Strokovnjaki AI razpravljajo o tem, kako vključiti robusten AI v zdravstveno varstvo, zakaj je interdisciplinarno sodelovanje kritično in potencial generativnega AI v raziskavah.
Feifei Li in Lloyd Minor sta 14. maja na otvoritvenem simpoziju o zdravstveni šoli na Univerzi na Stanfordu dala uvodne pripombe na otvoritvenem simpoziju za zdravstveno varstvo. Steve Fish
Večina ljudi, ki jih je ujela umetna inteligenca, je imela nekakšen "aha" trenutek in se odpirala v svet možnosti. Na otvoritvenem simpoziju Raise Health 14. maja je Lloyd Minor, dr. Med., Dekan z Medicinske šole Univerze Stanford in podpredsednik za medicinske zadeve na univerzi Stanford, delila njegovo perspektivo.
Ko je bil en radoveden najstnik pozvan, da povzame svoje ugotovitve glede notranjega ušesa, se je obrnil na generativno umetno inteligenco. "Vprašal sem:" Kaj je sindrom Dehiscence Superior Canal? " Minor je povedal skoraj 4000 udeležencev simpozija. V nekaj sekundah se je pojavilo več odstavkov.
"So dobri, res dobri," je dejal. „Da so bili te informacije sestavljene v jedrnat, na splošno natančen in jasno prednostno opis bolezni. To je precej izjemno. "
Številni so delili navdušenje nad Minorjem za poldnevni dogodek, ki je bil izraščanje pobude Raise Health, projekt, ki sta ga začela Medicinska šola Univerze Stanford in Stanford Inštitut za umetno inteligenco, osredotočeno na človeka obveščevalna obveščanje. Inteligenca v biomedicinskih raziskavah, izobraževanju in oskrbi pacientov. Govorniki so preučili, kaj pomeni izvajati umetno inteligenco v medicini na način, ki ni koristen samo za zdravnike in znanstvenike, ampak tudi pregledne, poštene in pravične za paciente.
"Verjamemo, da gre za tehnologijo, ki povečuje človeške zmogljivosti," je dejal Fei-Fei Li, profesor računalništva na inženirski šoli Stanford, direktor podjetja Raid Health z manjšim projektom in so-direktorjem HAI. Generacija po generaciji se lahko pojavijo nove tehnologije: od novih molekulskih sekvenc antibiotikov do preslikave biotske raznovrstnosti in razkrivanja skritih delov temeljne biologije AI pospešuje znanstveno odkritje. A vse to ni koristno. "Vse te aplikacije imajo lahko nenamerne posledice in potrebujemo računalniške znanstvenike, ki odgovorno razvijajo in izvajajo [umetno inteligenco], sodelujejo z različnimi zainteresiranimi stranmi, od zdravnikov in etikov ... do varnostnih strokovnjakov in širše," pravi. "Pobude, kot je dvig zdravja, kažejo našo zavezanost temu."
Konsolidacija treh oddelkov medicine Stanford - Medicinske šole, zdravstvenega varstva Stanford in šole za zdravstveno medicino otrok na univerzi Stanford - in njene povezave z drugimi deli univerze Stanford so postavili v položaj, ko se strokovnjaki spopadajo z razvojem razvoja umetna inteligenca. Vprašanja upravljanja in integracije na področju zdravstva in medicine. Medicina, pesem je šla.
„Dobro smo postavljeni kot pionir pri razvoju in odgovorni izvajanju umetne inteligence, od temeljnih bioloških odkritij do izboljšanja razvoja zdravil in učinkovitejšega dela kliničnih preskušanj, vse do dejanske zdravstvene storitve. zdravstveno varstvo. Način, kako je ustanovljen zdravstveni sistem, "je dejal.
Več govorcev je poudarilo preprost koncept: osredotočite se na uporabnika (v tem primeru bolnik ali zdravnik) in vse ostalo bo sledilo. "Bolnik postavlja v središče vsega, kar počnemo," je dejala dr. Lisa Lehmann, direktorica bioetike v Brighamu in ženski bolnišnici. "Upoštevati moramo njihove potrebe in prioritete."
