S'espera que la intel·ligència artificial esdevingui una força transformadora en l'àmbit de la salut.Llavors, com es beneficien els metges i els pacients de l'impacte de les eines impulsades per la IA?
La indústria sanitària actual és molt madura i pot fer alguns canvis importants.Des de malalties cròniques i càncer fins a radiologia i avaluació de riscos, la indústria sanitària sembla tenir innombrables oportunitats per utilitzar la tecnologia per desplegar intervencions més precises, eficients i efectives en l'atenció al pacient.
Amb el desenvolupament de la tecnologia, els pacients tenen requisits cada cop més alts per als metges, i el nombre de dades disponibles continua creixent a un ritme alarmant.La intel·ligència artificial es convertirà en un motor per afavorir la millora contínua de l'atenció mèdica.
En comparació amb l'anàlisi tradicional i la tecnologia de presa de decisions clíniques, la intel·ligència artificial té molts avantatges.Quan l'algoritme d'aprenentatge interactua amb les dades d'entrenament, pot ser més precís, permetent als metges obtenir una visió sense precedents sobre el diagnòstic, el procés d'infermeria, la variabilitat del tractament i els resultats del pacient.
Al Fòrum Mundial d'Innovació Mèdica en Intel·ligència Artificial (wmif) de 2018 organitzat per Partners Healthcare, investigadors mèdics i experts clínics van elaborar les tecnologies i els camps de la indústria mèdica que tenen més probabilitats de tenir un impacte significatiu en l'adopció de la intel·ligència artificial en els propers anys. dècada.
Anne kiblanksi, MD, CO presidenta de wmif el 2018, i Gregg Meyer, MD, director acadèmic en cap de Partners Healthcare, van dir que aquest tipus de "subversió" portada a totes les àrees de la indústria té el potencial d'aportar beneficis significatius als pacients i té un ampli potencial d'èxit empresarial.
Amb l'ajuda d'experts dels socis sanitaris, inclòs el doctor Keith Dreyer, professor de la Harvard Medical School (HMS), director de ciències de dades dels socis, i la doctora Katherine andreole, directora d'estratègia i operacions de recerca de l'Hospital General de Massachusetts (MGH) , va proposar 12 maneres en què la IA revolucionarà els serveis mèdics i la ciència.
1.Unificar el pensament i la màquina mitjançant la interfície d'ordinador cerebral
L'ús de l'ordinador per comunicar-se no és una idea nova, però crear una interfície directa entre la tecnologia i el pensament humà sense teclat, ratolí i pantalla és un camp de recerca de frontera, que té una aplicació important per a alguns pacients.
Les malalties del sistema nerviós i els traumes poden fer que alguns pacients perdin la capacitat de conversa, moviment i interacció significatius amb els altres i el seu entorn.La interfície d'ordinador cerebral (BCI) amb el suport de la intel·ligència artificial pot restaurar aquestes experiències bàsiques per als pacients que estan preocupats per perdre aquestes funcions per sempre.
"Si veig un pacient a la unitat de cures intensives de neurologia que de sobte perd la capacitat d'actuar o de parlar, espero recuperar la seva capacitat de comunicar-se l'endemà", va dir Leigh Hochberg, MD, directora del centre de neurotecnologia i neurorehabilitació de Hospital General de Massachusetts (MGH).Mitjançant l'ús de la interfície informàtica cerebral (BCI) i la intel·ligència artificial, podem activar els nervis relacionats amb el moviment de la mà, i hauríem de ser capaços de fer que el pacient es comuniqui amb els altres almenys cinc vegades durant tota l'activitat, com l'ús de tecnologies de comunicació omnipresents com ara com tauletes o telèfons mòbils."
La interfície d'ordinador cerebral pot millorar molt la qualitat de vida dels pacients amb esclerosi lateral amiotròfica (ELA), ictus o síndrome d'atresia, així com 500.000 pacients amb lesió medul·lar a tot el món cada any.
