Следното е откъс от Дълбока медицина: Как изкуственият интелект може да направи здравеопазването отново човешко от Ерик Топол
По-доброто прогнозиране на важна диагноза в реално време е друга посока на усилията на ИИ, както видяхме, и този въпрос е от огромно значение в болниците, тъй като едно от основните предизвикателства, пред които са изправени болниците, е лечението на инфекции, които пациентите прихващат, докато са хоспитализирани. Сепсисът, смъртоносна инфекция, често срещана в болниците, е отговорен за 10 процента от приема на интензивни отделения в Съединените щати. Лечението му струва повече от 10 милиарда долара годишно и лечението често се проваля: сепсисът представлява 20 до 30 процента от всички смъртни случаи сред хоспитализирани пациенти в Съединените щати.
Купете книгата
Дълбока медицина: Как изкуственият интелект може да направи здравеопазването отново човешко
КупуваНавременната диагноза е от съществено значение, тъй като пациентите могат да се влошат много бързо, често преди да могат да бъдат избрани подходящи антибиотици, камо ли да бъдат приложени и да подействат. Едно ретроспективно проучване от Suchi Saria в Johns Hopkins Medicine използва данни от 53 000 хоспитализирани пациенти с документиран сепсис, заедно с техните жизнени показатели, електронни медицински досиета, лаборатории и демографски данни, за да види дали състоянието може да бъде открито по-рано, отколкото е било. За съжаление, точността на алгоритъма (ROC ~.70) не беше особено обнадеждаваща.Втора смъртоносна инфекция, придобита в болница, Clostridium difficile или C. разл , също е цел на AI. Данните до момента изглеждат малко по-положителни. C. разл убива около 30 000 души всяка година в Съединените щати от повече от 450 000 диагностицирани пациенти.Erica Shenoy и Jenna Wiens разработиха алгоритъм за прогнозиране на риска от 374 000 хоспитализирани пациенти в две големи болници, използвайки повече от 4000 структурирани променливи на EHR за всяка. Техните ROC бяха 0,82 и 0,75 за двете болници, с много характеристики, които бяха специфични за всяка институция.С автоматизирани сигнали до клиницисти за високо C. разл риск, се надяваме, че честотата на тази животозастрашаваща инфекция може да бъде намалена в бъдеще.
Предотвратяването на нозокомиални инфекции, които един на всеки двадесет и пет пациенти ще получи от болногледач или от околната среда, също еважно предизвикателство за болниците. Например, ние знаем, че липсата или неоптималното миене на ръцете е важен определящ фактор за инфекциите, придобити в болница. В документ, озаглавен „Към базирани на зрение интелигентни болници“, Алберт Хак и колеги от Станфордския университет използваха дълбоко обучение и машинно зрение, за да проследят ненатрапчиво хигиената на ръцете на клиницистите и хирурзите в болницата на Станфордския университет с видеозаписи и сензори за дълбочина. Технологията успя да определи колко чисти са ръцете им с нива на точност над 95 процента. Такива сензори, които използват инфрачервена светлина за разработване на силуетни изображения въз основа на разстоянието между сензорите и техните цели, могат да бъдат инсталирани в болнични коридори, операционни зали и до леглата на пациентите в бъдеще, за да се използва бдителността на компютърното зрение.
Наистина, машинното зрение има особено обещание за модели на дълбоко обучение в динамичния, визуален свят на болниците. Отделението за интензивно лечение е друга основна цел за поддръжка на машинното зрение. Обучението с подсилване е било използвано като управлявано от данни средство за автоматизиране на отбиването на пациенти от механична вентилация, което преди е било трудоемък и непостоянен клинично управляван процес.
