การเรียนรู้เชิงลึกเปลี่ยนการดูแลสุขภาพอย่างไร ตอนที่ 1: การวินิจฉัย

AI พร้อมที่จะสร้างผลกระทบอย่างลึกซึ้งและยั่งยืนต่อการดูแลสุขภาพ โดยขับเคลื่อนด้วยแนวโน้มที่ทรงพลังสามประการ:

1. หน่วยประมวลผลกราฟิก (GPU) เริ่มเร็วขึ้นและประหยัดพลังงานมากขึ้น

จนกระทั่งเมื่อไม่นานนี้ การรันอัลกอริธึม AI แทบจะไม่คุ้มทุนเลย

2. อัลกอริธึมมีความซับซ้อนมากขึ้น

เนื่องจากตอนนี้เราสามารถใช้โมเดลการเรียนรู้เชิงลึกด้วยต้นทุนที่ผ่านมาเพียงเล็กน้อย นวัตกรรมจึงระเบิดได้

3. ข้อมูลด้านการดูแลสุขภาพมีมากมาย

ต้องขอบคุณ EHR และความพยายามในการแปลงเป็นดิจิทัลอื่นๆ เราจึงมีข้อมูลด้านการดูแลสุขภาพมากขึ้นเพื่อใช้ในการฝึกอัลกอริทึมมากกว่าที่เคย

เมื่อไม่กี่ปีที่ผ่านมา CB Insights มีบริษัทสตาร์ทอัพด้าน AI น้อยกว่าสองโหลที่เน้นเรื่องการดูแลสุขภาพ ปัจจุบันมีสตาร์ทอัพด้าน AI ที่เกี่ยวข้องกับการดูแลสุขภาพมากกว่า 100 ราย

สิ่งนี้ทำให้แพทย์หลายคนลังเลว่าพวกเขาจะเตรียมตัวอย่างไรสำหรับสิ่งที่จะเกิดขึ้นในวันพรุ่งนี้ในวันนี้ ต่อไปนี้คือวิธีที่ Deep Learning กำลังเปลี่ยนแปลงการดูแลสุขภาพในขณะนี้ และเคล็ดลับในการซื้อฮาร์ดแวร์ที่เหมาะสมเพื่อเตรียมพร้อมสำหรับการปฏิวัติ AI ที่กำลังจะมีขึ้น

ภาพรวมคำศัพท์

อภิธานศัพท์ของคำศัพท์ AI (ผ่านฟอร์จูน)

การวินิจฉัยที่รวดเร็วและแม่นยำยิ่งขึ้นผ่านการเรียนรู้เชิงลึก

เมื่อคุณคิดเกี่ยวกับมัน การวินิจฉัยโรคเป็นงานที่สมบูรณ์แบบสำหรับปัญญาประดิษฐ์ การเรียนรู้เชิงลึกคือทั้งหมดที่เกี่ยวกับการระบุรูปแบบโดยการเชื่อมต่อจุดต่างๆ

พิจารณาสุนัข ส่วนประกอบ: ขนดก ตาสองข้าง สี่ขา หาง ตัวเล็กกว่าคน ตัวใหญ่กว่าแมว อัลกอริธึมการเรียนรู้เชิงลึก "เรียนรู้" จากการป้อนข้อมูล การวิเคราะห์ และการทดสอบหลายรอบ ซึ่งแต่ละรายการคืออะไรและสามารถระบุสุนัขจากส่วนประกอบต่างๆ ได้

ในกรณีของโรค จุดคืออาการและความผิดปกติที่เกี่ยวข้อง ไอ จาม เจ็บคอ : น่าจะเป็นหวัด

อัลกอริธึมการเรียนรู้เชิงลึกจะวินิจฉัยได้ดีขึ้นในแบบเดียวกับที่แพทย์ทำ นั่นคือด้วยการฝึกฝน เช่นเดียวกับแพทย์ อัลกอริธึมจะทำการเดาและเรียนรู้ว่าถูกต้องหรือไม่โดยพิจารณาจากว่าผู้ป่วยตอบสนองต่อการรักษาหรือไม่ หรือมีอาการใหม่ๆ ซึ่งบ่งชี้ว่าการวินิจฉัยเบื้องต้นนั้นปิดอยู่ ข้อมูลนี้ป้อนเข้าสู่อัลกอริทึมผ่านข้อมูล EHR

เครือข่ายประสาทลึกเรียนรู้อย่างไร (ผ่าน Fortune)

