12 načina na koje AI može utjecati na zdravstvenu industriju

Očekuje se da će umjetna inteligencija postati sila transformacije u području zdravstvene zaštite. Dakle, kako liječnici i pacijenti imaju koristi od utjecaja alata koji pokreće umjetna inteligencija?
Današnja zdravstvena industrija je vrlo zrela i može napraviti neke velike promjene. Od kroničnih bolesti i raka do radiologije i procjene rizika, čini se da zdravstvena industrija ima bezbroj mogućnosti korištenja tehnologije za primjenu preciznijih, učinkovitijih i djelotvornijih intervencija u njezi pacijenata.
S razvojem tehnologije, pacijenti imaju sve veće zahtjeve za liječnike, a broj dostupnih podataka nastavlja rasti alarmantnom brzinom. Umjetna inteligencija postat će motor za promicanje stalnog poboljšanja medicinske njege.
U usporedbi s tradicionalnom analizom i tehnologijom donošenja kliničkih odluka, umjetna inteligencija ima mnoge prednosti. Kada algoritam učenja stupi u interakciju s podacima o obuci, može postati precizniji, omogućavajući liječnicima da steknu uvide bez presedana o dijagnozi, procesu njege, varijabilnosti liječenja i ishodima pacijenata.
Na Svjetskom forumu za medicinsku inovaciju umjetne inteligencije (wmif) 2018. koji je održao Partners Healthcare, medicinski istraživači i klinički stručnjaci elaborirali su tehnologije i područja medicinske industrije koja će najvjerojatnije imati značajan utjecaj na usvajanje umjetne inteligencije u sljedećoj godini. decenija.
Anne kiblanksi, MD, CO, predsjedavajuća wmif -a u 2018., i Gregg Meyer, MD, glavni akademski direktor Partners Healthcare -a, rekli su da ova vrsta "subverzije" koja se donosi u svako područje industrije ima potencijal donijeti značajne koristi pacijentima i ima široku potencijal poslovnog uspjeha.
Uz pomoć stručnjaka iz zdravstvene zaštite partnera, uključujući dr. Keitha Dreyera, profesora Harvardske medicinske škole (HMS), glavnog partnera za nauku o podacima, i dr. Katherine andreole, direktoricu istraživačke strategije i operacija u Općoj bolnici Massachusetts (MGH) , predložio je 12 načina na koje će umjetna inteligencija revolucionirati medicinske usluge i znanost.
1.Ujediniti razmišljanje i mašinu putem računarskog sučelja mozga

Korištenje računara za komunikaciju nije nova ideja, ali stvaranje direktnog sučelja između tehnologije i ljudskog razmišljanja bez tastature, miša i ekrana granično je polje istraživanja koje ima važnu primjenu za neke pacijente.
Bolesti i traume živčanog sistema mogu učiniti da neki pacijenti izgube sposobnost smislenog razgovora, kretanja i interakcije s drugima i njihovom okolinom. Računalno sučelje mozga (BCI) podržano umjetnom inteligencijom može vratiti ta osnovna iskustva pacijentima koji su zabrinuti da će zauvijek izgubiti ove funkcije.
"Ako vidim pacijenta na odjelu intenzivne njege neurologije koji iznenada izgubi sposobnost djelovanja ili govora, nadam se da ću mu sljedeći dan vratiti sposobnost komunikacije", rekla je Leigh Hochberg, dr. Med., Direktorica centra za neurotehnologiju i neurorehabilitaciju u Opća bolnica Massachusetts (MGH). Korištenjem moždanog računarskog sučelja (BCI) i umjetne inteligencije možemo aktivirati živce povezane s kretanjem ruke, a trebali bismo biti u mogućnosti natjerati pacijenta da komunicira s drugima najmanje pet puta tijekom cijele aktivnosti, kao što je upotreba sveprisutnih komunikacijskih tehnologija, npr. kao tablet računari ili mobilni telefoni. "
Sučelje moždanog računara može uvelike poboljšati kvalitetu života pacijenata sa amiotrofičnom lateralnom sklerozom (ALS), moždanim udarom ili atrezijskim sindromom, kao i 500 000 pacijenata sa ozljedom kičmene moždine širom svijeta svake godine.
2. Razviti sljedeću generaciju alata za zračenje

