Strokovnjaki za umetno inteligenco razpravljajo o tem, kako robustno umetno inteligenco integrirati v zdravstvo, zakaj je interdisciplinarno sodelovanje ključnega pomena in o potencialu generativne umetne inteligence v raziskavah.
Feifei Li in Lloyd Minor sta imela uvodni govor na otvoritvenem simpoziju RAISE Health na Medicinski fakulteti Univerze Stanford 14. maja. Steve Fish
Večina ljudi, ki jih je ujela umetna inteligenca, je doživela nekakšen trenutek »aha«, ko so se jim odprli možgani v svet možnosti. Na otvoritvenem simpoziju RAISE Health 14. maja je svojo perspektivo delil dr. Lloyd Minor, dekan Medicinske fakultete Univerze Stanford in podpredsednik za medicinske zadeve na Univerzi Stanford.
Ko so nekega radovednega najstnika prosili, naj povzame svoje ugotovitve o notranjem ušesu, se je obrnil na generativno umetno inteligenco. »Vprašal sem: 'Kaj je sindrom dehiscence zgornjega kanala?'« je Minor povedal skoraj 4000 udeležencem simpozija. V nekaj sekundah se je pojavilo več odstavkov.
»Dobre so, res dobre,« je dejal. »Da so bile te informacije zbrane v jedrnatem, na splošno natančnem in jasno opredeljenem opisu bolezni. To je precej izjemno.«
Mnogi so delili Minorjevo navdušenje nad poldnevnim dogodkom, ki je nastal v okviru pobude RAISE Health, projekta, ki sta ga začela Medicinska fakulteta Univerze Stanford in Stanfordski inštitut za umetno inteligenco, osredotočeno na človeka (HAI), da bi usmerjala odgovorno uporabo umetne inteligence v biomedicinskih raziskavah, izobraževanju in oskrbi pacientov. Govorci so preučili, kaj pomeni uvajanje umetne inteligence v medicino na način, ki ni koristen le za zdravnike in znanstvenike, temveč tudi pregleden, pošten in pravičen za paciente.
»Verjamemo, da je to tehnologija, ki izboljšuje človeške zmogljivosti,« je dejala Fei-Fei Li, profesorica računalništva na Stanfordski inženirski fakulteti, direktorica projekta RAISE Health with Minor in sodirektorica HAI. Iz generacije v generacijo se lahko pojavljajo nove tehnologije: od novih molekularnih zaporedij antibiotikov do kartiranja biotske raznovrstnosti in razkrivanja skritih delov temeljne biologije, umetna inteligenca pospešuje znanstvena odkritja. Vendar pa ni vse to koristno. »Vse te aplikacije imajo lahko neželene posledice in potrebujemo računalniške znanstvenike, ki bodo odgovorno razvijali in izvajali [umetno inteligenco] ter sodelovali z različnimi deležniki, od zdravnikov in etikov ... do varnostnih strokovnjakov in drugih,« pravi. »Pobude, kot je RAISE Health, dokazujejo našo zavezanost temu.«
Združitev treh oddelkov Stanfordske medicine – Medicinske fakultete, Stanfordskega zdravstvenega varstva in Šole za otroško zdravje Univerze Stanford – ter njene povezave z drugimi deli Univerze Stanford so jo postavile v položaj, ko se strokovnjaki spopadajo z razvojem umetne inteligence, vprašanji upravljanja in integracije na področju zdravstva in medicine. Medicina, je pela pesem.
»V dobrem položaju smo, da postanemo pionirji pri razvoju in odgovorni uporabi umetne inteligence, od temeljnih bioloških odkritij do izboljšanja razvoja zdravil in učinkovitejših postopkov kliničnih preskušanj, vse do dejanskega zagotavljanja zdravstvenih storitev. zdravstvenega varstva. Načina, kako je zdravstveni sistem vzpostavljen,« je dejal.
Več govornikov je poudarilo preprost koncept: osredotočiti se je treba na uporabnika (v tem primeru na pacienta ali zdravnika) in vse ostalo bo sledilo. »To postavlja pacienta v središče vsega, kar počnemo,« je dejala dr. Lisa Lehmann, direktorica bioetike v bolnišnici Brigham and Women's. »Upoštevati moramo njihove potrebe in prioritete.«
Od leve proti desni: voditeljica STAT News Mohana Ravindranath; Jessica Peter Lee iz Microsoft Research; Sylvia Plevritis, profesorica biomedicinske podatkovne znanosti, razpravlja o vlogi umetne inteligence v medicinskih raziskavah. Steve Fish
Govorci na okrogli mizi, med katerimi so bili Lehmann, medicinska bioetičarka z Univerze Stanford Mildred Cho in glavni klinični direktor Googla Michael Howell, dr. med., so opozorili na kompleksnost bolnišničnih sistemov in poudarili potrebo po razumevanju njihovega namena pred kakršnim koli posegom. Izvajati ga je treba in zagotoviti, da so vsi razviti sistemi vključujoči in da prisluhnejo ljudem, ki jim naj bi pomagali.
