0 просмотров

Представляет ли искусственный интеллект (ИИ) возможность или угрозу для будущего медицины, какой мы ее знаем?

Безусловно, самая большая опасность искусственного интеллекта заключается в том, что люди слишком рано приходят к выводу, что они его понимают.

Элиэзер Юдковски, Научно-исследовательский институт машинного интеллекта1

Искусственный интеллект (ИИ) — это будущее, и он уже является частью нашей повседневной жизни. Будь то помощь в распознавании голоса с помощью Siri от Apple или Alexa от Amazon, или алгоритмы, которые фильтруют ваши спам-письма, рекомендуют вам фильм на Netflix, проверяют транзакции вашего банковского счета на предмет мошенничества или обеспечивают беспрепятственный полет на автопилоте до вашего следующего места отдыха, скорее всего, вы уже испытали ИИ.

Машинное «глубокое обучение» происходит в многоуровневом «черном ящике» глубоких нейронных сетей, где алгоритмы не определяются правилами для конкретных задач, а способны развиваться и самообучаться, используя распознавание образов и метод проб и ошибок. Таким образом, ИИ может подходить к проблемам так, как это делает врач, проходящий обучение: изучая правила на основе данных. Однако, имея возможность анализировать огромные объемы данных, алгоритмы могут находить корреляции, которые человеческий разум не может.

Однако для некоторых использование ИИ в медицине остается тревожной концепцией. Научная фантастика изобилует примерами того, как ИИ выходит из-под контроля за счет человечества. Хотя использование ИИ в медицине не вызывает таких же оруэлловских опасений, как, например, в сфере национальной обороны, все еще существуют важные вопросы, такие как конфиденциальность, защита данных и даже необходимость простого человеческого контакта для рассмотрения. . Ожидается, что врачи будут сочетать знания с состраданием и пониманием. Некоторые опасаются, что эти характеристики могут быть потеряны в любой системе, управляемой ИИ, где пациенты могут обнаружить, что их права в лучшем случае являются второстепенными в неустанном стремлении к эффективности.

Статья в тему:  Почему искусственный интеллект приобретает все большее значение

Тем не менее, аргумент, который сторонники ИИ, такие как доктор Эрик Тополь, подробно изложил в своем обзоре кадров Национальной службы здравоохранения Великобритании2, состоит в том, что, обеспечивая эффективность рабочего процесса и точность в медицинской практике, ИИ фактически увеличит время, в течение которого пациенты могут проводить встречи лицом к лицу со своими медицинскими работниками, участвуя в совместном принятии решений. ИИ вряд ли заменит врачей, и у ИИ есть возможность расширить их практику несколькими способами.

Снижение административной нагрузки и расширение контактов между пациентом и врачом: Исследование времени и движений, проведенное в 2016 году среди 57 американских врачей, показало, что они тратили около 2 часов на работу за компьютером на каждый час, проведенный лицом к лицу со своим пациентом.3 Тридцать семь процентов времени, проведенного с пациентами, приходилось на взаимодействие с экран компьютера. Распознавание голоса, искусственный интеллект для обработки естественного языка и цифровая запись могут сократить время, затрачиваемое на канцелярские задачи, такие как написание клинических заметок, заказ анализов и назначение лекарств, с минут до секунд.Помощь ИИ может заметно снизить нагрузку на административную работу, такую ​​как кодирование, выставление счетов, планирование операционных и приемов в клинику, а также укомплектование персоналом, повышая производительность, экономя затраты и улучшая рабочий процесс в системах здравоохранения.

Усиление клинической диагностики: ИИ с глубоким обучением может обрабатывать тысячи рентгенологических или патологических изображений и проводить автоматическую интерпретацию изображений за гораздо меньшее время, чем рентгенологи и патологоанатомы, что позволяет быстрее ставить диагнозы. Диагностика с помощью ИИ может даже позволить неспециалистам уверенно принимать решения в условиях неотложной помощи, которые обычно требуют вмешательства специалиста, например, при интерпретации рентгеновских снимков переломов или обнаружении церебральной аневризмы на компьютерной томографии. Машинное обучение с использованием секвенирования генома опухоли выявило биомаркеры, которые значительно улучшили классификацию рака легких по сравнению с патологоанатомами, использующими традиционные гистологические данные. Эффективность ИИ для медицинских работников существует для диагностики диабетической ретинопатии, обнаружения переломов запястья с помощью рентгена в отделении неотложной помощи, гистологических метастазов рака молочной железы из оцифрованных патологических препаратов, очень маленьких полипов толстой кишки и педиатрических катаракт.5 Все они показали многообещающие результаты. доказав, что использование диагностических алгоритмов либо не уступало точности клиницистов, либо превосходило их, или, по крайней мере, повышало эффективность работы клинициста, заметно ускоряя время постановки диагноза.

Статья в тему:  Искусственный интеллект, который подобен зверю

Усиление мониторинга хронических состояний и самоконтроля пациентов: Общие хронические состояния, такие как гипертония, депрессия и астма, теоретически можно лечить в сообществе с помощью виртуального коучинга.Умные часы теперь могут обнаруживать аритмии, такие как мерцательная аритмия, а изменения в морфологии электрокардиограммы могут точно определять гиперкалиемию у пациентов с хроническим заболеванием почек. ИИ также может позволить отслеживать состояние психического здоровья в сообществе. Было показано, что сообщения в Facebook позволяют прогнозировать последующий диагноз депрессии, и различные инструменты для обнаружения изменений настроения, таких как депрессия, находятся в разработке с использованием взаимодействия с клавиатурой, распознавания голоса и лица и интерактивных чат-ботов.6

Предсказание будущих событий: Алгоритмы, полученные на основе интерпретации больших данных из электронных медицинских карт, позволили создать ряд инструментов прогнозирования риска, которые можно использовать для изменения решений о лечении и предотвращения неблагоприятных исходов. Модель ИИ смогла самостоятельно обучиться наиболее оптимальному лечению пациентов с сепсисом, используя базу данных решений о лечении внутривенной инфузионной терапии и дозах вазопрессоров и их влиянии на выживаемость. Количество данных о пациентах (n = 13 666) можно извлеченных, что намного превышает жизненный опыт, накопленный клиницистами-людьми. В большой когорте внешней проверки, независимой от данных обучения (n = 79 073), смертность была ниже, когда решения врачей о лечении соответствовали рекомендациям прогностической модели.