2.Desenvolupar la propera generació d'eines de radiació
Les imatges de radiació obtingudes per ressonància magnètica (MRI), escàners de TC i raigs X proporcionen una visibilitat no invasiva de l'interior del cos humà.No obstant això, molts procediments de diagnòstic encara es basen en mostres de teixit físic obtingudes per biòpsia, que tenen el risc d'infecció.
Els experts prediuen que, en alguns casos, la intel·ligència artificial permetrà que la propera generació d'eines de radiologia sigui prou precisa i detallada com per substituir la demanda de mostres de teixit viu.
Alexandra Golby, MD, directora de neurocirurgia guiada per imatges al Brigham Women's Hospital (BWh), va dir: "volem reunir l'equip de diagnòstic per imatge amb cirurgians o radiòlegs intervencionistes i patòlegs, però és un gran repte per a diferents equips aconseguir la cooperació. i la coherència dels objectius. Si volem que la radiologia proporcioni la informació disponible actualment a partir de mostres de teixit, haurem de ser capaços d'aconseguir estàndards molt propers per conèixer els fets bàsics de qualsevol píxel".
L'èxit en aquest procés pot permetre als metges comprendre amb més precisió el rendiment global del tumor, en lloc de prendre decisions de tractament basades en una petita part dels atributs del tumor maligne.
La IA també pot definir millor la invasivitat del càncer i determinar de manera més adequada l'objectiu del tractament.A més, la intel·ligència artificial està ajudant a realitzar una "biòpsia virtual" i promoure la innovació en el camp de la Radiologia, que aposta per utilitzar algorismes basats en imatges per caracteritzar les característiques fenotípiques i genètiques dels tumors.
3. Ampliar els serveis mèdics a zones desatendides o en desenvolupament
La manca de proveïdors de salut formats als països en desenvolupament, inclosos els tècnics d'ecografia i els radiòlegs, reduirà considerablement les possibilitats d'utilitzar els serveis mèdics per salvar la vida dels pacients.
La reunió va assenyalar que hi ha més radiòlegs treballant en sis hospitals de Boston amb la famosa Longwood Avenue que en tots els hospitals de l'Àfrica Occidental.
La intel·ligència artificial pot ajudar a mitigar l'impacte d'una escassetat crítica de metges fent-se càrrec d'algunes de les responsabilitats de diagnòstic que normalment s'assignen als humans.
Per exemple, una eina d'imatge amb intel·ligència artificial pot utilitzar radiografies de tòrax per examinar els símptomes de la tuberculosi, generalment amb la mateixa precisió que un metge.Aquesta funció es pot implementar mitjançant una aplicació per a proveïdors en zones amb pocs recursos, reduint la necessitat de radiòlegs de diagnòstic amb experiència.
"Aquesta tecnologia té un gran potencial per millorar l'assistència sanitària", va dir el doctor jayashree kalpathy Cramer, assistent de neurociència i professor associat de radiologia a l'Hospital General de Massachusetts (MGH)
Tanmateix, els desenvolupadors d'algoritmes d'IA han de considerar acuradament el fet que persones de diferents nacionalitats o regions poden tenir factors fisiològics i ambientals únics, que poden afectar el rendiment de la malaltia.
"Per exemple, la població afectada per malalties a l'Índia pot ser molt diferent de la dels Estats Units", va dir.Quan desenvolupem aquests algorismes, és molt important assegurar-nos que les dades representen la presentació de la malaltia i la diversitat de la població.No només podem desenvolupar algorismes basats en una sola població, sinó que també esperem que pugui tenir un paper en altres poblacions."
4. Reduir la càrrega d'ús de la història clínica electrònica
La història clínica electrònica (ella) ha tingut un paper important en el viatge digital de la indústria sanitària, però aquesta transformació ha comportat nombrosos problemes relacionats amb la sobrecàrrega cognitiva, la infinitat de documents i la fatiga dels usuaris.
