Očekuje se da će umjetna inteligencija postati transformatorska snaga u području zdravstvene zaštite.Pa kako doktori i pacijenti imaju koristi od uticaja alata vođenih veštačkom inteligencijom?
Današnja zdravstvena industrija je veoma zrela i može napraviti neke velike promjene.Od hroničnih bolesti i raka do radiologije i procjene rizika, čini se da zdravstvena industrija ima bezbroj mogućnosti da koristi tehnologiju za implementaciju preciznijih, efikasnijih i djelotvornijih intervencija u njezi pacijenata.
Sa razvojem tehnologije, pacijenti imaju sve veće zahtjeve za doktorima, a broj dostupnih podataka nastavlja da raste alarmantnom brzinom.Umjetna inteligencija će postati motor za promicanje stalnog poboljšanja medicinske skrbi.
U poređenju sa tradicionalnom analizom i tehnologijom kliničkog odlučivanja, veštačka inteligencija ima mnogo prednosti.Kada algoritam učenja stupi u interakciju s podacima o obuci, može postati precizniji, omogućavajući doktorima da steknu neviđene uvide u dijagnozu, proces njege, varijabilnost liječenja i ishode pacijenata.
Na Svjetskom forumu za medicinske inovacije umjetne inteligencije (wmif) 2018. koji je održao Partners Healthcare, medicinski istraživači i klinički stručnjaci elaborirali su o tehnologijama i poljima medicinske industrije koja će najvjerovatnije imati značajan utjecaj na usvajanje umjetne inteligencije u narednom decenija.
Anne Kiblanksi, MD, CO predsjedavajući wmif-a 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 da donese značajne koristi pacijentima i ima širok potencijal poslovnog uspeha.
Uz pomoć stručnjaka iz partnerske zdravstvene zaštite, uključujući dr. Keitha Dreyera, profesora Harvardske medicinske škole (HMS), glavnog službenika za nauku o podacima partnera, i dr. Katherine andreole, direktoricu strategije istraživanja i operacija u Općoj bolnici Massachusetts (MGH) , predložio je 12 načina na koje će AI revolucionirati medicinske usluge i nauku.
1.Ujediniti razmišljanje i mašinu preko moždanog kompjuterskog interfejsa
Korišćenje računara za komunikaciju nije nova ideja, ali stvaranje direktnog interfejsa između tehnologije i ljudskog razmišljanja bez tastature, miša i ekrana je granično polje istraživanja koje ima važnu primenu za neke pacijente.
Bolesti i traume nervnog sistema mogu dovesti do toga da neki pacijenti izgube sposobnost smislenog razgovora, kretanja i interakcije sa drugima i njihovom okolinom.Računalni interfejs mozga (BCI) podržan od strane veštačke inteligencije može vratiti ta osnovna iskustva pacijentima koji su zabrinuti da će te funkcije zauvek izgubiti.
"Ako vidim pacijenta na odjelu intenzivne neurologije koji iznenada izgubi sposobnost da djeluje ili govori, nadam se da ću mu vratiti sposobnost komunikacije sljedećeg dana", rekao je Leigh Hochberg, MD, direktor centra za neurotehnologiju i neurorehabilitaciju u Opća bolnica Massachusetts (MGH).Korištenjem moždanog kompjuterskog interfejsa (BCI) i umjetne inteligencije možemo aktivirati živce vezane za pokrete ruke, a trebali bismo biti u mogućnosti natjerati pacijenta da komunicira s drugima najmanje pet puta tokom cijele aktivnosti, kao što je korištenje sveprisutnih komunikacijskih tehnologija kao što je kao tablet računari ili mobilni telefoni."
Moždani kompjuterski interfejs može značajno poboljšati kvalitet života pacijenata sa amiotrofičnom lateralnom sklerozom (ALS), moždanim udarom ili sindromom atrezije, kao i 500 000 pacijenata sa povredom kičmene moždine širom sveta svake godine.
2. Razviti sljedeću generaciju alata za zračenje
Slike zračenja dobijene magnetnom rezonancom (MRI), CT skenerima i rendgenskim zracima pružaju neinvazivnu vidljivost u unutrašnjosti ljudskog tijela.Međutim, mnoge dijagnostičke procedure se još uvijek oslanjaju na fizičke uzorke tkiva dobivene biopsijom, što ima rizik od infekcije.
Stručnjaci predviđaju da će u nekim slučajevima umjetna inteligencija omogućiti da sljedeća generacija radioloških alata bude dovoljno tačna i detaljna da zamijeni potražnju za uzorcima živog tkiva.
