![ai driven medicin nvidia gtc 2019](/f/0ae4123cb20a27a97fe612a7cd3851e1.jpg)
A.I. har kraften att förvandla världen - åtminstone är det vad vi hela tiden får höra. Ja, det driver röstassistenter och robothundar, men det finns några legitima områden där A.I. gör inte bara saker enklare och bekvämare. När det gäller medicin och hälsovård räddar det faktiskt liv.
Innehåll
- A.I. i ett trasigt system
- Att äga din egen data
- Minska partiskhet
- Medicinsk A.I. som en drönare
Det har dock skett tillbakadragande på sistone. Läkare och statliga tjänstemän är hausse om den långsiktiga potentialen hos artificiell intelligenss transformativa krafter, men forskare tar en mer försiktig och mätt inställning till implementering. I bara det senaste året, vi har sett enorma steg framåt som tar A.I.s potential inom medicinsk vård och förvandlar den till verklighet.
Idag står vi på randen av en betydande förändring i hur vi alla kommer att uppleva och använda vår medicinska data i framtiden.
Relaterad
- Analog A.I.? Det låter galet, men det kanske är framtiden
- Nvidia sänker barriären för inträde i A.I. med Fleet Command och LaunchPad
- GTC 2020 roundup: Nvidias virtuella värld för robotar, A.I. videosamtal
A.I. i ett trasigt system
"Vi blev seriösa med det som en disciplin för kanske fem år sedan, men hela min karriär har jag hemsökts av behovet av den här tekniken", säger Dr. Richard White berättade för Digital Trends om institutionens intåg i A.I. Han är ordförande för radiologi vid Ohio State Universitys Wexner Medical Centrum
"Det är upp till patienten och läkarna att försöka fixa det, eftersom vi är agenter för den sista utvägen."
"Lästa tiden kunde jag inte ta reda på varför det inte fanns någon användning för datorer för att replikera vad människor gör: att mödosamt titta igenom alla bilder som var dynamiska och försökte komma på det här, och sedan låta datorn göra samma misstag som jag gjorde var väldigt frustrerande i minst tre decennier."
White sa det när de försökte ge sig in i radiomik, såg de ett verkligt behov av datorsmart. "För ungefär fyra eller fem år sedan började saker och ting samman och det var rätt sak att göra. Det mötte ett trängande behov, och det var då vi började seriöst [med A.I.] i våra labb."
Radiologer från deltagande hälsosystem vid GTC i år, inklusive White, Dr Paul Chang, professor och vice ordförande från University of Chicago, och Dr Christopher Hess, en professor och ordförande i radiologi från University of California, San Francisco (UCSF), började utforska A.I. helt enkelt för att mängden medicinska data från förbättrade bildskanningar blev överväldigande.
![](/f/2bbc302b097618ab0883cab6b5952a6d.jpg)
Framsteg inom medicinsk avbildningsteknik resulterade i insamlingen av betydligt mer patientdata, sade Chang och hans kollegor, vilket ledde till läkarens utbrändhet. Läkare ser A.I: s transformativa potential, eftersom tekniken kan göra det möjligt för dem att återfå en del av tiden spenderas på mödosamt att gå igenom skanningar, och detta, enligt Dr. Hess, tillåter "läkare att bli helare igen."
Men Chang varnar sina medutövare från att bli "förförda" av den nya tekniken, och noterar att den måste implementeras korrekt för att vara effektiv. "Du kan inte införliva A.I i förtid. in i ett system som är trasigt, sa han.
På många sätt är det just det scenariot som har lett oss dit vi är idag.
Att äga din egen data
Den nuvarande medicinen just nu är centrerad kring algoritmer och elektroniska journaler. Denna programvara är inte inriktad på patientvård eller lärande, men det är ett system för att kategorisera behandlingar, vilket i sin tur gör det möjligt för försäkringsgivare att betala läkare för tjänster som utförts.
