Sztuczna inteligencja jest tutaj, i to fundamentalnie zmienia medycynę. Przeczytaj, jak wpłynęła na takie rzeczy jak spersonalizowana opieka i zobacz, co krytyk ma do powiedzenia.

Kiedy wielu z nas słyszy termin „sztuczna inteligencja” (AI), wyobrażamy sobie, że roboty wykonują naszą pracę, czyniąc ludzi zbędnymi. A ponieważ komputery napędzane AI są zaprogramowane do podejmowania decyzji przy niewielkiej interwencji człowieka, niektórzy zastanawiają się, czy wkrótce maszyny będą podejmować trudne decyzje, które teraz powierzamy naszym lekarzom.

Według dr Davida B. Agusa, profesora medycyny i inżynierii na University of Southern California Keck School of Medicine i Viterbi School of Engineering, ważne jest, aby oddzielić fakty od science fiction, ponieważ AI już tu jest – i zasadniczo zmienia medycynę.

Zamiast robotyki, AI w opiece zdrowotnej odnosi się głównie do dostępu lekarzy i szpitali do ogromnych zbiorów danych zawierających potencjalnie ratujące życie informacje. Obejmuje to metody leczenia i ich wyniki, wskaźniki przeżywalności i szybkość opieki zebrane w odniesieniu do milionów pacjentów, lokalizacji geograficznych i niezliczonych, a czasem powiązanych ze sobą stanów zdrowia. Nowa moc obliczeniowa może wykrywać i analizować duże i małe trendy z danych, a nawet dokonywać prognoz dzięki uczeniu maszynowemu, które ma na celu identyfikację potencjalnych wyników zdrowotnych.

Uczenie maszynowe wykorzystuje techniki statystyczne, aby dać systemom komputerowym zdolność do „uczenia się” z przychodzących danych oraz do identyfikowania wzorców i podejmowania decyzji przy minimalnym kierownictwie człowieka.

Uzbrojeni w taką ukierunkowaną analitykę lekarze mogą być w stanie lepiej ocenić ryzyko, postawić prawidłowe diagnozy i zaoferować pacjentom skuteczniejsze leczenie, mówi Agus, autor książki The Lucky Years: How to Thrive in the Brave New World of Health i The End of Illness. Jego zdaniem potencjał AI w zakresie poprawy opieki zdrowotnej jest „oszałamiający”.

„Mamy mnóstwo danych, które gromadziliśmy przez dekady” – mówi. „Po raz pierwszy moc obliczeniowa pozwala nam wykorzystać te dane w sposób korzystny dla pacjentów”.

Wyzwanie, mówi, polega na tym, że „osoba ma setki tysięcy punktów danych dotyczących opieki zdrowotnej, jeśli nie miliony. Więc kiedy masz zestawy danych z setek tysięcy pacjentów, a każdy pacjent ma milion punktów danych, dane muszą być zbierane odpowiednio i prawidłowo, aby moc uczenia maszynowego” przyniosła owoce.

Podaje przykład. „Niedawno ukazało się badanie, które wykazało, że jeśli masz raka jajnika i zdarzyło ci się być również na beta-blokerze – leku, który [może być] stosowany na ciśnienie krwi – żyłeś cztery i pół roku dłużej”, mówi. „Jest to obserwacja, na którą nigdy nie wpadlibyśmy dzięki biologii. Big data nam to pokazuje. Teraz [to odkrycie] musi przejść do dużego badania, aby sprawdzić, czy jest prawdziwe.”

Z perspektywy pacjenta „to, co jest ekscytujące, to AI pozwala [lekarzom] na personalizację opieki, coś, o czym marzyliśmy od dziesięcioleci”, mówi.

Agus może teraz wziąć indywidualnego pacjenta i natychmiast znaleźć innych pacjentów z podobnymi objawami. „Wyciągam ich z bazy danych”, mówi, „i mogę powiedzieć: 'Oto ich reakcje’. Uczenie maszynowe i AI pozwalają mi [uzyskać dostęp] do wszystkich informacji i prowadzić bardzo wykształconą dyskusję z pacjentem” siedzącym w pokoju egzaminacyjnym, „odblokowując dane [dotyczące warunków zdrowotnych], o których historycznie podejmowaliśmy proste decyzje. AI pozwala nam sięgnąć znacznie głębiej i szukać skojarzeń, których ludzki mózg nie jest w stanie zrobić, ale komputer może.”

Istnieją oczywiście detraktory dotyczące wykorzystania analityki w opiece zdrowotnej, ale obawy zwykle koncentrują się mniej na AI, uczeniu maszynowym i śledzeniu predykcyjnym, a bardziej na tym, jak duże dane mogą być wykorzystywane do pomiaru, nagradzania lub karania całego szpitala — lub nawet pojedynczego chirurga — wydajności.

