Οι εμπειρογνώμονες της AI συζητούν πώς να ενσωματώσουν το ισχυρό AI στην υγειονομική περίθαλψη, γιατί η διεπιστημονική συνεργασία είναι κρίσιμη και η δυνατότητα της γενετικής AI στην έρευνα.
Ο Feifei Li και ο Lloyd Minor έδωσαν εισαγωγικές παρατηρήσεις στο εναρκτήριο Συμπόσιο Υγείας Raise στο Stanford University School of Medicine στις 14 Μαΐου. Steve Fish
Οι περισσότεροι άνθρωποι που συλλήφθηκαν από την τεχνητή νοημοσύνη είχαν κάποια στιγμή "aha", ανοίγοντας το μυαλό τους σε έναν κόσμο δυνατοτήτων. Στο εναρκτήριο συμπόσιο για την υγειονομική περίοδο στις 14 Μαΐου, ο Lloyd Minor, MD, κοσμήτορας της Ιατρικής Σχολής του Πανεπιστημίου του Στάνφορντ και αντιπρόεδρος για ιατρικές υποθέσεις στο Πανεπιστήμιο του Στάνφορντ, μοιράστηκε την προοπτική του.
Όταν ένας περίεργος έφηβος κλήθηκε να συνοψίσει τα ευρήματά του σχετικά με το εσωτερικό αυτί, γύρισε σε γενετική τεχνητή νοημοσύνη. "Ρώτησα," Τι είναι το σύνδρομο ανώτερης διαταραχής του καναλιού; " Ο Μικρά είπε σχεδόν 4.000 συμμετέχοντες συμπόσιο. Σε λίγα δευτερόλεπτα εμφανίστηκαν αρκετές παραγράφους.
"Είναι καλά, πολύ καλά", είπε. "Ότι αυτές οι πληροφορίες καταρτίστηκαν σε μια συνοπτική, γενικά ακριβή και σαφώς προτεραιότητα στην περιγραφή της νόσου. Αυτό είναι αξιοσημείωτο. "
Πολλοί μοιράστηκαν τον ενθουσιασμό του ανήλικου για την εκδήλωση μισής ημέρας, η οποία ήταν μια εξέλιξη της πρωτοβουλίας για την υγεία Raise, ένα έργο που ξεκίνησε η Σχολή Ιατρικής του Πανεπιστημίου του Στάνφορντ και το Ινστιτούτο Τεχνητής Νοημοσύνης του Στάνφορντ για τον άνθρωπο (HAI) για να καθοδηγήσει την υπεύθυνη χρήση του Artificial νοημοσύνη. Η νοημοσύνη στη βιοϊατρική έρευνα, την εκπαίδευση και τη φροντίδα των ασθενών. Οι ομιλητές εξέτασαν τι σημαίνει να εφαρμόσει τεχνητή νοημοσύνη στην ιατρική με τρόπο που δεν είναι μόνο χρήσιμος για τους γιατρούς και τους επιστήμονες, αλλά και διαφανή, δίκαιη και δίκαιη για τους ασθενείς.
"Πιστεύουμε ότι αυτή είναι μια τεχνολογία που ενισχύει τις ανθρώπινες δυνατότητες", δήλωσε ο Fei-Fei Li, καθηγητής της επιστήμης των υπολογιστών στη Σχολή Μηχανικών του Στάνφορντ, Διευθυντής του Raise Health με το μικρό έργο και ο συν-διευθυντής της HAI. Δημιουργία μετά τη γενιά, μπορεί να προκύψει νέες τεχνολογίες: από νέες μοριακές αλληλουχίες αντιβιοτικών μέχρι τη χαρτογράφηση της βιοποικιλότητας και αποκαλύπτοντας κρυμμένα μέρη της θεμελιώδους βιολογίας, το AI επιταχύνει την επιστημονική ανακάλυψη. Αλλά όχι όλα αυτά είναι ευεργετικά. "Όλες αυτές οι εφαρμογές μπορούν να έχουν ακούσιες συνέπειες και χρειαζόμαστε επιστήμονες υπολογιστών που αναπτύσσουν και εφαρμόζουν υπεύθυνα την [τεχνητή νοημοσύνη], δουλεύοντας με διάφορους ενδιαφερόμενους, από τους γιατρούς και τους ηθικούς ... σε εμπειρογνώμονες ασφαλείας και πέρα", λέει. "Πρωτοβουλίες όπως η Raise Health καταδεικνύουν τη δέσμευσή μας σε αυτό."