ความแตกต่างที่สำคัญอย่างหนึ่งระหว่างแพทย์กับอัลกอริธึมการเรียนรู้เชิงลึกคือแพทย์ต้องนอนหลับ เมื่อคุณฝึกอัลกอริทึมแล้ว มันสามารถทำงานได้ (และปรับปรุง) อย่างต่อเนื่อง

แพทย์จะได้เห็นและเรียนรู้จากภาพ MRI นับพันภาพในช่วงชีวิตของเธอ อัลกอริทึมสามารถเห็นได้หลายล้านล้าน เช่นเดียวกับมนุษย์ทุกคน แพทย์มักจะผิดพลาด ด้วย AI จะไม่มีความเสี่ยงต่อการเจ็บป่วย ความเหนื่อยล้า หรือความหมกมุ่น มันจะไม่ฝึกเวชศาสตร์ป้องกันหรือติดขัดในทางของมัน

สิ่งนี้มีลักษณะอย่างไรในทางปฏิบัติ?

แมชชีนเลิร์นนิงสามารถระบุได้ว่ารอยโรคที่ผิวหนังเป็นมะเร็งได้แม่นยำพอๆ กับแพทย์ผิวหนังที่ผ่านการรับรองจากคณะกรรมการหรือไม่ ดังที่แสดงโดยนักวิทยาศาสตร์ที่มหาวิทยาลัยสแตนฟอร์ดเมื่อต้นปีนี้

เมื่อเพื่อนร่วมห้องในมหาวิทยาลัยของ Hossam Haick ได้รับการวินิจฉัยว่าเป็นมะเร็งเม็ดเลือดขาว เขาได้รับแรงบันดาลใจให้สร้างเซ็นเซอร์เพื่อรักษามะเร็ง “แต่แล้วฉันก็ตระหนักว่าการวินิจฉัยตั้งแต่เนิ่นๆ อาจมีความสำคัญพอๆ กับการรักษา” Haick บอกกับ New York Times ดังนั้นเขาจึงสร้างเครื่องจักรที่ใช้ปัญญาประดิษฐ์เพื่อเรียนรู้ว่าโรคต่างๆ มีกลิ่นอย่างไร ทุกการดมกลิ่น อัลกอริธึมจะแม่นยำยิ่งขึ้น เมื่อเดือนธันวาคมปีที่แล้ว มันสามารถระบุโรคต่างๆ ได้ 17 โรคด้วยความแม่นยำสูงสุดถึง 86%

Enlitic ใช้การเรียนรู้เชิงลึกเพื่อตรวจหาก้อนเนื้องอกในปอดในการถ่ายภาพรังสีและการสแกน CT และ MRI และตรวจสอบว่าเนื้องอกเหล่านี้ไม่เป็นพิษเป็นภัยหรือไม่ CEO Igor Barani อดีตศาสตราจารย์ด้านรังสีรักษามะเร็งที่มหาวิทยาลัยแคลิฟอร์เนียในซานฟรานซิสโก อ้างว่าอัลกอริธึมของ Enlitic มีประสิทธิภาพดีกว่านักรังสีวิทยาสี่คนในการทดสอบ Barani บอกกับ Medical Futurist:

“จนกระทั่งเมื่อไม่นานนี้ โปรแกรมคอมพิวเตอร์วินิจฉัยโรคได้ถูกเขียนขึ้นโดยใช้สมมติฐานที่กำหนดไว้ล่วงหน้าเกี่ยวกับลักษณะเฉพาะของโรค ต้องออกแบบโปรแกรมเฉพาะทางสำหรับแต่ละส่วนของร่างกายและสามารถระบุโรคได้เพียงชุดเดียวเท่านั้น ป้องกันความยืดหยุ่นและความสามารถในการปรับขนาดได้ โปรแกรมต่างๆ มักจะทำให้ความเป็นจริงง่ายเกินไป ส่งผลให้ประสิทธิภาพในการวินิจฉัยไม่ดี และด้วยเหตุนี้จึงไม่เคยได้รับการนำไปใช้ทางคลินิกอย่างแพร่หลาย ในทางตรงกันข้าม การเรียนรู้เชิงลึกสามารถจัดการกับโรคต่างๆ ในร่างกายได้อย่างครอบคลุม และรูปแบบการถ่ายภาพทั้งหมด (X-ray, CT scan ฯลฯ)”

