Stručnjaci za umjetnu inteligenciju raspravljaju o tome kako integrirati robusnu umjetnu inteligenciju u zdravstvo, zašto je interdisciplinarna suradnja ključna i o potencijalu generativne umjetne inteligencije u istraživanju.
Feifei Li i Lloyd Minor održali su uvodne govore na prvom RAISE zdravstvenom simpoziju na Medicinskom fakultetu Sveučilišta Stanford 14. svibnja. Steve Fish
Većina ljudi koje je zaokupila umjetna inteligencija doživjela je neku vrstu "aha" trenutka, otvarajući svoje umove svijetu mogućnosti. Na prvom RAISE Health Symposiumu 14. svibnja, Lloyd Minor, dr. med., dekan Medicinskog fakulteta Sveučilišta Stanford i potpredsjednik za medicinska pitanja na Sveučilištu Stanford, podijelio je svoju perspektivu.
Kad su jednog znatiželjnog tinejdžera zamolili da sažme svoja otkrića u vezi s unutarnjim uhom, okrenuo se generativnoj umjetnoj inteligenciji. „Pitao sam: 'Što je sindrom dehiscencije gornjeg kanala?'“, rekao je Minor gotovo 4000 sudionika simpozija. U roku od nekoliko sekundi pojavilo se nekoliko odlomaka.
„Dobri su, stvarno dobri“, rekao je. „To što su ove informacije sažete u sažet, općenito točan i jasno prioritiziran opis bolesti. To je prilično izvanredno.“
Mnogi su dijelili Minorovo uzbuđenje zbog poludnevnog događaja, koji je nastao kao rezultat inicijative RAISE Health, projekta koji su pokrenuli Medicinski fakultet Sveučilišta Stanford i Stanfordski institut za umjetnu inteligenciju usmjerenu na čovjeka (HAI) s ciljem usmjeravanja odgovorne upotrebe umjetne inteligencije u biomedicinskim istraživanjima, obrazovanju i skrbi za pacijente. Govornici su ispitali što znači implementirati umjetnu inteligenciju u medicini na način koji nije koristan samo za liječnike i znanstvenike, već i transparentan, pravedan i pravičan za pacijente.
„Vjerujemo da je ovo tehnologija koja poboljšava ljudske sposobnosti“, rekla je Fei-Fei Li, profesorica računalnih znanosti na Stanford School of Engineering, direktorica projekta RAISE Health with Minor i sudirektorica HAI-a. Iz generacije u generaciju mogu se pojaviti nove tehnologije: od novih molekularnih sekvenci antibiotika do mapiranja bioraznolikosti i otkrivanja skrivenih dijelova temeljne biologije, umjetna inteligencija ubrzava znanstvena otkrića. Ali ne sve je to korisno. „Sve ove primjene mogu imati neželjene posljedice i potrebni su nam računalni znanstvenici koji odgovorno razvijaju i implementiraju [umjetnu inteligenciju], surađujući s raznim dionicima, od liječnika i etičara... do sigurnosnih stručnjaka i šire“, kaže ona. „Inicijative poput RAISE Healtha pokazuju našu predanost ovome.“
Konsolidacija triju odjela Medicinskog fakulteta Stanford - Medicinskog fakulteta, Zdravstvene skrbi Stanford i Škole za dječju zdravstvenu medicinu Sveučilišta Stanford - i njegove veze s drugim dijelovima Sveučilišta Stanford doveli su ga u poziciju u kojoj se stručnjaci bore s razvojem umjetne inteligencije, problemima upravljanja i integracije u području zdravstva i medicine. Medicina, pjevala je pjesma.
„U dobroj smo poziciji da budemo pioniri u razvoju i odgovornoj primjeni umjetne inteligencije, od temeljnih bioloških otkrića do poboljšanja razvoja lijekova i povećanja učinkovitosti procesa kliničkih ispitivanja, pa sve do samog pružanja zdravstvenih usluga. zdravstvene zaštite. Načina na koji je zdravstveni sustav postavljen“, rekao je.
