3 практических подхода к использованию искусственного интеллекта в здравоохранении
В наши дни нет недостатка в достижениях в области искусственного интеллекта, особенно в том, что касается глубокого обучения. От Все танцуют сейчас, где Передача движения на основе искусственного интеллекта может заставить вас танцевать, как звезда, до ведущего новостей на основе искусственного интеллекта в Китае, который читает ежедневные новости с впечатляющими выражениями лица и интонациями голоса, очень похожими на человек. В области здравоохранения был достигнут значительный прогресс в области анализа медицинской визуализации, от диагностической визуализации до диабетической ретинопатии и т. Д. И т.д. Это отличная новость, но я считаю, что можно сделать больше, особенно в том, что касается использования ИИ в медицинских учреждениях и больницах.
Ниже приведены 3 практических подхода к использованию искусственного интеллекта в здравоохранении.
1. Дополнение, а не замена
Мы все слышали шум вокруг искусственного интеллекта и появление интеллектуальных машин. В то время как некоторые предупреждают о мире Скайнета с машинами-терминаторами, охотящимися за людьми, я склонен придерживаться более оптимистичного взгляда и приветствую этот новый вид интеллекта как партнерство между людьми и машинами. Действительно, если оглянуться на историю, это партнерство существовало в той или иной форме. Сельскохозяйственная революция стала возможной, потому что сначала мы использовали вол и плуг, чтобы увеличить нашу силу, а затем использовали гораздо более тяжелую технику. Промышленная революция стала возможной, потому что мы использовали машины для расширения сборочной линии. Наконец, информационная революция стала возможной, потому что мы объединили машины и людей вместе, чтобы расширить нашу способность обмениваться данными и сотрудничать с ними.
Чем больше у нас данных и чем лучше мы понимаем историю, тем быстрее история меняет свой ход и тем быстрее наши знания устаревают. - Юваль Ной Харари
Революция, которую мы переживаем сегодня, - это революция в области интеллекта, и мы снова наблюдаем ее приумножение. Это может быть в тонких формах, таких как рекомендации Amazon / Netflix или рейтинг результатов поиска Google. Но это также может быть и не столь тонкое, как автопилот Теслы и беспилотные автомобили, или даже такая тревожная, как гуманоидная робототехника Boston Dynamic.
Ключевой темой здесь является расширение для расширения наших возможностей и обеспечения лучшей поддержки принятия решений, а не замена нашего человеческого интеллекта.
2. Сузьте проблемную область
Споры о том, что разумные машины вытесняют людей как доминирующий вид, ведутся в бесчисленных статьях. Произойдет ли это или нет и когда - это предмет предположений. Реальность такова, что ИИ справился с проблемами узкой области, такими как распознавание лиц, машинный перевод, преобразование речи в текст, победа в игре го и даже выдача себя за людей по телефону или фальшивые речи Обамы! Хотя это звучит впечатляюще, и люди склонны к чрезмерным обобщениям, некоторые даже искажают и прибегают к разжиганию страха, утверждая, что ИИ изобрел свой собственный язык в Facebook. Я хотел бы немного смягчить это высказыванием Яна ЛеКуна - одного из моих любимых пионеров искусственного интеллекта:
Мы очень далеки от создания действительно умных машин. - Янн Лекун
Урок здесь состоит в том, чтобы сконцентрироваться на проблемах узкой области, которые находятся в пределах досягаемости современных методов искусственного интеллекта. Это особенно актуально в сфере здравоохранения, где поставщики услуг перегружены информацией и потоком пациентов. Существует прямая корреляция между усталостью медработника и клиническими ошибками, которых можно избежать. Практическое использование ИИ может помочь, указывая врачам на похожих пациентов и рекомендуя благоприятные планы лечения. Вместо того, чтобы врачи копошились над длинными медицинскими записями, отнимая много времени и приводя к потенциальным упущениям, ИИ может отображать релевантную обобщенную информацию, основанную на симптомах пациента и истории посещений, или выделять аллергии и неблагоприятное взаимодействие с лекарствами, которые врачи могли упустить из виду. Это также может указывать на несоответствия в медицинских записях.
Ключевым моментом здесь является сузить область вашей проблемы и подумать о практическом применении существующего ИИ.
3. Начните с правил, соберите данные и примените AI / ML.
В больницах и учреждениях квалифицированного медперсонала работает целая армия менеджеров по ведению пациентов, которые следят за пациентами и следят за ними, что является частью их повседневного распорядка, чтобы обеспечить надлежащий уход. От поступления до выписки решения принимаются на основе множества данных. Слишком часто это может быть ошеломляющим. Неизбежно все проваливается. Нет недостатка в аналитике с красивыми графиками, которые разрезают данные на разные точки зрения и представления. Часто это приводит к утомлению графиков и данных, поскольку куратор переводит взгляд с одного экрана на другой. Воодушевление и ценность просмотра графиков со временем теряются.
ИИ сродни постройке ракетного корабля. Вам нужен огромный двигатель и много топлива. Ракетный двигатель - это алгоритмы обучения, но топливо - это огромные объемы данных, которые мы можем передать этим алгоритмам. - Эндрю Нг
Что, если к этим графам применить интеллект? Что, если виртуальный помощник сможет привлечь ваше внимание к ключевым идеям, которые вы, возможно, не уловите, просто глядя на эти графики? Помощник может помочь кураторам найти тех пациентов, которым требуется немедленное внимание, поскольку он может обнаруживать аномалии, которые могут быть не столь очевидны. Первоначально этот помощник должен начинать с интеллекта как набора хорошо известных правил. Со временем и за счет накопления фактических данных об использовании он может учиться, применяя глубокое обучение к собранным данным.
Ключевым моментом здесь является стремление обеспечить немедленную отдачу за счет введения в ИИ правил и последующего применения глубокого обучения для создания более сложных правил, основанных на шаблонах, обнаруженных в больших объемах реальных данных.
В InfinityCore Health мы применяем ИИ на практике, чтобы узнать больше, нажмите здесь.