Slike zračenja dobivene magnetskom rezonancijom (MRI), CT skenerima i rendgenskim zrakama omogućuju neinvazivan pregled unutrašnjosti ljudskog tijela. Međutim, mnoge dijagnostičke procedure i dalje se oslanjaju na uzorke fizičkog tkiva dobivene biopsijom, koja ima rizik od infekcije.
Stručnjaci predviđaju da će u nekim slučajevima umjetna inteligencija omogućiti sljedećoj generaciji radioloških alata da bude točna i dovoljno detaljna da zamijeni potražnju za uzorcima živog tkiva.
Alexandra golby, dr. Med., Direktorica neurokirurgije vođene slikom u ženskoj bolnici Brigham (BWh), rekla je: "želimo okupiti dijagnostički tim za snimanje zajedno s kirurzima ili interventnim radiolozima i patolozima, ali veliki je izazov za različite timove da ostvare saradnju i dosljednost ciljeva. Ako želimo da radiologija pruži trenutno dostupne podatke iz uzoraka tkiva, tada ćemo morati biti u mogućnosti postići vrlo bliske standarde kako bismo znali osnovne činjenice o bilo kojem pikselu. "
Uspjeh u ovom procesu može omogućiti kliničarima da preciznije razumiju ukupnu učinkovitost tumora, umjesto da donose odluke o liječenju na osnovu malog dijela svojstava malignog tumora.
AI takođe može bolje definisati invazivnost raka i prikladnije odrediti cilj lečenja. Osim toga, umjetna inteligencija pomaže u realizaciji "virtualne biopsije" i promicanju inovacija u području radiologije, koja se zalaže za korištenje algoritama zasnovanih na slici za karakteriziranje fenotipskih i genetskih karakteristika tumora.
3. Proširite medicinske usluge u područjima sa nedovoljno usluga ili u razvoju

Nedostatak obučenih pružatelja zdravstvene zaštite u zemljama u razvoju, uključujući ultrazvučne tehničare i radiologe, uvelike će smanjiti šanse korištenja medicinskih usluga za spašavanje života pacijenata.
Na sastanku je istaknuto da u šest bolnica u Bostonu sa čuvenom Longwood Avenue radi više radiologa nego u svim bolnicama u zapadnoj Africi.
Umjetna inteligencija može pomoći u ublažavanju utjecaja kritičnog nedostatka kliničara preuzimanjem nekih dijagnostičkih odgovornosti koje se obično dodjeljuju ljudima.
Na primjer, alat za snimanje umjetne inteligencije može koristiti rendgenske snimke prsnog koša za ispitivanje simptoma tuberkuloze, obično s istom točnošću kao i liječnik. Ova se funkcija može primijeniti putem aplikacije za pružatelje usluga u područjima siromašnim resursima, smanjujući potrebu za iskusnim radiolozima za dijagnostiku.
"Ova tehnologija ima veliki potencijal za poboljšanje zdravstvene zaštite", rekla je dr. Jayashree kalpathy Cramer, asistent neuroznanosti i vanredni profesor radiologije u Općoj bolnici Massachusetts (MGH)
Međutim, programeri AI algoritama moraju pažljivo razmotriti činjenicu da ljudi različitih nacionalnosti ili regija mogu imati jedinstvene fiziološke i okolišne faktore koji mogu utjecati na izvedbu bolesti.
"Na primjer, stanovništvo pogođeno bolestima u Indiji može se jako razlikovati od onog u Sjedinjenim Državama", rekla je. Kada razvijamo ove algoritme, vrlo je važno osigurati da podaci predstavljaju prezentaciju bolesti i raznolikost populacije. Ne samo da možemo razviti algoritme zasnovane na jednoj populaciji, već se i nadati da može igrati ulogu u drugim populacijama. "
4.Smanjite opterećenje korištenja elektronskih zdravstvenih kartona

