Eksperci w dziedzinie sztucznej inteligencji dyskutują na temat tego, jak zintegrować solidną sztuczną inteligencję z opieką zdrowotną, dlaczego współpraca interdyscyplinarna ma kluczowe znaczenie i jaki potencjał ma generatywna sztuczna inteligencja w badaniach.
Feifei Li i Lloyd Minor wygłosili przemówienie otwierające inauguracyjne Sympozjum Zdrowia RAISE w Szkole Medycznej Uniwersytetu Stanforda 14 maja. Steve Fish
Większość osób, które zostały urzeczywistnione przez sztuczną inteligencję, doświadczyła pewnego rodzaju olśnienia, otwierając umysły na świat możliwości. Podczas inauguracyjnego Sympozjum RAISE Health, które odbyło się 14 maja, dr Lloyd Minor, dziekan Wydziału Medycznego Uniwersytetu Stanforda i wiceprezes ds. medycznych na Uniwersytecie Stanforda, podzielił się swoją perspektywą.
Kiedy pewnego dociekliwego nastolatka poproszono o podsumowanie jego odkryć dotyczących ucha wewnętrznego, zwrócił się ku generatywnej sztucznej inteligencji. „Zapytałem: »Co to jest zespół rozejścia się kanału słuchowego górnego?«. Minor opowiedział o tym prawie 4000 uczestnikom sympozjum. W ciągu kilku sekund pojawiło się kilka akapitów.
„Są dobre, naprawdę dobre” – powiedział. „To, że te informacje zostały zebrane w zwięzły, generalnie dokładny i jasno określony priorytetowo opis choroby. To naprawdę niezwykłe”.
Wielu podzielało entuzjazm Minora dla tego półdniowego wydarzenia, które było konsekwencją inicjatywy RAISE Health, projektu zainicjowanego przez Wydział Medycyny Uniwersytetu Stanforda i Instytut Sztucznej Inteligencji Zorientowanej na Człowieka (HAI) Uniwersytetu Stanforda, mającego na celu promowanie odpowiedzialnego wykorzystania sztucznej inteligencji w badaniach biomedycznych, edukacji i opiece nad pacjentem. Prelegenci omówili znaczenie wdrażania sztucznej inteligencji w medycynie w sposób, który jest nie tylko użyteczny dla lekarzy i naukowców, ale także przejrzysty, sprawiedliwy i sprawiedliwy dla pacjentów.
„Wierzymy, że to technologia, która rozszerza ludzkie możliwości” – powiedziała Fei-Fei Li, profesor informatyki w Stanford School of Engineering, dyrektor projektu RAISE Health with Minor i współdyrektor HAI. Z pokolenia na pokolenie mogą pojawiać się nowe technologie: od nowych sekwencji molekularnych antybiotyków, przez mapowanie bioróżnorodności, po odkrywanie ukrytych elementów fundamentalnej biologii – sztuczna inteligencja przyspiesza odkrycia naukowe. Ale nie wszystko to przynosi korzyści. „Wszystkie te zastosowania mogą mieć nieprzewidziane konsekwencje i potrzebujemy informatyków, którzy odpowiedzialnie opracowują i wdrażają [sztuczną inteligencję], współpracując z różnymi interesariuszami, od lekarzy i etyków… po ekspertów ds. bezpieczeństwa i nie tylko” – mówi. „Inicjatywy takie jak RAISE Health świadczą o naszym zaangażowaniu w ten proces”.
Konsolidacja trzech wydziałów Stanford Medicine – School of Medicine, Stanford Health Care i Stanford University School of Child Health Medicine – oraz powiązania z innymi częściami Uniwersytetu Stanforda postawiły go w sytuacji, w której eksperci zmagają się z rozwojem sztucznej inteligencji, zarządzaniem i integracją w dziedzinie opieki zdrowotnej i medycyny. Medycyna, głosiła piosenka.
„Jesteśmy w dobrej pozycji, aby być pionierem w rozwoju i odpowiedzialnym wdrażaniu sztucznej inteligencji, od fundamentalnych odkryć biologicznych, przez ulepszanie rozwoju leków i usprawnianie procesów badań klinicznych, aż po faktyczne świadczenie usług opieki zdrowotnej. Opieka zdrowotna. Sposób, w jaki zorganizowany jest system opieki zdrowotnej” – powiedział.
Kilkoro prelegentów podkreśliło prostą koncepcję: skupienie się na użytkowniku (w tym przypadku pacjencie lub lekarzu), a reszta przyjdzie sama. „Stawiamy pacjenta w centrum wszystkiego, co robimy” – powiedziała dr Lisa Lehmann, dyrektor ds. bioetyki w Brigham and Women's Hospital. „Musimy brać pod uwagę jego potrzeby i priorytety”.
