Innehåll
- Medicinsk avbildning
- Elektroniska medicinska register (EMR)
- Inga buggar, ingen stress - din steg-för-steg-guide för att skapa livsförändrad programvara utan att förstöra ditt liv
- Kliniskt beslutsstöd (CDS)
- Läkemedelsutveckling
- Ett hopp in i framtiden
- Ett ord till de kloka
Källa: video-doctor / iStockphoto
Hämtmat:
AI gör det möjligt för medicinsk teknik att utvecklas i en allt snabbare takt. Här är några av de senaste genombrotten.
Konstgjord intelligens revolutionerar vår värld på många otänkbara sätt. På gränsen till den fjärde industriella revolutionen bevittnar mänskligheten för närvarande de första stegen som gjorts av maskiner för att återuppfinna den värld vi lever i. Och medan vi fortsätter att diskutera om de potentiella nackdelarna och fördelarna med att ersätta människor med intelligenta, självlärande maskiner, ett område där AI: s positiva effekter definitivt kommer att förbättra livskvaliteten: hälso- och sjukvårdssektorn.
Medicinsk avbildning
Maskininlärningsalgoritmer kan behandla otänkbara mängder info med ett ögonblick. Och de kan vara mycket mer exakta än människor när de upptäcker även den minsta detalj i medicinska avbildningsrapporter som mammogram och CT-skanningar.
Företaget Zebra Medical Vision utvecklade en ny plattform som heter Profound med algoritmbaserad analys av alla typer av medicinska avbildningsrapporter som kan hitta alla tecken på potentiella tillstånd som osteoporos, bröstcancer, aortaaneurysmer och många fler med 90 procent noggrannhetsgrad. Och dess djupa inlärningsmöjligheter har utbildats för att kontrollera om dolda symtom på andra sjukdomar som vårdgivaren kanske inte har letat efter i första hand. Andra djupa inlärningsnätverk fick till och med 100 procent noggrannhet när de upptäckte förekomsten av vissa särskilt dödliga former av bröstcancer i biopsi-objektglas.
Datorbaserad analys är så mycket mer effektiv att (och billigare än) tolka data eller bilder än människor, att vissa till och med har hävdat att det i framtiden kan bli oetiskt att inte ersätta AI i vissa yrken som radiologer och patologer! (Mer information om IT inom medicin finns i IT: s roll i medicinsk diagnos.)
Elektroniska medicinska register (EMR)
Effekterna av elektroniska medicinska journaler (EMR) på hälsoteknik är ett av de mest kontroversiella ämnena i debatten under det senaste decenniet. Enligt vissa studier representerar de en vändpunkt för att förbättra vårdkvaliteten och samtidigt öka produktiviteten och aktualiteten. Många vårdgivare tyckte dem emellertid besvärliga och svåra att använda, vilket ledde till betydande teknikresistens och utbredd ineffektivitet. Kan den nyare AI-driven programvaran komma till räddning för de många läkare, sjuksköterskor och farmaceuter som fumlar varje dag med EMR: s svåra klumpighet?
En av de största problemen med denna nya vårdteknologi är att den tvingar kliniker att spendera alltför mycket av sin dyrbara tid på att utföra repetitiva uppgifter. AI kan emellertid enkelt automatisera dem, till exempel genom att använda taligenkänning under ett besök för att registrera varje detalj medan läkaren pratar med patienten. Diagrammen kan och kommer att innehålla mycket mer detaljerad data som kan samlas in från en mängd olika källor, såsom bärbara enheter och externa sensorer, och AI kommer att mata dem direkt in i EMR.
Men när vi går vidare från det första steget i datainsamlingen, när tillräckligt med relevant information förstås och extrapoleras av djupa inlärningsalgoritmer, kan den användas för att förbättra vårdkvaliteten på många sätt. Det kan förbättra patientens anslutning till behandling och minska förebyggbara händelser, eller till och med vägleda läkare via förutsägbar AI-analys vid behandling av livshotande sjukdomar med höga kostnader. Bara för att nämna ett praktiskt exempel, en ny studie publicerad i JAMA Network fann hur stor data som utvinns från EMR och smälts av en AI vid University of California, San Francisco Health hjälpte till med behandlingen av potentiellt dödlig Clostridium difficile (C. diff ) infektioner.
Och det är lätt att se hur mycket medicinsk journaldata kommer att bli nästa "stora sak" inom hälsovården, när ingen annan än Google lanserade sitt eget Google DeepMind Health-projekt för att förbättra hastigheten, kvaliteten och rättvisan i tillgången till vård.
