На прошлой неделе мы говорили о том, как искусственный интеллект меняет методы диагностики болезней и расстройств у врачей .
Но не менее важно, чем быстрая, недорогая и точная диагностика, но есть еще одна вещь, которая лучше: профилактика.
На этой неделе мы рассмотрим, как ИИ меняет способы прогнозирования и предотвращения заболеваний и госпитализаций врачами.
Согласно оценкам Агентства США по исследованиям и качеству здравоохранения, ежегодно больницы США принимают 4,4 миллиона пациентов без надобности, что обходится в 30,8 миллиардов долларов .
Всего два недуга - болезнь сердца и осложнения диабета - составляют половину всех ненужных госпитализаций.
Инфографика о сердечных заболеваниях (Источник: Huffington Post)
Вот несколько примеров того, как глубокое обучение уже помогает прогнозировать и предотвращать негативные последствия для здоровья, связанные с сердечными заболеваниями и диабетом:
Но ИИ не только помогает предотвратить внезапные медицинские проблемы. Это также помогает предотвратить продолжающееся вырождение.
Например, диабетическая ретинопатия является основной причиной слепоты среди взрослых трудоспособного возраста.
Диаграмма диабетической ретинопатии (Источник: news-medical.net )
Такие связанные с диабетом осложнения возникают из-за скачков и падений уровня глюкозы в крови, поэтому точное прогнозирование уровня глюкозы в крови является ключом к предотвращению падений и скачков, в первую очередь, с помощью своевременных перекусов и инъекций инсулина.
В статье, опубликованной в июле 2017 года, показано, что глубокие нейронные сети, выполняющие глубокое обучение, могут научиться у одной группы детей-диабетиков точно прогнозировать уровень глюкозы в крови (чтобы предотвратить эти падения и всплески) в большей группе детей.
Еще один способ предотвратить заболевание с помощью ИИ - предсказать, у кого разовьются определенные расстройства, на основе их генетической структуры.
По словам медицинского аналитика Gartner Ричарда Гибсона, гены - это «самая большая вещь, которая ударит по здравоохранению, возможно, когда-либо, определенно с момента появления антибиотиков в 1950 году».
В частности, поскольку исследователи собирают данные геномики на беспрецедентных уровнях, а модели глубокого обучения упрощают анализ этих данных и установление связей, как никогда, мы узнаем невероятное количество информации о том, как генетические факторы, такие как мутации, приводят к заболеваниям.
Эти достижения ведут к персонализированной или «точной» медицине, цель которой - адаптировать лечение к геномному составу каждого пациента.
Ваш геном - это полный набор химических инструкций для построения «себя». Хотя геномика все еще находится в зачаточном состоянии, есть проекты, которые делают успехи. Например, группа исследователей из Университета Торонто работает над созданием механизма генетической интерпретации для быстрого выявления мутаций, вызывающих рак, у отдельных пациентов.
Также в Торонто стартап Deep Genomics применяет модель глубокого обучения к огромным массивам данных генетической информации и медицинских записей, чтобы сопоставить генетические вариации с соответствующим заболеванием.
Обе организации используют вычислительную платформу AI, Nvidia GPU для своих моделей.
Хотя графические процессоры, такие как созданные Nvidia , необходимы для работы алгоритмов глубокого обучения, вам также необходимо специализированное программное обеспечение, чтобы сделать ИИ в сфере здравоохранения реальностью.
Группа из Бостонского университета смогла предсказать, кому понадобится госпитализация, с гораздо большей точностью, чем одни врачи, потому что они использовали глубокие нейронные сети (DNN).
DNN могут анализировать до 200 факторов, таких как история болезни и демографическая информация, чтобы определить те, которые связаны с будущим заболеванием. Однако для того, чтобы модель DNN работала, ей необходимы данные из записей EHR.
Одна из потенциальных проблем заключается в том, что электронные записи обычно хранят этот тип данных в больших блоках текста. Например, EHRs может содержать запись истории депрессии пациента в разделе «Примечания», где врач пишет «Мать пациента страдала депрессивным настроением» вместе с текущими жалобами, проблемами и т. Д.
Но для того, чтобы модели ИИ работали, нужны хорошо структурированные данные. Машине легче определить, что у пациента есть семейная история депрессии, если есть столбец под названием «семейный анамнез» и флажок рядом с «депрессией».
Вскоре глубокое обучение станет «обязательным для людей, создающих сложные программные приложения», - сказал Fortune партнер Andreessen Horowitz Фрэнк Чен .
Большинство венчурных капиталистов, включая тех, кто инвестирует в стартапы SaaS, даже не знали, что такое глубокое обучение пять лет назад. Сегодня инвесторы «опасаются стартапов, у которых этого нет», - говорит Чен.
Точно так же вам следует опасаться электронных записей, которые не создают и не хранят хорошо структурированные данные, которые работают с моделями глубокого обучения. Вы даже можете поискать EHR, в котором ИИ встроен в функциональность клинической документации, например, Epic в партнерстве с Nuance .
Однако, по словам Анила Джайна, доктора медицины, FACP, а также вице-президента и главного специалиста по информатике здравоохранения IBM Watson Health , в большинство систем EHR какое-то время не будет встроенного искусственного интеллекта . В этих случаях можно интегрировать функциональность ИИ в существующую электронную почту. Отныне большинству систем здравоохранения придется разрабатывать и развертывать ИИ в качестве дополнительных функций.
Это то, что Intermountain Healthcare сделала со своей EHR , встроив в Cerner более 150 протоколов. В каждом протоколе Cerner выдает предупреждение, когда он получает информацию о пациенте, которая указывает на определенное заболевание, а затем направляет врачей через предлагаемые дальнейшие обследования и возможные методы лечения.
Раньше для создания этих протоколов требовалось 12 врачей, медсестер и экспертов-аналитиков, и это заняло бы больше года. Но, сотрудничая с Intermountain, они могут быть построены за 10 дней без человеческого труда.
Когда вы разговариваете с продавцами программного обеспечения, независимо от того, ищете ли вы программное обеспечение EHR или программное обеспечение для управления медицинской практикой , важно знать, какие вопросы задавать.
Возьмите реплику от партнера венчурного инвестора Чена и задайте такие вопросы, как:
В настоящее время крупные исследовательские центры и системы здравоохранения разрабатывают модели глубокого обучения, которые могут предсказывать и предотвращать заболевания и госпитализации, а также обнаруживать, какие гены связаны с будущими заболеваниями и расстройствами.
При сравнении программного обеспечения EHR , попросите продавцов на свой курс о любой функциональности AI или интеграций , которые они предлагают. Например, хранятся ли данные в блоке текста или они более структурированы?
В идеале вы должны выбрать EHR со встроенной функциональностью AI или такую, которая может интегрироваться с моделью глубокого обучения.
Ищете программное обеспечение для управления медицинской практикой? Ознакомьтесь со списком лучших программных решений для управления медицинской практикой Platforms .