كيف يغير التعلم العميق الرعاية الصحية الجزء 2: الوقاية

تحدثنا الأسبوع الماضي عن كيفية تغيير الذكاء الاصطناعي لطريقة تشخيص الأطباء للأمراض والاضطرابات.

ولكن ، على الرغم من أهمية التشخيص السريع وغير المكلف والدقيق ، هناك شيء واحد أفضل: الوقاية.

في هذا الأسبوع ، نتعمق في كيفية قيام الذكاء الاصطناعي بتحويل الطريقة التي يتنبأ بها الأطباء بالأمراض والوقاية منها والاستشفاء.

سوف تساعد التنبؤات في الوقت المناسب على منع المرض

في كل عام ، تستقبل المستشفيات الأمريكية 4.4 مليون مريض دون داع ، بتكلفة 30.8 مليار دولار ، وفقًا لتقديرات الوكالة الأمريكية لأبحاث الرعاية الصحية والجودة.

هناك اعتلالان فقط - أمراض القلب ومضاعفات مرض السكري - يمثلان نصف جميع حالات دخول المستشفى غير الضرورية.

مخطط معلومات لأمراض القلب (المصدر: هافينغتون بوست)

فيما يلي بعض الأمثلة حول كيف يساعد التعلم العميق بالفعل في التنبؤ بالأحداث الصحية السلبية المتعلقة بأمراض القلب والسكري وتجنبها:

• يعمل الباحثون في مركز المعلومات وهندسة النظم بجامعة بوسطن مع المستشفيات المحلية لمراقبة مرضى القلب والسكري والتنبؤ بأي منهم سيتطلب دخول المستشفى. إذا تمكن مقدمو الرعاية الصحية من التنبؤ بمن سيحتاج إلى المساعدة قبل الحاجة إليها ، فيمكنهم منع العديد من هذه الحالات في المستشفى. يمكن لنموذج التعلم العميق الذي يستخدمه الباحثون التنبؤ بدقة تصل إلى 82٪ ممن سيحتاجون إلى دخول المستشفى قبل عام تقريبًا.

• يمكن للباحثين في Sutter Health ومعهد جورجيا للتكنولوجيا الآن التنبؤ بفشل القلب باستخدام التعلم العميق لتحليل السجلات الصحية الإلكترونية لمدة تصل إلى تسعة أشهر قبل استخدام الأطباء للوسائل التقليدية.
• صرح فرانس فون هوتين ، رئيس مجلس الإدارة والرئيس التنفيذي لشركة Royal Philips ، لشبكة CNBC في مايو أن شركته تستخدم الآن الذكاء الاصطناعي للتنبؤ بدقة بما إذا كان المريض سيصاب بنوبة قلبية قبل ساعات من حدوثها.

لكن الذكاء الاصطناعي لا يساعد فقط في منع أحداث الرعاية الصحية المفاجئة. كما أنه يساعد في إحباط التدهور المستمر.

على سبيل المثال ، يعد اعتلال الشبكية السكري سببًا رئيسيًا للعمى بين البالغين في سن العمل.

مخطط اعتلال الشبكية السكري (المصدر: news-medical.net)

تنشأ مثل هذه المضاعفات المرتبطة بمرض السكري من ارتفاعات وانخفاضات في مستويات الجلوكوز في الدم ، لذا فإن التنبؤ الدقيق بمستويات الجلوكوز في الدم أمر أساسي لمنع السقوط والارتفاعات المفاجئة في المقام الأول مع الوجبات الخفيفة وحقن الأنسولين في الوقت المناسب.

تُظهر ورقة بحثية نُشرت في يوليو 2017 أن الشبكات العصبية العميقة ، التي تقوم بالتعلم العميق ، يمكنها التعلم من مجموعة واحدة من الأطفال المصابين بالسكري كيفية التنبؤ بدقة بمستويات الجلوكوز في الدم (من أجل منع هذه الانخفاضات والارتفاعات) في مجموعة أكبر من الأطفال.

