Megbíznád az AI-t az egészségedben?

Megbíznád az AI-t az egészségedben?

Az alábbiakban egy kivonat Mélygyógyászat: Hogyan teheti a mesterséges intelligencia újra emberré az egészségügyet? írta Eric Topol

Amint láttuk, a fontos diagnózis jobb előrejelzése valós időben a mesterséges intelligencia erőfeszítéseinek másik iránya, és ez a kérdés óriási jelentőséggel bír a kórházakban, mivel a kórházak előtt álló egyik legnagyobb kihívás a betegek kórházi kezelés közben elkapott fertőzéseinek kezelése. A szepszis, a kórházakban elterjedt halálos fertőzés, az Egyesült Államokban az intenzív osztályokon történő felvételek 10 százalékáért felelős. Kezelése több mint 10 milliárd dollárba kerül évente, és a kezelés gyakran sikertelen: az Egyesült Államokban a szepszis okozza a kórházi betegek összes halálozásának 20-30 százalékát.



Vásárolja meg a könyvet

Mélygyógyászat: Hogyan teheti a mesterséges intelligencia újra emberré az egészségügyet?

megvesz

Az időben történő diagnózis alapvető fontosságú, mivel a betegek állapota nagyon gyorsan leromolhat, gyakran még azelőtt, hogy a megfelelő antibiotikumokat kiválasztanák, nem beszélve a beadásról és a hatásról. Suchi Saria, a Johns Hopkins Medicine egyik retrospektív tanulmánya 53 000, dokumentált szepszisben szenvedő kórházi beteg adatait, valamint az életjeleket, az elektronikus egészségügyi feljegyzéseket, a laboratóriumokat és a demográfiai adatokat használta fel annak megállapítására, hogy az állapot hamarabb észlelhető-e, mint korábban. Sajnos az algoritmus pontossága (ROC ~.70) nem volt különösebben biztató.A második halálos kórházi fertőzés, Clostridium difficile vagy C. diff , szintén az AI célpontja. Az eddigi adatok valamivel pozitívabbnak tűnnek. C. diff évente körülbelül 30 000 embert öl meg az Egyesült Államokban, a több mint 450 000 diagnosztizált betegből.Erica Shenoy és Jenna Wiens kifejlesztett egy algoritmust, amely két nagy kórházban 374 000 kórházba került beteg kockázatának előrejelzésére szolgál, mindegyikhez több mint 4000 strukturált EHR-változót használva. A két kórház ROC-értéke 0,82 és 0,75 volt, sok jellemzővel, amelyek mindegyik intézményre jellemzőek.Automatikus figyelmeztetésekkel a magas szintű klinikusok számára C. diff kockázattal, remélhetőleg ennek az életveszélyes fertőzésnek az előfordulása a jövőben csökkenthető.

A nozokomiális fertőzések megelőzése is, amelyet minden huszonötödik beteg gondozótól vagy a környezettől szerezhet.jelentős kihívás a kórházak számára. Például tudjuk, hogy a kézmosás hiánya vagy az optimálistól eltérő kézmosás a kórházi fertőzések jelentős meghatározója. A „Towards Vision-Based Smart Hospitals” című cikkben Albert Haque és munkatársai a Stanford Egyetemen mély tanulást és gépi látást alkalmaztak, hogy videofelvételekkel és mélységérzékelőkkel észrevétlenül nyomon követhessék a Stanford Egyetem kórházában dolgozó klinikusok és sebészek kézhigiéniáját. A technológia képes volt számszerűsíteni a kezük tisztaságát 95 százalékot meghaladó pontossággal. Az ilyen szenzorok, amelyek infravörös fényt használnak sziluettképek létrehozására a szenzorok és a célpontjaik közötti távolság alapján, a jövőben a kórházi folyosókra, műtőkre és a betegek ágyaira telepíthetők, hogy kihasználják a számítógépes látás éberségét.

Valójában a gépi látás különösen ígéretes a kórházak dinamikus vizuális világának mély tanulási mintáira. Az intenzív osztály a gépi látás támogatásának másik elsődleges célpontja. A megerősítő tanulást adatvezérelt eszközként használták a betegek gépi lélegeztetésről való leszoktatásának automatizálására, ami korábban munkaigényes és kiszámíthatatlan klinikailag irányított folyamat volt.

