Optimis dengan Peran AI dalam Kedokteran, Dokter Ingin Kembali ke Penyembuhan

A.I. memiliki kekuatan untuk mengubah dunia — setidaknya itulah yang selalu diberitahukan kepada kami. Ya, ini mendukung asisten suara dan robot anjing, tetapi ada beberapa area yang sah di mana A.I. tidak hanya membuat segalanya lebih mudah dan nyaman. Dalam hal pengobatan dan layanan kesehatan, hal ini sebenarnya menyelamatkan nyawa.

Namun ada penolakan akhir-akhir ini. Profesional medis dan pejabat pemerintah optimis terhadap potensi jangka panjang dari kekuatan transformatif kecerdasan buatan, namun para peneliti mengambil pendekatan yang lebih hati-hati dan terukur dalam penerapannya. Di dalam baru setahun terakhir, kita telah melihat lompatan besar ke depan yang memanfaatkan potensi AI dalam perawatan medis dan mewujudkannya.

Saat ini, kita berada di ambang transformasi signifikan dalam cara kita menikmati dan menggunakan data medis di masa depan.

A.I. dalam sistem yang rusak

“Kami menjadi serius mengenai hal ini sebagai sebuah disiplin ilmu mungkin lima tahun yang lalu, namun sepanjang karier saya, saya dihantui oleh kebutuhan akan teknologi ini,” kata Dr. Richard White mengatakan kepada Digital Trends tentang upaya institusi tersebut memasuki bidang AI. Dia adalah ketua radiologi di Wexner Medical di Ohio State University Tengah

“Untuk waktu yang lama, saya tidak mengerti mengapa komputer tidak berguna untuk meniru apa yang dilakukan manusia: dengan susah payah memeriksa semua gambar. yang dinamis dan mencoba memunculkannya, dan kemudian komputer melakukan kesalahan yang sama seperti yang saya buat sangat membuat frustrasi setidaknya selama tiga dekade.”

White mengatakan itu ketika mereka mencoba untuk menjelajah radiomik, mereka melihat adanya kebutuhan nyata akan kecerdasan komputer. “Sekitar empat atau lima tahun yang lalu, segala sesuatunya berjalan dengan baik dan itu adalah hal yang benar untuk dilakukan. Ini memenuhi kebutuhan yang mendesak, dan saat itulah kami mulai serius [dengan AI] di laboratorium kami.”

Ahli radiologi dari sistem kesehatan yang berpartisipasi di GTC tahun ini, termasuk White, Dr. Paul Chang, seorang profesor dan wakil ketua dari Universitas Chicago, dan Dr. Christopher Hess, seorang profesor dan ketua radiologi dari Universitas California, San Francisco (UCSF), mulai mengeksplorasi A.I. hanya karena jumlah data medis dari pemindaian pencitraan menjadi lebih baik begitu banyak.

Kemajuan teknologi pencitraan medis menghasilkan pengumpulan data pasien yang jauh lebih banyak, kata Chang dan rekan-rekannya, yang menyebabkan kelelahan dokter. Para dokter melihat potensi transformatif AI, karena teknologi ini dapat memungkinkan mereka untuk pulih kembali dalam jangka waktu tertentu dihabiskan dengan susah payah menjalani pemindaian, dan ini, menurut Dr. Hess, memungkinkan “dokter menjadi penyembuh lagi."

Namun Chang memperingatkan rekan-rekan praktisi agar tidak “tergoda” oleh teknologi baru, dan menekankan bahwa teknologi tersebut harus diterapkan dengan benar agar efektif. “Anda tidak bisa menggunakan AI sebelum waktunya. ke dalam sistem yang rusak,” katanya.

Dalam banyak hal, skenario persis seperti itulah yang telah membawa kita ke posisi kita saat ini.

Memiliki data Anda sendiri

Praktik kedokteran saat ini berpusat pada algoritma dan catatan kesehatan elektronik. Perangkat lunak ini tidak berpusat pada perawatan atau pembelajaran pasien, namun merupakan sistem pengkategorian perawatan, yang pada gilirannya memungkinkan perusahaan asuransi membayar dokter untuk layanan yang dilakukan.

“Industri telah mengubah dokter menjadi klien yang dapat memberikan kode sehingga mereka dapat ditagih,” Dr. Walter Brouwer, CEO perusahaan analisis data Doc. A.I. dikatakan. “Kami harus menghentikan apa yang kami lakukan karena itu tidak berhasil. Jika kita mengambil tahun 2019, prediksinya adalah 400 dokter akan bunuh diri, 150.000 orang akan meninggal, dan Kebangkrutan pertama adalah rekam medis, jadi kami percaya bahwa semua orang akan mencoba memperbaiki sistem yang ada tidak dapat diperbaiki. Terserah pada pasien dan dokter untuk mencoba memperbaikinya, karena kami adalah agen pilihan terakhir.”

