Watson het nie die dokter gebyt nie, en baie goed

Alhoewel, soos in baie ander velde, die entoesiasme om dokters met KI te vervang ietwat afgeneem het ná 'n reeks diagnostiese mislukkings, is die werk aan die ontwikkeling van KI-gebaseerde medisyne steeds aan die gang. Omdat hulle nietemin steeds groot geleenthede en 'n kans bied om die doeltreffendheid van bedrywighede in baie van sy gebiede te verbeter.

IBM is in 2015 aangekondig, en in 2016 het dit toegang verkry tot data van vier groot pasiëntdatamaatskappye (1). Die bekendste, danksy talle mediaberigte, en terselfdertyd die mees ambisieuse projek wat gevorderde kunsmatige intelligensie van IBM gebruik, was verwant aan onkologie. Wetenskaplikes het probeer om die groot hulpbronne van data te gebruik om dit te verwerk om dit te omskep in goed aangepaste anti-kanker terapieë. Langtermyndoelwit was om Watson as skeidsregter te kry kliniese proewe en resultate soos 'n dokter sou.

1. Een van die visualiserings van die Watson Health mediese stelsel

Dit het egter geblyk dat Watson kan nie onafhanklik na mediese literatuur verwys nie, en kan ook nie inligting uit elektroniese mediese rekords van pasiënte onttrek nie. Die ernstigste beskuldiging teen hom was egter dit versuim om 'n nuwe pasiënt effektief met ander ouer kankerpasiënte te vergelyk en simptome op te spoor wat met die eerste oogopslag onsigbaar is.

Daar was weliswaar sommige onkoloë wat beweer het dat hulle vertroue in sy oordeel het, alhoewel meestal in terme van Watson se voorstelle vir standaardbehandelings, of as 'n bykomende, bykomende mediese opinie. Baie het daarop gewys dat hierdie stelsel 'n uitstekende outomatiese bibliotekaris vir dokters sal wees.

As gevolg van nie baie vleiende resensies van IBM nie probleme met die verkoop van die Watson-stelsel in Amerikaanse mediese instellings. IBM-verkoopsverteenwoordigers het dit reggekry om dit aan sommige hospitale in Indië, Suid-Korea, Thailand en ander lande te verkoop. In Indië het dokters () Watson se aanbevelings vir 638 gevalle van borskanker geëvalueer. Die voldoeningskoers vir behandelingsaanbevelings is 73%. Erger Watson het by die Gachon Mediese Sentrum in Suid-Korea uitgeval, waar sy beste aanbevelings vir 656 kolorektale kankerpasiënte slegs 49 persent van die tyd ooreenstem met deskundige aanbevelings. Dokters het dit beoordeel Watson het nie goed gevaar met ouer pasiënte niedeur nie sekere standaardmedisyne aan hulle aan te bied nie, en het die kritieke fout gemaak om aggressiewe behandelingstoesig vir sommige pasiënte met metastatiese siekte te onderneem.

Uiteindelik, hoewel sy werk as 'n diagnostikus en geneesheer as onsuksesvol beskou word, is daar gebiede waarop hy uiters nuttig bewys het. Produk Watson vir Genomika, wat in samewerking met die Universiteit van Noord-Carolina, Yale Universiteit en ander instellings ontwikkel is, word gebruik genetiese laboratoriums vir die voorbereiding van verslae vir onkoloë. Watson laai lys lêer af genetiese mutasies in 'n pasiënt en kan 'n verslag in minute genereer wat voorstelle vir alle belangrike medisyne en kliniese proewe insluit. Watson hanteer genetiese inligting met relatiewe gemakomdat hulle in gestruktureerde lêers aangebied word en nie onduidelikhede bevat nie - óf daar is 'n mutasie óf daar is geen mutasie nie.

IBM-vennote aan die Universiteit van Noord-Carolina het in 2017 'n referaat oor doeltreffendheid gepubliseer. Watson het potensieel belangrike mutasies gevind wat nie deur menslike studies geïdentifiseer is in 32% van hulle nie. pasiënte bestudeer, wat hulle goeie kandidate maak vir die nuwe middel. Daar is egter steeds geen bewyse dat gebruik tot beter behandelingsuitkomste lei nie.

