Tehisintellekti eksperdid arutavad, kuidas integreerida tugevat tehisintellekti tervishoidu, miks on interdistsiplinaarne koostöö kriitilise tähtsusega ja generatiivse tehisintellekti potentsiaali teadusuuringutes.
Feifei Li ja Lloyd Minor pidasid avakõned esimesel RAISE tervisesümpoosionil Stanfordi ülikooli meditsiinikoolis 14. mail. Steve Fish
Enamik tehisintellekti poolt haaratud inimesi on kogenud mingisugust ahaa-elamust, mis avab nende meeled võimaluste maailmale. 14. mail toimunud RAISE tervisesümpoosiumil jagas oma vaatenurka Stanfordi ülikooli meditsiinikooli dekaan ja ülikooli meditsiiniasjade asepresident dr Lloyd Minor.
Kui ühel uudishimulikul teismelisel paluti kokku võtta oma sisekõrva avastused, pöördus ta generatiivse tehisintellekti poole. „Küsisin: „Mis on ülemise kõrvakanali dehissentsi sündroom?“ Minor rääkis sellest ligi 4000 sümpoosionil osalejale. Mõne sekundiga ilmus mitu lõiku.
„Nad on head, tõesti head,“ ütles ta. „See, et see teave koondati haiguse kokkuvõtlikuks, üldiselt täpseks ja selgelt prioriteetseks kirjelduseks. See on üsna tähelepanuväärne.“
Paljud jagasid Minori elevust selle poolepäevase ürituse ees, mis oli Stanfordi ülikooli meditsiinikooli ja Stanfordi inimkeskse tehisintellekti instituudi (HAI) algatatud RAISE Healthi algatuse tulemus, mille eesmärk on suunata tehisintellekti vastutustundlikku kasutamist biomeditsiinilistes uuringutes, hariduses ja patsiendihoolduses. Esinejad uurisid, mida tähendab tehisintellekti rakendamine meditsiinis viisil, mis on kasulik mitte ainult arstidele ja teadlastele, vaid ka läbipaistev, õiglane ja võrdne patsientide jaoks.
„Usume, et see on tehnoloogia, mis parandab inimvõimeid,“ ütles Fei-Fei Li, Stanfordi insenerikooli arvutiteaduse professor, RAISE Health with Minor projekti direktor ja HAI kaasdirektor. Põlvkond põlvkonna järel võivad tekkida uued tehnoloogiad: alates antibiootikumide uutest molekulaarsetest järjestustest kuni bioloogilise mitmekesisuse kaardistamise ja fundamentaalse bioloogia varjatud osade paljastamiseni kiirendab tehisintellekt teaduslikke avastusi. Kuid mitte kõik see pole kasulik. „Kõigil neil rakendustel võivad olla ettenägematud tagajärjed ja me vajame arvutiteadlasi, kes arendavad ja rakendavad [tehisintellekti] vastutustundlikult, tehes koostööd erinevate sidusrühmadega, alates arstidest ja eetikutest kuni turvaekspertide ja kaugemalegi,“ ütleb ta. „Algatused nagu RAISE Health näitavad meie pühendumust sellele.“
Stanfordi meditsiiniülikooli kolme osakonna – meditsiinikooli, Stanfordi tervishoiu ja Stanfordi ülikooli laste tervise meditsiinikooli – ühendamine ning selle ühendused Stanfordi ülikooli teiste osadega on viinud ülikooli olukorda, kus eksperdid maadlevad tehisintellekti arendamise, haldamise ja integratsiooni küsimustega tervishoiu ja meditsiini valdkonnas. Meditsiin, kõlas laul.
„Meil on head eeldused olla teerajajaks tehisintellekti arendamisel ja vastutustundlikul rakendamisel, alates fundamentaalsetest bioloogilistest avastustest kuni ravimite väljatöötamise täiustamise ja kliiniliste uuringute protsesside tõhusamaks muutmiseni, kuni tervishoiuteenuste tegeliku osutamiseni. Tervishoid. Tervishoiusüsteemi ülesehitus,“ ütles ta.
Mitmed esinejad rõhutasid lihtsat kontseptsiooni: keskenduge kasutajale (antud juhul patsiendile või arstile) ja kõik muu järgneb ise. „See asetab patsiendi kõige keskmesse, mida me teeme,“ ütles dr Lisa Lehmann, Brighami ja Naistehaigla bioeetika direktor. „Peame arvestama nende vajaduste ja prioriteetidega.“
Vasakult paremale: STAT Newsi uudisteankur Mohana Ravindranath; Jessica Peter Lee Microsoft Researchist; biomeditsiiniliste andmeteaduse professor Sylvia Plevritis arutleb tehisintellekti rolli üle meditsiiniuuringutes. Steve Fish
Paneelil esinejad, kelle hulgas olid Lehmann, Stanfordi ülikooli meditsiinibioeetik Mildred Cho ja Google'i kliiniline juht Michael Howell, tõid välja haiglasüsteemide keerukuse, rõhutades vajadust enne sekkumist mõista nende eesmärki. Rakendada see ja tagada, et kõik arendatud süsteemid oleksid kaasavad ja kuulaksid inimesi, kelle abistamiseks need on loodud.