Η ενοποίηση τριών τμημάτων του Stanford Medicine - της Ιατρικής Σχολής, της Stanford Health Care και της Σχολής Υγείας του Πανεπιστημίου του Στάνφορντ - και των συνδέσεών της με άλλα μέρη του Πανεπιστημίου του Στάνφορντ το έβαλαν σε θέση όπου οι ειδικοί αγωνίζονται με την ανάπτυξη του τεχνητή νοημοσύνη. Ζητήματα διαχείρισης και ενσωμάτωσης στον τομέα της υγειονομικής περίθαλψης και της ιατρικής. Ιατρική, το τραγούδι πήγε.
"Είμαστε καλά τοποθετημένοι για να είμαστε πρωτοπόροι στην ανάπτυξη και την υπεύθυνη εφαρμογή της τεχνητής νοημοσύνης, από τις θεμελιώδεις βιολογικές ανακαλύψεις μέχρι τη βελτίωση της ανάπτυξης των φαρμάκων και την εκτέλεση των διαδικασιών κλινικών δοκιμών, μέχρι την πραγματική παροχή υπηρεσιών υγειονομικής περίθαλψης. υγειονομική περίθαλψη. Ο τρόπος με τον οποίο έχει συσταθεί το σύστημα υγειονομικής περίθαλψης », είπε.
Αρκετοί ομιλητές υπογράμμισαν μια απλή ιδέα: επικεντρώνονται στον χρήστη (σε αυτή την περίπτωση, τον ασθενή ή τον γιατρό) και όλα τα άλλα θα ακολουθήσουν. "Βάζει τον ασθενή στο κέντρο ό, τι κάνουμε", δήλωσε η Δρ Lisa Lehmann, διευθυντής της βιοηθικής στο Brigham και το Women's Hospital. «Πρέπει να εξετάσουμε τις ανάγκες και τις προτεραιότητές τους».
Από αριστερά προς τα δεξιά: STAT News Anchor Mohana Ravindranath; Jessica Peter Lee της Microsoft Research. Η Sylvia Plevritis, καθηγητής της επιστήμης των βιοϊατρικών δεδομένων, συζητά το ρόλο της τεχνητής νοημοσύνης στην ιατρική έρευνα. Steve Fish
Οι ομιλητές στην επιτροπή, η οποία περιελάμβανε τον Lehmann, τον ιατρικό βιοηθικό του Πανεπιστημίου του Stanford Mildred Cho, τον MD και τον επικεφαλής κλινικό υπεύθυνο Google Michael Howell, σημείωσαν την πολυπλοκότητα των νοσοκομειακών συστημάτων, υπογραμμίζοντας την ανάγκη κατανόησης του σκοπού τους πριν από οποιαδήποτε παρέμβαση. Εφαρμόστε το και διασφαλίστε ότι όλα τα συστήματα που αναπτύσσονται είναι χωρίς αποκλεισμούς και ακούνε τους ανθρώπους που έχουν σχεδιαστεί για να βοηθήσουν.
Ένα κλειδί είναι η διαφάνεια: καθιστά σαφές πού προέρχεται τα δεδομένα για την εκπαίδευση του αλγορίθμου, ποιος είναι ο αρχικός σκοπός του αλγορίθμου και αν τα μελλοντικά δεδομένα ασθενών θα συνεχίσουν να βοηθούν τον αλγόριθμο να μάθει, μεταξύ άλλων παραγόντων.
«Προσπαθώντας να προβλέψουμε ηθικά προβλήματα πριν γίνουν σοβαρά [μέσα] να βρουν το τέλειο γλυκό σημείο όπου γνωρίζετε αρκετά για την τεχνολογία για να έχετε κάποια εμπιστοσύνη σε αυτό, αλλά όχι πριν το [πρόβλημα] εξαπλώνεται περαιτέρω και να το λύσει νωρίτερα». , Denton Char είπε. Υποψήφιος Ιατρικών Επιστημών, Αναπληρωτής Καθηγητής του Τμήματος Παιδιατρικής Αναισθησιολογίας, Περιεγχειρητικής Ιατρικής και Ιατρικής Πόνου. Ένα βασικό βήμα, λέει, εντοπίζει όλους τους ενδιαφερόμενους που μπορεί να επηρεαστούν από την τεχνολογία και να καθορίζουν τον τρόπο με τον οποίο οι ίδιοι θα ήθελαν να απαντήσουν σε αυτές τις ερωτήσεις.
