Optimistisk om A.I.s rolle i medisin, leger ønsker å gå tilbake til helbredelse

A.I. har kraften til å forvandle verden - i det minste er det det vi hele tiden blir fortalt. Ja, den driver stemmeassistenter og robothunder, men det er noen legitime områder hvor A.I. gjør ikke bare ting enklere og mer praktisk. Når det gjelder medisin og helsevesen, redder det faktisk liv.

Det har imidlertid vært tilbakeslag i det siste. Medisinske fagpersoner og myndighetspersoner er positive om det langsiktige potensialet til kunstig intelligenss transformative krefter, men forskere tar en mer forsiktig og målt tilnærming til implementering. I bare det siste året, vi har sett store sprang fremover som tar A.I.s potensiale innen medisinsk behandling og gjør det til en realitet.

I dag står vi på randen av en betydelig transformasjon i hvordan vi alle vil oppleve og bruke våre medisinske data i fremtiden.

A.I. i et ødelagt system

"Vi ble seriøse med det som en disiplin for kanskje fem år siden, men hele min karriere har jeg vært hjemsøkt av behovet for denne teknologien," sier Dr. Richard White fortalte Digital Trends om institusjonens inntog i A.I. Han er leder for radiologi ved Ohio State Universitys Wexner Medical Senter

"I lengste tid kunne jeg ikke finne ut hvorfor det ikke var bruk for datamaskiner til å gjenskape hva mennesker gjør: å møysommelig se gjennom alle bildene som var dynamiske og prøver å komme opp med dette, og så få datamaskinen til å gjøre de samme feilene som jeg gjorde, var veldig frustrerende i minst tre tiår."

White sa det da de prøvde å våge seg inn radiomikser, så de et reelt behov for datamaskinsmarts. «For omtrent fire eller fem år siden kom ting sammen, og det var den rette tingen å gjøre. Det møtte et stort behov, og det var da vi begynte seriøst [med A.I.] i laboratoriene våre.»

Radiologer fra deltakende helsesystemer ved GTC i år, inkludert White, Dr. Paul Chang, professor og nestleder fra University of Chicago, og Dr. Christopher Hess, en professor og styreleder for radiologi fra University of California, San Francisco (UCSF), begynte å utforske A.I. ganske enkelt fordi mengden medisinske data fra forbedrede bildeskanninger ble overveldende.

Fremskritt til medisinsk bildebehandlingsteknologi resulterte i innsamling av betydelig flere pasientdata, sa Chang og kollegene hans, noe som førte til utbrenthet hos legen. Leger ser A.I.s transformative potensial, ettersom teknologien kan tillate dem å gjenvinne noe av tiden brukt på møysommelig å gå gjennom skanninger, og dette, ifølge Dr. Hess, gjør at «leger kan bli healere en gang til."

Men Chang advarer sine medutøvere mot å bli "forført" av den nye teknologien, og bemerker at den må implementeres riktig for å være effektiv. "Du kan ikke for tidlig innlemme A.I. inn i et system som er ødelagt, sa han.

På mange måter er det akkurat det scenariet som har ført oss dit vi er i dag.

Å eie dine egne data

Den nåværende medisinpraksisen akkurat nå er sentrert rundt algoritmer og elektroniske helsejournaler. Denne programvaren er ikke sentrert om pasientbehandling eller læring, men det er et system for å kategorisere behandlinger, som igjen lar forsikringsselskapene betale leger for tjenester som ble utført.

"Bransjen har forvandlet leger til kunder for å sette inn koder slik at de kan faktureres," Dr. Walter Brouwer, administrerende direktør i dataanalysefirmaet Doc. A.I. sa. "Vi må stoppe det vi gjør fordi det ikke fungerer. Hvis du tar 2019, er spådommene at 400 leger vil begå selvmord, 150 000 mennesker vil dø, og første konkurs vil være medisinske journaler, så vi stoler på at alle vil prøve å fikse et system som er ufiksbar. Det er opp til pasienten og legene å prøve å fikse det, fordi vi er agenter for siste utvei.»

For White er det å endre hvordan data flyter gjennom systemet et viktig første skritt for å virkelig kunne utnytte kraften av A.I. I motsetning til andre felt der A.I. har i stor grad blitt sett på som vellykkede teknologiaktiverere, som kundeservice og autonom kjøring, har helsevertikalen blitt belemret med forskrifter utformet for å beskytte pasientens personvernrettigheter.

"Jeg tror at pasienten må betros sine egne data, og så styrer de hvordan disse dataene blir brukt når vi blir brakt inn i livene deres," sa han. "Det er vår moralske forpliktelse å beskytte den."

For Anthem, landets andre leverandør av helseforsikring som dekker mer enn 40 millioner amerikanere, hvis deling av data er mer praktisk, vil pasienter føle seg mer tvunget til å gjøre det.

"Det er virkelig en avveining av bekvemmelighet og personvern," sa Rajeev Ronanki, Anthems digitale sjef. "Så langt har vi ikke gjort en god jobb med å gjøre helsevesenet enkelt, enkelt og praktisk, så derfor vil alle verdsette personvern fremfor alt annet. For eksempel, hvis det skal spare deg femten minutter fra å prøve å fylle ut de samme overflødige skjemaene på legekontoret ditt om helsetilstanden din og du kan komme inn og ut raskere, da vil de fleste velge bekvemmelighet fremfor å lage dataene sine privat. Sikkert vil noen mennesker velge å holde helseinformasjonen privat, og vi ønsker å kunne støtte begge deler.»

Etter hvert som mobile enheter blir kraftigere, ser helsepersonell for seg en verden der pasientene eier og lagre dataene på enhetene deres, slik at helseinstitusjonene er ansvarlige for å lage et system der dataene kan anonymiseres, deles og utveksles.