Alexandra golby, MD, direktorica neurohirurgije vođene slikom u bolnici za žene Brigham (BWh), rekla je: "Želimo da okupimo tim za dijagnostiku imidžinga zajedno s kirurzima ili interventnim radiolozima i patolozima, ali je veliki izazov za različite timove da ostvare saradnju i konzistentnost ciljeva. Ako želimo da radiologija pruži informacije koje su trenutno dostupne iz uzoraka tkiva, onda ćemo morati biti u stanju postići vrlo bliske standarde kako bismo znali osnovne činjenice bilo kojeg datog piksela."
Uspjeh u ovom procesu može omogućiti kliničarima da preciznije razumiju ukupni učinak tumora, umjesto da donose odluke o liječenju na osnovu malog dijela atributa malignog tumora.
AI također može bolje definirati invazivnost raka i prikladnije odrediti cilj liječenja.Osim toga, umjetna inteligencija pomaže u realizaciji "virtuelne biopsije" i promovira inovacije u području radiologije, koja je posvećena korištenju algoritama zasnovanih na slikama za karakterizaciju fenotipskih i genetskih karakteristika tumora.
3. Proširiti medicinske usluge u nedovoljno opskrbljenim područjima ili područjima u razvoju
Nedostatak obučenih zdravstvenih radnika u zemljama u razvoju, uključujući ultrazvučne tehničare i radiologe, uvelike će smanjiti šanse za korištenje medicinskih usluga za spašavanje života pacijenata.
Na sastanku je istaknuto da radi više radiologa u šest bolnica u Bostonu sa čuvenom Longwood Avenue nego u svim bolnicama u zapadnoj Africi.
Vještačka inteligencija može pomoći u ublažavanju uticaja kritičnog nedostatka kliničara preuzimanjem nekih dijagnostičkih odgovornosti koje se obično dodeljuju ljudima.
Na primjer, AI alat za snimanje može koristiti rendgenske snimke grudnog koša za ispitivanje simptoma tuberkuloze, obično s istom preciznošću kao i doktor.Ova funkcija se može primijeniti putem aplikacije za pružaoce usluga u područjima sa siromašnim resursima, smanjujući potrebu za iskusnim dijagnostičkim radiolozima.
"Ova tehnologija ima veliki potencijal za poboljšanje zdravstvene zaštite", rekao je dr. Jayashree kalpathy Cramer, pomoćnik neuronauke i vanredni profesor radiologije u Općoj bolnici Massachusetts (MGH)
Međutim, programeri AI algoritama moraju pažljivo razmotriti činjenicu da ljudi različitih nacionalnosti ili regiona mogu imati jedinstvene fiziološke faktore i faktore okoline, koji mogu uticati na performanse bolesti.
"Na primjer, populacija pogođena bolešću u Indiji može biti vrlo različita od one 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 nadamo da ona može igrati ulogu u drugim populacijama."
4. Smanjite opterećenje upotrebe elektronskih zdravstvenih kartona
Elektronski zdravstveni karton (njen) igrao je važnu ulogu u digitalnom putu zdravstvene industrije, ali je ova transformacija donijela brojne probleme vezane za kognitivno preopterećenje, beskrajne dokumente i zamor korisnika.
Programeri elektronskog zdravstvenog kartona (njeni) sada koriste umjetnu inteligenciju kako bi stvorili intuitivnije sučelje i automatizirali rutine koje oduzimaju puno vremena korisnicima.
Dr Adam Landman, potpredsjednik i glavni službenik za informiranje Brigham Healtha, rekao je da korisnici provode većinu svog vremena na tri zadatka: kliničku dokumentaciju, unos narudžbi i sortiranje svojih sandučića.Prepoznavanje govora i diktiranje mogu pomoći u poboljšanju kliničke obrade dokumenata, ali alati za obradu prirodnog jezika (NLP) možda neće biti dovoljni.
"Mislim da bi možda bilo potrebno biti hrabriji i razmotriti neke promjene, kao što je korištenje video zapisa za kliničko liječenje, baš kao što policija nosi kamere", rekao je Landman.Umjetna inteligencija i strojno učenje se zatim mogu koristiti za indeksiranje ovih videozapisa za buduće preuzimanje.Baš kao Siri i Alexa, koji kod kuće koriste pomoćnike s umjetnom inteligencijom, virtualni asistenti će u budućnosti biti dovedeni do kreveta pacijenata, što će kliničarima omogućiti da koriste ugrađenu inteligenciju za unos medicinskih naloga."
