의학에서 AI의 역할에 대해 낙관적인 의사들은 치유 분야로 돌아가기를 원함

일체 포함. 세상을 변화시킬 수 있는 힘이 있습니다. 적어도 우리는 끊임없이 그렇게 듣고 있습니다. 예, 음성 비서와 로봇 개를 지원하지만 A.I. 일을 더 쉽고 편리하게 만드는 것 뿐만이 아닙니다. 의학과 의료의 경우 실제로 생명을 구하고 있습니다.

하지만 최근에는 반발이 일고 있습니다. 의료 전문가 및 정부 관계자 인공 지능의 혁신적인 힘의 장기적인 잠재력에 대해 낙관적이지만, 연구자들은 구현에 있어 보다 신중하고 신중한 접근 방식을 취하고 있습니다. ~ 안에 바로 지난 해, 우리는 의료 분야에서 AI의 잠재력을 현실로 바꾸는 큰 도약을 보았습니다.

오늘날 우리는 미래에 의료 데이터를 경험하고 사용하는 방법에 있어 중요한 변화의 문턱에 서 있습니다.

일체 포함. 망가진 시스템에서

"우리는 약 5년 전부터 이 분야에 대해 진지하게 생각하게 되었지만, 저는 경력 내내 이 기술의 필요성에 시달렸습니다."라고 Dr. Richard White는 Digital Trends에 해당 기관의 AI 진출에 대해 말했습니다. 그는 오하이오 주립대학교 Wexner Medical의 방사선과 학과장입니다. 센터

“오랫동안 나는 인간이 하는 일, 즉 모든 이미지를 힘들게 살펴보는 일을 컴퓨터가 복제하는 데 왜 사용되지 않는지 알 수 없었습니다. 역동적이고 이것을 생각해내려고 노력한 다음 컴퓨터가 제가 저지르고 있던 것과 같은 실수를 하도록 하는 것은 적어도 3년 동안은 매우 실망스러웠습니다. 수십 년.”

화이트는 그들이 모험을 시도했을 때 이렇게 말했습니다. 방사성학, 그들은 컴퓨터 스마트에 대한 진정한 필요성을 보았습니다. “4~5년 전쯤에는 상황이 잘 돌아가고 있었고 그게 옳은 일이었습니다. 그것은 절실한 요구를 충족시키는 것이었고, 그때부터 우리 연구실에서 [AI를] 본격적으로 시작했습니다.”

White, 시카고 대학의 교수이자 부회장인 Dr. Paul Chang, Dr. Christopher Hess를 포함하여 올해 GTC에 참여하는 의료 시스템의 방사선 전문의 캘리포니아 대학교 샌프란시스코(UCSF) 방사선학과 교수이자 학과장은 A.I.를 탐구하기 시작했습니다. 향상된 영상 스캔을 통해 얻은 의료 데이터의 양이 늘어났기 때문입니다. 압도적이다.

Chang과 그의 동료들은 의료 영상 기술의 발전으로 훨씬 더 많은 환자 데이터가 수집되어 의사의 소진이 발생했다고 말했습니다. 의사들은 기술을 통해 시간의 일부를 회복할 수 있으므로 AI의 혁신적인 잠재력을 확인합니다. Hess 박사에 따르면 스캔을 진행하는 데 많은 시간이 소요되며 이를 통해 “의사가 치료자가 될 수 있습니다. 다시."

그러나 Chang은 동료 수련자들이 신기술에 '유혹'되지 않도록 주의하며, 이 기술이 효과적이려면 올바르게 구현되어야 한다고 지적합니다. “AI를 조기에 통합할 수는 없습니다. 망가진 시스템으로 변질됐다”고 말했다.

여러 면에서 우리를 오늘날의 위치로 이끈 것은 바로 그 시나리오입니다.

자신의 데이터를 소유

현재 의료 관행은 알고리즘과 전자 건강 기록을 중심으로 이루어지고 있습니다. 이 소프트웨어는 환자 치료나 학습에 중점을 두지 않지만 치료를 분류하는 시스템으로, 이를 통해 보험사는 수행된 서비스에 대해 의사에게 비용을 지불할 수 있습니다.

데이터 분석 회사인 Doc의 CEO인 Walter Brouwer 박사는 “업계에서는 의사를 고객으로 전환하여 코드를 입력하여 비용을 청구하도록 했습니다.”라고 말했습니다. 일체 포함. 말했다. “우리가 하고 있는 일이 효과가 없기 때문에 멈춰야 합니다. 2019년을 맞이하면 의사 400명이 자살하고, 15만명이 사망할 것으로 예측된다. 파산의 첫 번째 과정은 의료 기록이므로 우리는 모두가 시스템을 고치려고 노력할 것이라고 믿습니다. 고칠 수 없습니다. 이를 고치는 것은 환자와 의사의 몫입니다. 왜냐하면 우리는 최후의 수단이기 때문입니다.”

