Введение

По мере развития медицинской помощи клиницисты и исследователи изучают возможности использования технологий для повышения качества и эффективности медицинской помощи. В связи с этим для доставки точной медицины используются технологии. Эта форма медицины представляет собой новый подход, который фокусируется на использовании геномных, экологических и личных данных для настройки и предоставления точной формы лечения. Отсюда и название «точная медицина». В последние годы одним из наиболее влиятельных факторов в обеспечении точной медицины был искусственный интеллект (ИИ). В частности, одна из его форм машинного обучения (ML). Машинное обучение, которое использует вычисления для анализа и интерпретации различных форм медицинских данных для выявления закономерностей и прогнозирования результатов, показало растущий успех в различных областях оказания медицинской помощи. В этой статье я обсуждаю, как компьютерное зрение и обработка естественного языка, которые используют машинное обучение, могут быть использованы для предоставления точной медицины. Я также обсуждаю технические и этические проблемы, связанные с этими подходами, и то, что ждет нас в будущем, если эти проблемы будут решены.

Анализ изображения

Клиницисты используют различные формы методов медицинской визуализации, такие как рентген, компьютерная томография, магнитно-резонансная томография и методы ядерной визуализации, чтобы помочь в диагностике и лечении различных состояний, от рака до простых переломов. В последние годы важность этих методов в разработке конкретных методов лечения стала критической. Однако зависимость от ограниченного подмножества подготовленных медицинских специалистов (радиологов) для интерпретации и подтверждения изображений во многих случаях означает увеличение времени диагностики и лечения. Задача классификации и сегментации медицинских изображений может быть не только утомительной, но и занимать много времени. Компьютерное зрение (CV), форма ИИ, которая позволяет компьютерам интерпретировать изображения и определять, что это за изображения, в последние годы показало многообещающие и успешные результаты. В настоящее время CV применяется в медицине для интерпретации рентгенологических, фундоскопических и гистопатологических изображений. Наиболее известным успехом последних лет стала интерпретация изображений ретинопатии для диагностики диабетической и гипертонической ретинопатии. Говорят, что использование CV на основе нейронных сетей (продвинутая форма ML) берет на себя утомительную задачу сегментации и классификации медицинских изображений и позволяет проводить предварительную или дифференциальную диагностику. Утверждается, что этот подход не только ускоряет процесс диагностики и лечения, но и дает радиологам больше времени, чтобы сосредоточиться на интерпретации сложных изображений.

Обработка естественного языка

Как и CV, обработка естественного языка (NLP) оказала большое влияние на общество в виде голосовых помощников, спам-фильтров и чат-ботов. Приложения НЛП также используются в здравоохранении в виде виртуальных медицинских помощников, и в последние годы было выявлено, что они могут анализировать клинические записи и устные инструкции врачей. Эта способность НЛП может уменьшить нагрузку на занятых клиницистов, которые обременены необходимостью документировать весь уход за пациентами в электронных медицинских картах (ЭМК). Высвобождая время на написание обильных заметок, приложения НЛП могут позволить клиницистам уделять больше времени пациентам. В последнее время методы НЛП используются для анализа даже неструктурированных (свободная форма и письменные заметки) данных, что делает их полезными в случаях, когда письменные данные недоступны в цифровой форме или имеются нетекстовые данные. Интегрируя приложения NLP в электронные медицинские карты, можно ускорить рабочий процесс и оказание медицинских услуг.

Комбинация подходов

Прецизионная медицина основывается на индивидуальном подходе к лечению пациентов. Благодаря сочетанию методов НЛП и CV возможности предоставления точных лекарств значительно возросли. Например, методы НЛП могут прокручивать прошлые медицинские записи, чтобы идентифицировать ранее диагностированные состояния и лечение, и представлять информацию в виде резюме врачам, даже когда пациент поступает в клинику или в отделение неотложной помощи. Оказавшись в клинике или отделении неотложной помощи, приложения распознавания голоса NLP могут анализировать разговор между пациентом и врачами и документировать его в виде заметок пациента для просмотра и подтверждения врачом. Этот процесс может освободить время для врача и обеспечить точность записей. Поскольку врач выявляет состояние, влияющее на пациента, и полагается на подтверждение с помощью соответствующей медицинской визуализации, автоматизированные или полуавтоматические методы CV могут ускорить процесс подтверждения. Таким образом, сплоченный процесс может ускорить время, в течение которого пациент получает необходимое лечение.

