Οι ειδικοί στην Τεχνητή Νοημοσύνη συζητούν πώς να ενσωματώσουν μια ισχυρή Τεχνητή Νοημοσύνη στην υγειονομική περίθαλψη, γιατί η διεπιστημονική συνεργασία είναι κρίσιμη και τις δυνατότητες της γενετικής Τεχνητής Νοημοσύνης στην έρευνα.
Οι Feifei Li και Lloyd Minor έδωσαν εναρκτήριες ομιλίες στο εναρκτήριο Συμπόσιο Υγείας RAISE στην Ιατρική Σχολή του Πανεπιστημίου Stanford στις 14 Μαΐου. Steve Fish
Οι περισσότεροι άνθρωποι που έχουν συλληφθεί από την τεχνητή νοημοσύνη έχουν βιώσει κάποια στιγμή «aha», ανοίγοντας το μυαλό τους σε έναν κόσμο δυνατοτήτων. Στο εναρκτήριο Συμπόσιο Υγείας RAISE στις 14 Μαΐου, ο Lloyd Minor, MD, κοσμήτορας της Ιατρικής Σχολής του Πανεπιστημίου Stanford και αντιπρόεδρος ιατρικών υποθέσεων στο Πανεπιστήμιο Stanford, μοιράστηκε την άποψή του.
Όταν ένας περίεργος έφηβος κλήθηκε να συνοψίσει τα ευρήματά του σχετικά με το έσω ους, στράφηκε στην γενετική τεχνητή νοημοσύνη. «Ρώτησα, "Τι είναι το σύνδρομο διάνοιξης του ανώτερου ωτός;" είπε ο Minor σε σχεδόν 4.000 συμμετέχοντες στο συμπόσιο. Σε λίγα δευτερόλεπτα, εμφανίστηκαν αρκετές παράγραφοι.
«Είναι καλοί, πραγματικά καλοί», είπε. «Το γεγονός ότι αυτές οι πληροφορίες συγκεντρώθηκαν σε μια συνοπτική, γενικά ακριβή και σαφώς ιεραρχημένη περιγραφή της νόσου. Αυτό είναι αρκετά αξιοσημείωτο».
Πολλοί συμμερίστηκαν τον ενθουσιασμό του Minor για την ημιήμερη εκδήλωση, η οποία ήταν προϊόν της πρωτοβουλίας RAISE Health, ενός έργου που ξεκίνησε η Ιατρική Σχολή του Πανεπιστημίου Στάνφορντ και το Ινστιτούτο Στάνφορντ για την Ανθρωποκεντρική Τεχνητή Νοημοσύνη (HAI) για να καθοδηγήσει την υπεύθυνη χρήση της τεχνητής νοημοσύνης στη βιοϊατρική έρευνα, την εκπαίδευση και τη φροντίδα των ασθενών. Οι ομιλητές εξέτασαν τι σημαίνει η εφαρμογή της τεχνητής νοημοσύνης στην ιατρική με τρόπο που δεν είναι μόνο χρήσιμος για τους γιατρούς και τους επιστήμονες, αλλά και διαφανής, δίκαιος και ισότιμος για τους ασθενείς.
«Πιστεύουμε ότι πρόκειται για μια τεχνολογία που ενισχύει τις ανθρώπινες δυνατότητες», δήλωσε η Fei-Fei Li, καθηγήτρια πληροφορικής στη Σχολή Μηχανικών του Στάνφορντ, διευθύντρια του έργου RAISE Health with Minor και συνδιευθυντής του HAI. Από γενιά σε γενιά, μπορεί να αναδυθούν νέες τεχνολογίες: από νέες μοριακές αλληλουχίες αντιβιοτικών έως χαρτογράφηση της βιοποικιλότητας και αποκάλυψη κρυφών τμημάτων της θεμελιώδους βιολογίας, η Τεχνητή Νοημοσύνη επιταχύνει την επιστημονική ανακάλυψη. Αλλά δεν είναι όλα αυτά ωφέλιμα. «Όλες αυτές οι εφαρμογές μπορούν να έχουν ακούσιες συνέπειες και χρειαζόμαστε επιστήμονες υπολογιστών που αναπτύσσουν και εφαρμόζουν [τεχνητή νοημοσύνη] υπεύθυνα, συνεργαζόμενοι με μια ποικιλία ενδιαφερομένων, από γιατρούς και ηθικούς... έως ειδικούς ασφαλείας και όχι μόνο», λέει. «Πρωτοβουλίες όπως η RAISE Health καταδεικνύουν τη δέσμευσή μας σε αυτό».