سوف يتعمق فهم الكيفية التي تؤدي بها الجينات إلى المرض

هناك طريقة أخرى للوقاية من المرض باستخدام الذكاء الاصطناعي وهي التنبؤ بمن سيصاب باضطرابات معينة بناءً على تركيبته الجينية.

وفقًا لمحلل الرعاية الصحية في جارتنر ، ريتشارد جيبسون ، فإن الجينات هي "أكبر شيء يؤثر على الرعاية الصحية ربما على الإطلاق ، وبالتأكيد منذ ظهور المضادات الحيوية في عام 1950."

على وجه التحديد ، نظرًا لأن الباحثين يجمعون بيانات الجينوميات بمستويات غير مسبوقة ، وتجعل نماذج التعلم العميق تحليل تلك البيانات ورسم الروابط أسهل من أي وقت مضى ، فإننا نتعلم قدرًا لا يُصدق عن الكيفية التي تؤدي بها العوامل الجينية مثل الطفرات إلى المرض.

تؤدي هذه التطورات إلى الطب الشخصي أو "الدقيق" ، حيث يتمثل الهدف في تصميم علاجات تتناسب مع التركيب الجيني لكل مريض.

الجينوم الخاص بك هو المجموعة الكاملة من التعليمات الكيميائية لبناء "أنت". على الرغم من أن علم الجينوم لا يزال في مهده ، إلا أن هناك مشاريع تخطو خطوات واسعة. على سبيل المثال ، يعمل فريق من الباحثين في جامعة تورنتو على بناء محرك تفسير جيني للتعرف بسرعة على الطفرات المسببة للسرطان لدى المرضى الأفراد.

في تورنتو أيضًا ، تطبق شركة ناشئة تسمى Deep Genomics نموذجًا للتعلم العميق لمجموعات البيانات الضخمة من المعلومات الجينية والسجلات الطبية لمطابقة الاختلافات الجينية مع الأمراض المقابلة.

تستخدم كلتا المنظمتين منصة الحوسبة AI ، Nvidia GPU لنماذجها.

استعد للتعلم العميق باستخدام البرنامج المناسب

بينما تعد وحدات معالجة الرسومات مثل تلك التي صنعتها Nvidia ضرورية لتشغيل خوارزميات التعلم العميق ، فإنك تحتاج أيضًا إلى برامج متخصصة لجعل الرعاية الصحية AI حقيقة واقعة.

كانت مجموعة جامعة بوسطن قادرة على التنبؤ بمن سيحتاج إلى دخول المستشفى بدقة أكبر بكثير من الأطباء وحدهم ، لأنهم استخدموا الشبكات العصبية العميقة (DNNs).

يمكن لـ DNNs تحليل ما يصل إلى 200 عامل ، مثل التاريخ الصحي والمعلومات الديموغرافية ، لتحديد العوامل المرتبطة بالمرض في المستقبل. ومع ذلك ، لكي يعمل نموذج DNN ، فإنه يحتاج إلى بيانات من سجلات السجلات الصحية الإلكترونية.

يتمثل أحد التحديات المحتملة في أن السجلات الصحية الإلكترونية عادةً ما تخزن هذا النوع من البيانات في مجموعات نصية كبيرة. على سبيل المثال ، قد تحتوي السجلات الصحية الإلكترونية على سجل لتاريخ المريض من الاكتئاب في قسم "الملاحظات" ، حيث يكتب الطبيب "أم المريض تعاني من مزاج مكتئب" جنبًا إلى جنب مع الشكاوى والمشكلات الحالية وما إلى ذلك.

ولكن لكي تنجح ، تحتاج نماذج الذكاء الاصطناعي إلى بيانات جيدة التنظيم. يسهل على الآلة تحليل أن المريض لديه تاريخ عائلي من الاكتئاب إذا كان هناك عمود يسمى "تاريخ العائلة" ومربع اختيار بجوار "الاكتئاب".