AI također može pomoći u rješavanju rutinskih zahtjeva iz sandučića, kao što su dodaci lijekovima i obavještavanje o rezultatima.Takođe može pomoći da se odredi prioritet zadataka koji zaista zahtevaju pažnju kliničara, što olakšava pacijentima da obrađuju svoje liste obaveza, dodao je Landman.
5. Rizik od rezistencije na antibiotike
Otpornost na antibiotike rastuća je prijetnja ljudima, jer prekomjerna upotreba ovih ključnih lijekova može dovesti do evolucije superbakterija koje više ne reagiraju na liječenje.Bakterije otporne na više lijekova mogu uzrokovati ozbiljnu štetu u bolničkom okruženju, ubijajući desetine hiljada pacijenata svake godine.Samo Clostridium difficile košta oko 5 milijardi dolara godišnje za američki zdravstveni sistem i uzrokuje više od 30 000 smrtnih slučajeva.
Podaci EHR-a pomažu u identifikaciji obrazaca infekcije i naglašavanju rizika prije nego što pacijent počne pokazivati simptome.Korištenje alata za strojno učenje i umjetnu inteligenciju za pokretanje ovih analiza može poboljšati njihovu točnost i stvoriti brža i preciznija upozorenja za pružaoce zdravstvenih usluga.
"Alati umjetne inteligencije mogu ispuniti očekivanja u pogledu kontrole infekcije i otpornosti na antibiotike", rekla je dr. Erica Shenoy, zamjenica direktora za kontrolu infekcija u Općoj bolnici Massachusetts (MGH).Ako to ne urade, onda će svi propasti.Budući da bolnice imaju puno EHR podataka, ako ih ne iskoriste u potpunosti, ako ne stvore 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 odsjeka patologije u bolnici za žene Brigham (BWh) i profesor patologije na HMS-u, rekao je da patolozi pružaju jedan od najvažnijih izvora dijagnostičkih podataka za cijeli niz pružalaca medicinskih usluga.
"70% zdravstvenih odluka se zasniva na patološkim rezultatima, a između 70% i 75% svih podataka u EHR-u dolazi iz patoloških rezultata", rekao je.I što su rezultati precizniji, to će prije biti postavljena ispravna dijagnoza.To je cilj koji digitalna patologija i umjetna inteligencija imaju priliku postići."
Duboka analiza nivoa piksela na velikim digitalnim slikama omogućava doktorima da prepoznaju suptilne razlike koje mogu promaći ljudskim očima.
"Sada smo došli do tačke u kojoj možemo bolje procijeniti hoće li se rak razvijati brzo ili sporo, i kako promijeniti liječenje pacijenata na osnovu algoritama, a ne kliničkih faza ili histopatološkog gradiranja", rekao je Golden.To će biti veliki korak naprijed."
Dodao je: "AI također može poboljšati produktivnost identificiranjem karakteristika od interesa u slajdovima 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. Ovo poboljšava efikasnost upotrebe patologa i povećava vrijednost njihovog proučavanja svakog slučaja."
Donesite inteligenciju u medicinske uređaje i mašine
Pametni uređaji preuzimaju potrošačka okruženja i pružaju uređaje u rasponu od video zapisa u realnom vremenu unutar frižidera do automobila koji otkrivaju ometanje vozača.
U medicinskom okruženju, inteligentni uređaji su od suštinskog značaja za praćenje pacijenata na intenzivnoj intenzivnoj njezi i drugdje.Upotreba umjetne inteligencije za poboljšanje sposobnosti prepoznavanja pogoršanja stanja, kao što je ukazivanje na razvoj sepse ili percepcija komplikacija može značajno poboljšati rezultate i smanjiti troškove liječenja.
"Kada govorimo o integraciji različitih podataka u zdravstveni sistem, moramo integrirati i upozoriti liječnike intenzivne nege da intervenišu što je prije moguće i da agregacija ovih podataka nije dobra stvar koju ljudski ljekari mogu učiniti", rekao je Mark Michalski , izvršni direktor Naučnog centra kliničkih podataka u BWh.Umetanje pametnih algoritama u ove uređaje smanjuje kognitivno opterećenje za liječnike i osigurava da se pacijenti liječe što je prije moguće."
8.promoviranje imunoterapije za liječenje raka
Imunoterapija je jedan od najperspektivnijih načina liječenja raka.Korištenjem vlastitog imunološkog sistema za napad na maligne tumore, pacijenti mogu biti u stanju da prevladaju tvrdokorne tumore.Međutim, samo nekoliko pacijenata reaguje na trenutni režim imunoterapije, a onkolozi još uvek nemaju preciznu i pouzdanu metodu da odrede koji pacijenti će imati koristi od režima.