A betegekről készült felügyeleti videók segíthetnek annak meghatározásában, hogy fennáll-e a veszélye annak, hogy a páciens kihúzza az endotracheális (légzési) csövet, és más paramétereket, amelyeket nem érzékelnek az életjelek, csökkentve ezzel az ápolónő észlelési terheit. Az ICU Intervene DNN, az MIT CSAIL-től, segít az orvosoknak megjósolni, hogy a páciensnek mikor lesz szüksége mechanikus lélegeztetésre vagy vazopresszorokra és folyadékbolusokra a vérnyomás támogatásához, valamint más beavatkozásokra.Egy másik CSAIL algoritmus segít meghatározni az intenzív osztályból való áthelyezés optimális idejét, a kórházi tartózkodás csökkentése és a halálozás megelőzése érdekében.Az intenzív osztályra összpontosító egyéb erőfeszítések csökkentik az ápolónő terheit a kamerás automatizált megfigyeléssel vagy az életjelek algoritmikus feldolgozásával.

Még mindig a környezeti érzékelőkkel rendelkező gépi látás korai szakaszában járunk, de ígéretünk van arra, hogy a mesterséges intelligencia ezen formája hasznos lehet a betegek biztonságának és hatékonyságának javításában. Egy másik gyakori kórházi feladat, amelyet maA chiline látás valószínűleg szerepet játszik abban, hogy a centrális vénás katétert, közismertebb nevén központi vezetéket helyezzük a páciensbe. Mivel ezek a vonalak annyira invazívak, jelentős fertőzési és szövődmények kockázatát hordozzák magukban, mint például a tüdő összeomlása vagy a fő artéria sérülése. A megfelelő technika figyelemmel kísérésével, mind a steril körülmények, mind a vezeték elhelyezése tekintetében, a biztonság javulhat. A műtők változhatnak, mivel a gépi látórendszerek folyamatosan nyomon követik a személyzetet és a műszereket a munkafolyamattal együtt. A mesterséges intelligencia látásmóddal szintén törekednek a kórházi esések megelőzésére a kockázatos betegmozgások vagy bizonytalanság miatt.

Hasonló történet folyik a stroke diagnosztizálását és kezelését felgyorsító automatizált riasztásokkal kapcsolatban. Az FDA jóváhagyta a Viz.ai által kifejlesztett algoritmusokat, amelyek a CT agyi képeket elemzik a stroke jeleit keresve, lehetővé téve a neurológusok és az egészségügyi csapatok számára, hogy gyorsan megtudják, hogy a szkennelés alatt álló betegnél előfordult-e stroke, és milyen típusú. Az agykárosodások számának csökkentését célzó kezeléseket, beleértve a vérrögök feloldását vagy eltávolítását (thrombectomia), validálták, így ez a mesterséges intelligencia eszköz segít felgyorsítani a kezelésre szánt időt bizonyos beavatkozásra alkalmas stroke-ok esetén. Ez egy kritikus cél: veszítünk kb2 millió agysejt percenként egy vérrög akadályozza a vérellátást. A szélütés diagnosztizálásában már korábban is alkalmazhatják a mentősök a 2018-ban jóváhagyott Lucid Robotic System-et, az FDA által jóváhagyott Lucid Robotic System-et, amely egy olyan, a páciens fejére helyezett eszköz, amely ultrahanghullámokat (a fülön keresztül) továbbít az agyba, és AI mintafelismeréssel segíti. diagnosztizálja a stroke-ot, hogy figyelmeztesse a fogadó kórházat a lehetséges vérrög eltávolítására.

Egy másik jelentős változás az orvosi munkafolyamatban – mind a kórházakon belül, mind azon kívül – az, hogy a mesterséges intelligencia hogyan képessé teszi a nem orvosokat arra, hogy több munkát vállaljanak. Az Egyesült Államokban körülbelül 700 000 gyakorló orvos van, mintegy 100 000 orvos asszisztenssel és 240 000 ápolónővel – ez az orvosi munkaerő csaknem 50 százaléka. Mivel oly sok mesterséges intelligencia-algoritmust fejlesztenek ki a klinikusok támogatására, természetes az a feltételezés, hogy a jövőben egyenlőbbek lesznek a versenyfeltételek e három különböző csoport számára, és a PA-k és az NP-k nagyobb szerepet fognak játszani az elkövetkező években.Említést érdemel a mesterséges intelligencia egészségügyi rendszerekben való alkalmazásának kritikus értékelése; ehhez felhasználói kutatásra, jól megtervezett rendszerekre és átgondolt döntések meghozatalára lesz szükség, amelyek kockázatot és hasznot is magában foglaló modelleken alapulnak. Ez nem különbözik az EHR-ek klinikai orvoslásban való bevezetésétől, amikor ezen létfontosságú lépések közül sok nem került beépítésre, és súlyosan káros hatással volt a betegek napi ellátására.

