Садржај
- Медицал Имагинг
- Електронски медицински картони (ЕМРс)
- Без грешака, без стреса - Ваш корак по корак водич за креирање софтвера за промену живота без да вам уништи живот
- Подршка за клиничку одлуку (ЦДС)
- Развој лекова
- Скок у будућност
- Реч мудрима
Извор: видео-доктор / иСтоцкпхото
Одузети:
АИ омогућава медицинској технологији да напредује све бржим темпом. Ево неких од најновијих достигнућа.
Умјетна интелигенција револуционира наш свијет на много незамисливих начина. На ивици четврте индустријске револуције, човечанство је тренутно сведоци првих корака које су направиле машине на проналажењу света у коме живимо. И док стално расправљамо о потенцијалним недостацима и предностима замене људи интелигентним машинама које се само уче, постоје једна област у којој позитивни утицаји АИ дефинитивно ће побољшати квалитет наших живота: здравствена индустрија.
Медицал Имагинг
Алгоритми машинског учења могу обрадити незамисливе количине информација у трен ока. А могу бити и много прецизнији од људи у примећивању и најмањих детаља у извештајима о медицинском снимању, као што су мамограми и ЦТ претраге.
Компанија Зебра Медицал Висион развила је нову платформу која се зове Профоунд, са алгоритмом заснованом анализом свих врста извештаја о медицинским сликама која је у стању да нађе сваки знак потенцијалних стања као што су остеопороза, карцином дојке, анеуризме аорте и још много тога са 90 процената брзина тачности И његове могућности дубоког учења су обучене да провере да ли постоје скривени симптоми других болести које здравствени радник можда и није прво тражио. Друге мреже дубоког учења чак су зарадиле стопостотну тачност резултата откривајући присуство неких посебно смртоносних облика рака дојке на дијапозитивима.
Компјутерска анализа толико је ефикаснија у (и мање скупој) интерпретацији података или слика од људи да су неки чак тврдили да би у будућности могло постати неетично не заменити АИ у неким занимањима као што су радиолози и патолози! (Више о ИТ у медицини потражите у улози ИТ у медицинској дијагностици.)
Електронски медицински картони (ЕМРс)
Утицај електронских медицинских картона (ЕМР) на здравствене информационе технологије једна је од најспорнијих тема расправе у последњем десетљећу. Према неким истраживањима они представљају прекретницу у побољшању квалитета неге, истовремено повећавајући продуктивност и благовременост. Међутим, многи здравствени радници сматрали су их незгодним и тешким за употребу, што је довело до значајне отпорности на технологију и широке неефикасности. Да ли би новији софтвер на АИ могао да помогне многим лекарима, медицинским сестрама и фармацеутима који се свакодневно муче са несносном неспретношћу ЕМР-а?
Једно од највећих проблема ове нове здравствене заштите је то што приморава клиничаре да троше превише свог драгоценог времена обављајући задатке који се понављају. АИ их лако може аутоматизовати, на пример, коришћењем препознавања говора током посете да би се забиљежили сваки детаљи док лекар разговара са пацијентом. Графикони могу и садрже много детаљније податке који се могу прикупити из различитих извора као што су ношени уређаји и спољни сензори, а АИ ће их директно убацити у ЕМР.
Али ако кренемо даље од првог корака прикупљања података, када је довољно релевантних информација исправно схваћено и екстраполирано алгоритамима дубоког учења, они се могу користити за побољшање квалитета неге на много начина. Може побољшати држање пацијената за лечење и смањити превентивне догађаје или чак упутити лекаре предиктивном АИ аналитиком у лечењу скупих и по живот опасних стања. Само да назовемо практичним примером, недавна студија објављена у мрежи ЈАМА открила је како су велики подаци извађени из ЕМР-а и дигестирани од стране АИ на калифорнијском универзитету у Сан Францисцу Хеалтх помогли у лечењу потенцијално смртоносног Цлостридиум диффициле (Ц. дифф ) инфекције.
И лако је уочити колико ће вађење података о медицинским подацима бити следећа „велика ствар“ у здравству, када нико осим Гоогле-а није покренуо властити Гоогле ДеепМинд Хеалтх пројекат за побољшање брзине, квалитета и једнакости приступа нези.
