Потребителски вход

Запомни ме | Регистрация
Постинг
06.08.2019 16:50 - Ще подобри ли изкуственият интелект здравеопазването за всички?
Автор: zahariada Категория: Хоби   
Прочетен: 144 Коментари: 2 Гласове:
1

Последна промяна: 06.08.2019 16:51


  Ще подобри ли изкуственият интелект здравеопазването за всички? Задвижваните от AI медицински инструменти могат да демократизират здравеопазването, но някои се притесняват, че могат да влошат неравенствата

image: https://thumbs-prod.si-cdn.com/Y-jstINtNiV4om761WjcF0aEOxA=/800x600/filters:no_upscale()/https://public-media.si-cdn.com/filer/18/ab/18ab5535-445a-4851-abf1-cb5e398ebedf/artificial_intelligence.jpg

image
(Андрий Онуфриенко / Гети Имиджис) От Джеръми Хсу, списание Undark SMITHSONIAN.COM 
31 ЮЛИ 2019 Г.

Може да ви се прости с мисълта, че AI скоро ще замести човешките лекари въз основа на заглавия като „ AI Doctor ще се видим сега “, „ Вашият бъдещ лекар може да не е човек “ и „ Този AI просто победи човешки лекари на клиничен изпит . “Но експертите казват, че реалността е по-скоро колаборация, отколкото прогонване: Пациентите скоро могат да намерят живота си отчасти в ръцете на AI служби, работещи наред с човешките клиницисти.

 

Не липсва оптимизъм за ИИ в медицинската общност. Но мнозина също предупреждават, че свръх AI все още не е реализиран в реални клинични условия. Съществуват и различни визии за това как AI услугите могат да окажат най-голямо въздействие. И все още не е ясно дали AI ще подобри живота на пациентите или просто най-важното за компаниите от Силиконовата долина, здравните организации и застрахователите.

„Смятам, че всички наши пациенти всъщност трябва да искат AI технологиите да бъдат доведени до слабости в системата на здравеопазването, но ние трябва да го направим по не-силиконова долина“, казва Исак Кохане, изследовател по биомедицинска информатика в Медицинско училище в Харвард.

Ако AI работи както е обещано, това би могло да демократизира здравеопазването, като засили достъпа до незадоволените общности и намали разходите - благодат в Съединените щати, която се нарежда лошо по много здравни мерки въпреки средните годишни разходи за здравни грижи от 10 739 долара на човек. AI системите биха могли да освободят преуморените лекари и да намалят риска от медицински грешки, които могат да убият десетки хиляди, ако не и стотици хиляди, пациенти от САЩ всяка година. И в много страни с недостиг на национални лекари, като например Китай, където пренаселените градски болници могат да виждат до 10 000 души на ден, такива технологии не се нуждаят от перфектна точност, за да се окажат полезни.

Критиците обаче посочват, че всичко това обещание може да изчезне, ако бързането с прилагането на AI накърни правата за поверителност на пациентите, пренебрегне предубежденията и ограниченията или не успее да внедрява услуги по начин, който подобрява здравните резултати за повечето хора.

„По същия начин, по който технологиите могат да затворят различията, те могат да изострят различията“, казва Джаянт Комарнени, основател и председател на Проекта за диагностика на човека (Human Dx), корпорация за обществена полза, фокусирана върху краудсорсинг медицински експертизи. „И нищо няма тази способност да изостря различията като AI“

***

Днес най-популярните AI техники са машинното обучение и по-младият му братовчед, задълбоченото обучение. За разлика от компютърните програми, които строго следват правилата, написани от хората, и алгоритмите за машинно обучение и дълбоко обучение могат да разгледат набор от данни, да се учат от него и да правят нови прогнози. По-специално задълбоченото обучение може да направи впечатляващи прогнози чрез откриване на модели на данни, които хората могат да пропуснат.

Но за да се възползваме максимално от тези прогнози в здравеопазването, AI не може да се справя сама. По-скоро хората все още трябва да помагат за вземане на решения, които могат да имат големи здравословни и финансови последици. Тъй като AI системите нямат обща интелигентност на хората, те могат да направят поразителни прогнози, които могат да се окажат вредни, ако лекарите и болниците безспорно ги следват.

Класическият пример идва от Рич Каруана, старши изследовател в Microsoft Research, както той обясни в списание Engineering and Technology миналата година. През 90-те години Каруана работи по проект, който се опита да използва по-ранна форма на машинно обучение, за да предвиди дали пациент с пневмония е с нисък риск или с висок риск. Но проблеми възникнаха, когато моделът на машинно обучение се опита да прогнозира случая с страдащите от астма, които са с висок риск, тъй като съществуващите затруднения с дишането ги правят уязвими към пневмония. Моделът определи тези пациенти като нискорискови, като изискваше по-малка намеса, а не хоспитализация - нещо, което човешкият експерт никога не би направил.