Elektronski zdravstveni kartoni (ona) odigrali su važnu ulogu u digitalnom putovanju zdravstvene industrije, ali ova transformacija donijela je brojne probleme povezane s kognitivnim preopterećenjem, beskrajnim dokumentima i umorom korisnika.
Programeri elektronskih zdravstvenih kartona (njeni) sada koriste umjetnu inteligenciju za stvaranje intuitivnijeg sučelja i automatizaciju rutina koje oduzimaju puno vremena korisniku.
Dr. Adam Landman, potpredsjednik i glavni službenik za informiranje Brigham Health -a, rekao je da korisnici većinu svog vremena provode na tri zadatka: kliničkoj dokumentaciji, unosu narudžbi i sortiranju pristiglih sandučića. Prepoznavanje govora i diktiranje mogu pomoći u poboljšanju obrade kliničkih dokumenata, ali alati za obradu prirodnog jezika (NLP) možda neće biti dovoljni.
"Mislim da bi moglo biti potrebno biti odvažniji i razmotriti neke promjene, poput upotrebe video zapisa za kliničko liječenje, baš kao što policija nosi kamere", rekao je Landman. Umjetna inteligencija i strojno učenje tada se mogu koristiti za indeksiranje ovih videozapisa za buduće pretraživanje. Baš kao i Siri i Alexa, koje kod kuće koriste pomoćnike umjetne inteligencije, virtualni asistenti će ubuduće biti dovedeni do kreveta pacijenata, što će kliničarima omogućiti da koriste ugrađenu inteligenciju za unošenje medicinskih naloga. "

AI također može pomoći u rješavanju rutinskih zahtjeva iz pristigle pošte, poput dodataka lijekovima i obavještavanja o rezultatima. Takođe bi moglo pomoći pri određivanju prioriteta zadataka za koje je zaista potrebna pažnja ljekara, olakšavajući pacijentima obradu njihovih lista zadataka, dodao je Landman.
5. Rizik od rezistencije na antibiotike

Rezistencija na antibiotike sve je veća prijetnja za ljude, jer prekomjerna upotreba ovih ključnih lijekova može dovesti do evolucije superbakterija koje više ne reagiraju na liječenje. Bakterije otporne na više lijekova mogu uzrokovati ozbiljna oštećenja u bolničkom okruženju, ubijajući desetine hiljada pacijenata svake godine. Samo Clostridium difficile košta oko 5 milijardi dolara godišnje za zdravstveni sistem SAD -a i uzrokuje više od 30 000 smrtnih slučajeva.
Podaci EHR -a pomažu identificirati obrasce infekcije i istaknuti rizik prije nego što pacijent počne pokazivati ​​simptome. Korištenje alata za strojno učenje i alata umjetne inteligencije za provođenje ovih analiza može poboljšati njihovu točnost i stvoriti brža i preciznija upozorenja za pružatelje zdravstvenih usluga.
"Alati umjetne inteligencije mogu ispuniti očekivanja u pogledu kontrole infekcija i rezistencije na antibiotike", rekla je dr. Erica Shenoy, zamjenica direktora za kontrolu infekcija u Općoj bolnici Massachusetts (MGH). Ako to ne učine, svi će propasti. Budući da bolnice imaju puno podataka o EHR -u, ako ih ne koriste u potpunosti, ako ne stvaraju industrije koje su pametnije i brže u dizajnu kliničkih ispitivanja, i ako ne koriste EHR -ove koji stvaraju te podatke, suočiće se sa neuspehom. "
6. Napravite precizniju analizu za patološke slike

Dr Jeffrey golden, šef patološkog odjela u ženskoj bolnici Brigham (BWh) i profesor patologije na HMS -u, rekao je da patolozi pružaju jedan od najvažnijih izvora dijagnostičkih podataka za cijeli niz pružatelja medicinskih usluga.
"70% odluka o zdravstvenoj zaštiti temelji se na patološkim rezultatima, a između 70% i 75% svih podataka u EHR -u dolazi iz patoloških rezultata", rekao je. I što su rezultati točniji, prije će se postaviti ispravna dijagnoza. Ovo je cilj koji digitalna patologija i umjetna inteligencija imaju priliku postići. "
Dubinska analiza nivoa piksela na velikim digitalnim slikama omogućava ljekarima da prepoznaju suptilne razlike koje mogu izbjeći ljudskim očima.
"Sada smo došli do točke u kojoj možemo bolje procijeniti hoće li se rak brzo ili sporo razvijati i kako promijeniti liječenje pacijenata na temelju algoritama, a ne kliničkih stadija ili histopatološkog ocjenjivanja", rekao je golden. Biće to veliki korak napred. "
Dodao je, "AI također može poboljšati produktivnost tako što će identificirati karakteristike od interesa za slajdove prije nego što kliničari pregledaju podatke. AI može filtrirati slajdove i voditi nas da vidimo pravi sadržaj kako bismo mogli procijeniti šta je važno, a šta nije. To poboljšava efikasnost upotrebe patologa i povećava vrijednost njihovog proučavanja svakog slučaja. "
Unesite inteligenciju u medicinske uređaje i mašine