Ο Jesse Ehrenfeld, MD, Πρόεδρος της Αμερικανικής Ιατρικής Ένωσης, συζητά τέσσερις παράγοντες που οδηγούν στην υιοθέτηση οποιουδήποτε ψηφιακού εργαλείου υγείας, συμπεριλαμβανομένων εκείνων που τροφοδοτούνται από τεχνητή νοημοσύνη. Είναι αποτελεσματικό; Θα λειτουργήσει αυτό στο ίδρυμα μου; Ποιος πληρώνει; Ποιος είναι υπεύθυνος;
Ο Michael Pfeffer, MD, Διευθύνων Σύμβουλος της Stanford Health Care, ανέφερε ένα πρόσφατο παράδειγμα στο οποίο πολλά από τα θέματα δοκιμάστηκαν μεταξύ των νοσοκόμων στα νοσοκομεία του Στάνφορντ. Οι κλινικοί ιατροί υποστηρίζονται από μεγάλα γλωσσικά μοντέλα που παρέχουν αρχικούς σχολιασμούς για τα εισερχόμενα μηνύματα ασθενών. Παρόλο που το έργο δεν είναι τέλειο, οι γιατροί που βοήθησαν στην ανάπτυξη της τεχνολογικής αναφοράς ότι το μοντέλο διευκολύνει το φόρτο εργασίας τους.
"Εστιάζουμε πάντα σε τρία σημαντικά πράγματα: την ασφάλεια, την αποδοτικότητα και την ένταξη. Είμαστε γιατροί. Παίρνουμε έναν όρκο για να "κάνουμε καμία βλάβη", δήλωσε η Nina Vasan, MD, κλινικός βοηθός καθηγητή ψυχιατρικής και συμπεριφορικής επιστήμης, οι οποίοι εντάχθηκαν στους Char και Pfeffer προσχώρησαν στην ομάδα. "Αυτός θα πρέπει να είναι ο πρώτος τρόπος για να αξιολογήσετε αυτά τα εργαλεία."
Ο Nigam Shah, MBBS, Ph.D., Καθηγητής Ιατρικής και Βιοϊατρικής Επιστήμης Δεδομένων, ξεκίνησε τη συζήτηση με μια συγκλονιστική στατιστική παρά την δίκαιη προειδοποίηση στο κοινό. "Μιλάω με γενικούς όρους και αριθμούς, και μερικές φορές τείνουν να είναι πολύ άμεσοι", είπε.
Σύμφωνα με τον Shah, η επιτυχία του AI εξαρτάται από την ικανότητά μας να το κλιμακώσουμε. "Η πραγματοποίηση της κατάλληλης επιστημονικής έρευνας σε ένα μοντέλο διαρκεί περίπου 10 χρόνια και αν κάθε ένα από τα 123 προγράμματα υποτροφιών και διαμονής ήθελε να δοκιμάσει και να αναπτύξει το μοντέλο σε αυτό το επίπεδο αυστηρότητας, θα ήταν πολύ δύσκολο να κάνουμε τη σωστή επιστήμη όπως οργανώνουμε σήμερα Οι προσπάθειές μας και [δοκιμή]] θα κοστίσει 138 δισεκατομμύρια δολάρια για να διασφαλίσουμε ότι κάθε ένας από τους ιστότοπούς μας λειτουργεί σωστά ", δήλωσε ο Shah. «Δεν μπορούμε να το αντέξουμε. Πρέπει λοιπόν να βρούμε έναν τρόπο να επεκταθούμε και πρέπει να επεκτείνουμε και να κάνουμε καλή επιστήμη. Οι δεξιότητες αυστηρότητας βρίσκονται σε ένα μέρος και οι δεξιότητες κλιμάκωσης είναι σε άλλη, οπότε θα χρειαστούμε αυτό το είδος συνεργασίας. "
Ο συνεργάτης Dean Yuan Ashley και Mildred Cho (υποδοχή) παρακολούθησαν το εργαστήριο υγειονομικής περίθαλψης. Steve Fish
Ορισμένοι ομιλητές στο Συμπόσιο δήλωσαν ότι αυτό θα μπορούσε να επιτευχθεί μέσω εταιρικών σχέσεων δημόσιου-ιδιωτικού τομέα, όπως η πρόσφατη εκτελεστική εντολή του Λευκού Οίκου για την ασφαλή, ασφαλή και αξιόπιστη ανάπτυξη και χρήση της τεχνητής νοημοσύνης και της κοινοπραξίας για την τεχνητή νοημοσύνη της υγειονομικής περίθαλψης (Chai). ).