Els desenvolupadors de registres electrònics de salut (els seus) ara utilitzen la intel·ligència artificial per crear una interfície més intuïtiva i automatitzar rutines que requereixen molt de temps per a l'usuari.
El doctor Adam Landman, vicepresident i director d'informació de Brigham Health, va dir que els usuaris dediquen la major part del seu temps a tres tasques: documentació clínica, entrada de comandes i ordenació de les seves bústies d'entrada.El reconeixement de veu i el dictat poden ajudar a millorar el processament de documents clínics, però les eines de processament del llenguatge natural (PNL) poden no ser suficients.
"Crec que pot ser necessari ser més atrevit i considerar alguns canvis, com ara l'ús de la gravació de vídeo per al tractament clínic, igual que la policia amb càmeres", va dir Landman.La intel·ligència artificial i l'aprenentatge automàtic es poden utilitzar per indexar aquests vídeos per a una recuperació futura.Igual que Siri i Alexa, que utilitzen assistents d'intel·ligència artificial a casa, els assistents virtuals es portaran al llit dels pacients en el futur, permetent als metges utilitzar la intel·ligència integrada per introduir ordres mèdiques."
La IA també pot ajudar a gestionar les sol·licituds rutinàries de les safates d'entrada, com ara suplements de medicaments i notificacions de resultats.També pot ajudar a prioritzar les tasques que realment necessiten l'atenció dels metges, cosa que facilita als pacients processar les seves llistes de tasques pendents, va afegir Landman.
5.Risc de resistència als antibiòtics
La resistència als antibiòtics és una amenaça creixent per als humans, perquè l'ús excessiu d'aquests fàrmacs clau pot provocar l'evolució de superbacteris que ja no responen al tractament.Els bacteris resistents a múltiples fàrmacs poden causar danys greus a l'entorn hospitalari, matant desenes de milers de pacients cada any.Només Clostridium difficile costa uns 5.000 milions de dòlars anuals al sistema sanitari dels Estats Units i causa més de 30.000 morts.
Les dades de l'EHR ajuden a identificar els patrons d'infecció i destacar el risc abans que el pacient comenci a mostrar símptomes.L'ús d'eines d'aprenentatge automàtic i d'intel·ligència artificial per impulsar aquestes anàlisis pot millorar la seva precisió i crear alertes més ràpides i precises per als proveïdors de salut.
"Les eines d'intel·ligència artificial poden satisfer les expectatives de control d'infeccions i resistència als antibiòtics", va dir la doctora Erica Shenoy, subdirectora de control d'infeccions de l'Hospital General de Massachusetts (MGH).Si no ho fan, tothom fallarà.Com que els hospitals tenen moltes dades d'EHR, si no en fan un ús complet, si no creen indústries més intel·ligents i ràpides en el disseny d'assaigs clínics i si no utilitzen EHR que creen aquestes dades, s'enfrontaran al fracàs."
6.Crear anàlisis més precises per a imatges patològiques
El doctor Jeffrey Golden, cap del departament de patologia del Brigham Women's Hospital (BWh) i professor de patologia a HMS, va dir que els patòlegs proporcionen una de les fonts més importants de dades de diagnòstic per a una àmplia gamma de proveïdors de serveis mèdics.
"El 70% de les decisions sanitàries es basen en resultats patològics, i entre el 70% i el 75% de totes les dades dels EHR provenen de resultats patològics", va dir.I com més precisos siguin els resultats, més aviat es farà el diagnòstic correcte.Aquest és l'objectiu que la patologia digital i la intel·ligència artificial tenen possibilitats d'aconseguir."
L'anàlisi profunda del nivell de píxels en imatges digitals grans permet als metges reconèixer diferències subtils que poden escapar dels ulls humans.
"Ara hem arribat al punt en què podem avaluar millor si el càncer es desenvoluparà ràpidament o lentament, i com canviar el tractament dels pacients basant-se en algorismes més que en etapes clíniques o classificació histopatològica", va dir Golden.Serà un gran pas endavant."