Bagi White, mengubah cara data mengalir melalui sistem merupakan langkah pertama yang penting agar dapat benar-benar memanfaatkan kekuatan yang ada dari A.I. Berbeda dengan bidang lain di mana A.I. sebagian besar telah dipandang sebagai pendukung teknologi yang sukses, seperti layanan pelanggan dan mengemudi otonom, sektor layanan kesehatan telah dibebani dengan peraturan yang dirancang untuk melindungi hak privasi pasien.

“Saya pikir pasien harus dipercaya dengan datanya sendiri, dan kemudian mereka mengarahkan bagaimana data tersebut digunakan ketika kita dibawa ke dalam kehidupan mereka,” katanya. “Merupakan kewajiban moral kami untuk melindunginya.”

Bagi Anthem, penyedia asuransi kesehatan kedua di Amerika yang mencakup lebih dari 40 juta orang Amerika, jika berbagi data lebih nyaman, maka pasien akan merasa lebih terdorong untuk melakukannya.

“Ini benar-benar merupakan pengorbanan antara kenyamanan dan privasi,” kata Rajeev Ronanki, chief digital officer Anthem. “Sejauh ini, kami belum berhasil membuat layanan kesehatan menjadi sederhana, mudah, dan nyaman, sehingga semua orang ingin menghargai privasi di atas segalanya. Misalnya, jika ini akan menghemat waktu lima belas menit bagi Anda untuk mencoba mengisi formulir berlebihan yang sama di ruang praktik dokter Anda tentang kondisi kesehatan Anda dan Anda dapat masuk dan keluar lebih cepat, maka kebanyakan orang akan memilih kenyamanan daripada ingin membuat datanya pribadi. Tentu saja, beberapa orang akan memilih untuk merahasiakan informasi kesehatan mereka, dan kami ingin dapat mendukung keduanya.”

Ketika perangkat seluler menjadi lebih canggih, para profesional kesehatan membayangkan sebuah dunia di mana pasien dapat memiliki dan menyimpan data di perangkat mereka, sehingga institusi kesehatan bertanggung jawab untuk menciptakan sistem di mana data dapat dianonimkan, dibagikan, dan dipertukarkan.

“Tidak ada institusi yang mengizinkan data dalam jumlah besar dikirim dari sistem mereka, jadi kami harus menghadirkannya memodelkan dan mengembangkan model tersebut, dengan mengedarkannya ke pelanggan dan kemudian menonton aransemennya, “Putih dikatakan. “Ini jauh lebih praktis.”

Kumpulan data yang lebih besar yang dibagikan oleh pasien dapat menghasilkan studi klinis yang lebih akurat dan mengurangi bias dalam pengobatan. Dalam model ini, peneliti ingin mengandalkan edge learning dibandingkan cloud untuk memproses data. Daripada mengatur informasi ke cloud, edge learning mengandalkan model Apple untuk A.I. tempat data disimpan dan diproses secara lokal, menjanjikan tingkat privasi yang lebih tinggi. Dan karena data diproses secara lokal, maka dapat diproses lebih cepat, klaim De Brouwer.

“Jadi saya mengumpulkan semua data saya – catatan kesehatan saya – jika saya ingin melakukan uji klinis,” lanjut De Brouwer. “Jika saya diberi protokol, saya melacak data saya melalui protokol di ponsel saya. Saya mendapatkan tensor. Saya mengirimkan tensor, yang tidak dapat diubah, dan dirata-ratakan dengan semua data lainnya, dan saya mendapatkan kembali data di ponsel saya. Data saya bersifat pribadi, tetapi saya mendapatkan prediksi yang lebih baik karena tensor adalah rata-rata dari rata-rata dari rata-rata, yang lebih baik daripada rata-rata pertama.”

De Brouwer mengklaim hal ini akan mengubah penelitian medis sepenuhnya. “Kami sebenarnya dapat menggabungkan tensor kami dan membiarkan data kami tetap di tempatnya. Masyarakat sebenarnya dapat memonetisasi data mereka sebagai aset ekonomi laten. Itulah janji pembelajaran mendalam.”

Dengan pendukung teknologi, seperti 5G, sensor rumah yang terhubung, dan perangkat kesehatan pintar, peneliti medis akan segera memiliki akses ke sumber data baru yang mungkin mereka anggap tidak relevan untuk penelitian medis mereka saat ini.