Pametni uređaji preuzimaju potrošačko okruženje i pružaju uređaje u rasponu od videa u stvarnom vremenu u frižideru do automobila koji otkrivaju ometanje vozača.
U medicinskom okruženju, inteligentni uređaji su neophodni za praćenje pacijenata na intenzivnoj njezi i drugdje. Korištenje umjetne inteligencije za poboljšanje sposobnosti identificiranja pogoršanja stanja, kao što je ukazivanje na to da se razvija sepsa ili percepcija komplikacija može značajno poboljšati rezultate i smanjiti troškove liječenja.
"Kada govorimo o integriranju različitih podataka u zdravstveni sistem, moramo integrirati i upozoriti ljekare intenzivne njege da interveniraju što je prije moguće, te da prikupljanje ovih podataka nije dobra stvar koju liječnici ljudi mogu učiniti", rekao je Mark Michalski , izvršni direktor Naučnog centra za kliničke podatke u BWh. Umetanje pametnih algoritama u ove uređaje smanjuje kognitivno opterećenje liječnika i osigurava da se pacijenti liječe što je prije moguće. "
8. poticanje imunoterapije za liječenje raka

Imunoterapija je jedan od najperspektivnijih načina liječenja raka. Koristeći vlastiti imunološki sistem tijela za napad na maligne tumore, pacijenti će možda moći prevladati tvrdoglave tumore. Međutim, samo nekoliko pacijenata reagira na trenutni režim imunoterapije, a onkolozi još uvijek nemaju preciznu i pouzdanu metodu za utvrđivanje koji će pacijenti imati koristi od režima.
Algoritmi strojnog učenja i njihova sposobnost sintetiziranja vrlo složenih skupova podataka mogli bi razjasniti jedinstveni sastav gena pojedinaca i pružiti nove mogućnosti ciljane terapije.
"U posljednje vrijeme najuzbudljiviji razvoj su inhibitori kontrolnih točaka, koji blokiraju proteine ​​koje proizvode određene imunološke stanice", objašnjava dr. Long Le, direktor računalne patologije i razvoja tehnologije u sveobuhvatnom dijagnostičkom centru Massachusetts General Hospital (MGH). Ali još uvijek ne razumijemo sve probleme, što je vrlo komplicirano. Definitivno nam je potrebno više podataka o pacijentima. Ovi tretmani su relativno novi, pa ih ne uzima mnogo pacijenata. Stoga, bilo da trebamo integrirati podatke unutar organizacije ili u više organizacija, to će biti ključni faktor u povećanju broja pacijenata koji će voditi proces modeliranja. "
9. Pretvorite elektronske zdravstvene kartone u pouzdane prediktore rizika

Elektronički zdravstveni karton (ona) riznica je podataka o pacijentima, ali je dobavljačima i programerima stalni izazov da izvuku i analiziraju veliku količinu informacija na precizan, pravovremen i pouzdan način.
Problemi s kvalitetom i integritetom podataka, zajedno sa zabunom u formatu podataka, strukturiranim i nestrukturiranim ulazima i nepotpunim zapisima, otežavaju ljudima da tačno razumiju kako provesti značajnu stratifikaciju rizika, prediktivnu analizu i podršku kliničkim odlukama.
Dr Ziad OBERMEYER, docent hitne medicine u ženskoj bolnici Brigham (BWh) i docent na Harvardskoj medicinskoj školi (HMS), rekao je: "Postoji dosta napornog posla za integriranje podataka na jedno mjesto. Ali drugi problem je razumjeti ono što ljudi dobiju kada predviđaju bolest u elektroničkom zdravstvenom kartonu (njoj). Ljudi mogu čuti da algoritmi umjetne inteligencije mogu predvidjeti depresiju ili moždani udar, ali otkrivaju da zapravo predviđaju povećanje cijene moždanog udara. To se jako razlikuje od sam moždani udar. "

