Den aktuelle tilstand inden for sundhedsområdet og hvordan AI kan transformere

Jeg kan forestille mig en verden, hvor AI vil få os til at arbejde mere produktivt, leve længere og have renere energi. –Fei-Fei Li, professor i datalogi ved Stanford University


Kunstig intelligens har potentialet til at forbedre ethvert aspekt af vores liv og hjælpe os med at omdanne sundhedsydelser. Lad os se på, hvordan sundhedsvæsenet praktiseres i dag, og hvordan AI transformerer det.

Sundhedsvæsen indebærer at holde en enkeltes sundhed op til mærket eller forbedre det. Det dækker kvæstelser så små som papirskår på blodkræft.

Sundhedsvæsenet kan opdeles i tre kategorier, nemlig følgende.

  • Hærdning
  • Forebyggende
  • Predictive

Vi kan bruge den enorme mængde data, der produceres hver dag til at finde en bedre kur mod en sygdom, finde nye lægemidler og endda forudsige sandsynligheden for en sygdom længe inden symptomer i forbindelse med den observeres.

Problemer i sundhedssektoren

Problemerne i sundhedsindustrien kan opdeles i to brede kategorier. Den ene kategori af problemet stammer fra de sociopolitiske og økonomiske spørgsmål, mens den anden stammer fra de teknologiske udfordringer i branchen. Spørgsmål som mangel på senge, mangel på sundhedspersonale og ukvalificerede læger hører til den første kategori. Den anden kategori indeholder emner som langsom forskning, menneskelige fejl i analyse af data og manglen på datatransparens blandt organisationerne.

Vi fokuserer kun på de teknologiske udfordringer i dette indlæg.

AI til forbedring af sundhedsvæsenet

Kunstig intelligens

Kunstig intelligens giver en fantastisk mulighed for at transformere verden på en enorm måde. Det er blevet kaldt som den nye elektricitet af Andrew Ng. Det har potentialet til at røre ved hver enkelt menneskes liv på en meningsfuld måde, ligesom elektricitet gjorde.

I sundhedsvæsenet kan AI hjælpe med at forbedre hvert trin i økosystemet. Fra forudsigelse af sygdom til at finde et nyt lægemiddel til at foretage alle nye genmodifikationer.

Lad os se på, hvad potentialet har for fremtiden.

AI-sundhedspleje økosystem

Forestil dig et scenarie, hvor et par er ved at gifte sig. Et AI-system kan kontrollere deres geners kompatibilitet for at finde ud af, om der er nogen risiko for barnet eller et gen, der kan resultere i en komplikation i barnets normale liv. Dette system kan derefter hjælpe med at finde ud af de rigtige forholdsregler, der kan træffes før og efter at babyen er født.

Antag, at systemet identificerede et problem med et bestemt gen, vi kunne derefter ændre dette gen for at fjerne dets skadelige virkning. AI kan også hjælpe med at finde det rigtige medikament, der kan hjælpe med at holde problemet under kontrol, også efter at barnet er født.

Barnet blev født sundt og er nu en teenager; hun bærer en sundheds tracker som Fitbit, der holder styr på alle hendes vitaliteter som hjerteslag, trin, der er taget på en dag, og kalorier forbrændt om dagen. Disse aflæsninger bruges af hendes AI-assistent til at fortælle hende om de ændringer, hun har brug for i sin rutine for at fortsætte sin sunde livsstil.

Desværre er hun en dag i en nødsituation og bliver ført til hospitalet. Hendes Fitbit-læsning kunne sendes til paramedicinerne for at tage beslutninger, før de ankommer til hendes sted. AI-systemet kan fortælle de mulige problemer, som hun måske lider af, som hjertestop osv.

Blodprøven, der udtages under kørslen, kan let analyseres ved hjælp af et computersynssystem for at stille den foreløbige diagnose. I øjeblikket stilles det meste af diagnosen manuelt af en ekspert ved at undersøge mikroskopet og studere cellerne.

Efter hendes frigivelse fra hospitalet vil de tidligere data, der er analyseret af AI-systemet, forudsige sandsynligheden for hendes tilbagetagelse til hospitalet og vil foreslå de passende foranstaltninger for at forhindre det. Dette kan gøres gennem konstante påmindelser om at følge lægemiddeldosen. Der kan også forberedes intelligente medicin, der sender et signal, når det er taget af patienten at virkelig gøre tingene automatiske.

Med stigende alder vil hendes AI-assistent kontinuerligt indsamle dataene for at forudsige helbred og træffe passende forebyggende foranstaltninger for at holde hendes helbred til det bedst mulige niveau.

Disse vigtige livslange data vil blive brugt af systemet til at forbedre sig selv og gøre tingene meget bedre fra det næste øjeblik.

AI i aktion

Digital diagnose ved hjælp af computervision

I øjeblikket kræver en masse diagnostik en uddannet fagmand til at analysere prøver af blod, spyt, væv, sæd osv. Under et mikroskop. Dette er meget tidskrævende og har en tilbøjelighed til fejl. Der er dedikerede maskiner til forskellige test, men en billigere løsning er mulig ved hjælp af AI.