"Branschen har förvandlat läkare till kunder för att lägga in koder så att de kan faktureras," Dr Walter Brouwer, VD för dataanalysföretaget Doc. A.I. sa. "Vi måste sluta med det vi gör för det fungerar inte. Om du tar 2019 är förutsägelserna att 400 läkare kommer att begå självmord, 150 000 människor kommer att dö och första konkursförloppet kommer att vara medicinska journaler, så vi litar på att alla kommer att försöka fixa ett system som är ofixbar. Det är upp till patienten och läkarna att försöka fixa det, eftersom vi är agenter för den sista utvägen."
Människor kan faktiskt tjäna pengar på sin data som en latent ekonomisk tillgång. Det är löftet om djup inlärning.
För White är att ändra hur data flödar genom systemet ett viktigt första steg för att verkligen kunna utnyttja kraften av A.I. Till skillnad från andra områden där A.I. har till stor del setts som framgångsrika teknik möjliggörare, såsom kundservice och autonom körning, har hälso- och sjukvårdsvertikalet fyllts med bestämmelser utformade för att skydda patienternas integritetsrättigheter.
"Jag tror att patienten måste anförtros sin egen data, och sedan styr de hur dessa data används när vi förs in i deras liv," sa han. "Det är vår moraliska skyldighet att skydda den."
För Anthem, landets andra leverantör av sjukförsäkring som täcker mer än 40 miljoner amerikaner, skulle patienterna känna sig mer tvingade att göra det om det är bekvämare att dela data.
![Doc.ai-appen](/f/eae8ddf301fa4e844a0b97ed8769d3f5.jpg)
"Det är verkligen en avvägning mellan bekvämlighet och integritet", säger Rajeev Ronanki, Anthems digitala chef. "Än så länge har vi inte gjort ett bra jobb med att göra vården enkel, lätt och bekväm, så därför vill alla värdera integritet framför allt annat. Till exempel, om det kommer att spara dig femton minuter från att försöka fylla i samma överflödiga formulär på din läkares mottagning om dina hälsotillstånd och du kan komma in och ut snabbare, då kommer de flesta att välja bekvämlighet framför att vilja göra sina data privat. Visst kommer vissa människor att välja att hålla sin hälsoinformation privat, och vi vill kunna stödja båda."
När mobila enheter blir mer kraftfulla föreställer sjukvårdspersonal en värld där patienterna äger och lagra data på sina enheter, vilket lämnar hälsoinstitutioner ansvariga för att skapa ett system där data kan anonymiseras, delas och utbytas.
"Att få tag på bra data är en mycket stor utmaning."
"Ingen institution kommer att tillåta att stora mängder data skickas från deras system, så vi måste ta med det modeller och utveckla modellen, genom att cirkulera dem till prenumeranterna och sedan titta på arrangemanget, "Vit sa. "Det är bara mycket mer praktiskt."
En större pool av data som delas av patienter kan leda till mer exakta kliniska studier och minska bias inom medicin. I den här modellen vill forskare förlita sig på kantinlärning snarare än molnet för att bearbeta data. Istället för att ställa in information till molnet, bygger edge learning på Apple-modellen för A.I. där data lagras och behandlas lokalt, vilket lovar en högre grad av integritet. Och eftersom data behandlas lokalt kan de behandlas mycket snabbare, hävdade De Brouwer.
"Så jag samlar in all min data - mina sjukvårdsjournaler - om jag vill göra en klinisk prövning," fortsatte De Brouwer. "Om jag får ett protokoll spårar jag mina data genom protokollen på min telefon. Jag får tensorer. Jag skickar iväg tensorerna, som är oåterkalleliga, och de beräknas i genomsnitt med all annan data, och jag får tillbaka data på min telefon. Mina data är privata, men jag får en bättre förutsägelse eftersom tensorer är genomsnittet av genomsnittet av genomsnittet av genomsnittet, vilket är bättre än det första genomsnittet."
Den AI-drivna medicinska forskningskompanjonen.
De Brouwer hävdade att detta helt skulle förändra medicinsk forskning. "Vi kan faktiskt kombinera våra tensorer och lämna vår data där den är. Människor kan faktiskt tjäna pengar på sin data som en latent ekonomisk tillgång. Det är löftet om djup inlärning."