Nekoliko govornika naglasilo je jednostavan koncept: usredotočite se na korisnika (u ovom slučaju, pacijenta ili liječnika) i sve ostalo će uslijediti. „To stavlja pacijenta u središte svega što radimo“, rekla je dr. Lisa Lehmann, direktorica bioetike u bolnici Brigham and Women's. „Moramo uzeti u obzir njihove potrebe i prioritete.“
S lijeva na desno: voditeljica STAT Newsa Mohana Ravindranath; Jessica Peter Lee iz Microsoft Researcha; Sylvia Plevritis, profesorica biomedicinske znanosti o podacima, raspravlja o ulozi umjetne inteligencije u medicinskim istraživanjima. Steve Fish
Govornici na panelu, među kojima su bili Lehmann, medicinska bioetičarka sa Sveučilišta Stanford, dr. Mildred Cho, i glavni klinički direktor Googlea, dr. Michael Howell, istaknuli su složenost bolničkih sustava, naglašavajući potrebu za razumijevanjem njihove svrhe prije bilo kakve intervencije. Implementirajte je i osigurajte da su svi razvijeni sustavi uključivi i da slušaju ljude kojima su namijenjeni pomoći.
Jedan od ključnih čimbenika je transparentnost: ona jasno daje do znanja odakle dolaze podaci korišteni za učenje algoritma, koja je izvorna svrha algoritma i hoće li budući podaci o pacijentima i dalje pomagati algoritmu u učenju, između ostalih čimbenika.
„Pokušaj predviđanja etičkih problema prije nego što postanu ozbiljni [znači] pronaći savršenu idealnu sredinu gdje znate dovoljno o tehnologiji da biste imali određeno povjerenje u nju, ali ne prije nego što se [problem] proširi dalje i riješi ga ranije.“ rekao je Denton Char, kandidat medicinskih znanosti, izvanredni profesor na Odjelu za dječju anesteziologiju, perioperativnu medicinu i medicinu boli. Jedan od ključnih koraka, kaže on, jest identificiranje svih dionika na koje bi tehnologija mogla utjecati i određivanje kako bi oni sami željeli odgovoriti na ta pitanja.
Jesse Ehrenfeld, dr. med., predsjednik Američkog liječničkog udruženja, raspravlja o četiri čimbenika koji potiču usvajanje bilo kojeg digitalnog zdravstvenog alata, uključujući one pokretane umjetnom inteligencijom. Je li učinkovit? Hoće li to funkcionirati u mojoj ustanovi? Tko plaća? Tko je odgovoran?
Michael Pfeffer, dr. med., glavni direktor za informatiku u Stanford Health Careu, naveo je nedavni primjer u kojem su mnogi problemi testirani među medicinskim sestrama u bolnicama na Stanfordu. Kliničarima pomažu veliki jezični modeli koji pružaju početne bilješke za dolazne poruke pacijenata. Iako projekt nije savršen, liječnici koji su pomogli u razvoju tehnologije izvještavaju da model olakšava njihovo radno opterećenje.
„Uvijek se usredotočujemo na tri važne stvari: sigurnost, učinkovitost i uključivost. Mi smo liječnici. Polažemo zakletvu da 'nećemo naštetiti'“, rekla je dr. Nina Vasan, klinička docentica psihijatrije i bihevioralnih znanosti, koja se pridružila Charu i Pfefferu grupi. „Ovo bi trebao biti prvi način za procjenu ovih alata.“
Nigam Shah, MBBS, doktor znanosti, profesor medicine i biomedicinske znanosti o podacima, započeo je raspravu šokantnom statistikom unatoč poštenom upozorenju publici. „Govorim općenito i o brojkama, a ponekad su one vrlo izravne“, rekao je.
Prema Shahu, uspjeh umjetne inteligencije ovisi o našoj sposobnosti skaliranja. „Provođenje odgovarajućeg znanstvenog istraživanja na modelu traje oko 10 godina, a ako bi svaki od 123 programa stipendiranja i rezidencija želio testirati i primijeniti model na toj razini strogosti, bilo bi vrlo teško provesti ispravnu znanost onako kako trenutno organiziramo svoje napore i [testiramo]]. Koštalo bi 138 milijardi dolara kako bismo osigurali da svaka naša lokacija ispravno radi“, rekao je Shah. „Ne možemo si to priuštiti. Stoga moramo pronaći način za proširenje, moramo se proširiti i raditi dobru znanost. Vještine strogosti su na jednom mjestu, a vještine skaliranja na drugom, tako da će nam trebati takva vrsta partnerstva.“
Prodekanica Yuan Ashley i Mildred Cho (s prijema) prisustvovale su RAISE Health radionici. Steve Fish
Neki govornici na simpoziju rekli su da bi se to moglo postići javno-privatnim partnerstvima, poput nedavne Izvršne uredbe Bijele kuće o sigurnom, zaštićenom i pouzdanom razvoju i korištenju umjetne inteligencije te Konzorcija za umjetnu inteligenciju u zdravstvu (CHAI).