Eden od ključnih dejavnikov je preglednost: jasno pove, od kod prihajajo podatki, uporabljeni za učenje algoritma, kakšen je prvotni namen algoritma in ali bodo podatki o pacientih v prihodnosti še naprej pomagali algoritmu pri učenju, med drugim.
»Poskus napovedovanja etičnih problemov, preden postanejo resni, [pomeni] najti idealno idealno središče, kjer veste dovolj o tehnologiji, da vanjo zaupate, vendar ne preden se [problem] razširi naprej in ga prej rešite,« je dejal Denton Char, kandidat medicinskih znanosti, izredni profesor na Oddelku za pediatrično anesteziologijo, perioperativno medicino in medicino bolečine. Ključni korak je po njegovih besedah prepoznavanje vseh deležnikov, na katere bi tehnologija lahko vplivala, in določitev, kako bi sami želeli odgovoriti na ta vprašanja.
Jesse Ehrenfeld, dr. med., predsednik Ameriškega zdravniškega združenja, razpravlja o štirih dejavnikih, ki spodbujajo uporabo katerega koli digitalnega zdravstvenega orodja, vključno s tistim, ki ga poganja umetna inteligenca. Ali je učinkovito? Bo to delovalo v moji ustanovi? Kdo plača? Kdo je odgovoren?
Michael Pfeffer, dr. med., glavni direktor za informatiko pri Stanford Health Care, je navedel nedavni primer, v katerem so številne težave preizkusili med medicinskimi sestrami v bolnišnicah na Stanfordu. Zdravniki so podprti z obsežnimi jezikovnimi modeli, ki zagotavljajo začetne opombe za dohodna sporočila pacientov. Čeprav projekt ni popoln, zdravniki, ki so pomagali razviti tehnologijo, poročajo, da model olajša njihovo delovno obremenitev.
»Vedno se osredotočamo na tri pomembne stvari: varnost, učinkovitost in vključenost. Smo zdravniki. Prisežemo, da ne bomo 'škodovali',« je dejala Nina Vasan, dr. med., klinična docentka psihiatrije in vedenjskih znanosti, ki se je skupini pridružila tako Char kot Pfeffer. »To bi moral biti prvi način za oceno teh orodij.«
Nigam Shah, MBBS, doktor znanosti, profesor medicine in biomedicinske podatkovne znanosti, je razpravo začel s šokantno statistiko kljub poštenemu opozorilu občinstvu. »Govorim na splošno in v številkah, ki so včasih zelo neposredne,« je dejal.
Po Shahovih besedah je uspeh umetne inteligence odvisen od naše sposobnosti, da jo prilagodimo. »Izvajanje ustreznih znanstvenih raziskav modela traja približno 10 let, in če bi vsak od 123 programov štipendiranja in rezidenčnega bivanja želel preizkusiti in uvesti model na tej ravni natančnosti, bi bilo zelo težko izvesti pravilno znanost, kot trenutno organiziramo svoja prizadevanja in [testiramo]]. Zagotovitev pravilnega delovanja vseh naših lokacij bi stala 138 milijard dolarjev,« je dejal Shah. »Tega si ne moremo privoščiti. Zato moramo najti način za širitev, širiti se moramo in opravljati dobro znanost. Veščine natančnosti so na enem mestu, veščine skaliranja pa na drugem, zato bomo potrebovali takšno partnerstvo.«
Izredna dekanja Yuan Ashley in Mildred Cho (sprejemnica) sta se udeležili delavnice RAISE Health. Steve Fish
Nekateri govorniki na simpoziju so dejali, da bi to lahko dosegli z javno-zasebnimi partnerstvi, kot je nedavni izvršni odlok Bele hiše o varnem, zanesljivem in zaupanja vrednem razvoju ter uporabi umetne inteligence ter Konzorcij za umetno inteligenco v zdravstvu (CHAI).