Algoritmi mašinskog učenja i njihova sposobnost da sintetišu veoma složene skupove podataka mogu biti u stanju da razjasne jedinstveni sastav gena pojedinaca i pruže nove opcije za ciljanu terapiju.
"U posljednje vrijeme najuzbudljiviji razvoj su inhibitori kontrolnih tačaka, koji blokiraju proteine koje proizvode određene imunološke stanice", objašnjava dr. Long Le, direktor računarske patologije i razvoja tehnologije u općoj bolnici Massachusetts (MGH) sveobuhvatnog dijagnostičkog centra.Ali još uvijek ne razumijemo sve probleme, što je veoma komplikovano.Definitivno nam treba više podataka o pacijentima.Ovi tretmani su relativno novi, tako da 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 pokretati proces modeliranja."
9. Pretvorite elektronske zdravstvene kartone u pouzdane prediktore rizika
Elektronski zdravstveni karton (njen) je riznica podataka o pacijentima, ali je stalni izazov za pružaoce usluga i programere da izvuku i analiziraju veliku količinu informacija na tačan, pravovremen i pouzdan način.
Problemi sa kvalitetom i integritetom podataka, zajedno sa konfuzijom formata podataka, strukturiranim i nestrukturiranim unosom i nepotpunim zapisima, otežavaju ljudima da precizno shvate kako da izvrše smislenu stratifikaciju rizika, prediktivnu analizu i podršku kliničkim odlukama.
Dr Ziad OBERMEYER, pomoćnik profesora hitne medicine u bolnici za žene Brigham (BWh) i docent na Harvard Medical School (HMS), rekao je: "Postoji težak posao da se podaci integrišu na jedno mjesto. Ali drugi problem je razumjeti šta ljudi dobiju kada predvide bolest u elektronskom zdravstvenom kartonu (joj). Ljudi mogu čuti da algoritmi umjetne inteligencije mogu predvidjeti depresiju ili moždani udar, ali otkriju da zapravo predviđaju povećanje troškova moždanog udara. To je vrlo različito od sam udar."
Nastavio je, "čini se da oslanjanje na rezultate magnetne rezonancije daje konkretniji skup podataka. Ali sada moramo razmisliti o tome ko može priuštiti magnetnu rezonancu? Dakle, konačno predviđanje nije očekivani rezultat."
NMR analiza je proizvela mnoge uspješne alate za ocjenjivanje rizika i stratifikaciju, posebno kada istraživači koriste tehnike dubokog učenja kako bi identificirali nove veze između naizgled nepovezanih skupova podataka.
Međutim, OBERMEYER vjeruje da je osiguravanje da ovi algoritmi ne identificiraju pristranosti skrivene u podacima ključno za primjenu alata koji zaista mogu poboljšati kliničku skrb.
"Najveći izazov je da budemo sigurni da znamo tačno šta smo predvideli pre nego što počnemo da otvaramo crnu kutiju i gledamo kako da predvidimo", rekao je on
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 praćenjem koraka do nosivih uređaja koji prate broj otkucaja srca cijeli dan, sve više i više podataka vezanih za zdravlje može se generirati u bilo kojem trenutku.
Prikupljanje i analiza ovih podataka i dopunjavanje informacija koje pružaju pacijenti putem aplikacija i drugih uređaja za praćenje u domu može pružiti jedinstvenu perspektivu za zdravlje pojedinca i gomile.
AI će igrati važnu ulogu u izvlačenju praktičnih uvida iz ove velike i raznolike baze podataka.
Ali dr. Omar Arnout, neurohirurg u bolnici za žene Brigham (BWh), CO direktor centra za kompjuterske neuronaučne rezultate, rekao je da bi mogao biti potreban dodatni rad kako bi se pomoglo pacijentima da se prilagode ovim intimnim, tekućim podacima praćenja.
"Nekada smo bili prilično slobodni da obrađujemo digitalne podatke", rekao je.Ali kako dolazi do curenja podataka u Cambridge analitici i Facebooku, ljudi će biti sve oprezniji oko toga s kim će podijeliti koje podatke dijele."
Pacijenti imaju tendenciju da više vjeruju svojim doktorima nego velikim kompanijama poput Facebooka, dodao je, što bi moglo pomoći u ublažavanju nelagode pružanja podataka za velike istraživačke programe.
"Vjerovatno je da 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 da se bolje brinu o pacijentima."
11. učiniti pametne telefone moćnim dijagnostičkim alatom
Stručnjaci vjeruju da će slike dobivene s pametnih telefona i drugih resursa na nivou potrošača postati važan dodatak kliničkom kvalitetnom imidžiranju, posebno u područjima s nedovoljno opskrbljenog stanovništva ili zemljama u razvoju, nastavljajući koristiti moćne funkcije prijenosnih uređaja.