Видеозаписи за наблюдение на пациенти могат да помогнат да се определи дали има риск пациентът да извади своята ендотрахеална (дихателна) тръба и други параметри, които не са уловени от жизнените показатели, намалявайки тежестта върху медицинската сестра за откриване. ICU Intervene DNN, от CSAIL на Масачузетския технологичен институт, помага на лекарите да предскажат кога пациентът ще се нуждае от механична вентилация или вазопресори и течни болуси за поддържане на кръвното налягане, заедно с други интервенции.Друг алгоритъм на CSAIL помага да се определи оптималното време за преместване от интензивното отделение с цел намаляване на болничния престой и предотвратяване на смъртността.Други усилия, насочени към интензивното отделение, намаляват тежестта върху медицинската сестра чрез автоматизирано наблюдение с камери или алгоритмична обработка на жизнените показатели.
Все още сме в ранните дни на машинното зрение със сензори за околната среда, но има обещание, че тази форма на AI може да бъде полезна за подобряване на безопасността и ефективността на пациентите. Друга често срещана болнична задача, която мазрението на подбедрицата вероятно ще има роля в промяната е поставянето на централен венозен катетър, известен като централна линия, в пациент. Тъй като тези линии са толкова инвазивни, те носят значителен риск от инфекция и усложнения като колапс на белия дроб или нараняване на основна артерия. Чрез наблюдение на правилната техника по отношение както на стерилните условия, така и на поставянето на линията, безопасността може да се подобри. Операционните зали могат да се променят, тъй като системите за машинно зрение непрекъснато проследяват персонала и инструментите заедно с работния процес. Предотвратяването на падания в болницата чрез насочване към рискови движения на пациента или нестабилност също се преследва с AI vision.
Подобна история за автоматизирани сигнали за ускоряване на диагностиката и лечението сега е в ход за инсулт. FDA одобри алгоритми, разработени от Viz.ai, които анализират CT изображения на мозъка за признаци на инсулт, позволявайки на невролозите и здравните екипи бързо да научат дали и какъв тип инсулт е настъпил при пациент, подложен на сканиране. Леченията за намаляване на тежестта на увреждането на мозъка, включително разтваряне или отстраняване на съсиреци (тромбектомия), са валидирани, така че този инструмент с изкуствен интелект помага да се ускори времето за лечение на определени инсулти, подходящи за интервенция. Това е критична цел: губим около2 милиона мозъчни клетки всяка минута съсирек пречи на кръвоснабдяването. Още по-рано при диагностицирането на инсулт парамедиците могат да приложат Lucid Robotic System, одобрена от FDA през 2018 г., която е устройство, поставено на главата на пациента, което предава ултразвукови вълни (през ухото) към мозъка и чрез разпознаване на AI модели помага диагностицирайте инсулт, за да предупредите приемащата болница за евентуално отстраняване на съсирек.
Друга голяма промяна, която ще настъпи в медицинския работен процес, както в рамките на болниците, така и извън тях, е как AI ще даде възможност на нелекарите да поемат повече работа. Има около 700 000 практикуващи лекари в Съединените щати, допълнени от около 100 000 асистенти и 240 000 медицински сестри - почти 50 процента от работната сила на лекарите. С толкова много AI алгоритми, които се разработват в подкрепа на клиницистите, естествено е да се предположи, че в бъдеще ще има по-равнопоставени условия за тези три различни групи и че PAs и NPs ще поемат по-голяма роля през следващите години.Заслужава да се спомене критичната оценка на внедряването на ИИ в здравните системи; това ще изисква проучване на потребителите, добре проектирани системи и обмислено вземане на решения, базирани на модели, които включват риск и полза. Това е различно от въвеждането на ЕЗД в клиничната медицина, когато много от тези жизненоважни стъпки не бяха включени и имаха сериозно неблагоприятно въздействие върху ежедневните грижи за пациентите.