Без грешака, без стреса - Ваш корак по корак водич за креирање софтвера за промену живота без да вам уништи живот
Не можете побољшати своје вештине програмирања када никога није брига за квалитет софтвера.
Подршка за клиничку одлуку (ЦДС)
Други занимљив пример дубоког учења може помоћи машинама да донесу боље одлуке од својих људских колега је ширење алата за подршку клиничким одлукама (ЦДС).
Ови алати се обично уграђују у ЕМР систем како би се клиничарима помогло у њиховом раду предлажући најбољи курс лечења, упозорили на потенцијалне опасности попут фармаколошких интеракција или претходних стања и анализирали и најмање детаље у здравственом картону пацијента.
Занимљив пример је МатрикЦаре, софтверска кућа која је успела да интегрише Мицрософтс познатог АИ Цортана у свој алат који се користи за управљање старачким домовима. Потенцијалне могућности анализе машинског учења механизам су ојачале способност доношења одлука алата за подршку.
„Један лекар може читати медицински часопис можда два пута месечно,“ објаснио је извршни директор Јохн Дамгаард, „Цортана може прочитати све студије о раку објављене у историји пре подне и до 15 сати. даје посебне препоруке за пацијенте о плановима неге и побољшању исхода. "
ЦДС такође износи аргумент да су машине способне да међусобно комуницирају много боље него што то чине људи. Нарочито, различити медицински уређаји могу бити повезани на Интернет као и било који други уређај за интернет (ИоТ) (носиви, монитори, ноћни сензори итд.), Као и на ЕМР софтвер. Интероперабилност је критично питање савремене здравствене заштите јер је пружање фрагментације неге главни узрок неприкладног лечења и повећаних хоспитализација. Када их води паметни АИ, различите ЕМР платформе постају способне да "разговарају" међусобно путем интернета, повећавајући сарадњу и сарадњу између различитих одељења, па чак и различитих здравствених установа.
Развој лекова
Развијање новог лека путем клиничких испитивања често је веома скупа ствар. Не само у смислу времена (говорили смо о деценијама) и уложених долара (трошкови могу лако да достигну и до неколико милијарди долара), већ и људских живота. Многи нови фармацеутски производи захтевају, у ствари, дугогодишња додатна испитивања на стварним субјектима током такозваног постмаркетиншког периода, а није тако ретко да су многе озбиљне (или чак смртоносне) нежељене ефекте откривене много година након што је лек примењиван лансирано.
Још једном, ефикасан АИ са суперрачуналом може извући нове лекове из базе молекуларних структура које се ниједан човек не би могао усудити да анализира. Истакнути пример је Атомвисес АИ, који је био у стању да предвиди два лека који могу зауставити епидемију вируса еболе. За мање од једног дана, њихова виртуелна претрага успела је да нађе два сигурна, већ постојећа лека која би могла да се поставе за борбу против смртоносног вируса. Најбољи део је у томе што су пронашли начин да ефикасно реагују на ванредну ситуацију пандемије само скенирањем лекова који су већ били на тржиште пацијентима годинама, доказујући њихову сигурност. (Да бисте сазнали више о томе како технологија усмерава на развој лекова, погледајте одељак Утицај великих података у медицини и фармацији.)
Скок у будућност
Неке од најневероватнијих технологија још нису спремне и представљају тек више прототипова, али њихове импликације су толико задивљујуће да их је још увек вредно поменути.
Једна од њих је прецизна медицина, заиста амбициозна дисциплина која користи алгоритме дубоке геномике за скенирање кроз ДНК пацијената у потрази за мутацијама и аномалијама које би могле бити повезане са болестима попут рака. Људи попут Цраиг Вентер-а, једног од очева Пројекта Људски геном, тренутно раде на новој генерацији рачунских технологија које могу предвидјети ефекте било какве генетске промене, утварајући пут ка индивидуализованом третману и раном откривању многих болести које се могу спречити.
Реч мудрима
Колико год да смо узбуђени због огромног потенцијала увођења АИ у здравствену заштиту, важно је да разумемо његова ограничења. Употреба АИ у медицини није лишена ризика, иако ће се многи од њих лако савладати након што се на то навикнемо.
Максим „не наштети се“ је пресудан за успостављање неких етичких стандарда који би дјеловали као границе. Данас су уложене у одговорност за изградњу оквира по коме ће будуће генерације доносити своје одлуке.