"Ingen institusjon kommer til å tillate at store mengder data sendes fra systemene deres, så vi må ta med modeller og utvikle modellen, ved å sirkulere dem til abonnentene og deretter se arrangementet, "White sa. "Det er bare mye mer praktisk."

En større samling av data som deles av pasienter kan føre til mer nøyaktige kliniske studier og redusere skjevhet i medisin. I denne modellen ønsker forskere å stole på kantlæring i stedet for skyen for å behandle dataene. I stedet for å sette informasjon til skyen, er edge learning avhengig av Apple-modellen for A.I. hvor data lagres og behandles lokalt, noe som lover en høyere grad av personvern. Og fordi data behandles lokalt, kan de behandles mye raskere, hevdet De Brouwer.

"Så jeg samler inn alle dataene mine - helsejournalene mine - hvis jeg vil gjøre en klinisk studie," fortsatte De Brouwer. "Hvis jeg får en protokoll, sporer jeg dataene mine gjennom protokollene på telefonen min. Jeg får tensorer. Jeg sender av tensorene, som er irreversible, og de beregnes i gjennomsnitt med alle andre data, og jeg får tilbake dataene på telefonen min. Dataene mine er private, men jeg får en bedre prediksjon fordi tensorer er gjennomsnittet av gjennomsnittet av gjennomsnittet av gjennomsnittet, som er bedre enn det første gjennomsnittet."

De Brouwer hevdet at dette ville endre medisinsk forskning fullstendig. "Vi kan faktisk kombinere tensorene våre og la dataene våre være der de er. Folk kan faktisk tjene penger på dataene sine som en latent økonomisk ressurs. Det er løftet om dyp læring.»

Med teknologien muliggjører, som 5G, sensorer for tilkoblede hjem og smarte helseenheter, kan medisinske forskere snart få tilgang til nye datakilder som de kanskje ikke har ansett som relevante for sin medisinske forskning i dag.

Kalt fuzzy data, Doc. A.I. spår at mengden data vil vokse med så mye som 32 ganger hvert år, og innen 2020 vil vi være på vei mot en faktoriell fremtid. «A.I. er her for å hjelpe fordi det gir oss tidens gave," sa De Brouwer. – Jeg er veldig optimistisk med tanke på fremtiden.

Redusere skjevhet

Som en del av sitt initiativ for ansvarlig og etisk bruk av A.I., jobber Anthem nå med datavitere for å evaluere 17 millioner poster fra databasene for å sikre at det ikke er noen skjevheter i algoritmene den har opprettet.

"Når du lager algoritmer som påvirker folks liv, så må du være mye mer forsiktig," sa den demokratiske kongressmedlem Jerry McNerney (medformann for Kongressen). A.I. Caucus), i et eget foredrag på GTC som la vekt på noen av konsekvensene på liv og død da A.I. brukes i kritisk infrastruktur som militære applikasjoner. "Når du har data som er dårlig partisk, vil du få lignende resultater. Å få tak i gode data er en veldig stor utfordring.»

I tillegg, når du har begrensede data, kan skjevhet også snike seg inn lettere, forklarte Hess, er at det kan skjeve medisinske studier og tolkninger av resultater. Siterer Stanford Universitys forskning Hess viste frem hvordan A.I.-avledede algoritmer er "bedre" til å oppdage lungebetennelse enn faktiske radiologer, og viste noen av feilene i antakelsen.

«Hva er bedre,» spurte en fasinert Hess som prøvde å trekke ut en definisjon av ordet bedre. Mens Hess innrømmet at Stanfords algoritmer hadde en høy suksessrate – opp mot 75 prosent – ​​ved å oppdage lungebetennelse ved å ved å lese røntgenstråler og andre skanninger, presterte den fortsatt dårlig sammenlignet med diagnosene satt av fire radiologer sitert i studere.

Selv om Hess ser på A.I. som en tidsbesparende teknologi som lar leger gå tilbake til pasientbehandling i stedet for å bruke tid på koding diagrammer, advarer han om at teknologien ikke er helt perfekt, og bemerker at A.I.s objektdeteksjonsalgoritmer kan fullstendig feilidentifisere skanner.

Medisinsk A.I. som en drone

Som sådan ser Hess og hans kolleger på A.I. som en komplementær teknologi innen medisin som vil hjelpe, ikke erstatte, menneskelige leger. Mens A.I. er god på repeterende, tidkrevende oppgaver med å identifisere svulster og abnormiteter i skanninger, sa Chang, du trenger fortsatt den menneskelige interaksjonen i pasientbehandlingen.

Snarere, for å tolke de enorme mengder data som vil bli samlet inn, spår industriobservatører at en enkelt legen vil skape en rekke ekstra jobber for dataforskere for å lage algoritmer for å hjelpe med å forstå det data. «Vi kommer til å ha det samme innen medisin. Jeg tror at hver lege vil skape hundre dataforskerjobber, så helsevesenet vil bli en kontinuerlig funksjon, sa De Brouwer.

"Vi vil alltid trenge omsorgsfulle mennesker for å kommunisere med et menneske, menneske-til-menneske," sa White. "Jeg håper vi aldri mister berøringen av en hånd på en annen persons hånd som ber om hjelp, og at noen må oversette det til virkelige situasjoner."

Redaktørenes anbefalinger

• Microsoft slutter med sin skumle, følelseslesende A.I.
• Nvidias siste A.I. resultater viser at ARM er klar for datasenteret
• Hvordan USPS bruker Nvidia GPUer og A.I. for å spore manglende e-post
• Microsoft ønsker å bruke A.I. å gjøre helsevesenet bedre for alle
• Jeg møtte Samsungs kunstige mennesker, og de viste meg fremtiden til A.I.