»Javno-zasebno partnerstvo z največjim potencialom je partnerstvo med akademskim svetom, zasebnim sektorjem in javnim sektorjem,« je dejala Laura Adams, višja svetovalka Nacionalne akademije za medicino. Opozorila je, da lahko vlada zagotovi javno zaupanje, akademski medicinski centri pa legitimnost, zasebni sektor pa lahko zagotovi tehnično znanje in računalniški čas. »Vsi smo boljši od kogar koli od nas in se zavedamo, da ... ne moremo moliti za uresničitev potenciala [umetne inteligence], če ne razumemo, kako medsebojno komunicirati.«
Več govornikov je dejalo, da ima umetna inteligenca vpliv tudi na raziskave, ne glede na to, ali jo znanstveniki uporabljajo za raziskovanje bioloških dogem, napovedovanje novih zaporedij in struktur sintetičnih molekul za podporo novim zdravljenjem ali celo za pomoč pri povzemanju ali pisanju znanstvenih člankov.
»To je priložnost, da vidimo neznano,« je dejala Jessica Mega, dr. med., kardiologinja na Medicinski fakulteti Univerze Stanford in soustanoviteljica podjetja Alphabet Verily. Mega je omenila hiperspektralno slikanje, ki zajame značilnosti slike, ki so človeškemu očesu nevidne. Ideja je, da se z umetno inteligenco odkrijejo vzorci v patoloških preparatih, ki jih ljudje ne vidijo in ki kažejo na bolezen. »Ljudi spodbujam, naj sprejmejo neznano. Mislim, da vsi tukaj poznajo nekoga z nekakšnim zdravstvenim stanjem, ki potrebuje nekaj več, kot mu lahko danes zagotovimo,« je dejala Mejia.
Panelisti so se strinjali tudi, da bodo sistemi umetne inteligence zagotovili nove načine za prepoznavanje in boj proti pristranskemu odločanju, ne glede na to, ali ga sprejemajo ljudje ali umetna inteligenca, s sposobnostjo prepoznavanja vira pristranskosti.
»Zdravje je več kot le zdravstvena oskrba,« se je strinjalo več panelistov. Govorci so poudarili, da raziskovalci pri zbiranju vključujočih podatkov in novačenju udeležencev za študije pogosto spregledajo socialne dejavnike zdravja, kot so socialno-ekonomski status, poštna številka, izobrazba ter rasa in etnična pripadnost. »Umetna inteligenca je učinkovita le toliko, kot so učinkoviti podatki, na katerih je model usposobljen,« je dejala Michelle Williams, profesorica epidemiologije na Univerzi Harvard in izredna profesorica epidemiologije in zdravja prebivalstva na Medicinski fakulteti Univerze Stanford. »Če počnemo, kar si prizadevamo storiti – izboljšati zdravstvene rezultate in odpraviti neenakosti, moramo zagotoviti, da zbiramo visokokakovostne podatke o človeškem vedenju ter družbenem in naravnem okolju.«
Natalie Pageler, dr. med., klinična profesorica pediatrije in medicine, je dejala, da zbirni podatki o raku pogosto izključujejo podatke o nosečnicah, kar ustvarja neizogibne pristranskosti v modelih in poslabšuje obstoječe razlike v zdravstvenem varstvu.
Dr. David Magnus, profesor pediatrije in medicine, je dejal, da lahko umetna inteligenca, tako kot vsaka nova tehnologija, stvari v marsičem izboljša ali pa jih poslabša. Tveganje, je dejal Magnus, je, da se bodo sistemi umetne inteligence seznanili z neenakimi zdravstvenimi izidi, ki jih poganjajo socialni dejavniki zdravja, in te izide okrepili s svojimi rezultati. »Umetna inteligenca je ogledalo, ki odraža družbo, v kateri živimo,« je dejal. »Upam, da bo vsakič, ko bomo imeli priložnost osvetliti neko težavo – da si nastavimo ogledalo – to služilo kot motivacija za izboljšanje razmer.«
Če se delavnice RAISE Health niste mogli udeležiti, si lahko posnetek ogledate tukaj.
Medicinska fakulteta Univerze Stanford je integriran akademski sistem zdravstvenega varstva, ki ga sestavljajo Medicinska fakulteta Univerze Stanford ter sistemi zdravstvenega varstva za odrasle in otroke. Skupaj uresničujejo polni 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 pri sodelovanju pri izboljšanju oskrbe pacientov.
Čas objave: 19. julij 2024