Прежде чем заменить поставщиков медицинских услуг или их задачи, мы должны больше сосредоточиться на расширении их человеческих возможностей.

Что такое хорошая философия дизайна, когда речь идет о внедрении и применении ИИ в клинике? Предлагаемый здесь подход заключается в том, чтобы наделить поставщиков «сверхспособностями». Вместо того, чтобы подходить к ИИ как к способу заменить поставщиков медицинских услуг или просто передать свои знания в машину, основное внимание следует уделять расширению существующих навыков и возможностей, чтобы они могли выполнять свою работу еще лучше, сохраняя при этом более позитивное и гуманное взаимодействие со своими пациентами. .

ИИ в клинике

Если когда-либо и была побеждающая сторона, то это применение искусственного интеллекта (ИИ) и машинного обучения (МО) в здравоохранении.[1] Сочетание ажиотажа, продемонстрированной полезности в других областях и предполагаемого потенциала в клинике порождает постоянный поток заголовков о том, как ИИ изменит здравоохранение, чтобы оно стало лучше, быстрее и дешевле.

Есть много примеров, когда ИИ уже оказывает влияние или делает серьезные шаги в качестве компонента здравоохранения:

Визуализация. Компьютерные алгоритмы применяются к медицинским изображениям уже несколько десятилетий, но подходы глубокого обучения демонстрируют реальные перспективы в обнаружении заболеваний на изображениях. Значительный прогресс достигнут в радиологии, онкологии и других специальностях. Эта область применения, пожалуй, самая продвинутая из всех, где пытаются применить ИИ.

Электронные медицинские карты (EHR). Извлечение полезной информации из историй болезни пациентов является активной областью как исследований, так и усилий по коммерциализации. Несмотря на то, что достигнут прогресс в оцифровке информации о пациентах, и такие компании, как Cerner и Epic, покрывают около 50% рынка систем EHR, извлечение данных, которые могут использоваться платформой искусственного интеллекта и действительно полезны в клинической практике, по-прежнему остается сложной задачей. Тем не менее, использование данных пациентов для улучшения медицинского обслуживания — это область, в которой ИИ быстро развивается и применяется, что может принести огромные последующие преимущества.

Мобильное здоровье и телемедицина. Как и в случае с электронными медицинскими картами, количество датчиков, которые почти каждый из нас ежедневно носит с собой, может быть использовано для создания богатой и персонализированной картины нашего здоровья и поведения. Недавние усилия по созданию «больницы на дому» представляют собой более узконаправленную область, которая направлена ​​на поддержку восстановления пациента после процедур (таких как хирургия) дома, а не в больнице. Поскольку эти усилия продолжают развиваться и появляются новые, ИИ, несомненно, будет играть ключевую роль в использовании этой информации клинически важными способами.

Это всего лишь несколько примеров того, как ИИ внедряется в здравоохранение и влияет на то, как врачи таких специальностей, как радиология, патология, кардиология, уход за больными и даже врачи общей практики оказывают помощь.

Знания и навыки, очевидно, являются основной частью того, что врач привносит в свое взаимодействие с пациентом, но также и эмпатия, интуиция, полученная из более широкого клинического, а также жизненного опыта, а также понимание контекста, в котором живет их пациент. работает и в целом переживает жизнь. Так является ли лучшим способом улучшить здравоохранение с помощью ИИ, используя знания и навыки врачей и пытаясь перенести их в какую-то другую внешнюю систему? Должна ли цель использования ИИ состоять в том, чтобы заменить врачей и медсестер?

Какую философию дизайна лучше использовать для внедрения ИИ в клинике?

Провайдеры со сверхспособностями

Хотя, несомненно, есть отдельные случаи, когда клиницист с искусственным интеллектом был бы исключительно ценным, прежде чем заменять людей или задачи, мы должны сосредоточиться на расширении человеческих возможностей наших поставщиков медицинских услуг. Некоторые из лучших возможностей для улучшения результатов лечения пациентов и системы здравоохранения в целом связаны с использованием ИИ, чтобы сделать квалифицированных специалистов еще лучше в том, что они делают.

Этот взгляд на то, как внедрить ИИ в здравоохранение, предполагает гораздо более ориентированный на человека подход к проектированию, чем тот, который сегодня обычно наблюдается в большинстве приложений ИИ.[2] Это относительно небольшое изменение точки зрения, однако, может привести к значительным изменениям в подходе к вашей проблеме и в том, какие решения предлагаются.

Человеческий мозг — удивительная машина для распознавания образов, и тренированный мозг особенно хорош в поиске и связывании часто незаметных фрагментов информации в связное целое. Это именно то, что мы хотим, чтобы клиницист сделал для нас, когда он диагностирует одну из наших проблем со здоровьем.

Распознавание образов — это именно то, в чем хорош ИИ, и особенно глубокое обучение. Но вместо того, чтобы просто исключить поставщика из уравнения, интеграция ИИ в роль поддержки, которая расширяет их навыки или заполняет пробелы в их знаниях, умножит эффективность того, насколько хорошо они могут выполнять свою работу.