Domestikering van proteïene

Hierdie en vele ander voorbeelde dra by tot die groeiende geloof dat alle tekortkominge in gesondheidsorg aangespreek word, maar ons moet soek na gebiede waar dit werklik kan help, want mense vaar nie baie goed daar nie. So 'n veld is bv. proteïennavorsing. Verlede jaar het inligting na vore gekom dat dit die vorm van proteïene akkuraat kan voorspel op grond van hul volgorde (2). Dit is 'n tradisionele taak, buite die krag van nie net mense nie, maar selfs kragtige rekenaars. As ons die presiese modellering van die draai van proteïenmolekules bemeester, sal daar groot geleenthede vir geenterapie wees. Wetenskaplikes hoop dat ons met die hulp van AlphaFold die funksies van duisende sal bestudeer, en dit sal ons weer in staat stel om die oorsake van baie siektes te verstaan.

Figuur 2. Proteïendraaiing gemodelleer met DeepMind se AlphaFold.

Nou ons ken tweehonderd miljoen proteïene, maar ons verstaan ​​die struktuur en funksie van 'n klein deel daarvan ten volle. Proteïene dit is die basiese bousteen van lewende organismes. Hulle is verantwoordelik vir die meeste van die prosesse wat in selle plaasvind. Hoe hulle werk en wat hulle doen, word deur hul 50D-struktuur bepaal. Hulle neem die toepaslike vorm aan sonder enige instruksies, gelei deur die wette van fisika. Vir dekades was eksperimentele metodes die hoofmetode om die vorm van proteïene te bepaal. In die XNUMX's, die gebruik X-straal kristallografiese metodes. In die afgelope dekade het dit die navorsingsinstrument van keuse geword. kristalmikroskopie. In die 80's en 90's het werk begin om rekenaars te gebruik om die vorm van proteïene te bepaal. Die resultate het egter steeds nie die wetenskaplikes bevredig nie. Metodes wat vir sommige proteïene gewerk het, het nie vir ander gewerk nie.

Reeds in 2018 AlphaFold ontvang erkenning van kundiges in proteïen modellering. Dit het egter destyds metodes gebruik wat baie soortgelyk is aan ander programme. Die wetenskaplikes het taktiek verander en 'n ander geskep, wat ook inligting oor die fisiese en geometriese beperkings in die vou van proteïenmolekules gebruik het. AlphaFold ongelyke resultate gegee het. Soms het hy beter gevaar, soms slegter. Maar byna twee derdes van sy voorspellings het saamgeval met die resultate wat deur eksperimentele metodes verkry is. Aan die begin van jaar 2 het die algoritme die struktuur van verskeie proteïene van die SARS-CoV-3-virus beskryf. Later is gevind dat die voorspellings vir die Orf2020a-proteïen ooreenstem met die resultate wat eksperimenteel verkry is.

Dit gaan nie net oor die bestudering van die interne maniere om proteïene te vou nie, maar ook oor ontwerp. Navorsers van die NIH BRAIN-inisiatief gebruik Masjienleer ontwikkel 'n proteïen wat brein serotonienvlakke intyds kan volg. Serotonien is 'n neurochemikalie wat 'n sleutelrol speel in hoe die brein ons gedagtes en gevoelens beheer. Baie antidepressante is byvoorbeeld ontwerp om die serotonienseine wat tussen neurone oorgedra word, te verander. In 'n artikel in die joernaal Cell het wetenskaplikes beskryf hoe hulle gevorderd gebruik genetiese manipulasie metodes verander 'n bakteriese proteïen in 'n nuwe navorsingsinstrument wat kan help om serotonienoordrag met groter akkuraatheid as huidige metodes op te spoor. Prekliniese eksperimente, meestal in muise, het getoon dat die sensor onmiddellik subtiele veranderinge in brein serotonienvlakke tydens slaap, vrees en sosiale interaksies kan opspoor, en die doeltreffendheid van nuwe psigo-middels kan toets.