Va afegir: "La IA també pot millorar la productivitat mitjançant la identificació de característiques d'interès a les diapositives abans que els metges revisin les dades. La IA pot filtrar a través de les diapositives i guiar-nos per veure el contingut adequat perquè puguem avaluar què és important i què no. Això millora. l'eficiència de l'ús dels patòlegs i augmenta el valor del seu estudi de cada cas".
Aportar intel·ligència als dispositius i màquines mèdiques
Els dispositius intel·ligents s'estan ocupant dels entorns de consum i proporcionen dispositius que van des de vídeo en temps real dins de la nevera fins a cotxes que detecten la distracció del conductor.
En un entorn mèdic, els dispositius intel·ligents són essencials per controlar els pacients a les UCI i en altres llocs.L'ús de la intel·ligència artificial per millorar la capacitat d'identificar el deteriorament de la malaltia, com ara indicar que s'està desenvolupant la sèpsia, o la percepció de complicacions pot millorar significativament els resultats i reduir els costos del tractament.
"Quan parlem d'integrar diferents dades al sistema sanitari, hem d'integrar i alertar els metges de la UCI perquè intervenguin el més aviat possible, i que l'agregació d'aquestes dades no és una cosa bona que els metges humans puguin fer", va dir Mark Michalski. , director executiu del Centre de Ciència de Dades Clíniques de BWh.La inserció d'algoritmes intel·ligents en aquests dispositius redueix la càrrega cognitiva dels metges i garanteix que els pacients siguin tractats el més aviat possible."
8.promoció de la immunoteràpia per al tractament del càncer
La immunoteràpia és una de les maneres més prometedores de tractar el càncer.Mitjançant l'ús del propi sistema immunitari del cos per atacar tumors malignes, els pacients poden ser capaços de superar els tumors tossuts.Tanmateix, només uns pocs pacients responen al règim d'immunoteràpia actual i els oncòlegs encara no disposen d'un mètode precís i fiable per determinar quins pacients es beneficiaran del règim.
Els algorismes d'aprenentatge automàtic i la seva capacitat per sintetitzar conjunts de dades molt complexos poden ser capaços d'aclarir la composició gènica única dels individus i proporcionar noves opcions per a la teràpia dirigida.
"Recentment, el desenvolupament més emocionant ha estat els inhibidors del punt de control, que bloquegen les proteïnes produïdes per determinades cèl·lules immunitàries", explica el doctor long Le, director de patologia computacional i desenvolupament de tecnologia del centre de diagnòstic integral de l'Hospital General de Massachusetts (MGH).Però encara no entenem tots els problemes, que és molt complicat.Definitivament necessitem més dades dels pacients.Aquests tractaments són relativament nous, de manera que no molts pacients els prenen realment.Per tant, tant si necessitem integrar dades dins d'una organització com entre diverses organitzacions, serà un factor clau per augmentar el nombre de pacients per impulsar el procés de modelització."
9.Convertir els registres electrònics de salut en predictors de risc fiables
La història clínica electrònica (ella) és un tresor de dades de pacients, però és un repte constant per als proveïdors i desenvolupadors extreure i analitzar una gran quantitat d'informació de manera precisa, oportuna i fiable.
Els problemes de qualitat i integritat de les dades, juntament amb la confusió del format de les dades, les entrades estructurades i no estructurades i els registres incomplets, dificulten que les persones entenguin amb precisió com dur a terme una estratificació significativa del risc, anàlisi predictiva i suport a les decisions clíniques.