White의 경우 시스템을 통해 데이터가 흐르는 방식을 변경하는 것은 진정한 힘을 활용하기 위한 중요한 첫 번째 단계입니다. A.I. A.I. 고객 서비스와 같은 성공적인 기술 조력자로 여겨져 왔습니다. 자율주행, 의료 분야에는 환자의 개인 정보 보호 권리를 보호하기 위해 고안된 규정이 적용됩니다.

“환자는 자신의 데이터를 맡겨야 하며, 우리가 자신의 삶에 데이터를 가져왔을 때 그 데이터가 어떻게 사용되는지 지시해야 한다고 생각합니다.”라고 그는 말했습니다. “그것을 보호하는 것은 우리의 도덕적 의무입니다.”

4천만 명 이상의 미국인을 대상으로 하는 미국 내 두 번째 건강 보험 제공업체인 Anthem의 경우, 데이터 공유가 더 편리하다면 환자들은 이를 공유하고 싶은 충동을 더 많이 느낄 것입니다.

Anthem의 최고 디지털 책임자인 Rajeev Ronanki는 "이것은 편의성과 개인 정보 보호의 절충안입니다."라고 말했습니다. “지금까지 우리는 의료 서비스를 간단하고 쉽고 편리하게 만드는 일을 제대로 수행하지 못했습니다. 따라서 모든 사람은 다른 모든 것보다 개인 정보 보호를 더 중요하게 생각하고 싶어합니다. 예를 들어, 의사 진료실에서 똑같은 중복 양식을 작성하는 데 15분을 절약할 수 있다고 가정해 보겠습니다. 귀하의 건강 상태에 따라 더 빨리 드나들 수 있게 되면 대부분의 사람들은 자신의 데이터를 만들고 싶어하는 것보다 편리함을 선택할 것입니다. 사적인. 물론 일부 사람들은 자신의 건강 정보를 비공개로 유지하기로 선택할 것이며 우리는 두 가지 모두를 지원할 수 있기를 원합니다.”

모바일 장치가 더욱 강력해짐에 따라 의료 전문가는 환자가 소유하고 관리하는 세상을 상상합니다. 기기에 데이터를 저장, 데이터를 익명화하고, 공유하고, 교환할 수 있는 시스템을 만드는 책임은 의료 기관에 맡깁니다.

“어떤 기관도 시스템에서 대량의 데이터가 전송되는 것을 허용하지 않을 것입니다. 모델을 개발하고 구독자에게 배포한 뒤 편곡 '화이트'를 보면서 모델을 개발한다. 말했다. "훨씬 더 실용적이네요."

환자가 공유하는 더 큰 데이터 풀은 더 정확한 임상 연구로 이어지고 의학의 편견을 줄일 수 있습니다. 이 모델에서 연구자들은 클라우드가 아닌 엣지 학습에 의존하여 데이터를 처리하기를 원합니다. 정보를 클라우드에 설정하는 대신 엣지 러닝은 AI를 위한 Apple 모델을 사용합니다. 데이터가 로컬에 저장되고 처리되므로 더 높은 수준의 개인 정보 보호가 보장됩니다. 그리고 데이터가 로컬에서 처리되기 때문에 훨씬 빠르게 처리될 수 있다고 De Brouwer는 주장했습니다.

De Brouwer는 "그래서 임상 시험을 원할 경우 의료 기록과 같은 모든 데이터를 수집합니다"라고 말했습니다. “프로토콜이 주어지면 전화기의 프로토콜을 통해 데이터를 추적합니다. 나는 텐서를 얻습니다. 되돌릴 수 없는 텐서를 보내고 다른 모든 데이터의 평균을 구한 후 휴대폰으로 데이터를 다시 받습니다. 내 데이터는 비공개이지만 텐서가 평균의 평균이기 때문에 더 나은 예측을 얻습니다. 이는 첫 번째 평균보다 좋습니다.”

De Brouwer는 이것이 의학 연구를 완전히 바꿀 것이라고 주장했습니다. “실제로 텐서를 결합하고 데이터를 그대로 둘 수 있습니다. 사람들은 실제로 자신의 데이터를 잠재적인 경제적 자산으로 화폐화할 수 있습니다. 이것이 바로 딥 러닝의 약속입니다.”