A kórházi helyiségek elavulttá tétele

Még merészebbek leszünk a kórház – legalábbis ma ismert – tervezett „kihalásával”.Bár nyilvánvalóan szükségünk van intenzív osztályokra, műtőkre és sürgősségi osztályokra, a szokásos kórházi helyiség, amely ma a kórházak nagy részét teszi ki, rendkívül érzékeny a cserére. A Mercy Hospital St. Louis-i Virtuális Gondozási Központja bepillantást enged a jövőbe.Vannak nővérek és orvosok; beszélnek a betegekkel, monitorokat néznek az egyes betegek összes adatát tartalmazó grafikonon, és reagálnak a riasztásokra. De nincsenek ágyak. Ez az első virtuális kórház az Egyesült Államokban, amelyet 2015-ben nyitottak meg, építése 300 millió dollárba került. A betegek intenzív osztályon, illa saját hálószobájukban, egyszerű, alapos megfigyelés vagy intenzív ellenőrzés alatt, de mindegyiket távolról figyelik. Még akkor is, ha a páciensnek nincsenek tünetei, az AI felügyeleti algoritmusok figyelmeztetést kaphatnak, és riaszthatják a klinikust. Csábító, hogy csúcstechnológiás algoritmusokat alkalmaznak a lehetséges szepszis vagy szívdekompenzáció távolról valós időben történő észlelésére, mielőtt az ilyen állapotokat diagnosztizálnák. Bár a távolból megfigyelés hidegen hangozhat, a gyakorlatban nem így volt; az „érintés nélküli melegség” keltésének koncepciója érvényesült. A Virtuális Gondozási Központ ápolói rendszeres, személyre szabott interakciót folytatnak sok pácienssel hosszú időn keresztül, és a betegek azt mondják az ápolókról, hogy úgy érzik, „most már ötven nagyszülőjük van”.

Az akut betegségben szenvedő idős betegeken kívül koncentrált erőfeszítések vannak arra, hogy a mesterséges intelligencia segítségével támogassák az idősek otthonukban való életvitelét és boldogulását, ahelyett, hogy a támogatott lakóhelyiségekbe kellene költözniük, vagy akár gondozókat is gyakran látogatniuk kellene. Az induló vállalkozások rendkívüli sora fejleszt szenzorokat és algoritmusokat, amelyek figyelik a járást, a pulzust, a hőmérsékletet, a hangulatot, a megismerést, a fizikai aktivitást és még sok mást. Sőt, a látást és hallást javító mesterséges intelligencia-eszközök még az idősek érzékszervi észlelését is javíthatják, ami elősegíti biztonságukat és javítja életminőségüket. Például az Aipoly alkalmazással a jelentős látássérült idősek egyszerűen rámutathatnak egy tárgyra egy okostelefonnal, és a mesterséges intelligencia gyorsan beindul a hangválasz azonosításával. Ugyanezt teszi a színek leírásánál is. A padlóba olyan érzékelőket lehet beépíteni, amelyek érzékelik, ha valaki leesett. A háziállatok formájában megjelenő robotasszisztensek, valamint a speciálisan megtervezett Alexa-szerű hangasszisztensek, mint például az ElliQ (a Startup Robotics cégtől), az önálló életet elősegítő hardveres mesterséges intelligencia példái.

A távfelügyelet nagyon széles körben használható a jövőben. Mivel a kórházban töltött minden éjszaka átlagosan 4700 dolláros költséget jelent, nem nehéz megindokolni a betegek felszerelésének és adattervek biztosításának gazdasági okát. Adja hozzá az otthon kényelmét anélkül, hogy fennállna a kórházi fertőzés kockázata vagy egy álmatlan éjszaka, állandó riasztásokkal. Mindazonáltal,a St. Louis-i központ jelenleg eléggé egyedülálló, és kevés a mozgás annak érdekében, hogy ez az intenzív osztályos ágyat nem igénylő betegek preferált útja legyen. Több probléma is hátráltat bennünket. Néhányuk technológiai és szabályozási jellegű. Bár az összes életjelet automatikusan figyelő rendszereket, mint például a Sotera Wireless Visi készülékét, számos egészségügyi rendszer jóváhagyta, és jelenleg is használja, otthoni használatra még nincs FDA által jóváhagyott eszköz. Amíg nem rendelkezünk otthoni használatra jóváhagyott FDA-eszközökkel, amelyek automatikusak, pontosak, olcsók és integrálhatók a távfelügyeleti eszközökkel, addig van egy akadály. Rövid távon talán még fontosabb az ilyen felügyelethez szükséges visszatérítési modellek hiánya, valamint az új kódok Medicare és magánbiztosítók általi létrehozása és jóváhagyása során tapasztalható elhúzódó késések.


Kivonat a Mélygyógyászat: Hogyan teheti a mesterséges intelligencia újra emberré az egészségügyet? . Copyright © 2019, Eric Topol. Elérhető a Basic Bookstól, a Perseus Books, Hachette Book Group, Inc. lenyomatából.