Takie pomiary mogą wpływać na to, jak, kiedy, a nawet czy pacjent jest leczony, pisze Jerry Muller, autor 2018’s The Tyranny of Metrics. „Nigdzie metryki nie są bardziej w modzie niż w dziedzinie medycyny”, mówi. A z życiem na linii, podsumowuje, „stawka jest wysoka”.

Muller wskazuje na problem natury ludzkiej: Ludzie i biurokracja, jak mówi, są znani z tego, że „grają” liczbami z własnej woli.

Przytacza on przykłady chirurgów, którzy utrzymują wysoki wskaźnik przeżywalności pacjentów, odmawiając przyjmowania bardziej ryzykownych przypadków, tym samym potencjalnie eliminując niestandardowe zabiegi – i ewentualne zgony po jakiejkolwiek interwencji medycznej – z trendów danych, które może wykryć AI. Wskaźniki sukcesu są wtedy również sztucznie zawyżane.

Mimo to Agus wierzy, że wykorzystanie mocy danych przyniesie duże innowacje. „Algorytmy i AI istnieją już od jakiegoś czasu, ale dopiero uczymy się, jak lepiej gromadzić i organizować dane” – mówi. „Ta ostatnia dekada dotyczyła biologii molekularnej: Sekwencjonowaliśmy DNA i patrzyliśmy na jego związki, a to było ekscytujące. To będzie dekada danych”.

Z najlepszymi szpitalami w całym kraju przyjmującymi AI i analizy metryczne w celu poprawy i usprawnienia opieki, Agus może mieć rację. W naszym coraz bardziej okablowanym świecie, dane i przeznaczenie stają się na zawsze połączone.

Czuję się podłączony

Niektóre przykłady innowacji technologicznych w opiece zdrowotnej obejmują następujące elementy:

Refleksy robotyczne: Czasami w grę wchodzą roboty. Badanie przeprowadzone w 2017 r. przez University of Bristol wykazało, że dzieci z autyzmem mają trudności z rozróżnianiem wyrazów twarzy. W tym samym roku firma Dell Technologies wprowadziła na rynek Milo, wysokiego na 2 stopy, wizualnie ekspresyjnego robota, który uczy autystyczne dzieci w wieku od 5 do 17 lat, jak identyfikować oznaki emocji, obecnie używanego w placówkach edukacyjnych w 27 stanach USA.

Łączenie pacjentów z ALS: Okulary śledzące ruchy oczu, wykorzystujące technologię sztucznej inteligencji znaną jako interfejs mózg-komputer (BCI), umożliwiają osobom, które straciły zdolność mówienia lub poruszania się, ponowną komunikację. Pacjenci „piszą” oczami na monitorze, który wokalizuje ich myśli poprzez komputerowe dekodowanie, a także korzystają z poczty elektronicznej, czytają książki i pozostają w kontakcie ze światem.

Wykrywanie AFib: Niektóre rodzaje arytmii serca, w szczególności migotanie przedsionków, mogą zwiększać prawdopodobieństwo zawału serca lub udaru. Badania przeprowadzone przez Uniwersytet Stanforda pokazują, że oprogramowanie AI może dokładniej identyfikować arytmię na podstawie elektrokardiogramu (EKG) niż ludzki ekspert.

Na horyzoncie: Rezonans magnetyczny (MRI) i skomputeryzowana tomografia osiowa (CT) zapewniają szczegółowe, nieinwazyjne widoki wnętrza ciała. Sztuczna inteligencja może wkrótce zastąpić potrzebę pobierania dodatkowych próbek tkanek za pomocą narzędzi radiologicznych nowej generacji, umożliwiając wirtualne biopsje guzów.

By the Numbers:

1 na 7000: Liczba Amerykanów w każdym wieku z zespołem długiego QT, śmiertelnym zaburzeniem pracy serca, którym pewnego dnia może pomóc Kardio Pro, zasilany sztuczną inteligencją domowy monitor serca, który wykrywa poważne i łagodne arytmie.

30%: Zmniejszenie czasu oczekiwania pacjentów przed przyjęciem do szpitala, donosi Johns Hopkins Hospital, po tym jak w 2016 roku uruchomił cyfrowe centrum dowodzenia z 22 monitorami w celu poprawy doświadczenia pacjentów, zmniejszenia ryzyka i usprawnienia przepływu.

95.5%: Procent dokładności, przy użyciu specjalnego mikroskopu, za pomocą którego program komputerowy z głębokim uczeniem się precyzyjnie zidentyfikował komórki rakowe, według badania z 2016 roku z UCLA opublikowanego w Nature Scientific Reports.

Znajdź więcej artykułów, przejrzyj zaległe wydania i przeczytaj bieżące wydanie Doctor Magazine.