Cum schimbă învățarea profundă asistența medicală Partea 2: Prevenire

Săptămâna trecută am vorbit despre modul în care AI schimbă modul în care medicii diagnostichează bolile și tulburările.

Dar, pe cât de important este un diagnostic rapid, ieftin și precis, există un lucru care este și mai bun: prevenirea.

Săptămâna aceasta, analizăm modul în care AI transformă modul în care medicii prezic și previn bolile și spitalizările.

Previziunile în timp util vor ajuta la prevenirea bolilor

În fiecare an, spitalele din SUA admit 4,4 milioane de pacienți în mod inutil, costând 30,8 miliarde de dolari, potrivit estimărilor Agenției SUA pentru Cercetare și Calitate în domeniul Sănătății.

Doar două afecțiuni - bolile de inimă și complicațiile diabetului - reprezintă jumătate din toate spitalizările inutile.

Infografic pentru boli de inimă (Sursa: Huffington Post)

Iată câteva exemple despre modul în care învățarea profundă ajută deja la prezicerea și evitarea evenimentelor negative de sănătate legate de bolile de inimă și diabet:

• Cercetătorii de la Centrul de Informații și Inginerie a Sistemelor al Universității din Boston au lucrat cu spitalele locale pentru a monitoriza pacienții cu boli de inimă și diabet și pentru a prezice care dintre ei va necesita spitalizare. Dacă furnizorii de asistență medicală pot prezice cine va avea nevoie de ajutor înainte de a fi necesar, ei pot preveni multe dintre aceste spitalizări. Modelul de învățare profundă pe care îl folosesc cercetătorii poate prezice cu o precizie de 82% cine va avea nevoie de spitalizare cu aproximativ un an înainte.

• Cercetătorii de la Sutter Health și de la Institutul de Tehnologie din Georgia pot prezice acum insuficiența cardiacă folosind învățarea profundă pentru a analiza dosarele electronice de sănătate cu până la nouă luni înainte ca medicii să utilizeze mijloace tradiționale.
• Frans Von Houten, președinte și CEO al Royal Philips, a declarat pentru CNBC în mai că compania sa folosește acum AI pentru a prezice cu exactitate dacă un pacient va avea un atac de cord cu câteva ore înainte ca acesta să se întâmple.

Dar AI nu ajută doar la prevenirea evenimentelor bruște de asistență medicală. De asemenea, ajută la contracararea degenerescenței în curs.

De exemplu, retinopatia diabetică este o cauză principală a orbirii în rândul adulților de vârstă activă.

Diagrama retinopatiei diabetice (Sursa: news-medical.net)

Astfel de complicații legate de diabet apar din creșteri și scăderi ale nivelului de glucoză din sânge, așa că prezicerea cu exactitate a nivelului de glucoză din sânge este esențială pentru prevenirea scăderilor și creșterilor în primul rând cu gustări și injecții de insulină la timp.

O lucrare din iulie 2017 arată că rețelele neuronale profunde, care realizează o învățare profundă, pot învăța de la un set de copii diabetici cum să prezică cu exactitate nivelurile de glucoză din sânge (pentru a preveni aceste scăderi și vârfuri) la un grup mai mare de copii.

Înțelegerea modului în care genele duc la boală se va aprofunda

O altă modalitate de a preveni boala cu IA este de a prezice cine va dezvolta anumite tulburări pe baza structurii lor genetice.

Potrivit analistului Gartner în domeniul sănătății, Richard Gibson, genele sunt „cel mai mare lucru care a afectat asistența medicală poate vreodată, cu siguranță de la apariția antibioticelor în 1950”.

Mai exact, pe măsură ce cercetătorii colectează date genomice la niveluri fără precedent, iar modelele de învățare profundă fac analiza acestor date și stabilirea conexiunilor mai ușoară ca niciodată, învățăm o cantitate incredibilă despre modul în care factorii genetici, cum ar fi mutațiile, duc la boli.

Aceste progrese duc la o medicină personalizată sau „de precizie”, în care scopul este de a adapta tratamentele la structura genomică a fiecărui pacient.

Genomul tău este setul complet de instrucțiuni chimice pentru a construi un „tu”. Deși genomica este încă la început, există proiecte care fac progrese. De exemplu, o echipă de cercetători de la Universitatea din Toronto lucrează pentru a construi un motor de interpretare genetică pentru a identifica rapid mutațiile care cauzează cancer la pacienți individuali.