سيصبح التعلم العميق قريبًا "إلزاميًا للأشخاص الذين يبنون تطبيقات برمجية متطورة" ، كما قال فرانك تشين ، شريك أندريسن هورويتز ، لـ Fortune.

معظم أصحاب رؤوس الأموال ، بما في ذلك أولئك الذين يستثمرون في الشركات الناشئة SaaS ، لم يعرفوا حتى ما هو التعلم العميق قبل خمس سنوات. يقول تشين ، اليوم ، "يشعر المستثمرون بالقلق من الشركات الناشئة التي لا تمتلكها".

وبالمثل ، يجب أن تكون حذرًا من السجلات الصحية الإلكترونية التي لا تنشئ وتخزن نوع البيانات الجيدة التنظيم التي تعمل مع نماذج التعلم العميق. يمكنك حتى البحث عن سجل صحي إلكتروني يتضمن الذكاء الاصطناعي في وظائف التوثيق السريرية ، على سبيل المثال ، شراكة Epic مع Nuance.

ومع ذلك ، لن تحتوي معظم أنظمة السجلات الصحية الإلكترونية على ذكاء اصطناعي مدمج لفترة من الوقت ، وفقًا لـ Anil Jain ، MD ، FACP ، ونائب الرئيس ومسؤول المعلوماتية الصحية في IBM Watson Health. الخيار في هذه الحالات هو دمج وظائف الذكاء الاصطناعي في السجلات الصحية الإلكترونية الموجودة لديك. من الآن فصاعدًا ، سيتعين على معظم أنظمة الرعاية الصحية تطوير ونشر الذكاء الاصطناعي كوظيفة إضافية.

هذا ما فعلته Intermountain Healthcare من خلال السجلات الصحية الإلكترونية الخاصة بها ، حيث قامت ببناء أكثر من 150 بروتوكولًا في Cerner. مع كل بروتوكول ، يقوم Cerner بإصدار تنبيه عندما يتلقى معلومات المريض التي تشير إلى حالة طبية معينة ثم يوجه الأطباء من خلال الفحوصات الإضافية المقترحة والعلاجات المحتملة.

كان بناء هذه البروتوكولات يتطلب 12 طبيبًا وممرضًا وخبيرًا في التحليل ، وسيستغرق الأمر أكثر من عام. ولكن من خلال الشراكة مع Intermountain ، يمكن بناؤها في غضون 10 أيام بدون عمل بشري.

عندما تتحدث إلى مندوبي مبيعات البرامج ، سواء كنت تبحث عن برنامج السجلات الصحية الإلكترونية أو برنامج إدارة الممارسات الطبية ، من المهم معرفة الأسئلة التي يجب طرحها.

خذ إشارة من Chen شريك VC واطرح أسئلة مثل:

• "أين إصدار معالجة اللغة الطبيعية؟"
• "كيف أتحدث إلى تطبيقك حتى لا أضطر إلى النقر فوق القوائم؟"

الخطوات التالية

في الوقت الحالي ، تعمل مراكز الأبحاث الكبيرة وأنظمة الرعاية الصحية على تطوير نماذج التعلم العميق التي يمكنها التنبؤ ومنع الأمراض والاستشفاء واكتشاف الجينات المرتبطة بالأمراض والاضطرابات المستقبلية.

عند مقارنة برامج السجلات الصحية الإلكترونية ، اسأل البائعين في قائمتك المختصرة عن أي وظائف أو عمليات تكامل للذكاء الاصطناعي يقدمونها. على سبيل المثال ، هل البيانات مخزنة في كتلة نصية أم أنها أكثر تنظيماً؟

من الناحية المثالية ، يجب عليك اختيار السجلات الصحية الإلكترونية التي تحتوي على وظائف الذكاء الاصطناعي ، أو التي يمكن أن تتكامل مع نموذج التعلم العميق.