Ако следвате модела сляпо, казва Кенет Юнг, изследовател в Центъра за изследвания в областта на биомедицинската информатика в Станфорд, „тогава сте вдигнати. Защото моделът казва: „О, това дете с астма влезе и получи пневмония, но няма нужда да се притесняваме за тях и ги изпращаме вкъщи с някои антибиотици“.

Предвижданията за задълбочено обучение също могат да се провалят, ако за първи път се сблъскат с необичайни данни, като например уникални медицински случаи, или когато научат особени модели в конкретни набори от данни, които не обобщават добре новите медицински случаи.

Прогнозите за AI се справят най-добре, когато се прилагат към масивни набори от данни, като например в Китай, което има предимство при обучението на AI системи благодарение на достъпа до големи популации и данни за пациенти. През февруари списанието Nature Medicine публикува проучване от изследователи със седалище в Сан Диего и Гуанджоу, Китай, което показа обещание за диагностициране на много често срещани детски болести въз основа на електронните здравни записи на повече от 567 000 деца.

Но дори големи масиви от данни могат да създадат проблеми, особено когато изследователите се опитват да приложат алгоритъма си към нова популация. В изследването на Nature Medicine всичките половин милион пациенти са дошли от един медицински център в Гуанджоу, което означава, че няма гаранция, че диагностичните уроци, извлечени от обучението по този набор от данни, ще се прилагат за педиатрични случаи на други места. Всеки медицински център може да привлече свой уникален набор от пациенти - болница, известна със сърдечно-съдовия център, например, може да привлече по-критични сърдечни състояния. И откритията от болница в Гуанджоу, която привлича най-вече етнически китайски пациенти, може да не се преведат в един в Шанхай с по-голям брой чуждестранни пациенти, които не са китайци.


В тази TEDx Talk за 2017 г. Shinjini Kundu от болница Джон Хопкинс обяснява как инструментите на AI имат потенциал да извлекат повече от медицински изображения, отколкото могат сами лекари - включително прогнозиране на заболявания, преди пациентите да проявят симптоми.

Тази екстраполация ще се окаже трудна и в други ситуации. Например, казва Marzyeh Ghassemi, компютърен учен и биомедицински инженер от Университета в Торонто, казват, че имате 40 000 пациенти в отделението за медицинска помощ в медицинския център Beth Israel Deaconess - това е само една болница в един град. „И така имам всички тези документи, които са направили прогнози с тези данни. Това работи ли с друга болница в Бостън? Може би. Работи ли за болница в друга държава? Ще работи ли в друга държава? Не знаем. "

***

Въпреки че AI моделите може да не работят във всеки случай, Ghassemi смята, че технологията все още си струва да се проучи. "Аз съм много за това да взема тези модели от пейката до леглото", казва тя, "но с наистина агресивни предпазни стъпки."

Тези стъпки трябва да съществуват по време на развитието и внедряването на AI, казва I. Glenn Cohen, професор по право в Харвардския университет и ръководител на проекта за прецизна медицина, изкуствен интелект и закон. Това може да включва проверка на точността и прозрачността на прогнозите за ИИ. И по време на събирането на данни изследователите ще трябва също така да защитят поверителността на пациента и да поискат съгласие да използват данни за пациенти за обучение на ИИ

Проблемът със съгласието се появява отново, когато моделът AI е готов за експериментални клинични тестове с реални пациенти. „Трябва ли да се казва на пациентите, че използвате алгоритъма върху тях и има ли значение дали AI напълно ръководи грижите или частично насочва грижите?“, Пита Коен. "Наистина има много малко мислене по тези въпроси."

Ghassemi също така се застъпва за често одитиране на AI алгоритми, за да се гарантира справедливост и точност за различните групи хора въз основа на етническа принадлежност, пол, възраст и здравно осигуряване. Това е важно, като се има предвид, че приложенията на AI в други полета вече са показали, че лесно могат да намерят пристрастия .

След всички тези стъпки хората и компаниите, предоставящи AI услуги, ще трябва да подредят юридическата отговорност в случай на неизбежни грешки. И за разлика от повечето медицински изделия, които обикновено се нуждаят от само едно регулаторно одобрение, AI услугите могат да изискват допълнителен преглед, когато се учат от нови данни.