Tot în Toronto, un startup numit Deep Genomics aplică un model de învățare profundă la seturi uriașe de date de informații genetice și înregistrări medicale pentru a potrivi variațiile genetice cu boala corespunzătoare.

Ambele organizații folosesc platforma de calcul AI, GPU Nvidia pentru modelele lor.

Pregătiți-vă pentru învățarea profundă cu software-ul potrivit

În timp ce GPU-urile, cum ar fi cele realizate de Nvidia, sunt esențiale pentru rularea algoritmilor de învățare profundă, aveți nevoie și de software specializat pentru a face AI din domeniul sănătății o realitate.

Grupul de la Universitatea din Boston a reușit să prezică cine va avea nevoie de spitalizare cu mult mai multă acuratețe decât doar medicii, deoarece au folosit rețele neuronale profunde (DNN).

DNN-urile pot analiza până la 200 de factori, cum ar fi istoricul de sănătate și informațiile demografice, pentru a-i identifica pe cei care sunt asociați cu bolile viitoare. Cu toate acestea, pentru ca modelul DNN să funcționeze, are nevoie de date din înregistrările EHR.

O posibilă provocare este că EHR-urile stochează de obicei acest tip de date în blocuri mari de text. De exemplu, un EHR poate avea o înregistrare a istoricului de depresie al unui pacient într-o secțiune „Note”, unde un medic scrie „Mama pacientului a suferit de dispoziții depresive” împreună cu plângeri, probleme actuale etc.

Dar, pentru a funcționa, modelele AI au nevoie de date bine structurate. Este mai ușor pentru o mașină să analizeze că un pacient are antecedente familiale de depresie dacă există o coloană numită „istoric familial” și o casetă de selectare lângă „depresie”.

În curând, învățarea profundă va fi „obligatorie pentru oamenii care construiesc aplicații software sofisticate”, a spus Frank Chen, partenerul Andreessen Horowitz, pentru Fortune.

Majoritatea capitaliștilor de risc, inclusiv cei care investesc în startup-uri SaaS, nici măcar nu știau ce este învățarea profundă în urmă cu cinci ani. Astăzi, investitorii „se feresc de startup-urile care nu o au”, spune Chen.

De asemenea, ar trebui să fiți atenți la EHR care nu creează și nu stochează tipul de date bine structurate care funcționează cu modele de învățare profundă. Ai putea chiar să cauți un EHR care să aibă încorporat AI în funcționalitatea sa de documentație clinică, de exemplu, Epic în parteneriat cu Nuance.

Cu toate acestea, majoritatea sistemelor EHR nu vor avea AI încorporat pentru o perioadă, potrivit lui Anil Jain, MD, FACP și vicepreședinte și director de informatică medicală pentru IBM Watson Health. Opțiunea în aceste cazuri este să integrați funcționalitatea AI în EHR existent. De acum înainte, majoritatea sistemelor de sănătate vor trebui să dezvolte și să implementeze AI ca funcționalitate suplimentară.

Asta a făcut Intermountain Healthcare cu EHR, construind peste 150 de protocoale în Cerner. Cu fiecare protocol, Cerner lansează o alertă atunci când primește informații despre pacient care indică o anumită afecțiune și apoi ghidează clinicienii prin examinări suplimentare sugerate și tratamente potențiale.

Construirea acestor protocoale necesita 12 medici, asistente și experți în analiză și ar dura mai mult de un an. Dar, prin parteneriatul cu Intermountain, acestea pot fi construite în 10 zile fără muncă umană.

Când discutați cu agenții de vânzări de software, fie că sunteți în căutarea unui software EHR sau a unui software de management al cabinetului medical, este important să știți ce întrebări să puneți.

Urmăriți-vă de la partenerul VC Chen și adresați întrebări precum:

• „Unde este versiunea ta de procesare în limbaj natural?”
• „Cum pot vorbi cu aplicația dvs. pentru a nu fi nevoit să dau clic pe meniuri?”

Pasii urmatori

În prezent, marile centre de cercetare și sistemele de asistență medicală dezvoltă modele de învățare profundă care pot prezice și preveni bolile și spitalizările și pot descoperi care gene sunt asociate cu boli și tulburări viitoare.

Când comparați software-ul EHR, întrebați furnizorii de pe lista dvs. scurtă despre orice funcționalitate AI sau integrări pe care le oferă. De exemplu, datele sunt stocate într-un bloc de text sau sunt mai structurate?

În mod ideal, ar trebui să alegeți un EHR care are funcționalitate AI încorporată sau unul care se poate integra cu un model de învățare profundă.