Üks võtmeelement on läbipaistvus: see teeb selgeks, kust algoritmi treenimiseks kasutatavad andmed pärinevad, mis on algoritmi algne eesmärk ja kas tulevased patsiendiandmed aitavad algoritmil ka edaspidi õppida, lisaks muudele teguritele.
„Eetiliste probleemide ennustamine enne nende tõsiseks muutumist tähendab ideaalse optimaalse keskpunkti leidmist, kus tehnoloogia kohta on piisavalt teadmisi, et sellesse uskuda, aga mitte enne, kui probleem veelgi levib ja see varem lahendatakse.“ ütles Denton Char, meditsiiniteaduste kandidaat, laste anestesioloogia, perioperatiivse meditsiini ja valuravi osakonna dotsent. Tema sõnul on üks oluline samm kõigi sidusrühmade tuvastamine, keda tehnoloogia võib mõjutada, ja selle kindlaksmääramine, kuidas nad ise sooviksid neile küsimustele vastata.
Jesse Ehrenfeld, Ameerika Arstide Assotsiatsiooni president, arutleb nelja teguri üle, mis soodustavad mis tahes digitaalse tervise tööriista, sealhulgas tehisintellektil põhinevate tööriistade kasutuselevõttu. Kas see on tõhus? Kas see toimib minu asutuses? Kes maksab? Kes vastutab?
Stanford Health Care'i infotehnoloogia juht ja meditsiinidoktor Michael Pfeffer tõi hiljutise näite, kus paljusid probleeme testiti Stanfordi haiglate õdede seas. Kliinilisi töötajaid toetavad suured keelemudelid, mis pakuvad sissetulevatele patsiendisõnumitele esialgseid märkusi. Kuigi projekt pole täiuslik, teatavad tehnoloogia väljatöötamisel osalenud arstid, et mudel kergendab nende töökoormust.
„Keskendume alati kolmele olulisele asjale: ohutusele, tõhususele ja kaasatusele. Me oleme arstid. Me anname vande mitte teha kahju,“ ütles Nina Vasan, MD, psühhiaatria ja käitumisteaduste kliiniline dotsent, kes liitus Chari ja Pfefferiga. „See peaks olema esimene viis nende tööriistade hindamiseks.“
Nigam Shah, meditsiini ja biomeditsiiniliste andmeteaduse professor, meditsiini bakalaureusekraad ja filosoofiadoktor, alustas arutelu šokeeriva statistikaga, hoolimata publikule antud õiglasest hoiatusest. „Ma räägin üldiselt ja numbrites ning mõnikord kipuvad need olema väga otsekohesed,“ ütles ta.
Shahi sõnul sõltub tehisintellekti edu meie võimest seda skaleerida. „Mudeli korraliku teadusliku uurimistöö tegemine võtab umbes 10 aastat ja kui kõik 123 stipendiumi- ja residentuuriprogrammi sooviksid mudelit sellise rangustasemega testida ja juurutada, oleks õige teadustöö tegemine väga keeruline, kuna me praegu oma jõupingutusi korraldame ja [testime]]. Kõigi meie saitide korrektseks toimimiseks kuluks 138 miljardit dollarit,“ ütles Shah. „Me ei saa seda endale lubada. Seega peame leidma viisi laienemiseks ning peame laienema ja tegema head teadust. Rangusoskused on ühes kohas ja skaleerimisoskused teises, seega vajame sellist partnerlust.“
Dekaan Yuan Ashley ja Mildred Cho (vastuvõtt) osalesid RAISE tervise töötoas. Steve Fish
Mõned sümpoosioni esinejad ütlesid, et seda on võimalik saavutada avaliku ja erasektori partnerluste kaudu, näiteks hiljutise Valge Maja täidesaatva korralduse abil tehisintellekti turvalise, turvalise ja usaldusväärse arendamise ja kasutamise kohta ning tervishoiu tehisintellekti konsortsiumi (CHAI) kaudu.
