ПОЛИТИКА Политико Логотип
Машинное обучение может улучшить медицину, анализируя данные для улучшения диагностики и целевого лечения, но технологические, бюрократические и нормативные препятствия замедляют прогресс.
Искусственный интеллект распространяется в здравоохранении, часто в виде программного обеспечения или компьютерной программы, способной учиться на больших объемах данных и делать прогнозы, чтобы направлять лечение или помогать пациентам. | Сет Вениг / AP Photo
Бен Леонард и Рут Ридер, 15 августа 2022 г., 15:55 по восточному времени.
Инвесторы видят будущее здравоохранения неразрывно связанным с искусственным интеллектом. Это очевидно из денежных потоков, вливаемых в стартапы цифрового здравоохранения с поддержкой ИИ, в том числе более 3 миллиардов долларов только в первой половине 2022 года и почти 10 миллиардов долларов в 2021 году, согласно инвестиционному анализу Rock Health, проведенному по заказу POLITICO.
И неудивительно, учитывая смелые прогнозы, сделанные технологами. В
Но спустя более пяти лет после прогноза Хинтона рентгенологи все еще учатся читать сканы изображений. Вместо того, чтобы заменять врачей, администраторы систем здравоохранения теперь рассматривают ИИ как инструмент, который врачи будут использовать для улучшения всего, от своих диагнозов до методов выставления счетов. Медицинские эксперты говорят, что ИИ не оправдал ажиотаж, потому что инфраструктура систем здравоохранения еще не готова к нему. И правительство только начинает бороться со своей регулирующей ролью.
«Компании обещают миру, но часто ничего не делают, — сказал Боб Вахтер, глава медицинского факультета Калифорнийского университета в Сан-Франциско. «Когда я ищу примеры… настоящего искусственного интеллекта и машинного обучения, которые действительно меняют ситуацию, я обнаруживаю, что их очень мало. Это довольно удручающе».
Администраторы говорят, что алгоритмы — программное обеспечение, которое обрабатывает данные — от сторонних компаний не всегда работают так, как рекламируется, потому что каждая система здравоохранения имеет свою собственную технологическую основу. Поэтому больницы создают команды инженеров и разрабатывают искусственный интеллект и другие технологии, адаптированные к их собственным потребностям.
«Иногда существует предположение, что ИИ работает, и нужно просто его принять, что не обязательно верно», — говорит Флорента Теодоридис, профессор бизнес-школы Университета Южной Калифорнии, занимающаяся исследованиями ИИ. Она добавила, что неспособность понять, почему алгоритм пришел к определенному результату, подходит для таких вещей, как предсказание погоды. Но в здравоохранении его влияние потенциально может изменить жизнь.
Бычий случай для ИИ
Несмотря на препятствия, технологическая индустрия по-прежнему с энтузиазмом относится к потенциалу ИИ для преобразования здравоохранения.
«Переход происходит немного медленнее, чем я надеялся, но он идет по пути к тому, чтобы к 2026 году ИИ стал лучше, чем большинство рентгенологов, интерпретировать множество различных типов медицинских изображений», — сказал Хинтон POLITICO по электронной почте. Он сказал, что никогда не предлагал нам избавиться от рентгенологов, но что мы должны позволить ИИ читать для них снимки.
Если он прав, искусственный интеллект начнет брать на себя больше рутинных задач в медицине, давая врачам больше времени, чтобы проводить с пациентами правильный диагноз или разрабатывать комплексный план лечения.
«Я вижу, как мы как медицинское сообщество движемся к лучшему пониманию того, что оно может и чего не может», — сказала Лара Джехи, директор по исследовательской информации Кливлендской клиники. «Он не заменит рентгенологов и не должен заменять рентгенологов».
NYU Langone Health также экспериментировал с использованием ИИ в радиологии. Система здравоохранения
«Когда я ищу примеры… настоящего искусственного интеллекта и машинного обучения, которые действительно меняют ситуацию, я обнаруживаю, что их очень мало. Это довольно удручающе».
Боб Вахтер, глава медицинского факультета Калифорнийского университета в Сан-Франциско
Covid ускорил развитие ИИ. На протяжении всей пандемии поставщики медицинских услуг и исследователи обменивались данными о болезни и анонимными данными пациентов для краудсорсинга методов лечения.
Microsoft и Adaptive Biotechnologies, которые сотрудничают в области машинного обучения, чтобы лучше понять иммунную систему, применили свои технологии для работы с данными пациентов, чтобы увидеть, как вирус повлиял на иммунную систему.
«Количество полученных знаний и прогресс просто поразительны, — сказал Питер Ли, корпоративный вице-президент по исследованиям и инкубациям Microsoft.