Digital diagnostik bruger computervisionsteknologi til at analysere billeder af disse prøver og derefter anvende algoritmer som ANN og CNN til at finde ud af størrelsen på formen og bevægelsen af ​​celler. Disse data bruges derefter som funktionerne til at træne en maskinlæringsmodel til at finde de problemer, som patienten måtte have.

Tilsvarende teknologi bruges også til at analysere røntgenstråler og CT-scanninger. Konventionelle neurale netværk er meget gode til at analysere billeder. De bruger filtre til at finde funktioner i billedet, hvilket ikke er muligt ved hjælp af de normale funktionstekniske teknikker.

Forudsigelse af spredning af virusudbrud

Forskellige maskinindlæringsmodeller er blevet brugt til at forudsige spredning af vira og andre infektionssygdomme. Sociale mediedata fra platforme som Facebook, Twitter osv. Bruges til at passe regressionsmodeller til at forudsige områder af næste udbrud.

Optimering af patientstrøm

Vi kan bruge data som antallet af patienter i timen, der besøger hospitalet, aktuelle vejrforhold og almindelige skader til at forudsige antallet af patienter, der måtte komme til hospitalet på en given dag. Denne intelligens er nyttig for medicinske centre til at optimere deres forsyninger og være bedre forberedt på nødsituationer.

 Personlige læger

Fremskridt inden for naturlig sprogbehandling har gjort det muligt at oprette smartere chatbots til at hjælpe patienter på enhver tid af dagen. En bruger kan ganske enkelt indtaste de almindelige symptomer, som hun står overfor, og hendes chatbot fortæller hende, om hun skulle se en læge eller ej. Assistenten kan også booke en aftale med lægen automatisk på baggrund af, hvor meget situationen haster.

NLP hjælper med at finde “intentionen” for brugeren fra den sætning, som brugeren har skrevet. Teknikker som stemming og lemmatisering, fjernelse af stopword bruges til at forbehandle dataene. Disse forbehandlede data indføres derefter i modeller som LSTM for at finde ud af personens intention og derefter følgelig finde et svar på det.

24 × 7 Overvågning

Når en patient er under observation, skal læger og sygeplejersker regelmæssigt besøge for at holde styr på patientens vitaliteter. Dette tager meget tid og fører også til nødsituationer på grund af intervallerne mellem besøgene. AI-systemer er nu i stand til at spore disse data hele tiden og forudsige, om der er noget galt, der vil ske. Rettidige advarsler, der genereres af disse systemer, hjælper med at spare både tid og liv.

Prognose for tidsserier er en af ​​de metoder, der bruges i et sådant system, da de modtagne data er en strøm af værdier med tiden. Gentagne neurale netværk kan også bruges til at analysere sådanne data, da RNN’er er gode til at forudsige fremtidige værdier baseret på fortidens værdier i en strøm.

Udfordringer

Det ovenfor beskrevne økosystem AI-Healthcare, skønt det er meget idealistisk, sker allerede i øjeblikket, men er ikke så forbundet som det burde være. Her er nogle af de udfordringer, som den nuværende branche står overfor.

  • IoT af sundhedsydelser er ikke meget let at implementere. Data lever i siloer; en Fitbit kan ikke kommunikere med hospitalets system; den digitale patologi kan ikke kommunikere med det andet system på hospitalet. Hvis patientens helbredsregister kommer fra et andet hospital, kan dataene ikke tages af det nye hospital som i øjeblikket, opbevares dataene af hver organisation privat.
  • Der findes ingen standarder omkring behandling, opbevaring, privatliv og deling af sundhedsdataene. Hver organisation følger standarderne, der er fastsat af deres IT-team eller leverandør. Alt dette gør dataene meget vanskelige at dele mellem organisationer og systemer. Politikker på nationalt og internationalt plan er nødvendige for at bringe dette økosystem sammen.

Etik i sundhedsvæsenet

Etik er en af ​​de vigtigste brikker i gåderne, når vi taler om AI i sundhedsvæsenet. Jeg overlader det til læseren at tænke på de følgende scenarier og indse, hvor kompliceret det kan blive, når vi har intelligente maskiner, der træffer beslutninger for os.

  • Hvem ejer dine data? Den elektroniske sundhedsrekord (EHR), som dit hospital har, tilhører dig, men skal du have lov til at tage ejerskab af det? Hvad hvis du havde en meget sjælden sygdom og dine data er af største betydning, hvis samfundet skulle have lov til at bruge dataene, selvom du ikke ønsker det?
  • Antag, at AI-systemet finder ud af, at du meget sandsynligt har en type kræft, der er uhelbredelig. Ønsker du at lære om det? Tænk på den følelsesmæssige vejafgift, den kan have på personen.
  • Hvad hvis forudsigelserne fra AI var forkerte. Hvem skal være ansvarlig for det, er det udvikleren, der kodede det eller de organisationer, der lavede systemet eller de data, der blev brugt til at fremstille systemet i første omgang?

AI i sundhedsvæsenet har et enormt potentiale, hvis vi kan løse nogle af de nævnte problemer. Vi ser enorme fremskridt i området, og de fleste af de ting, der er beskrevet i denne artikel, er ikke så fiktive som de lyder.

Tags:

  • AI

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map