El doctor Ziad OBERMEYER, professor adjunt de medicina d'emergència a l'Hospital de Dones Brigham (BWh) i professor adjunt a la Harvard Medical School (HMS), va dir: "Hi ha una feina dura per integrar les dades en un lloc. Però un altre problema és entendre'l. què rep la gent quan prediu una malaltia a l'expedient mèdic electrònic (ella). És possible que la gent escolti que els algorismes d'intel·ligència artificial poden predir la depressió o l'ictus, però descobreix que en realitat prediuen un augment del cost de l'ictus. És molt diferent de l'ictus. acariciar-se."
Va continuar: "Confiar en els resultats de la ressonància magnètica sembla proporcionar un conjunt de dades més específic. Però ara hem de pensar qui es pot permetre la ressonància magnètica? Així que la predicció final no és el resultat esperat".
L'anàlisi de RMN ha produït moltes eines d'estratificació i puntuació de riscos amb èxit, especialment quan els investigadors utilitzen tècniques d'aprenentatge profund per identificar noves connexions entre conjunts de dades aparentment no relacionats.
Tanmateix, OBERMEYER creu que garantir que aquests algorismes no identifiquin els biaixos ocults a les dades és crucial per desplegar eines que puguin millorar realment l'atenció clínica.
"El repte més gran és assegurar-nos que sabem exactament què vam predir abans de començar a obrir la caixa negra i mirar com predir", va dir.
10.Monitorització de l'estat de salut mitjançant dispositius portàtils i dispositius personals
Gairebé tots els consumidors ara poden utilitzar sensors per recollir dades sobre el valor per a la salut.Des de telèfons intel·ligents amb seguiment de passos fins a dispositius portàtils que fan un seguiment de la freqüència cardíaca durant tot el dia, es poden generar cada cop més dades relacionades amb la salut en qualsevol moment.
Recollir i analitzar aquestes dades i complementar la informació proporcionada pels pacients mitjançant aplicacions i altres dispositius de monitoratge domèstic pot proporcionar una perspectiva única per a la salut individual i col·lectiva.
La IA jugarà un paper important a l'hora d'extreure informació útil d'aquesta gran i diversa base de dades.
Però el doctor Omar Arnout, neurocirurgià de l'Hospital de Dones Brigham (BWh), director de CO del centre de resultats de neurociència computacional, va dir que pot ser necessari un treball addicional per ajudar els pacients a adaptar-se a aquestes dades de seguiment íntimes i en curs.
"Solíem ser força lliures per processar dades digitals", va dir.Però a mesura que es produeixin filtracions de dades a Cambridge Analytics i Facebook, la gent serà cada cop més prudent sobre qui compartir quines dades comparteixen."
Els pacients tendeixen a confiar més en els seus metges que en grans empreses com Facebook, va afegir, cosa que podria ajudar a alleujar la incomoditat de proporcionar dades per a programes de recerca a gran escala.
"És probable que les dades portàtils tinguin un impacte significatiu perquè l'atenció de la gent és molt accidental i les dades recollides són molt rugoses", va dir Arnout.En recopilar dades granulars contínuament, és més probable que les dades ajudin els metges a atendre millor els pacients."
11.Fes dels telèfons intel·ligents una potent eina de diagnòstic
Els experts creuen que les imatges obtingudes a partir de telèfons intel·ligents i altres recursos a nivell de consumidor es convertiran en un complement important per a la imatge de qualitat clínica, especialment a les zones poc ateses o als països en desenvolupament, en continuar utilitzant les potents funcions dels dispositius portàtils.
La qualitat de la càmera mòbil millora cada any i pot generar imatges que es poden utilitzar per a l'anàlisi d'algoritmes d'IA.La dermatologia i l'oftalmologia són els primers beneficiaris d'aquesta tendència.
Investigadors britànics fins i tot han desenvolupat una eina per identificar malalties del desenvolupament mitjançant l'anàlisi d'imatges de cares infantils.L'algoritme pot detectar trets discrets, com ara la línia de la mandíbula dels nens, la posició dels ulls i el nas, i altres atributs que poden indicar anomalies facials.Actualment, l'eina pot combinar imatges comunes amb més de 90 malalties per proporcionar suport a la decisió clínica.