Kvalitet mobilne kamere se svake godine poboljšava i može generirati slike koje se mogu koristiti za analizu AI algoritma.Dermatologija i oftalmologija su rani korisnici ovog trenda.
Britanski istraživači su čak razvili alat za identifikaciju razvojnih bolesti analizom slika dječjih lica.Algoritam može otkriti diskretne karakteristike, kao što su dječja donja čeljust, položaj očiju i nosa i druge atribute koji mogu ukazivati na abnormalnosti lica.Trenutno, alat može upariti uobičajene slike s više od 90 bolesti kako bi pružio kliničku podršku pri donošenju odluka.
Dr Hadi shafiee, direktor laboratorija za mikro/nano medicinu i digitalno zdravlje u bolnici za žene Brigham (BWh), rekao je: "Većina ljudi je opremljena moćnim mobilnim telefonima s mnogo različitih ugrađenih senzora. To je odlična prilika za nas. Gotovo svi igrači u industriji počeli su da ugrađuju Ai softver i hardver u svoje uređaje. To nije slučajnost. U našem digitalnom svijetu svaki dan se generira više od 2,5 miliona terabajta podataka. U području mobilnih telefona, proizvođači vjeruju da to mogu koristiti podatke za umjetnu inteligenciju za pružanje personaliziranijih, bržih i inteligentnijih usluga."
Korištenje pametnih telefona za prikupljanje slika očiju pacijenata, lezija na koži, rana, infekcija, lijekova ili drugih subjekata može pomoći u rješavanju nedostatka stručnjaka u nedovoljno opskrbljenim područjima, istovremeno smanjujući vrijeme za dijagnosticiranje određenih pritužbi.
"Možda će biti nekih velikih događaja u budućnosti, a mi možemo iskoristiti ovu priliku da riješimo neke važne probleme upravljanja bolestima u ambulanti", rekao je Shafiee
12. Inoviranje kliničkog odlučivanja sa AI uz krevet
Kako se zdravstvena industrija okreće uslugama zasnovanim na naknadama, sve se više udaljava od pasivne zdravstvene zaštite.Prevencija prije hronične bolesti, akutnih bolesti i iznenadnog pogoršanja je cilj svakog pružatelja usluga, a struktura kompenzacije im u konačnici omogućava da razviju procese koji mogu postići aktivnu i prediktivnu intervenciju.
Veštačka inteligencija će obezbediti mnoge osnovne tehnologije za ovu evoluciju, podržavajući prediktivnu analizu i alate za podršku kliničkim odlukama, kako bi se rešili problemi pre nego što pružaoci usluga shvate potrebu da preduzmu akciju.Umjetna inteligencija može pružiti rano upozorenje za epilepsiju ili sepsu, što obično zahtijeva dubinsku analizu vrlo složenih skupova podataka.
Brandon Westover, MD, direktor kliničkih podataka u Općoj bolnici Massachusetts (MGH), rekao je da bi strojno učenje također moglo pomoći u podršci kontinuiranom pružanju skrbi za kritično bolesnike, poput onih u komi nakon srčanog zastoja.
On je objasnio da u normalnim okolnostima lekari moraju da proveravaju EEG podatke ovih pacijenata.Ovaj proces je dugotrajan i subjektivan, a rezultati mogu varirati u zavisnosti od vještina i iskustva kliničara.
Rekao je: „Kod ovih pacijenata, trend može biti spor.Ponekad, kada doktori žele da vide da li se neko oporavlja, mogu da pogledaju podatke koji se prate svakih 10 sekundi.Međutim, vidjeti da li se promijenilo u odnosu na 10 sekundi podataka prikupljenih u 24 sata je isto kao da gledate da li je kosa u međuvremenu porasla.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 mogu se pronaći i neka suptilna poboljšanja koja će utjecati na donošenje odluka liječnika u sestrinstvu. ."
Korištenje tehnologije umjetne inteligencije za podršku kliničkom odlučivanju, bodovanje rizika i rano upozorenje jedno je od razvojnih područja ove revolucionarne metode analize podataka koja najviše obećava.
Pružajući snagu za novu generaciju alata i sistema, kliničari mogu bolje razumjeti nijanse bolesti, efikasnije pružati sestrinske usluge i unaprijed rješavati probleme.Umjetna inteligencija će uvesti novu eru poboljšanja kvalitete kliničkog liječenja i napraviti uzbudljive pomake u njezi pacijenata.
Vrijeme objave: 06.08.2021