Някои регулаторни агенции преосмислят как да оценят ИИ в здравеопазването През април Американската администрация по храните и лекарствата (FDA) пусна дискусионен документ, за да получи обществена обратна информация за това как да актуализира съответния регулаторен преглед. „Това, което непрекъснато се опитваме да направим тук, е да се върнем към нашата цел да предоставим на хората достъп до технологии, но също така осъзнаваме, че нашите съвременни методи не работят много добре“, казва Бакул Пател, директор за дигитално здраве в FDA. „Ето защо трябва да разгледаме цялостен подход на целия жизнен цикъл на продукта.“

В допълнение към въпросите, свързани с достъпа, поверителността и регулациите, също не е ясно само кой стои да се възползва максимално от AI здравните услуги. Вече съществуват различия в здравеопазването: Според Световната банка и Световната здравна организация половината от населението на света няма достъп до основни здравни услуги и близо 100 милиона души са изтласкани в крайна бедност от разходите за здравеопазване. В зависимост от начина на разполагане, ИИ може или да подобри тези неравенства, или да ги влоши.

„Голяма част от дискусиите за ИИ бяха свързани с това как да се демократизира здравеопазването и искам да видя това да се случи“, казва Ефи Вайена, биоетик от Федералния технологичен институт в Швейцария.

„Ако просто завършите с по-фантастични услуги за тези, които така или иначе биха могли да си позволят добро здравеопазване“, добавя тя, „Не съм сигурна дали това е трансформацията, която търсим.“

Как се развива всичко това зависи от различните визии за прилагане на AI Ранното развитие се фокусира върху много тесни приложения за диагностика, като проверка на изображения за намеци за рак на кожата или гъбички по ноктите или четене на рентгенография на гръдния кош. Но по-скорошните усилия се опитват да диагностицират множество здравни състояния наведнъж.

През август 2018 г. Moorfields Eye Hospital в Обединеното кралство и DeepMind. базираната в Лондон AI лаборатория, собственост на компанията майка на Google Alphabet, показа, че те успешно са обучили AI система за идентифициране на повече от 50 очни заболявания при сканиране, което съответства на резултатите на водещи експерти. Подобно широките амбиции подтикнаха изследването на Сан Диего и Гуанджоу, което обучи AI да диагностицира често срещаните заболявания сред децата. Последният не беше толкова добър в диагностицирането на детски заболявания в сравнение с старшите лекари, но се справи по-добре от някои младши лекари.

Такива ИИ системи може да не е необходимо да превъзхождат най-добрите човешки експерти, за да подпомогнат демократизирането на здравеопазването, а просто да разширят достъпа до текущите медицински стандарти. Все пак досега много от предложените приложения за ИИ са фокусирани върху подобряване на сегашния стандарт на грижи, а не върху разпространяване на достъпни здравни грижи наоколо, казва Коен: „Демократизирането на това, което вече имаме, би било много по-голям удар за вашия долар, отколкото подобряване на това, което имаме в много области. "

Консултантска фирма Accenture прогнозира, че най-добрите приложения за ИИ могат да спестят на икономиката на САЩ 150 милиарда долара годишно до 2026 г. Но не е ясно дали пациентите и системите за здравеопазване, допълнени от доларите на данъкоплатците, биха се възползвали или ако повече пари просто ще потеглят към технологичните компании , доставчици на здравни грижи и застрахователи.

„Въпросът кой ще управлява това и кой ще плати за това е важен въпрос“, казва Кохане. „Нещо халюцинационно във всички тези бизнес планове е, че те мислят, че знаят как ще се получи.“

Дори ако AI службите дават препоръки за спестяване на разходи, човешките лекари и здравните организации могат да се колебаят да приемат съвети за AI, ако в резултат печелят по-малко пари, предупреждава Kohane. Това говори за по-големия системен проблем на американските здравни застрахователи, използващи модел на такса за обслужване, който често възнаграждава лекари и болници за добавяне на тестове и медицински процедури, дори когато те не са необходими.

***

Има още една AI възможност, която би могла да подобри качеството на грижите, като все пак остави повечето медицински диагнози в ръцете на лекарите. В книгата си Deep Medicine за 2019 г. Ерик Топол, директор и основател на транслационалния институт за изследвания на Scripps, говори за създаването на по същество надута медицинска Siri - асистент на AI, който да прави бележки за взаимодействията между лекарите и техните пациенти, да въвежда тези бележки в електронното здраве записи и напомнете на лекарите да питат за съответните части от историята на пациента.