"Η εταιρική σχέση δημόσιου-ιδιωτικού τομέα με το μεγαλύτερο δυναμικό είναι μία μεταξύ του ακαδημαϊκού, του ιδιωτικού τομέα και του δημόσιου τομέα", δήλωσε η Laura Adams, ανώτερος σύμβουλος της Εθνικής Ακαδημίας Ιατρικής. Σημείωσε ότι η κυβέρνηση μπορεί να εξασφαλίσει την εμπιστοσύνη του κοινού και τα ακαδημαϊκά ιατρικά κέντρα μπορούν. Παρέχετε τη νομιμότητα και την τεχνική τεχνογνωσία και τον χρόνο στον υπολογιστή μπορεί να παρέχεται από τον ιδιωτικό τομέα. "Είμαστε όλοι καλύτεροι από οποιονδήποτε από εμάς, και αναγνωρίζουμε ότι ... δεν μπορούμε να προσευχηθούμε να συνειδητοποιήσουμε τη δυνατότητα της [τεχνητής νοημοσύνης] εκτός αν καταλαβαίνουμε πώς να αλληλεπιδράσουμε μεταξύ τους".
Αρκετοί ομιλητές δήλωσαν ότι η AI έχει επίσης αντίκτυπο στην έρευνα, αν οι επιστήμονες το χρησιμοποιούν για να εξερευνήσουν το βιολογικό δόγμα, να προβλέψουν νέες ακολουθίες και δομές συνθετικών μορίων για να υποστηρίξουν νέες θεραπείες ή ακόμα και να τους βοηθήσουν να συνοψίσουν ή να γράψουν επιστημονικά έγγραφα.
"Αυτή είναι μια ευκαιρία να δούμε το άγνωστο", δήλωσε η Jessica Mega, MD, καρδιολόγος στη Σχολή Ιατρικής του Πανεπιστημίου του Στάνφορντ και συνιδρυτής του Alphabet. Το Mega ανέφερε υπερφασματική απεικόνιση, η οποία καταγράφει την εικόνα που διαθέτει αόρατα στο ανθρώπινο μάτι. Η ιδέα είναι να χρησιμοποιηθεί η τεχνητή νοημοσύνη για την ανίχνευση μοτίβων σε διαφάνειες παθολογίας που οι άνθρωποι δεν βλέπουν ότι υποδεικνύουν ασθένειες. "Ενθαρρύνω τους ανθρώπους να αγκαλιάσουν το άγνωστο. Νομίζω ότι όλοι εδώ γνωρίζουν κάποιον με κάποια ιατρική κατάσταση που χρειάζεται κάτι πέρα από αυτό που μπορούμε να προσφέρουμε σήμερα ", δήλωσε ο Mejia.
Οι συμμετέχοντες συμφώνησαν επίσης ότι τα συστήματα τεχνητής νοημοσύνης θα παρέχουν νέους τρόπους για τον εντοπισμό και την καταπολέμηση της λήψης αποφάσεων με προκατειλημμένη, είτε γίνονται από ανθρώπους ή τεχνητή νοημοσύνη, με την ικανότητα να εντοπίζουν την πηγή της προκατάληψης.