On je nastavio: "Čini se da oslanjanje na rezultate magnetske rezonancije daje konkretniji skup podataka. Ali sada moramo razmisliti ko može sebi priuštiti magnetsku rezonancu? Dakle, konačno predviđanje nije očekivani rezultat."
NMR analiza proizvela je mnoge uspješne alate za bodovanje i stratifikaciju rizika, posebno kada istraživači koriste tehnike dubokog učenja kako bi identificirali nove veze između naizgled nepovezanih skupova podataka.
Međutim, OBERMEYER vjeruje da je osiguranje da ti algoritmi ne identificiraju pristranosti skrivene u podacima ključno za primjenu alata koji zaista mogu poboljšati kliničku njegu.
"Najveći izazov je osigurati da znamo tačno šta smo predvidjeli prije nego što počnemo otvarati crnu kutiju i gledati kako to predvidjeti", rekao je
10. Praćenje zdravstvenog stanja putem nosivih uređaja i ličnih uređaja

Gotovo svi potrošači sada mogu koristiti senzore za prikupljanje podataka o zdravstvenoj vrijednosti. Od pametnih telefona sa korakom za praćenje do nosivih uređaja koji cijeli dan prate otkucaje srca, u svakom trenutku može se generirati sve više zdravstvenih podataka.
Prikupljanje i analiza ovih podataka i dopuna informacija koje pacijenti pružaju putem aplikacija i drugih uređaja za nadzor doma mogu pružiti jedinstvenu perspektivu za zdravlje pojedinaca i gomile.
AI će igrati važnu ulogu u izvlačenju radnji uvida iz ove velike i raznolike baze podataka.
Međutim, dr. Omar arnout, neurokirurg u ženskoj bolnici Brigham (BWh), direktor Centra za računske neuronaučne rezultate, rekao je da bi mogao biti potreban dodatni rad kako bi se pacijentima pomoglo da se prilagode ovim intimnim, tekućim podacima praćenja.
"Nekada smo bili prilično slobodni u obradi digitalnih podataka", rekao je. No, kako dolazi do curenja podataka na Cambridge analytics -u i Facebooku, ljudi će biti sve oprezniji u pogledu toga tko će podijeliti koje podatke dijeli. "
Pacijenti imaju tendenciju da više vjeruju svojim ljekarima nego velikim kompanijama poput Facebooka, dodao je, što bi moglo olakšati nelagodu pri dostavljanju podataka za velike istraživačke programe.
"Vjerojatno će nosivi podaci imati značajan utjecaj jer je pažnja ljudi vrlo slučajna, a prikupljeni podaci vrlo grubi", rekao je arnout. Kontinuiranim prikupljanjem detaljnih podataka vjerojatnije je da će podaci pomoći ljekarima u boljoj njezi pacijenata. "
11. učinite pametne telefone moćnim dijagnostičkim alatom

