителям планеты справиться с нехваткой специалистов-медиков, одновременно сократить время от начала болезни до постановки диагноза. Можно использовать эту возможность для решения некоторых важных проблем, связанных с борьбой с болезнями.

Поскольку индустрия здравоохранения отходит от платы за обслуживание, она также движется в сторону превентивных мер. Преодоление хронических заболеваний, дорогостоящих в лечении острых форм заболеваний является целью каждой клиники и структур страховых плат, наконец, позволяют им разрабатывать процессы, которые позволят проводить профилактические, превентивные мероприятия.

Искусственный интеллект обеспечит основу для этой эволюции, включив интеллектуальную аналитику и инструменты поддержки принятия решений, которые подскажут медикам проблемы до того, как они проявятся.

Уже сегодня ИИ может предупредить о таких состояниях, как судороги или сепсис, которые часто требуют интенсивного анализа сложных наборов данных.

Смартфоны, как диагностический инструментМашинное обучение также может помочь в принятии решений о том, продолжать ли уход за больными, страдающими тяжелыми заболеваниями, такими как те, кто вступил в кому после остановки сердца, говорит Брэндон Уэстовер, доктор медицины, доктор философии, директор Центра анимации клинических данных MGH.

Как правило, медики должны визуально проверять данные ЭГК у сложных пациентов, пояснил он. Этот процесс занимает много времени и субъективен, результаты могут варьироваться в зависимости от навыков и опыта конкретного врача.

«У таких пациентов процессы могут медленно развиваться», - сказал он. «Иногда, когда мы пытаемся выяснить, восстанавливается ли кто-то, мы берем данные за десять секунд мониторинга раз в сутки. Но пытаясь понять, изменилось ли что-то за десять секунд, полученных 24 часа назад, похоже на попытку посмотреть, насколько выросли ваши волосы за несколько секунд».

«Но если у вас есть алгоритм ИИ и много и много данных от многих пациентов, легче сопоставить то, что вы видите, для долгосрочных моделей и, возможно, обнаружить слабую динамику улучшения, которая повлияет на решение и планы лечения».

Использование ИИ для обоснования принятия клинических решений, оценки риска и раннего оповещения являются наиболее перспективными областями применения этого революционного подхода к анализу медицинских данных.

Внедряя новое поколение инструментов и систем, которые делают врачей более осведомленными о нюансах, более эффективными при оказании помощи и, вооружая, опережающими проблемы, знаниями ИИ откроет новую эру медицины.

Оригинал статьи

ЧИТАЙТЕ ТАКЖЕ

Задать вопрос

Оставьте свое сообщение и контакты для связи.
Мы с вами обязательно свяжемся.