„Javno-privatno partnerstvo s najvećim potencijalom je ono između akademske zajednice, privatnog sektora i javnog sektora“, rekla je Laura Adams, viša savjetnica Nacionalne medicinske akademije. Napomenula je da vlada može osigurati javno povjerenje, a akademski medicinski centri mogu pružiti legitimnost, a privatni sektor može osigurati tehničku stručnost i računalno vrijeme. „Svi smo bolji od bilo koga od nas i prepoznajemo da... ne možemo se moliti da ostvarimo potencijal [umjetne inteligencije] osim ako ne razumijemo kako međusobno komunicirati.“
Nekoliko govornika reklo je da umjetna inteligencija također ima utjecaj na istraživanja, bilo da je znanstvenici koriste za istraživanje bioloških dogmi, predviđanje novih sekvenci i struktura sintetičkih molekula za podršku novim tretmanima ili čak za pomoć u sažimanju ili pisanju znanstvenih radova.
„Ovo je prilika da vidimo nepoznato“, rekla je Jessica Mega, dr. med., kardiologinja na Medicinskom fakultetu Sveučilišta Stanford i suosnivačica Alphabetovog Verilyja. Mega je spomenula hiperspektralno snimanje, koje bilježi značajke slike nevidljive ljudskom oku. Ideja je koristiti umjetnu inteligenciju za otkrivanje obrazaca u patološkim preparatima koje ljudi ne vide, a koji ukazuju na bolest. „Potičem ljude da prihvate nepoznato. Mislim da svatko ovdje poznaje nekoga s nekom vrstom zdravstvenog stanja kojemu je potrebno nešto više od onoga što danas možemo pružiti“, rekla je Mejia.
Panelisti su se također složili da će sustavi umjetne inteligencije pružiti nove načine za prepoznavanje i borbu protiv pristranog donošenja odluka, bilo da ih donose ljudi ili umjetna inteligencija, s mogućnošću identificiranja izvora pristranosti.
„Zdravlje je više od puke medicinske skrbi“, složilo se nekoliko panelista. Govornici su naglasili da istraživači često previđaju društvene odrednice zdravlja, poput socioekonomskog statusa, poštanskog broja, razine obrazovanja te rase i etničke pripadnosti, prilikom prikupljanja inkluzivnih podataka i regrutiranja sudionika za studije. „Umjetna inteligencija je učinkovita samo onoliko koliko su učinkoviti podaci na kojima je model obučen“, rekla je Michelle Williams, profesorica epidemiologije na Sveučilištu Harvard i izvanredna profesorica epidemiologije i zdravlja stanovništva na Medicinskom fakultetu Sveučilišta Stanford. „Ako radimo ono što nastojimo učiniti. poboljšati zdravstvene ishode i ukloniti nejednakosti, moramo osigurati prikupljanje visokokvalitetnih podataka o ljudskom ponašanju te društvenom i prirodnom okruženju.“
Natalie Pageler, dr. med., klinička profesorica pedijatrije i medicine, rekla je da agregirani podaci o raku često isključuju podatke o trudnicama, stvarajući neizbježne pristranosti u modelima i pogoršavajući postojeće nejednakosti u zdravstvenoj skrbi.
Dr. David Magnus, profesor pedijatrije i medicine, rekao je da, kao i svaka nova tehnologija, umjetna inteligencija može ili poboljšati stvari na mnogo načina ili ih pogoršati. Rizik, rekao je Magnus, jest da će sustavi umjetne inteligencije saznati o nejednakim zdravstvenim ishodima potaknutim društvenim determinantama zdravlja i pojačati te ishode svojim rezultatima. „Umjetna inteligencija je ogledalo koje odražava društvo u kojem živimo“, rekao je. „Nadam se da će svaki put kada imamo priliku osvijetliti problem - da si držimo ogledalo - to poslužiti kao motivacija za poboljšanje situacije.“
Ako niste mogli prisustvovati radionici RAISE Health, snimku sesije možete pronaći ovdje.
Medicinski fakultet Sveučilišta Stanford integrirani je akademski zdravstveni sustav koji se sastoji od Medicinskog fakulteta Sveučilišta Stanford te sustava pružanja zdravstvene skrbi za odrasle i djecu. Zajedno ostvaruju puni potencijal biomedicine kroz suradnička istraživanja, obrazovanje i kliničku skrb o pacijentima. Za više informacija posjetite med.stanford.edu.
Novi model umjetne inteligencije pomaže liječnicima i medicinskim sestrama u bolnici Stanford da surađuju kako bi poboljšali skrb o pacijentima.
Vrijeme objave: 19. srpnja 2024.