Namanya data fuzzy dok. A.I. memperkirakan bahwa jumlah data akan bertambah sebanyak 32 kali lipat setiap tahunnya, dan pada tahun 2020, kita akan menuju masa depan faktorial. “AI. ada di sini untuk membantu karena ini memberi kita anugerah waktu,” kata De Brouwer. “Saya sangat optimis tentang masa depan.”

Mengurangi bias

Sebagai bagian dari inisiatif penggunaan AI yang bertanggung jawab dan etis, Anthem kini bekerja sama dengan ilmuwan data untuk melakukannya mengevaluasi 17 juta catatan dari databasenya untuk memastikan tidak ada bias dalam algoritme yang dimilikinya dibuat.

“Saat Anda membuat algoritme yang berdampak pada kehidupan masyarakat, Anda harus lebih berhati-hati,” kata Anggota Kongres dari Partai Demokrat Jerry McNerney (salah satu ketua Kongres). A.I. Caucus), dalam pembicaraan terpisah di GTC yang menekankan beberapa konsekuensi hidup dan mati ketika A.I. digunakan dalam infrastruktur penting seperti aplikasi militer. “Jika Anda memiliki data yang sangat bias, Anda akan mendapatkan hasil yang serupa. Mendapatkan data yang baik merupakan tantangan yang sangat besar.”

Selain itu, ketika Anda memiliki data yang terbatas, bias juga dapat lebih mudah masuk, jelas Hess, yang dapat mengganggu penelitian medis dan interpretasi hasil. Mengutip penelitian Universitas Stanford menunjukkan bagaimana algoritma yang diturunkan dari AI “lebih baik” dalam mendeteksi pneumonia dibandingkan ahli radiologi sebenarnya, Hess menunjukkan beberapa kesalahan dalam anggapan tersebut.

“Apa yang lebih baik,” tanya Hess yang bercanda, mencoba mengekstraksi definisi kata tersebut dengan lebih baik. Meskipun Hess mengakui bahwa algoritme Stanford memiliki tingkat keberhasilan yang tinggi – hingga 75 persen – dalam mendeteksi pneumonia dengan membaca sinar-X dan pemindaian lainnya, kinerjanya masih buruk jika dibandingkan dengan diagnosis yang dibuat oleh empat ahli radiologi yang dikutip dalam belajar.

Meskipun Hess memandang A.I. sebagai teknologi penghemat waktu yang memungkinkan dokter kembali merawat pasien daripada menghabiskan waktu untuk coding grafik, ia memperingatkan bahwa teknologinya belum sempurna, dan mengingat bahwa algoritme pendeteksian objek AI dapat salah mengidentifikasi scan.

A.I. Medis sebagai pesawat tak berawak

Karena itu, Hess dan rekan-rekannya memandang A.I. sebagai teknologi pelengkap dalam bidang kedokteran yang akan membantu, bukan menggantikan, dokter manusia. Sementara A.I. pandai dalam tugas yang berulang dan memakan waktu untuk mengidentifikasi tumor dan kelainan pada pemindaian, kata Chang, Anda masih memerlukan interaksi manusia dalam perawatan pasien.

Sebaliknya, untuk menafsirkan kumpulan besar data yang akan dikumpulkan, pengamat industri memperkirakan hal tersebut akan terjadi dokter akan menciptakan banyak pekerjaan tambahan bagi ilmuwan data untuk membuat algoritme guna membantu memahami hal tersebut data. “Kita akan mengalami hal yang sama dalam bidang kedokteran. Saya pikir setiap dokter akan menciptakan seratus pekerjaan data scientist, sehingga layanan kesehatan akan menjadi fungsi yang berkelanjutan,” kata De Brouwer.

“Kita akan selalu membutuhkan orang-orang yang peduli untuk berinteraksi dengan manusia, antar manusia,” kata White. “Saya harap kita tidak pernah kehilangan sentuhan tangan orang lain saat meminta bantuan, dan seseorang harus menerjemahkannya ke dalam situasi dunia nyata.”

Rekomendasi Editor

• Microsoft menghentikan A.I.
• A.I. Hasil membuktikan bahwa ARM siap untuk pusat data
• Bagaimana USPS menggunakan GPU Nvidia dan A.I. untuk melacak email yang hilang
• Microsoft ingin menggunakan A.I. untuk menjadikan layanan kesehatan lebih baik bagi semua orang
• Saya bertemu manusia buatan Samsung, dan mereka menunjukkan masa depan A.I.