„Suurima potentsiaaliga avaliku ja erasektori partnerlus on akadeemiliste ringkondade, erasektori ja avaliku sektori vahel,“ ütles Laura Adams, Riikliku Meditsiiniakadeemia vanemnõunik. Ta märkis, et valitsus saab tagada avalikkuse usalduse ja akadeemilised meditsiinikeskused saavad pakkuda legitiimsust ning erasektor saab pakkuda tehnilist oskusteavet ja arvutiaega. „Me kõik oleme meist kellestki paremad ja me mõistame, et... me ei saa palvetada [tehisintellekti] potentsiaali realiseerimise eest, kui me ei mõista, kuidas üksteisega suhelda.“
Mitmed esinejad ütlesid, et tehisintellektil on mõju ka teadusuuringutele, olenemata sellest, kas teadlased kasutavad seda bioloogiliste dogmade uurimiseks, sünteetiliste molekulide uute järjestuste ja struktuuride ennustamiseks uute ravimeetodite toetamiseks või isegi teadusartiklite kokkuvõtete või kirjutamise abistamiseks.
„See on võimalus näha tundmatut,“ ütles Jessica Mega, MD, Stanfordi ülikooli meditsiinikooli kardioloog ja Alphabeti ettevõtte Verily kaasasutaja. Mega mainis hüperspektraalset pildistamist, mis jäädvustab pildiomadusi, mis on inimsilmale nähtamatud. Idee on kasutada tehisintellekti, et tuvastada patoloogilistes slaidides mustreid, mida inimesed ei näe ja mis viitavad haigusele. „Ma julgustan inimesi tundmatut omaks võtma. Ma arvan, et igaüks siin teab kedagi, kellel on mingisugune meditsiiniline seisund ja kes vajab midagi enamat kui see, mida me täna pakkuda saame,“ ütles Mejia.
Panelistid nõustusid ka sellega, et tehisintellekti süsteemid pakuvad uusi viise kallutatud otsuste tuvastamiseks ja nende vastu võitlemiseks, olenemata sellest, kas otsuste langetavad inimesed või tehisintellekt, ning suudavad tuvastada kallutatuse allika.
„Tervis on enamat kui lihtsalt arstiabi,“ nõustusid mitmed panelistid. Esinejad rõhutasid, et teadlased jätavad kaasavate andmete kogumisel ja uuringutesse osalejate värbamisel sageli tähelepanuta tervist määravad sotsiaalsed tegurid, nagu sotsiaalmajanduslik staatus, postiindeks, haridustase ning rass ja etniline kuuluvus. „Tehisintellekt on sama tõhus kui andmed, mille põhjal mudel on treenitud,“ ütles Michelle Williams, Harvardi ülikooli epidemioloogiaprofessor ja Stanfordi ülikooli meditsiinikooli epidemioloogia ja rahvastiku tervise dotsent. „Kui me teeme seda, mille poole püüeldakse – parandada tervisenäitajaid ja kaotada ebavõrdsus –, peame tagama kvaliteetsete andmete kogumise inimkäitumise ning sotsiaalse ja looduskeskkonna kohta.“
Natalie Pageler, MD, laste- ja meditsiini kliiniline professor, ütles, et koondatud vähiandmed ei sisalda sageli andmeid rasedate naiste kohta, tekitades mudelites paratamatuid eelarvamusi ja süvendades olemasolevaid ebavõrdsusi tervishoius.
Lastehaiguste ja meditsiini professor dr David Magnus ütles, et nagu iga uus tehnoloogia, võib ka tehisintellekt asju mitmel moel kas paremaks või halvemaks muuta. Magnuse sõnul on oht selles, et tehisintellekti süsteemid õpivad tundma sotsiaalsete tervist mõjutavate tegurite poolt põhjustatud ebavõrdseid tervisenäitajaid ja tugevdavad neid tulemusi oma tulemuste kaudu. „Tehisintellekt on peegel, mis peegeldab ühiskonda, milles me elame,“ ütles ta. „Loodan, et iga kord, kui meil on võimalus mõnele probleemile valgust heita – enda ette peeglit hoida –, motiveerib see meid olukorda parandama.“
Kui te ei saanud RAISE Healthi töötoas osaleda, leiate sessiooni salvestuse siit.
Stanfordi Ülikooli Meditsiinikool on integreeritud akadeemiline tervishoiusüsteem, mis koosneb Stanfordi Ülikooli Meditsiinikoolist ning täiskasvanute ja laste tervishoiusüsteemidest. Koos realiseerivad nad biomeditsiini täieliku potentsiaali koostööl põhineva uurimistöö, hariduse ja kliinilise patsiendihoolduse kaudu. Lisateabe saamiseks külastage veebilehte med.stanford.edu.
Uus tehisintellekti mudel aitab Stanfordi haigla arstidel ja õdedel patsientide ravi parandamiseks koostööd teha.
Postituse aeg: 19. juuli 2024