Давайте посмотрим, как это работает на вымышленном примере. Мистер Карлайл, заядлый велосипедист, по дороге на работу попадает в аварию, когда автомобиль выезжает на велосипедную дорожку и сбрасывает его с велосипеда. Водитель автомобиля вызывает скорую помощь, когда замечает сидящего мистера Карлайла, который корчится от боли. Скорая помощь после прибытия, введя его уникальный идентификационный номер пациента, доступ к которому осуществляется с его смарт-часов, доставляет его в ближайшее отделение неотложной помощи. Агент ИИ, встроенный в информационную систему пациентов больницы, идентифицирует г-на Карлайла по его идентификационному номеру пациента и извлекает его медицинские данные, включая его аллергию на лекарства. Эта информация доступна врачам отделения неотложной помощи для ознакомления даже по прибытии мистера Карлайла. После помещения в отделение неотложной помощи лечащий врач использует приложение НЛП для записи, анализа и документирования разговора между ней и мистером Карлайлом. Этот вариант позволяет доктору сосредоточить большую часть своего времени на мистере Карлайле. Врач подозревает перелом ключицы и направляет мистера Карлайла на рентген. Приложение CV, встроенное в информационную систему обработки изображений, обнаружило перелом середины диафиза ключицы и передало диагноз врачу. Врач, руководствуясь приложением для поддержки принятия клинических решений на основе искусственного интеллекта, встроенным в информационную систему пациента, рекомендует иммобилизацию и слинговое лечение мистера Карлайла вместе с болеутоляющими средствами. Его болеутоляющее средство исключает НПВП, поскольку агент ИИ определил, что у него аллергия на аспирин.

Задачи

Приведенный выше сценарий представляет собой наглядный пример того, как ИИ в конкретных приложениях CV и NLP может быть использован для предоставления быстрой и персонализированной медицинской помощи, но все же зависит от технологий, обеспечивающих такие результаты. В настоящее время методы CV не получили доверия со стороны регулирующих органов или клиницистов, чтобы разрешить автоматическую диагностику с помощью медицинских изображений (за исключением незначительных случаев, таких как интерпретация диабетической ретинопатии), а также приложения NLP, встроенные в EHR, для автоматической записи, анализа и записи разговоров пациентов. . Несмотря на то, что на рынке было выпущено несколько приложений для анализа неструктурированных данных, внешняя проверка и широкое признание приложений такого типа ожидаются через несколько лет. В сочетании с этими техническими и нормативными проблемами возникают этические проблемы, связанные с обеспечением автономии нечеловеческих агентов для руководства и оказания клинической помощи. Дополнительные проблемы могут возникнуть из-за использования идентификаторов пациентов для извлечения исторических данных, даже если это связано с лечением, если пациент не дал на это согласия. Тем не менее, проблемы можно преодолеть по мере совершенствования технологии искусственного интеллекта и создания структур управления для защиты частной жизни пациентов, конфиденциальности и безопасности. По мере того, как внимание к этике применения ИИ в здравоохранении возрастает, а технологические ограничения применения ИИ устраняются, вымышленный сценарий может стать реальностью не так уж и далеко в будущем.

Заключение

Между ИИ и точной медициной существует естественная согласованность, поскольку возможности методов ИИ, таких как NLP и CV, можно использовать для анализа биометрических данных и предоставления пациентам персонализированного лечения. При наличии надлежащих мер безопасности использование ИИ в прецизионной медицине может принести пользу как пациенту, так и клиницисту. Основываясь на быстро развивающейся технологии искусственного интеллекта, можно предсказать, что в ближайшие годы будет более широкое применение моделей точного ухода в медицине и, следовательно, методов искусственного интеллекта.