„Моят стремеж е да декомпресираме работата на лекарите и да се отървем от ролята им на служител на данните, да помогнем на пациентите да поемат повече отговорност и да въведат данните, така че да не отнеме толкова време за преглед на нещата“, казва Топол.

Този „никога незабравим медицински асистент или писар“, казва Кохане, ще изисква AI, който може автоматично да проследява и преписва множество гласове между лекари и пациенти. Той подкрепя идеята на Topol, но добавя, че повечето AI приложения в разработката изглежда не са фокусирани върху такива асистенти. Все пак някои компании като Saykara и DeepScribe са разработили услуги по тези линии и дори Google си партнира със университета в Станфорд, за да тества подобна технология за „цифров писар“.

Асистентът на AI може да звучи по-малко вълнуващо от AI лекар, но това може да освободи лекарите да прекарват повече време със своите пациенти и да подобрят общото качество на грижите. По-специално семейните лекари прекарват повече от половината от работните си дни, въвеждайки данни в електронни здравни досиета - основен фактор зад физическото и емоционалното изгаряне , което има тежки последици , включително смъртта на пациентите.

По ирония на съдбата е трябвало електронните здравни записи да подобрят медицинската помощ и да намалят разходите, като направят по-достъпна информацията за пациентите. Сега Топол и много други експерти посочиха електронните здравни досиета като предупредителна приказка за сегашния свръхобхват около ИИ в медицината и здравеопазването.

Въвеждането на електронни здравни записи вече създаде пачуърк система, разпространена сред стотици частни доставчици, която главно успява да изолира данните за пациентите и го прави недостъпен както за лекари, така и за пациенти. Ако историята е някакво ръководство, много технологични компании и здравни организации ще почувстват стремежа да следват подобни пътища, като съхраняват медицински данни за собствените си ИИ системи.

Един от начините за това може да бъде използването на система за колективно разузнаване, която обединява и класира медицински експертизи от различни източници, казва Комарнени, който се опитва този подход с Human Dx. Поддържан от големи медицински организации като Американската медицинска асоциация, Human Dx изгради онлайн платформа за краудсорсинг съвети от хиляди лекари по конкретни медицински случаи. Komarneni се надява, че подобна платформа на теория би могла и някой ден да включва диагностични съвети от много различни AI услуги.

„По същия начин, по който много човешки специалисти биха могли да гледат на вашия случай в бъдеще, няма причина многократният ИИ да не може да го направи“, казва Комарнени.

Докато лекарите чакат своите помощници за ИИ, краудсорсинг проекти като Human Dx „определено биха могли да доведат до подобрена диагностика или дори подобрени препоръки за терапия“, казва Топол, който е съавтор на проучване за 2018 г. на подобна платформа, наречена Medscape Consult. Докладът заключава, че колективната човешка интелигентност може да бъде „конкурентна или допълваща стратегия“ на AI в медицината.

Но ако AI услугите преминат всички тестове и проверки в реалния свят, те биха могли да станат важни партньори за хората в прекрояването на съвременните здравни грижи.

"Има неща, които машините никога няма да се справят добре, а след това и други, където те ще надхвърлят това, което всеки човек може да направи", казва Топол. "Така че, когато сглобите двете заедно, това е много мощен пакет."

***

Джеръми Хсу е журналист на свободна практика със седалище в Ню Йорк. Той често пише за науката и технологиите за Backchannel, IEEE Spectrum, Popular Science и Scientific American, сред другите публикации.

Тази статия първоначално е публикувана в Undark . Прочетете оригиналната статия .


Read more: https://www.smithsonianmag.com/innovation/will-artificial-intelligence-improve-health-care-for-everyone-180972758/#JxRhHAiRB4JmrZ5v.99
Give the gift of Smithsonian magazine for only $12! http://bit.ly/1cGUiGv
Follow us: @SmithsonianMag on Twitter



Гласувай:
1
0



Спечели и ти от своя блог!
1. morskipesni - Дори с "най-съвременни" апарати и технологии
07.08.2019 11:14
.. здравето на хората по света ще се влошава прогресивно. Най-важният фактор за здраве е начинът на живот, а той е вече един отвратителен, природоНЕсъобразен калъп.
цитирай
2. zahariada - Да
07.08.2019 12:47
Така е.
цитирай
Търсене

За този блог
Автор: zahariada
Категория: Политика
Прочетен: 26555183
Постинги: 14659
Коментари: 18535
Гласове: 25159
Архив
Календар
«  Януари, 2020  
ПВСЧПСН
12345
6789101112
13141516171819
20212223242526
2728293031