Od lewej do prawej: prezenterka STAT News Mohana Ravindranath; Jessica Peter Lee z Microsoft Research; Sylvia Plevritis, profesor nauk o danych biomedycznych, omawia rolę sztucznej inteligencji w badaniach medycznych. Steve Fish
Prelegenci w panelu, w którym uczestniczyli Lehmann, dr Mildred Cho, bioetyczka medyczna z Uniwersytetu Stanforda, oraz dr Michael Howell, dyrektor ds. klinicznych Google, zwrócili uwagę na złożoność systemów szpitalnych, podkreślając potrzebę zrozumienia ich celu przed podjęciem jakiejkolwiek interwencji. Należy wdrożyć ten cel i upewnić się, że wszystkie opracowywane systemy są inkluzywne i słuchają potrzeb pacjentów, którym mają pomóc.
Kluczową kwestią jest przejrzystość: musi ona jasno określać, skąd pochodzą dane wykorzystane do trenowania algorytmu, jaki był pierwotny cel algorytmu oraz czy przyszłe dane pacjentów będą nadal pomagać algorytmowi w uczeniu się, a także zawierać inne czynniki.
„Próba przewidywania problemów etycznych, zanim staną się poważne, oznacza znalezienie idealnego punktu, w którym wiedza o technologii jest wystarczająca, aby mieć do niej zaufanie, ale nie wcześniej niż [problem] rozprzestrzeni się dalej i zostanie rozwiązany szybciej” – powiedział Denton Char. Kandydat nauk medycznych, adiunkt w Katedrze Anestezjologii Pediatrycznej, Medycyny Okołooperacyjnej i Leczenia Bólu. Kluczowym krokiem, jak twierdzi, jest zidentyfikowanie wszystkich interesariuszy, na których technologia może mieć wpływ, i określenie, jak sami chcieliby odpowiedzieć na te pytania.
Jesse Ehrenfeld, dr n. med., prezes Amerykańskiego Towarzystwa Medycznego, omawia cztery czynniki wpływające na adopcję wszelkich cyfrowych narzędzi medycznych, w tym tych opartych na sztucznej inteligencji. Czy są skuteczne? Czy sprawdzą się w mojej placówce? Kto płaci? Kto ponosi odpowiedzialność?
Dr Michael Pfeffer, dyrektor ds. informatyki w Stanford Health Care, przytoczył niedawny przykład, w którym wiele z tych problemów zostało przetestowanych wśród pielęgniarek w szpitalach Stanford. Lekarze korzystają z rozbudowanych modeli językowych, które zapewniają wstępne adnotacje do przychodzących wiadomości od pacjentów. Chociaż projekt nie jest idealny, lekarze, którzy przyczynili się do rozwoju technologii, twierdzą, że model ten odciąża ich pracę.
„Zawsze koncentrujemy się na trzech ważnych rzeczach: bezpieczeństwie, wydajności i integracji. Jesteśmy lekarzami. Przysięgamy „nie szkodzić” – powiedziała dr Nina Vasan, adiunkt kliniczny psychiatrii i nauk behawioralnych, która dołączyła do Char, a Pfeffer dołączył do grupy. „To powinien być pierwszy sposób oceny tych narzędzi”.
Nigam Shah, doktor medycyny i nauk o danych biomedycznych, rozpoczął dyskusję od szokującej statystyki, mimo że został już uprzedzony do publiczności. „Mówię ogólnikowo i liczbowo, a czasami są one bardzo bezpośrednie” – powiedział.
Według Shaha sukces sztucznej inteligencji zależy od naszej zdolności do jej skalowania. „Przeprowadzenie rzetelnych badań naukowych nad modelem zajmuje około 10 lat, a gdyby każdy ze 123 programów stypendialnych i rezydencyjnych chciał przetestować i wdrożyć model z takim poziomem rygorystyczności, przeprowadzenie poprawnych badań naukowych byłoby bardzo trudne, ponieważ obecnie organizujemy nasze działania i [testujemy]. Upewnienie się, że każda z naszych placówek działa poprawnie, kosztowałoby 138 miliardów dolarów” – powiedział Shah. „Nie stać nas na to. Musimy więc znaleźć sposób na rozwój, musimy się rozwijać i prowadzić rzetelne badania naukowe. Umiejętności w zakresie rygorystyczności są w jednym miejscu, a umiejętności skalowania w drugim, więc będziemy potrzebować tego typu partnerstwa”.
Prodziekan Yuan Ashley i Mildred Cho (z recepcji) uczestniczyły w warsztatach RAISE Health. Steve Fish
Niektórzy mówcy na sympozjum stwierdzili, że można to osiągnąć poprzez partnerstwa publiczno-prywatne, takie jak niedawno wydane rozporządzenie wykonawcze Białego Domu w sprawie bezpiecznego, pewnego i godnego zaufania rozwoju i wykorzystania sztucznej inteligencji oraz Konsorcjum na rzecz sztucznej inteligencji w opiece zdrowotnej (CHAI). ) .