Η ενοποίηση τριών τμημάτων της Ιατρικής του Στάνφορντ - της Ιατρικής Σχολής, της Φροντίδας Υγείας του Στάνφορντ και της Σχολής Παιδιατρικής του Πανεπιστημίου Στάνφορντ - και οι διασυνδέσεις της με άλλα τμήματα του Πανεπιστημίου Στάνφορντ το έχουν φέρει σε μια θέση όπου οι ειδικοί παλεύουν με την ανάπτυξη της τεχνητής νοημοσύνης. θέματα διαχείρισης και ενσωμάτωσης στον τομέα της υγειονομικής περίθαλψης και της ιατρικής. Ιατρική, έλεγε το τραγούδι.
«Βρισκόμαστε σε καλή θέση για να είμαστε πρωτοπόροι στην ανάπτυξη και την υπεύθυνη εφαρμογή της τεχνητής νοημοσύνης, από τις θεμελιώδεις βιολογικές ανακαλύψεις έως τη βελτίωση της ανάπτυξης φαρμάκων και την αύξηση της αποτελεσματικότητας των διαδικασιών κλινικών δοκιμών, μέχρι και την πραγματική παροχή υπηρεσιών υγειονομικής περίθαλψης. Ο τρόπος με τον οποίο έχει συσταθεί το σύστημα υγειονομικής περίθαλψης», είπε.
Αρκετοί ομιλητές τόνισαν μια απλή ιδέα: εστίαση στον χρήστη (στην προκειμένη περίπτωση, τον ασθενή ή τον γιατρό) και όλα τα άλλα θα ακολουθήσουν. «Τοποθετούμε τον ασθενή στο επίκεντρο όλων όσων κάνουμε», δήλωσε η Δρ. Λίζα Λέμαν, διευθύντρια βιοηθικής στο Νοσοκομείο Brigham and Women's. «Πρέπει να λάβουμε υπόψη τις ανάγκες και τις προτεραιότητές τους».
Από αριστερά προς τα δεξιά: Η παρουσιάστρια του STAT News, Mohana Ravindranath, η Jessica Peter Lee της Microsoft Research, η Sylvia Plevritis, καθηγήτρια βιοϊατρικής επιστήμης δεδομένων, συζητά τον ρόλο της τεχνητής νοημοσύνης στην ιατρική έρευνα. Ο Steve Fish
Οι ομιλητές στο πάνελ, στο οποίο συμμετείχαν ο Lehmann, η MD Mildred Cho, ειδικός σε ιατρική βιοηθική του Πανεπιστημίου Stanford, και ο MD Michael Howell, επικεφαλής κλινικός διευθυντής της Google, σημείωσαν την πολυπλοκότητα των νοσοκομειακών συστημάτων, τονίζοντας την ανάγκη κατανόησης του σκοπού τους πριν από οποιαδήποτε παρέμβαση. Πρέπει να εφαρμοστεί και να διασφαλιστεί ότι όλα τα συστήματα που αναπτύσσονται είναι συμπεριληπτικά και ότι ακούν τους ανθρώπους για τους οποίους έχουν σχεδιαστεί να βοηθήσουν.
Ένα κλειδί είναι η διαφάνεια: καθιστά σαφές από πού προέρχονται τα δεδομένα που χρησιμοποιούνται για την εκπαίδευση του αλγορίθμου, ποιος είναι ο αρχικός σκοπός του αλγορίθμου και εάν τα μελλοντικά δεδομένα ασθενών θα συνεχίσουν να βοηθούν τον αλγόριθμο να μαθαίνει, μεταξύ άλλων παραγόντων.