El doctor Hadi Shafiee, director del laboratori de medicina micro/nano i salut digital del Brigham Women's Hospital (BWh), va dir: "la majoria de la gent està equipada amb telèfons mòbils potents amb molts sensors diferents integrats. És una gran oportunitat per a nosaltres. Gairebé tots els actors del sector han començat a construir programari i maquinari Ai en els seus dispositius. No és casualitat. En el nostre món digital, es generen més de 2,5 milions de terabytes de dades cada dia. En el camp dels telèfons mòbils, els fabricants creuen que poden utilitzar-ho. dades per a la intel·ligència artificial per oferir serveis més personalitzats, més ràpids i més intel·ligents".
L'ús de telèfons intel·ligents per recollir imatges d'ulls, lesions cutànies, ferides, infeccions, drogues o altres temes dels pacients pot ajudar a fer front a l'escassetat d'experts en zones desateses, alhora que redueix el temps per diagnosticar determinades queixes.
"Pot haver-hi alguns esdeveniments importants en el futur, i podem aprofitar aquesta oportunitat per resoldre alguns problemes importants de gestió de malalties al punt d'atenció", va dir Shafiee.
12.Innovar en la presa de decisions clíniques amb IA de capçalera
A mesura que la indústria de la salut es dirigeix als serveis basats en tarifes, s'allunya cada cop més de l'assistència sanitària passiva.La prevenció abans de la malaltia crònica, els esdeveniments aguts de la malaltia i el deteriorament sobtat és l'objectiu de cada proveïdor, i l'estructura de compensació els permet, finalment, desenvolupar processos que puguin aconseguir una intervenció activa i predictiva.
La intel·ligència artificial proporcionarà moltes tecnologies bàsiques per a aquesta evolució, donant suport a l'anàlisi predictiva i les eines de suport a les decisions clíniques, per resoldre problemes abans que els proveïdors s'adonin de la necessitat d'actuar.La intel·ligència artificial pot proporcionar una alerta primerenca per a l'epilèpsia o la sèpsia, que sol requerir una anàlisi en profunditat de conjunts de dades molt complexos.
Brandon Westover, MD, director de dades clíniques de l'Hospital General de Massachusetts (MGH), va dir que l'aprenentatge automàtic també podria ajudar a donar suport a la prestació continuada d'atenció als pacients crítics, com els que estan en coma després d'una aturada cardíaca.
Va explicar que en circumstàncies normals, els metges han de comprovar les dades d'EEG d'aquests pacients.Aquest procés requereix temps i subjectiu, i els resultats poden variar segons les habilitats i l'experiència dels metges.
Va dir: "En aquests pacients, la tendència pot ser lenta.De vegades, quan els metges volen veure si algú s'està recuperant, poden mirar les dades supervisades una vegada cada 10 segons.Tanmateix, veure si ha canviat de 10 segons de dades recollides en 24 hores és com mirar si el cabell ha crescut mentrestant.Tanmateix, si s'utilitzen algorismes d'intel·ligència artificial i grans quantitats de dades de molts pacients, serà més fàcil comparar el que veu la gent amb patrons a llarg termini i es poden trobar algunes millores subtils, que afectaran la presa de decisions dels metges en infermeria. ."
L'ús de la tecnologia d'intel·ligència artificial per a la presa de decisions clíniques, la puntuació de riscos i l'alerta primerenca és una de les àrees de desenvolupament més prometedores d'aquest mètode revolucionari d'anàlisi de dades.
En proporcionar energia per a una nova generació d'eines i sistemes, els metges poden entendre millor els matisos de la malaltia, oferir serveis d'infermeria de manera més eficaç i resoldre problemes amb antelació.La intel·ligència artificial marcarà el començament d'una nova era de millora de la qualitat del tractament clínic i farà avenços emocionants en l'atenció al pacient.
Hora de publicació: 06-agost-2021