Die stryd teen die pandemie was nie altyd suksesvol nie

Dit was immers die eerste epidemie waaroor ons in MT geskryf het. As ons byvoorbeeld praat oor die proses van die ontwikkeling van die pandemie, het KI in die aanvanklike stadium iets van 'n mislukking gelyk. Geleerdes het dit gekla Kunsmatige intelligensie kan nie die omvang van die verspreiding van koronavirus korrek voorspel op grond van data van vorige epidemies nie. “Hierdie oplossings werk goed in sommige gebiede, soos om gesigte te herken wat 'n sekere aantal oë en ore het. SARS-CoV-2-epidemie Dit is voorheen onbekende gebeure en baie nuwe veranderlikes, so kunsmatige intelligensie gebaseer op die historiese data wat gebruik is om dit op te lei, werk nie goed nie. Die pandemie het getoon dat ons ander tegnologieë en benaderings moet soek,” het Maxim Fedorov van Skoltech in 'n verklaring van April 2020 aan die Russiese media gesê.

Met verloop van tyd was daar egter algoritmes wat blykbaar die groot nut van KI in die stryd teen COVID-19 bewys. Wetenskaplikes in die VSA het in die herfs van 2020 'n stelsel ontwikkel om kenmerkende hoespatrone by mense met COVID-19 te herken, selfs al het hulle geen ander simptome nie.

Toe entstowwe verskyn, is die idee gebore om die bevolking te help inent. Sy kan bv help om vervoer en logistiek van entstowwe te modelleer. Ook om te bepaal watter bevolkings eerste ingeënt moet word om die pandemie vinniger te hanteer. Dit sal ook help om vraag te voorspel en die tydsberekening en spoed van inenting te optimaliseer deur vinnig probleme en knelpunte in logistiek te identifiseer. Die kombinasie van algoritmes met konstante monitering kan ook vinnig inligting verskaf oor moontlike newe-effekte en gesondheidsgebeure.

hierdie stelsels wat AI gebruik in die optimalisering en verbetering van gesondheidsorg is reeds bekend. Hulle praktiese voordele is waardeer; byvoorbeeld die gesondheidsorgstelsel wat deur Macro-Eyes by Stanford Universiteit in die VSA ontwikkel is. Soos die geval met baie ander mediese instansies, was die probleem die gebrek aan pasiënte wat nie vir afsprake opgedaag het nie. Makro oë 'n stelsel gebou wat betroubaar kan voorspel watter pasiënte waarskynlik nie daar sal wees nie. In sommige situasies kan hy ook alternatiewe tye en plekke vir klinieke voorstel, wat die kanse sal verhoog dat 'n pasiënt opdaag. Later is soortgelyke tegnologie op verskeie plekke van Arkansas tot Nigerië toegepas met ondersteuning, veral die Amerikaanse Agentskap vir Internasionale Ontwikkeling i.

In Tanzanië het Macro-Eyes aan 'n projek gewerk wat daarop gemik was verhoogde inentingskoerse vir kinders. Die sagteware het ontleed hoeveel dosisse entstowwe na 'n gegewe inentingsentrum gestuur moet word. Hy kon ook bepaal watter gesinne dalk huiwerig sou wees om hul kinders in te ent, maar hulle kon oorreed word met gepaste argumente en die ligging van 'n inentingsentrum op 'n gerieflike plek. Deur hierdie sagteware te gebruik kon die Tanzaniese regering die doeltreffendheid van sy immuniseringsprogram met 96% verhoog. en verminder entstofafval tot 2,42 per 100 mense.

In Sierra Leone, waar inwoners se gesondheidsdata ontbreek, het die maatskappy probeer om dit met inligting oor onderwys te pas. Dit het geblyk dat die aantal onderwysers en hul studente alleen genoeg was om 70 persent te voorspel. die akkuraatheid of die plaaslike gesondheidsentrum toegang tot skoon water het, wat reeds 'n voetspoor is van data oor die gesondheid van die mense wat daar woon (3).