Od leve proti desni: Stat News Anchor Mohana Ravindranath; Jessica Peter Lee iz Microsoftovih raziskav; Sylvia Plevritis, profesorica znanosti o biomedicinskih podatkih, razpravlja o vlogi umetne inteligence v medicinskih raziskavah. Steve Fish
Zvočniki na senatu, ki je vključeval Lehmann, medicinski bioetični medicinski bioetik Univerze Stanford Mildred Cho, dr. Med., In glavni klinični direktor Google Michael Howell, dr. Med. Izvedite in zagotovite, da so vsi razviti sistemi vključujoči in poslušajte ljudi, ki so zasnovani za pomoč.
Ključ je preglednost: jasno je, od kod izvirajo podatki, ki se uporabljajo za usposabljanje algoritma, iz česa je prvotni namen algoritma in ali bodo prihodnji podatki o pacientih med drugimi dejavniki še naprej pomagali pri učenju algoritma.
"Poskušate napovedati etične težave, preden postanejo resne [pomeni] najti popolno sladko točko, kjer veste dovolj o tehnologiji, da imate nekaj zaupanja vanj, vendar ne prej [problem] se širi in jo prej reši." , Je rekel Denton Char. Kandidat za medicinske vede, izredni profesor oddelka za pediatrično anesteziologijo, perioperativno medicino in bolečino. Ključni korak je po njegovem mnenju prepoznavanje vseh zainteresiranih strani, ki bi lahko vplivala tehnologija, in določiti, kako bi radi odgovorili na ta vprašanja.
Jesse Ehrenfeld, dr. Med., Predsednik Ameriškega zdravniškega združenja, razpravlja o štirih dejavnikih, ki spodbujajo sprejetje katerega koli digitalnega zdravstvenega orodja, vključno s tistimi, ki jih poganja umetna inteligenca. Je učinkovit? Ali bo to delovalo v moji instituciji? Kdo plačuje? Kdo je odgovoren?
Michael Pfeffer, dr. Med., Glavni informacijski direktor Stanford Health Care, je navedel nedavni primer, v katerem so bile med medicinskimi medicinskimi sestrami v bolnišnicah Stanford testirane veliko vprašanj. Kliniki so podprti z velikimi jezikovnimi modeli, ki zagotavljajo začetne pripombe za dohodna sporočila pacientov. Čeprav projekt ni popoln, zdravniki, ki so pomagali razviti poročilo o tehnologiji, da model olajša njihovo delovno obremenitev.
»Vedno se osredotočamo na tri pomembne stvari: varnost, učinkovitost in vključitev. Smo zdravniki. Prisežemo, da "ne škodi," je dejala Nina Vasan, dr. Med., Klinična docentka za psihiatrijo in vedenjske vede, ki se je pridružila Char in Pfeffer. "To bi moral biti prvi način za oceno teh orodij."
Nigam Shah, MBBS, doktorat, profesor medicine in biomedicinske znanosti o podatkih, je kljub poštenemu opozarjanju občinstvu začel razpravo s šokantno statistiko. "Govorim na splošno in številke, včasih pa so ponavadi zelo neposredni," je dejal.
Po Shahovem mnenju je uspeh AI odvisen od naše sposobnosti, da ga povečamo. »Pravilne znanstvene raziskave modela trajajo približno 10 let, in če bi vsak od 123 programov štipendiranja in rezidenc želel preizkusiti in namestiti model na to raven strogosti, bi bilo zelo težko narediti pravilno znanost, ko trenutno organiziramo Naša prizadevanja in [test]] bi stala 138 milijard dolarjev, da bi zagotovili, da vsako od naših spletnih mest deluje pravilno, "je dejal Shah. »Tega si ne moremo privoščiti. Zato moramo najti način za širitev in moramo razširiti in narediti dobro znanost. Strogostne spretnosti so na enem mestu in spretnosti skaliranja so v drugem, zato bomo potrebovali to vrsto partnerstva. "
Pridruženi Dean Yuan Ashley in Mildred Cho (recepcija) sta se udeležila delavnice Raise Health. Steve Fish
Nekateri govorci na simpoziju so povedali, da je to mogoče doseči z javno-zasebnimi partnerstvo, kot je nedavni izvršni red Bele hiše o varnem, varnem in zanesljivem razvoju in uporabi umetne inteligence ter konzorcija za zdravstveno umetno inteligenco (CHAI). ).