Freenome ใช้การเรียนรู้เชิงลึกเพื่อค้นหามะเร็งในตัวอย่างเลือด หรือโดยเฉพาะอย่างยิ่ง ชิ้นส่วนของ DNA ที่เซลล์เม็ดเลือดปล่อยออกมาเมื่อพวกมันตาย บริษัทร่วมทุน Andreessen Horowitz ได้ส่งตัวอย่างเลือด 5 ตัวอย่างให้กับบริษัทเพื่อวิเคราะห์เป็นแบบทดสอบก่อนการลงทุน บริษัทดำเนินการลงทุนต่อไปหลังจากที่ Freenome ระบุได้ว่าเป็นมะเร็งทั้งห้าชนิด—สองชนิดปกติและสามชนิดเป็นมะเร็ง—อย่างถูกต้อง ผู้ก่อตั้ง Gabriel Otte บอกกับ Fortune ว่าอัลกอริธึมการเรียนรู้เชิงลึกของเขากำลังตรวจจับลายเซ็นของมะเร็งที่นักชีววิทยาด้านมะเร็งยังไม่ได้ระบุลักษณะ

ในเดือนพฤษภาคม Ali Parsa ผู้ก่อตั้งและซีอีโอของ Babylon Health บอกกับรายการเทคโนโลยีออนไลน์เรื่อง “Hot Topics” ว่าทีมของเขาเพิ่งส่งระบบคัดแยกทางคลินิกที่ขับเคลื่อนด้วย AI เครื่องแรกของโลกเพื่อการทดสอบทางวิชาการ ซึ่งในระหว่างนั้นระบบของเขาได้พิสูจน์ตัวเองว่าแม่นยำกว่าแพทย์ถึง 13% และแม่นยำกว่าพยาบาล 17%

นำไปปฏิบัติได้จริงแค่ไหน?

แม้ว่าแมชชีนเลิร์นนิงจะเป็นวิธีที่ดีกว่าในการวินิจฉัยการเจ็บป่วยอย่างรวดเร็ว แต่ก็มีความเป็นไปได้มากกว่าสำหรับการใช้งานทั่วไปในช่วงเร็วๆ นี้ ก่อนหน้านี้ การติดตั้งใช้งานในทางที่แพร่หลายนั้นมีราคาแพงเกินไป

ต้องขอบคุณโปรเซสเซอร์รุ่นใหม่ที่ทำงานเร็วกว่าที่เคยในขณะที่ใช้พลังงานน้อยลง การเรียนรู้ของเครื่องจึงก้าวหน้าไปอย่างรวดเร็วและมีราคาจับต้องได้

ดังที่ Para ได้บันทึกไว้ในวิดีโอด้านบน เมื่อ 10 ปีที่แล้ว การดูทุกส่วนของร่างกายเพื่อค้นหาและวินิจฉัยการเจ็บป่วยนั้นมีราคาหนึ่งล้านเหรียญ วันนี้ ค่าใช้จ่ายนั้นลดลงเหลือ 10,000 ดอลลาร์และรวมถึงการเรียงลำดับยีนด้วย

บริษัทสร้างภาพทางการแพทย์แห่งหนึ่งได้รับการอนุมัติจาก FDA ให้ขายซอฟต์แวร์ที่ขับเคลื่อนด้วย AI ให้กับแพทย์ ในเดือนมกราคม Arterys ก้าวไปข้างหน้าสำหรับ "DeepVentricle" ซึ่งเป็นอัลกอริธึมการเรียนรู้เชิงลึกที่สามารถคำนวณความจุหัวใจของผู้ป่วยได้อย่างแม่นยำเหมือนแพทย์ในเวลาน้อยกว่า 30 วินาที ในทางตรงกันข้าม การวิเคราะห์ภาพ MRI เพื่อทำการคำนวณด้วยมือจะใช้เวลาประมาณหนึ่งชั่วโมง

วิศวกรชีวการแพทย์และศาสตราจารย์ Cristina Davis คาดการณ์ว่าภายใน 3-5 ปี แพทย์จะสามารถเข้าถึงอัลกอริธึมการเรียนรู้เชิงลึกเพื่อช่วยในการวินิจฉัย

เตรียมความพร้อมสำหรับการเรียนรู้เชิงลึกด้วยฮาร์ดแวร์ที่เหมาะสม

ส่วนใหญ่ของพลังในการคำนวณที่เพิ่มขึ้นตั้งแต่ช่วงปลายทศวรรษ 2000 นั้นเกิดจากชิปที่ออกแบบโดย Nvidia เพื่อเพิ่มความสมจริงของภาพของวิดีโอเกม การใช้หน่วยประมวลผลกราฟิก (GPU) สำหรับการเรียนรู้เชิงลึกนั้นมีประสิทธิภาพมากกว่าการใช้หน่วยประมวลผลกลาง (CPU) ถึง 20 ถึง 50 เท่า