«Η προσπάθεια πρόβλεψης ηθικών προβλημάτων προτού γίνουν σοβαρά [σημαίνει] ότι πρέπει να βρεθεί το τέλειο σημείο όπου γνωρίζεις αρκετά για την τεχνολογία ώστε να έχεις κάποια εμπιστοσύνη σε αυτήν, αλλά όχι πριν [το πρόβλημα] εξαπλωθεί περαιτέρω και το λύσει νωρίτερα», δήλωσε ο Ντέντον Τσαρ, Υποψήφιος Ιατρικών Επιστημών, Αναπληρωτής Καθηγητής του Τμήματος Παιδιατρικής Αναισθησιολογίας, Περιεγχειρητικής Ιατρικής και Ιατρικής Πόνου. Ένα βασικό βήμα, λέει, είναι ο εντοπισμός όλων των ενδιαφερόμενων μερών που ενδέχεται να επηρεαστούν από την τεχνολογία και ο προσδιορισμός του τρόπου με τον οποίο οι ίδιοι θα ήθελαν να απαντήσουν σε αυτά τα ερωτήματα.
Ο Jesse Ehrenfeld, MD, πρόεδρος του Αμερικανικού Ιατρικού Συλλόγου, συζητά τέσσερις παράγοντες που οδηγούν στην υιοθέτηση οποιουδήποτε ψηφιακού εργαλείου υγείας, συμπεριλαμβανομένων εκείνων που υποστηρίζονται από τεχνητή νοημοσύνη. Είναι αποτελεσματικό; Θα λειτουργήσει αυτό στο ίδρυμά μου; Ποιος πληρώνει; Ποιος είναι υπεύθυνος;
Ο Michael Pfeffer, MD, επικεφαλής πληροφορικής του Stanford Health Care, ανέφερε ένα πρόσφατο παράδειγμα στο οποίο πολλά από τα ζητήματα δοκιμάστηκαν μεταξύ νοσηλευτών σε νοσοκομεία του Stanford. Οι κλινικοί γιατροί υποστηρίζονται από μεγάλα γλωσσικά μοντέλα που παρέχουν αρχικές σχολιασμούς για τα εισερχόμενα μηνύματα των ασθενών. Αν και το έργο δεν είναι τέλειο, οι γιατροί που βοήθησαν στην ανάπτυξη της τεχνολογίας αναφέρουν ότι το μοντέλο μειώνει τον φόρτο εργασίας τους.
«Εστιάζουμε πάντα σε τρία σημαντικά πράγματα: ασφάλεια, αποτελεσματικότητα και συμπερίληψη. Είμαστε γιατροί. Ορκιζόμαστε να «μην κάνουμε κακό», δήλωσε η Νίνα Βάσαν, MD, κλινική επίκουρη καθηγήτρια ψυχιατρικής και συμπεριφορικών επιστημών, η οποία εντάχθηκε στην ομάδα του Τσαρ και ο Πφέφερ. «Αυτός θα πρέπει να είναι ο πρώτος τρόπος αξιολόγησης αυτών των εργαλείων».
Ο Nigam Shah, MBBS, Ph.D., Καθηγητής Ιατρικής και Επιστήμης Βιοϊατρικών Δεδομένων, ξεκίνησε τη συζήτηση με ένα συγκλονιστικό στατιστικό στοιχείο, παρά την εύλογη προειδοποίηση προς το κοινό. «Μιλώ με γενικούς όρους και αριθμούς, και μερικές φορές τείνουν να είναι πολύ άμεσοι», είπε.
Σύμφωνα με τον Shah, η επιτυχία της Τεχνητής Νοημοσύνης εξαρτάται από την ικανότητά μας να την κλιμακώσουμε. «Η διεξαγωγή σωστής επιστημονικής έρευνας σε ένα μοντέλο διαρκεί περίπου 10 χρόνια και, αν καθένα από τα 123 προγράμματα υποτροφιών και ειδίκευσης ήθελε να δοκιμάσει και να αναπτύξει το μοντέλο σε αυτό το επίπεδο αυστηρότητας, θα ήταν πολύ δύσκολο να γίνει η σωστή επιστημονική έρευνα, καθώς αυτή τη στιγμή οργανώνουμε τις προσπάθειές μας και [δοκιμάζουμε]. Θα κόστιζε 138 δισεκατομμύρια δολάρια για να βεβαιωθούμε ότι κάθε μία από τις τοποθεσίες μας λειτουργεί σωστά», είπε ο Shah. «Δεν μπορούμε να το αντέξουμε οικονομικά. Επομένως, πρέπει να βρούμε έναν τρόπο να επεκταθούμε και πρέπει να επεκταθούμε και να κάνουμε καλή επιστήμη. Οι δεξιότητες αυστηρότητας βρίσκονται σε ένα μέρος και οι δεξιότητες κλιμάκωσης βρίσκονται σε ένα άλλο, οπότε θα χρειαστούμε αυτό το είδος συνεργασίας».