Есть и другие истории успеха. Например, компания Ochsner Health в Луизиане создала модель искусственного интеллекта для выявления ранних признаков сепсиса — опасной для жизни реакции на инфекцию. Чтобы убедить медсестер принять ее, система здравоохранения создала группу реагирования, которая следит за появлением предупреждений о технологии и при необходимости принимает меры.
«Я называю это нашим контролем трафика», — сказала Дениз Басоу, директор по цифровым технологиям Ochsner Health. По ее словам, с момента внедрения смертность от сепсиса снижается.
Препятствия для ИИ
Самый большой барьер на пути использования искусственного интеллекта в здравоохранении связан с инфраструктурой.
Системы здравоохранения должны позволить алгоритмам получать доступ к данным пациентов. За последние несколько лет крупные, хорошо финансируемые системы вложили средства в перенос своих данных в облако, создав огромные озера данных, готовые к использованию искусственным интеллектом. Но это не так просто для мелких игроков.
Другая проблема заключается в том, что каждая система здравоохранения уникальна в своих технологиях и способах лечения пациентов. Это означает, что алгоритм может работать не везде.
За последний год независимое исследование широко используемого алгоритма обнаружения сепсиса от гиганта EHR Epic. Эта проблема побудила ведущие системы здравоохранения создать свои собственные инженерные группы и разработать ИИ собственными силами.
Это может создать осложнения в будущем.Если системы здравоохранения не будут продавать свои технологии, они вряд ли будут подвергаться такой проверке, как коммерческое программное обеспечение. Это может позволить дефектам оставаться неисправленными дольше, чем в противном случае. Дело не только в том, что системы здравоохранения внедряют ИИ, пока никто не смотрит. Кроме того, заинтересованные стороны в искусственном интеллекте, здравоохранении, технологиях и правительстве не договорились о стандартах.
Отсутствие качественных данных, которые дают алгоритмам материал для работы, является еще одним серьезным препятствием для внедрения технологии в медицинских учреждениях.
Многие данные поступают из электронных медицинских карт, но часто разрознены между системами здравоохранения, что затрудняет сбор значительных наборов данных. Например, в больнице могут быть полные данные об одном посещении, но остальная часть истории болезни пациента хранится в другом месте, что затрудняет выводы о том, как действовать при уходе за пациентом.
«У нас есть части и части, но не все», — сказал Аниш Чопра, который занимал должность главного технологического директора правительства при бывшем президенте Бараке Обаме, а сейчас является президентом компании по обработке данных CareJourney.
Хотя некоторые системы здравоохранения вложили средства в сбор данных из различных источников в единый репозиторий, не все больницы имеют для этого ресурсы.
Здравоохранение также имеет надежную защиту конфиденциальности, которая ограничивает объем и тип данных, которые могут собирать технологические компании, оставляя этот сектор позади других с точки зрения алгоритмической мощности.
Важно отметить, что недостаточно достоверных данных о результатах лечения, что затрудняет использование ИИ для поставщиков медицинских услуг для улучшения лечения пациентов.
Это может измениться. Недавняя серия исследований алгоритма сепсиса включала множество подробностей о том, как использовать эту технологию на практике, и задокументированные показатели ее принятия врачами. Эксперты приветствовали исследования как хороший образец того, как следует проводить будущие исследования ИИ.
Но работать с данными здравоохранения также сложнее, чем в других секторах, потому что они очень индивидуализированы.
«Мы обнаружили, что даже внутри наших разных офисов и площадок эти модели не имеют одинаковой производительности», — сказал Джехи из Кливлендской клиники.
И ставки высоки, если что-то пойдет не так. «Количество путей, по которым могут пойти пациенты, сильно отличается от количества путей, по которым я могу пойти, когда я на Amazon пытаюсь заказать продукт», — сказал Вахтер.
Эксперты в области здравоохранения также обеспокоены тем, что алгоритмы могут усилить предвзятость и неравенство в медицинском обслуживании.
Но внутренний ИИ не подлежит надзору FDA. Бакул Патель, бывший глава Центра устройств и радиологического здоровья FDA, а ныне старший директор Google по глобальной стратегии цифрового здравоохранения и регуляторным вопросам, сказал, что FDA думает о том, как оно может регулировать некоммерческий искусственный интеллект в системах здравоохранения, но он добавляет , нет «простого ответа».
По его словам, FDA должно балансировать между принятием достаточных мер для устранения недостатков в алгоритмах и при этом не подавлять потенциал ИИ.
Некоторые утверждают, что государственно-частные стандарты для ИИ помогут продвинуть технологию. Над этим подходом работают группы, в том числе Коалиция за здоровье ИИ, в состав которой входят крупные системы здравоохранения и университеты, а также Google и Microsoft.
Но стандарты, которые они предусматривают, будут добровольными, что может свести на нет их влияние, если они не будут широко приняты.