다음과 같은 기술 지원 요소를 사용하여 5G, 커넥티드 홈 센서, 스마트 건강 기기 등을 통해 의학 연구자들은 현재 의학 연구와 관련이 있다고 생각하지 않았던 새로운 데이터 소스에 곧 액세스할 수 있게 될 것입니다.

퍼지 데이터라고 부르죠, 박사님. 일체 포함. 에서는 데이터의 양이 매년 32배씩 증가하고 2020년에는 팩토리얼 미래(factorial future)를 맞이할 것이라고 예측하고 있습니다. "일체 포함. 우리에게 시간이라는 선물을 가져다주기 때문에 도움을 주기 위해 여기에 있습니다.”라고 De Brouwer는 말했습니다. “나는 미래에 대해 매우 낙관적입니다.”

편견 줄이기

AI의 책임감 있고 윤리적인 사용을 위한 이니셔티브의 일환으로 Anthem은 현재 데이터 과학자와 협력하여 다음을 수행하고 있습니다. 데이터베이스에서 1,700만 개의 기록을 평가하여 알고리즘에 편견이 없는지 확인합니다. 만들어진.

"사람들의 삶에 영향을 미치는 알고리즘을 만들 때는 훨씬 더 조심해야 합니다."라고 민주당 하원의원(의회 공동 의장)인 Jerry McNerney가 말했습니다. 일체 포함. Caucus), A.I. 군사용 애플리케이션과 같은 중요한 인프라에 사용됩니다. “심각하게 편향된 데이터가 있으면 비슷한 결과가 나올 것입니다. 좋은 데이터를 손에 넣는 것은 매우 큰 도전입니다.”

또한 데이터가 제한되어 있으면 편견이 더 쉽게 침투할 수 있으며 의학 연구와 결과 해석이 왜곡될 수 있다고 Hess는 설명했습니다. 스탠포드 대학의 연구를 인용 Hess는 인공지능에서 파생된 알고리즘이 실제 방사선 전문의보다 폐렴을 탐지하는 데 "더 나은" 방법을 보여 주면서 추정의 일부 오류를 보여주었습니다.

"무엇이 더 나은가?"라는 단어의 정의를 더 좋게 추출하려고 애쓰는 헤스(Hess)가 우스꽝스러운 질문을 했습니다. Hess는 Stanford의 알고리즘이 폐렴을 발견하는 데 75% 이상의 높은 성공률을 보였다고 인정했습니다. X-레이 및 기타 스캔을 판독했지만, 4명의 방사선 전문의가 내린 진단과 비교할 때 여전히 성능이 낮습니다. 공부하다.

Hess는 A.I. 의사가 코딩에 시간을 허비하지 않고 다시 환자 치료에 집중할 수 있게 해주는 시간 절약 기술 그는 AI의 객체 감지 알고리즘이 차트를 완전히 잘못 식별할 수 있다는 점을 지적하면서 기술이 완벽하지 않다고 경고했습니다. 스캔.

의료 AI 드론으로

따라서 Hess와 그의 동료들은 A.I. 인간 의사를 대체하는 것이 아니라 도움을 주는 의학의 보완 기술입니다. A.I. Chang은 스캔에서 종양과 이상을 식별하는 반복적이고 시간 소모적인 작업에 능숙하다고 Chang은 말했습니다. 환자 치료에는 여전히 인간의 상호 작용이 필요합니다.

오히려, 수집될 엄청난 양의 데이터를 해석하기 위해 업계 관찰자들은 단일 의사는 데이터 과학자가 이를 이해하는 데 도움이 되는 알고리즘을 만들 수 있도록 수많은 추가 작업을 만들 것입니다. 데이터. “우리는 의학에서도 같은 일을 할 것입니다. 나는 모든 의사가 100개의 데이터 과학자 일자리를 창출할 것이라고 생각하므로 의료 서비스는 지속적인 기능이 될 것입니다.”라고 De Brouwer는 말했습니다.

“우리는 인간과 인간 대 인간과 소통하기 위해 항상 배려하는 사람들이 필요합니다.”라고 White는 말했습니다. “도움을 요청하는 다른 사람의 손길을 놓치지 않고 누군가가 이를 실제 상황으로 해석해야 하기를 바랍니다.”

편집자의 추천

• 마이크로소프트가 소름끼치는 감정 판독 AI를 중단했다.
• 엔비디아의 최신 AI 결과는 ARM이 데이터 센터에 대한 준비가 되어 있음을 입증합니다.
• USPS가 Nvidia GPU와 AI를 사용하는 방법 누락된 메일을 추적하려면
• 마이크로소프트는 AI를 사용하고 싶어한다. 모든 사람에게 더 나은 의료 서비스를 제공하기 위해
• 삼성의 인공인간을 만나 A.I의 미래를 보여줬습니다.