„Partnerstwo publiczno-prywatne o największym potencjale to partnerstwo między środowiskiem akademickim, sektorem prywatnym i sektorem publicznym” – powiedziała Laura Adams, starsza doradczyni Narodowej Akademii Medycyny. Zauważyła, że rząd może zapewnić zaufanie publiczne, akademickie ośrodki medyczne – legitymizację, a sektor prywatny może zapewnić wiedzę techniczną i czas poświęcony na komputery. „Wszyscy jesteśmy lepsi od kogokolwiek z nas i zdajemy sobie sprawę, że… nie możemy modlić się o wykorzystanie potencjału [sztucznej inteligencji], jeśli nie zrozumiemy, jak ze sobą współdziałać”.
Kilku mówców stwierdziło, że sztuczna inteligencja ma również wpływ na badania naukowe, niezależnie od tego, czy naukowcy wykorzystują ją do zgłębiania dogmatów biologicznych, przewidywania nowych sekwencji i struktur syntetycznych cząsteczek w celu wsparcia nowych terapii, czy nawet do podsumowywania lub pisania prac naukowych.
„To szansa na zobaczenie nieznanego” – powiedziała dr Jessica Mega, kardiolog ze Stanford University School of Medicine i współzałożycielka Verily firmy Alphabet. Mega wspomniała o obrazowaniu hiperspektralnym, które rejestruje cechy obrazu niewidoczne dla ludzkiego oka. Chodzi o wykorzystanie sztucznej inteligencji do wykrywania wzorców w preparatach patologicznych, których ludzie nie widzą, a które wskazują na chorobę. „Zachęcam ludzi do otworzenia się na nieznane. Myślę, że każdy tutaj zna kogoś z jakąś chorobą, kto potrzebuje czegoś więcej niż to, co możemy zaoferować dzisiaj” – powiedziała Mejia.
Paneliści zgodzili się również, że systemy sztucznej inteligencji zapewnią nowe sposoby identyfikowania i zwalczania stronniczych decyzji, niezależnie od tego, czy podejmują je ludzie, czy sztuczna inteligencja, a także umożliwią identyfikację źródła tych stronniczych decyzji.
„Zdrowie to coś więcej niż tylko opieka medyczna” – zgodziło się kilku panelistów. Prelegenci podkreślili, że badacze często pomijają społeczne uwarunkowania zdrowia, takie jak status społeczno-ekonomiczny, kod pocztowy, poziom wykształcenia oraz rasa i pochodzenie etniczne, gromadząc dane inkluzywne i rekrutując uczestników do badań. „Sztuczna inteligencja jest skuteczna tylko wtedy, gdy dane, na których model jest trenowany” – powiedziała Michelle Williams, profesor epidemiologii na Uniwersytecie Harvarda i adiunkt epidemiologii i zdrowia populacji w Szkole Medycznej Uniwersytetu Stanforda. „Jeśli chcemy osiągnąć to, do czego dążymy, czyli poprawić wyniki zdrowotne i wyeliminować nierówności, musimy zadbać o gromadzenie wysokiej jakości danych na temat zachowań ludzkich oraz środowiska społecznego i naturalnego”.
Dr Natalie Pageler, profesor kliniczny pediatrii i medycyny, powiedziała, że zbiorcze dane dotyczące nowotworów często pomijają dane dotyczące kobiet w ciąży, co nieuchronnie prowadzi do błędów w modelach i pogłębia istniejące już dysproporcje w opiece zdrowotnej.
Dr David Magnus, profesor pediatrii i medycyny, powiedział, że jak każda nowa technologia, sztuczna inteligencja może albo poprawić sytuację na wiele sposobów, albo ją pogorszyć. Ryzyko, jak powiedział Magnus, polega na tym, że systemy sztucznej inteligencji nauczą się rozpoznawać nierówne wyniki zdrowotne wynikające ze społecznych uwarunkowań zdrowia i będą wzmacniać te wyniki poprzez swoje wyniki. „Sztuczna inteligencja jest lustrem, które odbija społeczeństwo, w którym żyjemy” – powiedział. „Mam nadzieję, że za każdym razem, gdy będziemy mieli okazję rzucić światło na jakiś problem – spojrzeć sobie w lustro – będzie to motywacją do poprawy sytuacji”.
Jeśli nie mogłeś uczestniczyć w warsztatach RAISE Health, nagranie sesji znajdziesz tutaj.
Wydział Medyczny Uniwersytetu Stanforda to zintegrowany akademicki system opieki zdrowotnej, składający się z Wydziału Medycznego Uniwersytetu Stanforda oraz systemów opieki zdrowotnej dla dorosłych i dzieci. Wspólnie wykorzystują one pełen potencjał biomedycyny poprzez wspólne badania, edukację i kliniczną opiekę nad pacjentem. Więcej informacji można znaleźć na stronie med.stanford.edu.
Nowy model sztucznej inteligencji pomaga lekarzom i pielęgniarkom w szpitalu Stanford współpracować w celu poprawy opieki nad pacjentami.
Czas publikacji: 19 lipca 2024 r.