Η Αναπληρώτρια Κοσμήτορας Yuan Ashley και η Mildred Cho (Υποδοχή) παρακολούθησαν το Εργαστήριο Υγείας RAISE. Ο Steve Fish
Ορισμένοι ομιλητές στο συμπόσιο δήλωσαν ότι αυτό θα μπορούσε να επιτευχθεί μέσω συμπράξεων δημόσιου και ιδιωτικού τομέα, όπως το πρόσφατο Εκτελεστικό Διάταγμα του Λευκού Οίκου για την Ασφαλή, Εξασφαλισμένη και Αξιόπιστη Ανάπτυξη και Χρήση της Τεχνητής Νοημοσύνης και η Κοινοπραξία για την Τεχνητή Νοημοσύνη στον Τομέα της Υγείας (CHAI).
«Η συνεργασία δημόσιου και ιδιωτικού τομέα με το μεγαλύτερο δυναμικό είναι αυτή μεταξύ του ακαδημαϊκού χώρου, του ιδιωτικού τομέα και του δημόσιου τομέα», δήλωσε η Λόρα Άνταμς, ανώτερη σύμβουλος της Εθνικής Ακαδημίας Ιατρικής. Σημείωσε ότι η κυβέρνηση μπορεί να διασφαλίσει την εμπιστοσύνη του κοινού και τα ακαδημαϊκά ιατρικά κέντρα μπορούν να παρέχουν νομιμότητα, ενώ η τεχνική εμπειρογνωμοσύνη και ο χρόνος στον υπολογιστή μπορούν να παρέχονται από τον ιδιωτικό τομέα. «Είμαστε όλοι καλύτεροι από οποιονδήποτε από εμάς και αναγνωρίζουμε ότι... δεν μπορούμε να προσευχόμαστε για να αξιοποιήσουμε τις δυνατότητες της [τεχνητής νοημοσύνης], εκτός αν κατανοήσουμε πώς να αλληλεπιδρούμε μεταξύ μας».
Αρκετοί ομιλητές δήλωσαν ότι η Τεχνητή Νοημοσύνη έχει επίσης αντίκτυπο στην έρευνα, είτε οι επιστήμονες τη χρησιμοποιούν για να εξερευνήσουν το βιολογικό δόγμα, είτε για να προβλέψουν νέες αλληλουχίες και δομές συνθετικών μορίων για να υποστηρίξουν νέες θεραπείες, είτε ακόμα και για να τους βοηθήσουν να συνοψίσουν ή να γράψουν επιστημονικές εργασίες.
«Αυτή είναι μια ευκαιρία να δούμε το άγνωστο», δήλωσε η Jessica Mega, MD, καρδιολόγος στην Ιατρική Σχολή του Πανεπιστημίου Στάνφορντ και συνιδρύτρια του Verily της Alphabet. Η Mega ανέφερε την υπερφασματική απεικόνιση, η οποία καταγράφει χαρακτηριστικά εικόνας αόρατα στο ανθρώπινο μάτι. Η ιδέα είναι να χρησιμοποιηθεί τεχνητή νοημοσύνη για την ανίχνευση μοτίβων σε διαφάνειες παθολογίας που οι άνθρωποι δεν βλέπουν και που υποδηλώνουν ασθένεια. «Ενθαρρύνω τους ανθρώπους να αγκαλιάσουν το άγνωστο. Νομίζω ότι όλοι εδώ γνωρίζουν κάποιον με κάποιο είδος ιατρικής πάθησης που χρειάζεται κάτι πέρα από αυτό που μπορούμε να παρέχουμε σήμερα», είπε η Mejia.
Οι συμμετέχοντες συμφώνησαν επίσης ότι τα συστήματα τεχνητής νοημοσύνης θα παρέχουν νέους τρόπους για τον εντοπισμό και την καταπολέμηση της μεροληπτικής λήψης αποφάσεων, είτε λαμβάνονται από ανθρώπους είτε από τεχνητή νοημοσύνη, με την ικανότητα να εντοπίζουν την πηγή της μεροληψίας.
