Краткое содержание моего интервью с кардиологом. Это одно из моих 18 интервью с клиницистами для получения степени магистра здравоохранения (ссылка здесь) для Школы общественного здравоохранения Калифорнийского университета в Беркли.
Посетите мой сайт Укрепление доверия и внедрение машинного обучения в здравоохранении (ссылка здесь), чтобы ознакомиться с сокращенной и полной версиями моего диплома в области здравоохранения, а также с предстоящими резюме интервью и дополнительных исследований.
Обратите внимание, что это интервью представляет собой обезличенное резюме для простоты чтения и обеспечения конфиденциальности. Он был одобрен для распространения интервьюируемым.
«Я думаю, что использование машинного обучения для молодых клиницистов — плохая идея. Существует множество тонкостей, и если вы используете машинное обучение, то вы не получите ни знаний, ни искусства медицины».
История работы
Я кардиолог в академическом медицинском центре. Помимо моих 10% времени на обучение, я забочусь о пациентах в больнице и клинике. Я диагностирую пациентов, интерпретируя ядерно-кардиологические исследования, эхокардиографию и исследования сосудистых заболеваний. Большинство диагнозов — это такие вещи, как ишемическая болезнь сердца, аритмии, застойная сердечная недостаточность и гиперхолестеринемия. Я планирую работать еще около 13 лет.
Знание ML в здравоохранении
Для начала, что вы слышали об искусственном интеллекте и/или машинном обучении в здравоохранении?
Я много чего не слышал. Я думаю, они хотят сохранить детали в тайне, чтобы им было легче заменить нас! Я шучу об этом. Если серьезно, я не думаю, что машинное обучение заменит клиницистов в ближайшее время.
Прошлое и будущее использование
Использовали ли вы какие-либо инструменты машинного обучения? Не могли бы вы?
Я ежедневно использую инструмент для голосовой диктовки, который преобразует мой голос в текст и отправляет его в EHR. Насколько мне известно, с клинической точки зрения я ничего не использовал; но я был бы открыт для этого, если бы это помогло.
Волнение и беспокойство
Что вас беспокоит или волнует в сфере машинного обучения в здравоохранении? Что еще вас волнует или беспокоит?
Я взволнован тем, что это уменьшает количество медицинских ошибок. У людей много ошибок, поэтому машина может улучшить уход. С другой стороны, я скептически отношусь к данным, используемым этими инструментами машинного обучения. Данные часто неверны; Таким образом, плохие данные на входе означают плохие прогнозы на выходе.
Я думаю, что еще одна захватывающая часть машинного обучения — это его способность предупреждать клиницистов о потенциальных диагнозах и лечении, которые могли быть упущены из виду. Многие формулы и их результаты скрыты глубоко внутри ЭУЗ, поэтому иногда мы их пропускаем. Наличие смарт-уведомления поможет.
Этика и конфиденциальность
При чем тут этика? Что может пойти не так или что можно сделать хорошо?
Я никогда не думал, что этика связана с ML. Я понимаю, что это какой-то алгоритм, который дает прогнозы после того, как вы введете данные. Так что я не уверен, где этические проблемы. Я предполагаю, что когда вы думаете о проблемах с конфиденциальностью, могут возникнуть некоторые проблемы; но это верно для всех цифровых технологий. В некотором смысле использование инструментов машинного обучения было бы более этичным, потому что это машина, а не человек с предубеждениями.
Кто еще должен информировать вас или решать за вас, является ли инструмент машинного обучения этичным и достаточно конфиденциальным?
Когда вы работаете в большом академическом медицинском центре, подобном моему, решение принимает некий центральный совет экспертов.
Знание машинного обучения и объяснимость модели
На каком уровне вам нужно понять, как модель делает свой прогноз?
Я не уверена. Мы используем некоторые приложения и формулы для прогнозирования риска сердечно-сосудистых заболеваний. Я не знаю всех формул, которые происходят в фоновом режиме, и поэтому это немного сбивает с толку, но я все еще использую их. Вероятно, в ML было бы то же самое.
Требования к внешней проверке
Чтобы вы захотели использовать инструмент машинного обучения, какое внешнее подтверждение вам необходимо увидеть? Какие типы государственных и/или неправительственных организаций будут играть роль?
Претензии должны быть подтверждены данными. Мы уже используем множество формул для прогнозирования соотношения риска и пользы лечения. Итак, нам нужно будет посмотреть, подтверждены ли эти алгоритмы исследованием или консенсусом экспертов.
Существует уже много руководств по заболеваниям. Они формируются группой экспертов, которые просматривают все данные, чтобы упростить выводы для других клиницистов. Итак, возможно, консенсусная комиссия создаст руководство по использованию инструмента ML. Существует Американский колледж кардиологов, который работает с Американской кардиологической ассоциацией. Существует также Европейское общество кардиологов. Эти общества охватывают большую часть развитого мира.
Клиническое образование
Как это повлияет на клиническое образование?
Я думаю, что использование машинного обучения для молодых клиницистов — плохая идея. Есть много тонкостей, которые существуют, и если вы используете ML, то вы не получите ни знаний, ни искусства медицины. Так что, возможно, машинное обучение было бы полезно для опытных клиницистов, но не для тех, кто получает начальное медицинское образование.
Желаемые варианты использования
Где есть возможности помочь врачам с отмыванием денег? Представьте себе: технологическая компания мирового класса разработала инструмент машинного обучения, который предлагает возможные диагнозы или сортирует пациентов. Что им лучше построить сейчас и почему?
Большой проблемой при создании любого хорошего инструмента машинного обучения является доступ ко всем данным. Я не специалист по информационным технологиям, но знаю, что для лабораторий, клинических заметок, счетов, аптечных сценариев и сканов существует отдельная компьютерная система. Если бы мы могли собрать много данных вместе, то я думаю, что в сверке лекарств и сортировке пациентов есть большая ценность.
Выполнение
Как это сделать после внедрения инструмента машинного обучения? Кто должен иметь доступ в первую очередь; кто не должен?
Я думаю, что его необходимо интегрировать с существующими системами и ЭМК, которые уже используются клиницистами. Но я знаю, что в стране есть много разных электронных медицинских карт, так что это будет сложно сделать.
Процесс покупки
Какие данные, ссылки и обещания им нужно изучить, чтобы в конечном итоге сказать да или нет?
Нашему академическому медицинскому центру необходимо убедиться, что инструмент машинного обучения является экономически эффективным. Он также должен быть удобным для пользователя. Наконец, многие из этих типов решений принимаются с учетом страховых планов, которые пытаются сэкономить деньги, делая людей более здоровыми. Итак, вам нужно посмотреть, сможет ли он это сделать. И да, нужно было бы улучшить качество обслуживания.