Stručnjaci vjeruju da će slike dobivene sa pametnih telefona i drugih resursa na nivou potrošača postati važan dodatak snimanju kliničke kvalitete, posebno u područjima sa nedovoljnom uslugom ili zemljama u razvoju, nastavkom korištenja moćnih funkcija prijenosnih uređaja.
Kvaliteta mobilne kamere poboljšava se svake godine i može generirati slike koje se mogu koristiti za analizu algoritma umjetne inteligencije. Dermatologija i oftalmologija prvi su korisnici ovog trenda.
Britanski istraživači čak su razvili alat za identifikaciju razvojnih bolesti analizirajući slike dječjih lica. Algoritam može otkriti diskretne karakteristike, poput dječje linije mandibule, položaj očiju i nosa i druge atribute koji mogu ukazivati ​​na abnormalnosti lica. Trenutno se alat može podudarati sa uobičajenim slikama s više od 90 bolesti kako bi pružio podršku kliničkim odlukama.
Dr Hadi shafiee, direktorica laboratorije za mikro / nano medicinu i digitalno zdravlje u ženskoj bolnici Brigham (BWh), rekla je: "većina ljudi opremljena je moćnim mobilnim telefonima s mnogo različitih senzora. To je velika prilika za nas. Gotovo svi industrijski igrači počeli su graditi Ai softver i hardver u svojim uređajima. To nije slučajnost. U našem digitalnom svijetu svakodnevno se generira više od 2,5 milijuna terabajta podataka. U području mobilnih telefona, proizvođači vjeruju da mogu koristiti podaci za umjetnu inteligenciju za pružanje personaliziranijih, bržih i inteligentnijih usluga. "
Korištenje pametnih telefona za prikupljanje slika pacijentovih očiju, kožnih lezija, rana, infekcija, lijekova ili drugih subjekata može pomoći u rješavanju nedostatka stručnjaka u područjima koja nemaju dovoljno usluge, a istovremeno skraćuje vrijeme za dijagnosticiranje određenih tegoba.
"Možda će se u budućnosti dogoditi neki veliki događaji, a mi možemo iskoristiti ovu priliku da riješimo neke važne probleme u upravljanju bolestima na mjestu njege", rekla je shafiee
12.Inovacija kliničkog odlučivanja uz AI uz krevet

Kako se zdravstvena industrija okreće uslugama koje se temelje na naknadama, sve se više udaljava od pasivne zdravstvene zaštite. Prevencija prije kronične bolesti, akutnih događaja bolesti i naglog pogoršanja cilj je svakog pružatelja usluga, a kompenzacijska struktura im u konačnici omogućuje razvoj procesa koji mogu postići aktivnu i prediktivnu intervenciju.
Umjetna inteligencija pružit će mnoge osnovne tehnologije za ovu evoluciju, podržavajući prediktivnu analizu i alate za podršku kliničkim odlukama, za rješavanje problema prije nego što pružatelji usluga shvate potrebu za akcijom. Umjetna inteligencija može pružiti rano upozorenje za epilepsiju ili sepsu, što obično zahtijeva dubinsku analizu vrlo složenih skupova podataka.
Brandon Westover, dr. Med., Direktor kliničkih podataka u Općoj bolnici Massachusetts (MGH), rekao je da bi mašinsko učenje moglo pomoći u pružanju podrške kontinuiranoj skrbi za kritično bolesne pacijente, poput onih u komi nakon srčanog zastoja.
Objasnio je da pod normalnim okolnostima ljekari moraju provjeriti EEG podatke ovih pacijenata. Ovaj proces dugotrajan je i subjektivan, a rezultati se mogu razlikovati ovisno o vještinama i iskustvu kliničara.
Rekao je: „Kod ovih pacijenata trend može biti spor. Ponekad, kada liječnici žele vidjeti da li se neko oporavlja, mogu pregledati podatke koji se prate jednom u 10 sekundi. Međutim, vidjeti je li se promijenilo u odnosu na 10 sekundi podataka prikupljenih u 24 sata isto je kao pogledati ako je kosa u međuvremenu narasla. Međutim, ako se koriste algoritmi umjetne inteligencije i velike količine podataka mnogih pacijenata, bit će lakše uskladiti ono što ljudi vide s dugoročnim obrascima, a možda će se pronaći i neka suptilna poboljšanja koja će utjecati na donošenje liječničkih odluka u sestrinstvu . "
Korištenje tehnologije umjetne inteligencije za podršku kliničkim odlukama, bodovanje rizika i rano upozoravanje jedno je od najperspektivnijih razvojnih područja ove revolucionarne metode analize podataka.
Pružajući snagu novoj generaciji alata i sistema, kliničari mogu bolje razumjeti nijanse bolesti, efikasnije pružati medicinske sestre i unaprijed rješavati probleme. Umjetna inteligencija uvest će novu eru poboljšanja kvalitete kliničkog liječenja i učiniti uzbudljive pomake u njezi pacijenata.


Vrijeme objave: avgust-06-2021