Med teknik möjliggörare, som 5G, sensorer för uppkopplade hem och smarta hälsoenheter kan medicinska forskare snart få tillgång till nya datakällor som de kanske inte har ansett som relevanta för sin medicinska forskning idag.
Kallas fuzzy data, Doc. A.I. förutspår att mängden data kommer att växa med så mycket som 32 gånger varje år, och till 2020 kommer vi att gå mot en faktoriell framtid. "A.I. är här för att hjälpa till eftersom det ger oss tidens gåva”, sa De Brouwer. – Jag är väldigt optimistisk inför framtiden.
Minska partiskhet
Som en del av sitt initiativ för ansvarsfull och etisk användning av A.I., arbetar Anthem nu med datavetare för att utvärdera 17 miljoner poster från sina databaser för att säkerställa att det inte finns några fördomar i algoritmerna som den har skapas.
Clara: Överladdning av medicinska instrument med AI
"När du skapar algoritmer som påverkar människors liv, då måste du vara mycket mer försiktig", säger den demokratiske kongressledamoten Jerry McNerney (medordförande för kongressen). A.I. Caucus), i ett separat föredrag på GTC som betonade några av konsekvenserna på liv och död när A.I. används i kritisk infrastruktur som militära applikationer. "När du har data som är dåligt partisk kommer du att få liknande resultat. Att få tag på bra data är en mycket stor utmaning.”
Dessutom, när du har begränsad data, kan partiskhet också smyga sig in lättare, förklarade Hess, är att det kan skeva medicinska studier och tolkningar av resultat. Citerar Stanford Universitys forskning Hess visade upp hur A.I.-härledda algoritmer är "bättre" på att upptäcka lunginflammation än faktiska radiologer, och visade några av misstagen i antagandet.
Medan A.I. är bra på repetitiva, tidskrävande uppgifter behöver du fortfarande den mänskliga interaktionen i patientvården.
"Vad är bättre", frågade en häftig Hess som försökte få fram en definition av ordet bättre. Medan Hess medgav att Stanfords algoritmer hade en hög framgångsfrekvens – uppemot 75 procent – när det gällde att upptäcka lunginflammation genom att när den läste röntgenstrålar och andra skanningar, presterade den fortfarande underpresterande jämfört med de diagnoser som ställts av fyra radiologer som nämns i studie.
Även om Hess anser att A.I. som en tidsbesparande teknik som gör att läkare kan gå tillbaka till patientvård istället för att lägga tid på kodning diagram, varnar han för att tekniken inte är helt perfekt, och noterar att A.I.:s objektdetekteringsalgoritmer kan helt felidentifiera skannar.
Medicinsk A.I. som en drönare
Som sådan anser Hess och hans kollegor A.I. som en kompletterande teknik inom medicin som kommer att hjälpa, inte ersätta, mänskliga läkare. Medan A.I. är bra på repetitiva, tidskrävande uppgifter att identifiera tumörer och avvikelser i skanningar, sade Chang, du behöver fortfarande mänsklig interaktion i patientvården.
Snarare, för att tolka de enorma mängder av data som kommer att samlas in, förutspår industriobservatörer att en enda doktorn kommer att skapa många ytterligare jobb för datavetare för att skapa algoritmer för att hjälpa till att förstå det data. "Vi kommer att ha samma sak inom medicin. Jag tror att varje läkare kommer att skapa hundra dataforskarjobb, så sjukvården kommer att bli en kontinuerlig funktion”, sa De Brouwer.
"Vi kommer alltid att behöva omtänksamma människor för att få kontakt med en människa, människa till människa," sa White. "Jag hoppas att vi aldrig tappar beröringen av en hand på en annan persons hand som ber om hjälp, och att någon måste översätta det till verkliga situationer."
Redaktörens rekommendationer
- Microsoft slutar med sin läskiga, känsloläsande A.I.
- Nvidias senaste A.I. Resultaten visar att ARM är redo för datacentret
- Hur USPS använder Nvidia GPU: er och A.I. för att spåra saknad e-post
- Microsoft vill använda A.I. att göra vården bättre för alla
- Jag träffade Samsungs konstgjorda människor och de visade mig framtiden för A.I.