Остаряване на болничните стаи
Ставаме още по-смели с планираното „изчезване“ на болницата, поне такава, каквато я познаваме днес.Въпреки че очевидно се нуждаем от отделения за интензивно лечение, операционни зали и спешни отделения, обикновената болнична стая, която съставлява по-голямата част от болниците днес, е силно уязвима за замяна. Центърът за виртуални грижи на болница Mercy в Сейнт Луис дава поглед към бъдещето.Има медицински сестри и лекари; те разговарят с пациенти, гледат монитори с графики на всички данни от всеки пациент и реагират на аларми. Но легла няма. Това е първата виртуална болница в Съединените щати, открита през 2015 г. на стойност 300 милиона долара за изграждане. Пациентите могат да бъдат в интензивни отделения илив собствената си спалня, под просто, внимателно наблюдение или интензивен контрол, но всички те се наблюдават дистанционно. Дори ако пациентът няма никакви симптоми, алгоритмите за наблюдение на AI могат да уловят предупреждение и да предупредят клинициста. Тяхното използване на високотехнологични алгоритми за дистанционно откриване на възможен сепсис или сърдечна декомпенсация в реално време, преди такива състояния да бъдат диагностицирани, е примамливо. Въпреки че наблюдаването от разстояние може да звучи студено, на практика не е така; концепцията за пораждане на „безконтактна топлина“ се наложи. Медицинските сестри във Виртуалния център за грижи имат редовни, индивидуализирани взаимодействия с много пациенти за продължителни периоди от време и пациентите казват за медицинските сестри, че се чувстват така, сякаш „сега имат петдесет баби и дядовци“.
Освен пациенти в напреднала възраст с остро заболяване, има концентрирани усилия да се използва AI, за да се поддържа способността на възрастните хора да живеят и да се развиват в дома си, вместо да се налага да се преместват в помощни жилищни заведения или дори да се налага да имат чести посещения от болногледачи. Има изключителен набор от стартиращи фирми, разработващи сензори и алгоритми, които следят походката, пулса, температурата, настроението, когнитивните способности, физическата активност и др. Освен това, AI инструментите за подобряване на зрението и слуха могат дори да увеличат сетивното възприятие на възрастните хора, което би насърчило тяхната безопасност и би подобрило качеството им на живот. Например, с приложението Aipoly, възрастен човек със значително зрително увреждане може просто да посочи обект със смартфон и AI бързо ще се включи с идентификация с гласов отговор. Прави същото за описване на цветове. Сензори, които могат да открият дали някой е паднал, могат да бъдат вградени в пода. А асистентите-роботи под формата на домашни любимци, както и специално проектираните подобни на Alexa гласови асистенти като ElliQ (от Startup Robotics) са примери за хардуерен AI за насърчаване на независим живот.
Дистанционното наблюдение има потенциал за много широко приложение в бъдеще. Тъй като всяка нощ в болницата начислява средна такса от 00, икономическата обосновка за предоставяне на оборудване на пациентите и планове за данни не е трудно да се оправдае. Добавете към това комфорта на собствения дом без риск от заразяване с вътреболнична инфекция или безсънна нощ с постоянни звукови аларми. Въпреки това,центърът в Сейнт Луис е почти единствен по рода си в момента и има малко движение, за да стане това предпочитаният път за пациенти, които не се нуждаят от легло за интензивно отделение. Няколко проблема ни спъват. Някои са технологични и нормативни. Въпреки че системите за автоматично наблюдение на всички жизнени показатели, като устройството Visi на Sotera Wireless, са одобрени и в момента се използват от много здравни системи, все още няма одобрено от FDA устройство за домашна употреба. Докато нямаме устройства, одобрени от FDA за домашна употреба, които са автоматични, точни, евтини и се интегрират със съоръжения за дистанционно наблюдение, имаме пречка. Може би по-важно в краткосрочен план е липсата на модели за възстановяване на разходи за такъв мониторинг и продължителните забавяния, които се срещат при създаването и одобрението на нови кодове от Medicare и частни застрахователи.
Извадка от Дълбока медицина: Как изкуственият интелект може да направи здравеопазването отново човешко . Авторско право © 2019 от Ерик Топол. Предлага се от Basic Books, импринт на Perseus Books, Hachette Book Group, Inc.