3. Makro-Oë-illustrasie van KI-gedrewe gesondheidsorgprogramme in Afrika.

Die mite van die masjiendokter verdwyn nie

Ten spyte van mislukkings Watson nuwe diagnostiese benaderings word steeds ontwikkel en word as meer en meer gevorderd beskou. Vergelyking gemaak in Swede in September 2020. gebruik in beelddiagnostiek van borskanker het gewys dat die beste van hulle op dieselfde manier werk as 'n radioloog. Die algoritmes is getoets met behulp van byna negeduisend mammografiebeelde wat tydens roetine-sifting verkry is. Drie stelsels, aangewys as AI-1, AI-2 en AI-3, het 'n akkuraatheid van 81,9%, 67% behaal. en 67,4%. Ter vergelyking, vir radioloë wat hierdie beelde as die eerste interpreteer, was hierdie syfer 77,4%, en in die geval van radioloëwie die tweede was om dit te beskryf, was dit 80,1 persent. Die beste van die algoritmes kon ook gevalle opspoor wat radioloë tydens sifting gemis het, en vroue is binne minder as 'n jaar as siek gediagnoseer.

Volgens die navorsers bewys hierdie resultate dit kunsmatige intelligensie algoritmes help om vals-negatiewe diagnoses wat deur radioloë gemaak is, reg te stel. Die kombinasie van die vermoëns van AI-1 met 'n gemiddelde radioloog het die aantal opgespoorde borskankers met 8% verhoog. Die span by die Royal Institute wat hierdie studie uitvoer, verwag dat die kwaliteit van KI-algoritmes sal aanhou groei. 'n Volledige beskrywing van die eksperiment is in JAMA Oncology gepubliseer.

W op 'n vyfpuntskaal. Tans sien ons 'n beduidende tegnologiese versnelling en bereik die IV-vlak (hoë outomatisering), wanneer die stelsel onafhanklik outomaties die ontvangde data verwerk en die spesialis vooraf geanaliseerde inligting verskaf. Dit bespaar tyd, vermy menslike foute en bied meer doeltreffende pasiëntsorg. Dit is wat hy 'n paar maande gelede beoordeel het Stan A.I. op die gebied van geneeskunde na aan hom, prof. Janusz Braziewicz van die Poolse Vereniging vir Kerngeneeskunde in 'n verklaring aan die Poolse Persagentskap.

4. Masjienbesigtiging van mediese beelde

Algoritmes, volgens kenners soos prof. Brazievichselfs onontbeerlik in hierdie bedryf. Die rede is die vinnige toename in die aantal diagnostiese beeldtoetse. Slegs vir die tydperk 2000-2010. die aantal MRI-ondersoeke en -ondersoeke het tienvoudig toegeneem. Ongelukkig het die aantal beskikbare spesialisdokters wat dit vinnig en betroubaar kon uitvoer nie toegeneem nie. Daar is ook 'n tekort aan gekwalifiseerde tegnici. Die implementering van AI-gebaseerde algoritmes spaar tyd en laat volledige standaardisering van prosedures toe, sowel as om menslike foute en meer doeltreffende, persoonlike behandelings vir pasiënte te vermy.

Soos dit geblyk het, ook forensiese medisyne kan baat by ontwikkeling van kunsmatige intelligensie. Spesialiste in hierdie veld kan die presiese tyd van dood van die oorledene bepaal deur chemiese ontleding van die afskeidings van wurms en ander wesens wat op dooie weefsels voed. ’n Probleem ontstaan ​​wanneer mengsels van afskeidings van verskillende tipes nekrofage by die ontleding ingesluit word. Dit is waar masjienleer ter sprake kom. Wetenskaplikes aan die Universiteit van Albany het ontwikkel 'n kunsmatige intelligensie-metode wat vinniger identifikasie van wurmspesies moontlik maak gebaseer op hul "chemiese vingerafdrukke". Die span het hul rekenaarprogram opgelei deur mengsels van verskeie kombinasies van chemiese afskeidings van ses vliegspesies te gebruik. Hy het die chemiese handtekeninge van inseklarwes ontsyfer met behulp van massaspektrometrie, wat chemikalieë identifiseer deur die verhouding van massa tot elektriese lading van 'n ioon akkuraat te meet.

So, soos jy egter kan sien KI as 'n ondersoekende speurder nie baie goed nie, dit kan baie nuttig wees in 'n forensiese laboratorium. Miskien het ons in hierdie stadium te veel van haar verwag en algoritmes verwag wat dokters sonder werk sou sit (5). Wanneer ons kyk na Kunsmatige intelligensie meer realisties, met die fokus op spesifieke praktiese voordele eerder as die algemene, lyk haar loopbaan in medisyne weer baie belowend.

5. Visie van die dokter se motor