«Η υγεία είναι κάτι περισσότερο από απλή ιατρική περίθαλψη», συμφώνησαν αρκετοί ομιλητές. Οι ομιλητές τόνισαν ότι οι ερευνητές συχνά παραβλέπουν κοινωνικούς παράγοντες που καθορίζουν την υγεία, όπως η κοινωνικοοικονομική κατάσταση, ο ταχυδρομικός κώδικας, το επίπεδο εκπαίδευσης, η φυλή και η εθνικότητα, κατά τη συλλογή δεδομένων χωρίς αποκλεισμούς και την πρόσληψη συμμετεχόντων για μελέτες. «Η Τεχνητή Νοημοσύνη είναι τόσο αποτελεσματική όσο τα δεδομένα στα οποία βασίζεται το μοντέλο», δήλωσε η Michelle Williams, καθηγήτρια επιδημιολογίας στο Πανεπιστήμιο Χάρβαρντ και αναπληρώτρια καθηγήτρια επιδημιολογίας και υγείας του πληθυσμού στην Ιατρική Σχολή του Πανεπιστημίου Στάνφορντ. «Αν κάνουμε αυτό που προσπαθούμε να κάνουμε, δηλαδή να βελτιώσουμε τα αποτελέσματα της υγείας και να εξαλείψουμε τις ανισότητες, πρέπει να διασφαλίσουμε ότι συλλέγουμε δεδομένα υψηλής ποιότητας σχετικά με την ανθρώπινη συμπεριφορά και το κοινωνικό και φυσικό περιβάλλον».
Η Natalie Pageler, MD, κλινική καθηγήτρια παιδιατρικής και ιατρικής, δήλωσε ότι τα συγκεντρωτικά δεδομένα για τον καρκίνο συχνά αποκλείουν δεδομένα για έγκυες γυναίκες, δημιουργώντας αναπόφευκτες προκαταλήψεις στα μοντέλα και επιδεινώνοντας τις υπάρχουσες ανισότητες στην υγειονομική περίθαλψη.
Ο Δρ. Ντέιβιντ Μάγκνους, καθηγητής παιδιατρικής και ιατρικής, δήλωσε ότι όπως κάθε νέα τεχνολογία, η τεχνητή νοημοσύνη μπορεί είτε να βελτιώσει τα πράγματα με πολλούς τρόπους είτε να τα επιδεινώσει. Ο κίνδυνος, είπε ο Μάγκνους, είναι ότι τα συστήματα τεχνητής νοημοσύνης θα μάθουν για τα άνισα αποτελέσματα στην υγεία που καθορίζονται από κοινωνικούς παράγοντες της υγείας και θα ενισχύσουν αυτά τα αποτελέσματα μέσω των αποτελεσμάτων τους. «Η τεχνητή νοημοσύνη είναι ένας καθρέφτης που αντανακλά την κοινωνία στην οποία ζούμε», είπε. «Ελπίζω ότι κάθε φορά που έχουμε την ευκαιρία να ρίξουμε φως σε ένα ζήτημα - να κρατήσουμε έναν καθρέφτη μπροστά μας - αυτό θα χρησιμεύσει ως κίνητρο για να βελτιώσουμε την κατάσταση».
Εάν δεν μπορέσατε να παρακολουθήσετε το εργαστήριο RAISE Health, μπορείτε να βρείτε μια ηχογράφηση της συνεδρίας εδώ.
Η Ιατρική Σχολή του Πανεπιστημίου Στάνφορντ είναι ένα ολοκληρωμένο ακαδημαϊκό σύστημα υγειονομικής περίθαλψης που αποτελείται από την Ιατρική Σχολή του Πανεπιστημίου Στάνφορντ και τα συστήματα παροχής υγειονομικής περίθαλψης ενηλίκων και παιδιών. Μαζί αξιοποιούν πλήρως τις δυνατότητες της βιοϊατρικής μέσω της συνεργατικής έρευνας, της εκπαίδευσης και της κλινικής φροντίδας των ασθενών. Για περισσότερες πληροφορίες, επισκεφθείτε τη διεύθυνση med.stanford.edu.
Ένα νέο μοντέλο τεχνητής νοημοσύνης βοηθά τους γιατρούς και τους νοσηλευτές στο Νοσοκομείο Στάνφορντ να συνεργάζονται για τη βελτίωση της φροντίδας των ασθενών.
Ώρα δημοσίευσης: 19 Ιουλίου 2024