Хотя эти примеры того, как ИИ может улучшить медицину, впечатляют, одним из основных препятствий на пути широкого внедрения машинного обучения в клиническую практику является непонимание среди пациентов и их врачей того, как делаются прогнозы машины. Тем не менее, мы готовы принять суждения, основанные на опыте, интуиции и когнитивных предубеждениях врачей-людей, которые не всегда можно явно объяснить. Мы можем прощать человеческие неточности, но возлагаем гораздо большие надежды на наши машины.Это несоответствие в ожидаемых результатах может быть законным, учитывая, что неточный машинный алгоритм может иметь катастрофические последствия для гораздо большего числа пациентов, чем один заблуждающийся врач.

Статья в тему:  Кто отвечает за искусственный интеллект

Прозрачное общение ученых в области цифровых технологий относительно набора данных и методологии, использованной для разработки алгоритма, и надлежащее регулирование также должны быть предусмотрены государственным законодательством. Общие правила защиты данных подчеркивают необходимость «объяснимости» как ключевого приоритета в исследованиях машинного обучения. Требуется переориентация приоритетов для специалистов по данным, чтобы теперь оптимизировать понятность модели для непрофессионала в дополнение к точности. Медицинских работников также следует поощрять к участию в разработке и проверке ИИ в рамках программ стипендий. Учебные программы должны быть адаптированы, чтобы отразить потребность в понятности технологии ИИ. Поощрение сотрудничества между учеными, занимающимися данными, и клиницистами также принесет пользу клинической полезности разработанного ИИ. Специалисты по данным в настоящее время склонны строить и оценивать свои алгоритмы на основе показателей, таких как наилучшая область под кривой рабочих характеристик приемника, а не более клинически полезных показателей, таких как высокая чувствительность или положительная прогностическая ценность.

Модели глубокого обучения опираются на большие объемы точных данных, но мы знаем, что многие электронные медицинские карты являются неполными, что может привести к предвзятости. Алгоритмы, разработанные для одной когорты, могут стать неточными при применении к более широкой популяции из-за других географических, социальных различий и различий в условиях оказания помощи. Например, алгоритм, разработанный для прогнозирования вероятности смерти среди госпитализированных пациентов с пневмонией, ложно классифицировал астматиков как пациентов с низким риском. иметь выживаемость выше среднего.Следовательно, валидность машинного алгоритма и причинно-следственные связи должны быть доказаны с помощью надлежащих проспективных испытаний и рандомизации, прежде чем они будут приняты в широкую клиническую практику.

Статья в тему:  Информатика искусственный интеллект что такое математика

ИИ, по-видимому, предоставляет больше возможностей, чем угроз для будущего медицины, но при условии надлежащего регулирования и понимания. Тремя основными потенциальными источниками больших данных в медицине являются электронные медицинские карты, секвенирование генома и данные о пациентах, например, технология биосенсоров в Fitbits. Если бы эти данные могли быть объединены и переданы научному сообществу, возможности для лучшего понимания этиологии заболевания и прогнозирования исходов риска были бы поразительными. Однако законные опасения относительно правильности и безопасности данных должны быть сняты путем принятия новых моделей владения данными о здоровье с правами на каждого пациента, использования высокозащищенных платформ данных и государственного законодательства.

использованная литература

1. Юдковский Э. Искусственный интеллект как положительный и отрицательный фактор глобального риска. В: Бостром Н, Циркович ММ. (ред.). Глобальные катастрофические риски. Нью-Йорк: Издательство Оксфордского университета, 2008: 308–45. [Google ученый]

2. Тополь Э. Обзор Тополя: подготовка кадров здравоохранения к цифровому будущему. Health Education England, 2019. [Google Scholar]

3. Сински С., Коллиган Л., Ли Л. и соавт. Распределение врачебного времени в амбулаторной практике: исследование времени и движения по 4 специальностям. Энн Интерн Мед 2016; 165: 753–60. [PubMed] [Академия Google]

4. Каппер Д., Джонс Д.Т.В., Силл М. и др. Классификация опухолей центральной нервной системы на основе метилирования ДНК. Природа 2018; 555: 469–74. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Статья в тему:  Какое государство лидирует в искусственном интеллекте Китая

5. Тополь Э.Ю. Высокоэффективная медицина: конвергенция человеческого и искусственного интеллекта. Нацмед 2019; 25: 44–56. [PubMed] [Академия Google]

6. Коморовски М., Чели Л.А., Бадави О., Гордон А.С., Фейсал А.А. Клиницист с искусственным интеллектом изучает оптимальные стратегии лечения сепсиса в реанимации. Нацмед 2018; 24:1716–1720.[PubMed] [Академия Google]

7. Уотсон Д.С., Круцинна Дж., Брюс И.Н. Клинические применения алгоритмов машинного обучения: за пределами черного ящика. БМЖ 2019; 364:1886. [PubMed] [Академия Google]

голоса
Рейтинг статьи
Ссылка на основную публикацию
0
Оставьте комментарий! Напишите, что думаете по поводу статьи.x
Adblock
detector