"Η υγεία είναι κάτι περισσότερο από μόνο ιατρική περίθαλψη", συμφώνησαν αρκετοί συμμετέχοντες. Οι ομιλητές τόνισαν ότι οι ερευνητές συχνά παραβλέπουν τους κοινωνικούς καθοριστικούς παράγοντες της υγείας, όπως η κοινωνικοοικονομική κατάσταση, ο ταχυδρομικός κώδικας, το επίπεδο εκπαίδευσης και η φυλή και η εθνικότητα, κατά τη συλλογή δεδομένων χωρίς αποκλεισμούς και την πρόσληψη συμμετεχόντων για μελέτες. "Το AI είναι μόνο εξίσου αποτελεσματικό με τα δεδομένα στα οποία εκπαιδεύονται το μοντέλο", δήλωσε η Michelle Williams, καθηγητής επιδημιολογίας στο Πανεπιστήμιο του Χάρβαρντ και αναπληρωτής καθηγητής επιδημιολογίας και υγείας του πληθυσμού στη Σχολή Ιατρικής του Πανεπιστημίου του Στάνφορντ. "Αν κάνουμε ό, τι προσπαθούμε να κάνουμε. Βελτιώστε τα αποτελέσματα της υγείας και την εξάλειψη των ανισοτήτων, πρέπει να διασφαλίσουμε ότι συλλέγουμε δεδομένα υψηλής ποιότητας σχετικά με την ανθρώπινη συμπεριφορά και το κοινωνικό και φυσικό περιβάλλον ».
Η Natalie Pageler, MD, κλινικός καθηγητής παιδιατρικής και ιατρικής, δήλωσε ότι τα συγκεντρωτικά στοιχεία για τον καρκίνο συχνά αποκλείουν στοιχεία για τις έγκυες γυναίκες, δημιουργώντας αναπόφευκτες προκαταλήψεις σε μοντέλα και επιδεινώνοντας τις υπάρχουσες ανισότητες στην υγειονομική περίθαλψη.
Ο Δρ David Magnus, καθηγητής παιδιατρικής και ιατρικής, δήλωσε ότι όπως και κάθε νέα τεχνολογία, η τεχνητή νοημοσύνη μπορεί είτε να κάνει τα πράγματα καλύτερα με πολλούς τρόπους είτε να τα χειροτερεύει. Ο κίνδυνος, δήλωσε ο Magnus, είναι ότι τα συστήματα τεχνητής νοημοσύνης θα μάθουν για άδικα αποτελέσματα υγείας που οδηγούνται από κοινωνικούς καθοριστικούς παράγοντες της υγείας και ενισχύουν αυτά τα αποτελέσματα μέσω της παραγωγής τους. "Η τεχνητή νοημοσύνη είναι ένας καθρέφτης που αντικατοπτρίζει την κοινωνία στην οποία ζούμε", είπε. "Ελπίζω ότι κάθε φορά που έχουμε την ευκαιρία να λάμψουμε ένα φως σε ένα ζήτημα - να κρατήσουμε έναν καθρέφτη μέχρι τον εαυτό μας - θα χρησιμεύσει ως κίνητρο για τη βελτίωση της κατάστασης".
Εάν δεν μπορούσατε να παρευρεθείτε στο Εργαστήριο Υγείας Raise, μπορεί να βρεθεί εδώ μια καταγραφή της συνεδρίας.
Η Σχολή Ιατρικής του Πανεπιστημίου του Στάνφορντ είναι ένα ολοκληρωμένο σύστημα ακαδημαϊκής υγειονομικής περίθαλψης που αποτελείται από την Ιατρική Σχολή του Πανεπιστημίου του Στάνφορντ και τα συστήματα παροχής ενηλίκων και παιδιατρικής υγειονομικής περίθαλψης. Μαζί συνειδητοποιούν το πλήρες δυναμικό της βιοϊατρικής μέσω της συνεργατικής έρευνας, της εκπαίδευσης και της κλινικής φροντίδας των ασθενών. Για περισσότερες πληροφορίες, επισκεφτείτε το med.stanford.edu.
Ένα νέο μοντέλο τεχνητής νοημοσύνης βοηθά τους γιατρούς και τις νοσοκόμες στο νοσοκομείο του Στάνφορντ να συνεργαστούν για τη βελτίωση της περίθαλψης των ασθενών.
Χρόνος δημοσίευσης: Ιουλ-19-2024