ในเดือนสิงหาคม 2559 Nvidia ประกาศว่ารายรับรายไตรมาสเพิ่มขึ้นกว่าเท่าตัวเมื่อเทียบเป็นรายปีสำหรับกลุ่มศูนย์ข้อมูล โดยแตะระดับ 151 ล้านดอลลาร์ CFO Colette Kress บอกกับนักลงทุนว่า "การเติบโตส่วนใหญ่มาจากการเรียนรู้อย่างลึกซึ้ง"

ในปี 2559 Intel ได้ซื้อสตาร์ทอัพด้านการเรียนรู้เชิงลึกNervana Systems และ Movidius ในขณะที่ Google ได้เปิดตัวหน่วยประมวลผลเทนเซอร์ (TPU) ที่ออกแบบมาโดยเฉพาะเพื่ออำนวยความสะดวกในการเรียนรู้เชิงลึก

วันนี้ Nvidia ตั้งเป้าไปที่อุตสาหกรรมการแพทย์ Kimberley Powell ผู้จัดการฝ่ายพัฒนาธุรกิจของบริษัทต้องการเห็นโปรเซสเซอร์ของ Nvidia ใช้เพื่อตอบสนองความต้องการในการวิเคราะห์การเรียนรู้เชิงลึกของภาพทางการแพทย์

ลัทธิแห่งอนาคตรายงานว่า "ฮาร์ดแวร์ของ Nvidia ได้กำหนดบทบาทที่เงียบแต่โดดเด่นในการแต่งงานกับยาของการเรียนรู้อย่างลึกซึ้ง" บริษัทกำลังสร้างคอมพิวเตอร์ที่ทรงพลังซึ่งออกแบบมาเพื่อรันการคำนวณอย่างรวดเร็วและมีประสิทธิภาพ ซึ่งจะทำให้การวินิจฉัยรวดเร็วและแม่นยำยิ่งขึ้น Powell หวังว่าจะได้ติดตั้ง DGX-1 ของ Nvidia ในโรงพยาบาลและศูนย์วิจัยทางการแพทย์ทั่วโลก

โรงพยาบาลบางแห่ง เช่น ศูนย์วิทยาศาสตร์ข้อมูลทางคลินิกแห่งใหม่ของโรงพยาบาลแมสซาชูเซตส์ กำลังใช้ฮาร์ดแวร์ใหม่นี้เพื่อสุขภาพของประชากร โดยเปรียบเทียบผลการทดสอบของผู้ป่วยและประวัติทางการแพทย์เพื่อระบุความสัมพันธ์ในข้อมูล

บทสรุป

โครงข่ายประสาทเทียมกำลังเปลี่ยนแปลงวิธีที่แพทย์วินิจฉัยการเจ็บป่วย ทำให้การวินิจฉัยเร็วขึ้น ถูกกว่า และแม่นยำกว่าที่เคยเป็นมา การใช้ประโยชน์จากความก้าวหน้าเหล่านี้จำเป็นต้องมีขั้นตอนการเตรียมการบางอย่าง เช่น การอัปเกรดฮาร์ดแวร์ของคุณ

เมื่อคุณพร้อมที่จะอัพเกรด อย่าลืมลงทุนในระบบที่สามารถรองรับความต้องการด้านการคำนวณของการเรียนรู้เชิงลึกและสุขภาพของประชากร

สัปดาห์หน้า เราจะมาพูดคุยกันถึงวิธีอื่นในการเรียนรู้เชิงลึกในการเปลี่ยนแปลงการดูแลสุขภาพ: การป้องกันโรค นอกจากนี้ เราจะพูดถึงการจัดการสถานพยาบาลและซอฟต์แวร์ EHR ที่คุณต้องใช้เพื่อเริ่มใช้การเรียนรู้เชิงลึกในสถานปฏิบัติงานของคุณ

หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ AI และการดูแลสุขภาพ โปรดดูโพสต์เหล่านี้:

• ยาแม่นยำคืออะไร? บทนำง่ายๆ สำหรับแพทย์ที่สับสน
• 5 Healthcare AI Startups สำหรับ SMB ที่ต้องรู้
• 5 วิธีที่ปัญญาประดิษฐ์กำลังส่งผลกระทบต่อสุขภาพทางไกล