Inga buggar, ingen stress - din steg-för-steg-guide för att skapa livsförändrad programvara utan att förstöra ditt liv
Du kan inte förbättra dina programmeringsfärdigheter när ingen bryr sig om mjukvarukvalitet.
Kliniskt beslutsstöd (CDS)
Ett annat intressant exempel på djup inlärning som kan hjälpa maskiner att fatta bättre beslut än deras mänskliga motsvarigheter är spridningen av verktyg för kliniskt beslutsstöd (CDS).
Dessa verktyg är vanligtvis inbyggda i EMR-systemet för att hjälpa kliniker i deras arbete genom att föreslå den bästa behandlingsförloppet, varna för potentiella faror som farmakologiska interaktioner eller tidigare tillstånd och analysera till och med den minsta detalj i patientens hälsojournal.
Ett intressant exempel är MatrixCare, ett programvarahus som kunde integrera Microsofts berömda AI Cortana i deras verktyg som används för att hantera vårdhem. De kraftfulla analysfunktionerna för maskininlärningsmotorn stärkte beslutsförmågan för supportverktygen oöverträffat.
”En läkare kan läsa en medicinsk tidskrift kanske två gånger i månaden,” förklarade VD John Damgaard, ”Cortana kan läsa varje cancerstudie som publicerats i historien före klockan 12 och klockan 15.00. gör patientspecifika rekommendationer om vårdplaner och förbättrar resultaten. ”
CDS framför också argumentet att maskiner kan kommunicera med varandra mycket bättre än människor gör. I synnerhet kan olika medicinska apparater anslutas till internet precis som alla andra Internet-saker (IoT) -enheter (wearables, monitorer, sängsensorer, etc.), och till EMR-programvaran. Interoperabilitet är en kritisk fråga om modern hälso-och sjukvård eftersom leverans av vårdfragmentering är en viktig orsak till olämplig behandling och ökade sjukhusinläggningar. När de leds av smarta AI kan de olika EMR-plattformarna "prata" med varandra via internet, vilket ökar samarbetet och samarbetet mellan olika avdelningar och till och med olika vårdinrättningar.
Läkemedelsutveckling
Att utveckla ett nytt läkemedel genom kliniska prövningar är ofta en mycket kostsam affär. Inte bara i termer av tid (talade om decennier) och investerade dollar (kostnaderna kan lätt uppgå till flera miljarder dollar), utan också människoliv. Många nya läkemedel kräver faktiskt många års ytterligare test på verkliga ämnen under den så kallade postmarketingperioden, och det är inte så ovanligt att många allvarliga (eller till och med dödliga) biverkningar upptäcks många år efter att ett läkemedel har upptäckts lanseras.
Återigen kan effektiv superdatordrivna AI utrota nya läkemedel från en databas med molekylstrukturer som ingen människa någonsin kunde våga våga analysera. Ett framträdande exempel är Atomwises AI, som kunde förutsäga två läkemedel som skulle kunna stoppa ebolavirusepidemin. På mindre än en dag kunde deras virtuella sökning hitta två säkra, redan befintliga mediciner som kunde återanvändas för att bekämpa det dödliga viruset. Det bästa är att de hittade ett sätt att effektivt reagera på en pandemisk nödsituation bara genom att skanna igenom läkemedel som redan hade marknadsförts till patienter i flera år, vilket bevisade deras säkerhet. (För information om hur teknik styr läkemedelsutveckling, se Big Datas inflytande i medicin och läkemedel.)
Ett hopp in i framtiden
Några av de mest fantastiska teknikerna är inte redo ännu, de är inget annat än bara prototyper, men deras implikationer är så hisnande att de fortfarande är värda att nämna.
En av dessa är precisionsmedicin, en riktigt ambitiös disciplin som använder djupa genomikalgoritmer för att skanna genom ett patienter DNA som letar efter mutationer och avvikelser som kan kopplas till sjukdomar som cancer. Människor som Craig Venter, en av fäderna till Human Genome Project, arbetar för närvarande med en ny generation av beräkningsteknologier som kan förutsäga effekterna av någon genetisk förändring, banar vägen för individualiserade behandlingar och tidig upptäckt av många förebyggbara sjukdomar.
Ett ord till de kloka
Så lika spännande som vi kan vara på grund av den enorma potentialen att införa AI i hälso- och sjukvården är det viktigt att vi förstår dess begränsningar. Att använda AI i medicin saknar risker, även om många av dem lätt kommer att övervinnas när vi har vant oss till det.
Den maximala "gör ingen skada" är avgörande för att fastställa några etiska standarder som skulle fungera som gränser. Idag investerades i ansvaret för att bygga den ram som de kommande generationerna kommer att fatta sina beslut på.