"Javno-zasebno partnerstvo z največjim potencialom je med akademiji, zasebnim sektorjem in javnim sektorjem," je dejala Laura Adams, višja svetovalka Nacionalne akademije za medicino. Opozorila je, da lahko vlada zagotovi zaupanje javnosti, akademski zdravstveni centri pa lahko. Zagotovite legitimnost, tehnično znanje in računalniški čas pa lahko zagotovi zasebni sektor. "Vsi smo boljši od katerega od nas in prepoznamo, da ... ne moremo moliti, da bi uresničili potencial [umetne inteligence], razen če ne razumemo, kako medsebojno komunicirati."
Več govorcev je povedalo, da AI vpliva tudi na raziskave, ali jo znanstveniki uporabljajo za raziskovanje biološke dogme, napovedujejo nove sekvence in strukture sintetičnih molekul za podporo novih načinov zdravljenja ali jim celo pomagajo povzeti ali pisati znanstvene dokumente.
"To je priložnost videti neznano," je dejala Jessica Mega, dr. Med. Mega je omenil hiperspektralno slikanje, ki zajame slikovne značilnosti nevidne za človeško oko. Ideja je uporabiti umetno inteligenco za odkrivanje vzorcev v patoloških diapozitivih, ki jih ljudje ne vidijo, ki kažejo na bolezen. »Spodbujam ljudi, da sprejmejo neznano. Mislim, da vsi tukaj poznajo nekoga z nekakšnim zdravstvenim stanjem, ki potrebuje nekaj, kar lahko daje danes, "je dejala Mejia.
Panelisti so se tudi strinjali, da bodo sistemi umetne inteligence zagotavljali nove načine za prepoznavanje in boj proti pristranskemu odločanju, bodisi s človeškimi ali umetna inteligenca, z možnostjo prepoznavanja vira pristranskosti.
"Zdravje je več kot le zdravstvena oskrba," se je strinjalo več panelistov. Govorniki so poudarili, da raziskovalci pogosto spregledajo socialne dejavnike zdravja, kot so socialno -ekonomski status, poštna številka, stopnja izobrazbe ter rasa in narodnost pri zbiranju vključujočih podatkov in zaposlovanja udeležencev za študije. "AI je tako učinkovit le kot podatki, na katerih je model usposobljen," je dejala Michelle Williams, profesorica epidemiologije na univerzi Harvard in izredna profesorica za epidemiologijo in zdravje prebivalstva na Medicinski šoli Univerze Stanford. »Če naredimo tisto, za kar si prizadevamo. Izboljšati zdravstvene rezultate in odpraviti neenakosti, zagotoviti moramo, da bomo zbirali kakovostne podatke o človekovem vedenju in družbenem in naravnem okolju. "
Natalie Pageler, dr. Med., Klinična profesorica pediatrije in medicine, je dejala, da združeni podatki o raku pogosto izključujejo podatke o nosečnicah, kar ustvarja neizogibne pristranskosti v modelih in poslabša obstoječe razlike v zdravstvu.
Dr. David Magnus, profesor pediatrije in medicine, je dejal, da lahko tako kot vsaka nova tehnologija umetna inteligenca bodisi izboljša stvari v marsičem ali jih poslabša. Tveganje, je dejal Magnus, je, da bodo sistemi umetne inteligence spoznali nepravične zdravstvene rezultate, ki jih poganjajo socialne dejavnike zdravja, in te rezultate okrepijo s svojim rezultatom. "Umetna inteligenca je ogledalo, ki odraža družbo, v kateri živimo," je dejal. "Upam, da bomo vsakič, ko bomo imeli priložnost osvetliti vprašanje - zadrževanje ogledala do sebe - bo služila kot motivacija za izboljšanje situacije."
Če se niste mogli udeležiti delavnice Raise Health, lahko tukaj najdete evidenco seje.
Medicinska šola Univerze Stanford je integriran akademski zdravstveni sistem, ki ga sestavlja Medicinska šola Univerze Stanford in sistemi za zagotavljanje zdravstvenega varstva za odrasle in pediatrične zdravstvene oskrbe. Skupaj spoznajo celoten potencial biomedicine s skupnimi raziskavami, izobraževanjem in klinično oskrbo pacientov. Za več informacij obiščite med.stanford.edu.
Nov model umetne inteligence pomaga zdravnikom in medicinskim sestram v bolnišnici Stanford skupaj pri izboljšanju oskrbe pacientov.
Čas objave: julij-19-2024