Изкуственият интелект (AI) в здравеопазването и медицината

Научно проучване от 20 януари 2022 година.

Изкуственият интелект (AI), е на път да промени от основи медицината и здравеопазването, като доведе до редица преимущества и ползи, както за лекарите, така и за пациентите.

Това проучване, обхваща ключови анализи, направени през последните 2 години за AI и употребата му в медицината.

Само за няколко години медицински алгоритми за изкуствен интелект, започват да откриват болести и широко променят картината при използването на изображения и снимки за определяне на различни заболявания.

 Напредък във внедряването на AI алгоритми в медицината

AI алгоритмите в медицината започвам все по-често да се използват за медицински изследвания, но броят е сравнително малък в медицинската практика.

Наскоро RCTs тестваха полезността на AI системите в здравеопазването.

През последните години някои инструменти за изкуствен интелект преминаха от тестване към внедряване, спечелвайки административна подкрепа и премахвайки регулаторните препятствия.

През последните години машинното обучение, при което невронните мрежи изучават модели директно от необработени данни, постигна забележителен успех в класификацията на изображения (рентгенови и други изображения на снимка).

Тоест, до сега AI показва своята сила при медицински състояния, в който лекар трябва да определи дадено състояние по снимка в направления, като радиология, патология, гастроентерология и офталмология.

През последната година изкуственият интелект в медицината, може да се похвали с това, че е постигнал огромна точност при интерпретация на мамография, оценка на сърдечната функция, скрининг на рак на белия дроб , справяйки се не само с диагнозата, но и за прогнозиране на риска и лечението.

В областта на патологията AI постигна големи крачки в диагностицирането на ракови заболявания и предоставянето на нова информация за това заболяване.

Невронните мрежи са се обули да разпознават първичния туморен произход и да откриват структурни варианти или мутации.

Освен това е доказано, че AI прави по-точни прогнози за оцеляване за широк спектър от различни видове рак.

През последните години AI има и голям напредък при гастроентерологията, особено по отношение на подобряването на колоноскопията, ключова процедура, използвана за откриване на колоректален рак.

Възможности за развитието на изкуственият интелект в медицината

Изкуственият интелект (AI) в медицината, може да се обучава не само, когато му се подава огромен обем от изображения, чрез които той да се самоубочава, но и много други входни данни, включително числа, текст или дори комбинации от различен тип входни данни.

Използването на AI достига и малко по-далеч, като прилагането му в биохимията, подобрявайки разбирането на структурата и поведението на биомолекулите.

AI също направи крачки в областта на геномиката, въпреки сложността на моделирането на 3D геномни взаимодействия. Когато се прилага към данни за циркулираща безклетъчна ДНК, изкуственият интелект е започнал неинвазивно откриване на рак, прогноза и идентифициране на туморния произход.

Освен това, базиран на AI анализ на микробни транскриптомни и геномни данни е използван за бързо откриване на антибиотична резистентност при патогени. 

Използването на AI достига и до лекарствата. AI ускорява процеса на откриване на лекарства. Той се прилага при молекулярните анализи, като намаляват необходимостта от по-бавни и по-скъпи физически експерименти.

Чрез AI е открито лекарство през 2021 година, което инхибира DDR1, а забележително е, че е открито само за 21 дни и експериментално тестван за 46 дни, драстично ускорявайки процес, който обикновено отнема няколко години.

AI, може да интегрират множество източници на медицински данни за мултимодален подход. За пример, AI може да вземе един модел за диагностициране на респираторни нарушения от аудио запис на кашлицата на пациентите, а другият начин за входиране на данни да са симптомите му.

Тази област за мултимодален подход за входиране на данни в AI, все още не е добре развита, а има огромен потенциал.

Предизвикателства през AI в здравеопазването

Въпреки впечатляващия напредък, областта на медицинския AI е изправена пред големи технически предизвикателства, особено по отношение на изграждането на доверие сред пациентите.

Остават и въпроси относно регулирането на AI в медицината и начините, по които AI може да измести редица фактори в цялата здравна система, засягайки както изследователи, лекари, така и пациенти.

Най-големият проблем, е входирането на огромен обем от данни в AI, като се преминава от събирането им, през заснемането и обучението на алгоритмите.

За много държави и болници, това ще бъде един скъп процес.

Допълнителни опасения възникват от големите размери на изображенията, тъй като количеството памет, изисквана от невронната мрежа, може да се увеличи както със сложността на модела, така и с броя на пикселите във входа.

Има проблем и в големината на данните, но тук вече са открити решения. Изображенията и информацията, могат да бъдат преоразмерени и разделени на множество малки файлове.

Друг проблем, засягащ изображенията и снимките, както и много други видове медицински данни, е липсата на етикети, необходими за контролирано обучение. Етикетите често се задават ръчно от медицински експерти, но този подход може да се окаже труден поради размера на данните, ограниченията във времето или недостига на експертиза.

Изграждане на доверие в модела

За една система с изкуствен интелект са необходими различни качества, за да спечели доверието на потребителите. 

Например, полезно е системите за изкуствен интелект да бъдат надеждни, удобни за използване и лесни за интегриране в клиничните работни процеси. Различните системи, които използват AI трябва да бъдат лесни за употреба, за да е лесно, както на лекарите, така и на пациентите.

Може би най-важният елемент за употребата на AI в медицината, е точността, тъй като е малко вероятно пациентите да се доверят на модел, за който не е строго доказано, че дава правилни прогнози.

Използване на пациентските данни

Има опасения, че лошите участници, интересуващи се от кражба на самоличност и други нарушения, могат да се възползват от набори от медицински данни, които често съдържат големи количества чувствителна информация за реални пациенти. в

Децентрализирането на съхранението на данни е един от начините за намаляване на потенциалните щети от всеки отделен хак или изтичане на данни. 

Данните на пациента могат да бъдат по-добре защитени от такива атаки, ако входните данни са криптирани преди обучение.

Чувствителните данни обикновено трябва да се събират и използват в изследвания със съгласието на пациента.

🤓 Здpaвe +, има строга Peдaĸциoннa пoлитиĸa , като изпoлзвa caмo виcoĸoĸaчecтвeни изтoчници пpи cъcдaвaнeтo нa cвoитe cтaтии, пoдĸpeпeни c фaĸти. 

Автори на проучването: Pranav Rajpurkar, Emma Chen, Oishi Banerjee