Например, обширная подготовка и практический опыт — вот что лежит в основе способности врача ставить точные диагнозы. Тем не менее, поставить правильный диагноз по-прежнему часто бывает чрезвычайно сложно, иногда это связано с многочисленными пробами и ошибками. Кроме того, несмотря на наши растущие знания о механизмах болезней, мы все чаще сталкиваемся с различиями в том, как одно и то же заболевание или расстройство может проявляться по-разному у разных людей.

Новые технологии, которые позволяют охарактеризовать и количественно оценить аспекты здоровья пациента, могут предоставить огромное количество информации, которая теоретически должна улучшить диагностику. Однако количество самих данных делает это действительно сложной задачей. Так же как и широкий спектр типов данных, которые потенциально могут быть использованы, включая данные EHR, изображения и сканы, специализированные лабораторные тесты, генетическое тестирование и носимые датчики, и этот список продолжает расти. Таким образом, эти данные на самом деле имеют больше возможностей для создания «шума» и другой искажающей информации, чем на самом деле помогают врачу в постановке правильного диагноза и поддержке других задач по принятию клинических решений.

Таким образом, вместо того, чтобы сосредоточить разработку только на постановке диагноза, ИИ можно было бы использовать для предоставления врачам более полных и четких представлений этих сложных и многопараметрических данных. Таким образом, можно использовать сильные стороны ИИ и врача в поиске закономерностей. Предоставление ИИ возможности пойти дальше и, возможно, предложить ряд возможных диагнозов с указанием того, насколько вероятно, что каждому из них будут предоставлены имеющиеся данные, принесло бы пользу врачу, но при этом позволило бы поделиться своими знаниями и опытом в реальном мире. Такой подход мог бы подтолкнуть врача к рассмотрению более широкого спектра потенциальных диагнозов, в том числе тех, которые он, возможно, не рассматривал ранее. Это может быть особенно ценно при редких или трудно диагностируемых состояниях или для врачей, которым не хватает опыта или подготовки в данной области. Такая возможность также окажет значительное влияние на небольшие сельские общины, которые могут не иметь большого количества клинических знаний, из которых можно было бы черпать знания.

Системы искусственного интеллекта, которые анализируют и представляют врачу различные представления о сложных медицинских данных, также могут быть использованы, чтобы помочь врачам вести более информированные беседы со своими пациентами о потенциальных последствиях решения о здоровье — «выбор X приводит к тому, что 50% пациентов возвращаются». в больницу, в то время как выбор Y приводит к тому, что 95% проблем больше не возникнет». Эти «траектории принятия решений» — лишь один из почти бесконечных способов использования данных ИИ и ЭУЗ, чтобы помочь клиницистам и их пациентам вести более продуктивные дискуссии.

Хотя, безусловно, есть академические и отраслевые группы, которые занимаются только что описанным типом работы, это все еще относительно редко, а этот ориентированный на человека подход к разработке приложений ИИ остается запоздалым. Улучшение или увеличение возможностей клинициста, к сожалению, в конечном итоге становится скорее побочным эффектом или следствием, чем центральным фокусом или ограничением дизайна.

Преимущества этой стратегии

Преимущества «сверхмощного» подхода значительны. Во-первых, он действительно ориентирован на (а в некоторых случаях на) ключевую заинтересованную сторону, врача, который будет играть центральную роль в принятии решения о том, обеспечивает ли решение ИИ достаточную ценность для принятия. Наличие поставщика медицинских услуг в центре процесса проектирования значительно повышает вероятность того, что будет решена правильная проблема, а также вы получите важного сторонника, который будет необходим для фактического принятия решений ИИ.

Во-вторых, несмотря на то, что вопросы регулирования зависят от конкретной ситуации, расширение возможностей провайдеров потенциально лучше выполнять задачу сильно отличается от полной замены их при выполнении этой задачи. Во многих приложениях вспомогательной роли не всегда очевидно, какая степень или тип одобрения FDA необходимы. FDA недавно выпустило «Программное обеспечение на основе AI/ML как план действий медицинского устройства», и регулирование приложений AI/ML все еще находится на ранней стадии.[3] Тем не менее, расширение существующих навыков и базы знаний поставщика услуг явно отличается от попыток их замены.

В-третьих, и с точки зрения предпринимателя, этот подход — фантастический способ выяснить, где и как внедрять решения ИИ. Вы работаете напрямую с основным покупателем, чтобы помочь определить реальную потребность, что упрощает предотвращение возникновения непроверенной или неподтвержденной потребности. Вы строите отношения со своими конечными пользователями, которые помогут вам проверить, находитесь ли вы на правильном пути. Когда дело доходит до его внедрения в клинике, вам понадобятся эти конечные пользователи, чтобы они были активными сторонниками того, что вы пытаетесь сделать.

Наконец, учитывая требования, предъявляемые к клиницистам за последние несколько лет, использование ИИ для поддержки клиницистов также дает возможность уменьшить выгорание медицинских работников и поддерживать более устойчивую рабочую среду. В более широком смысле, предоставление большего количества времени для личного и гуманного взаимодействия между пациентом и врачом должно быть основной силой, мотивирующей любые усилия по ИИ.

Мы все хотим сверхспособностей

Непрерывный прогресс в области искусственного интеллекта и данных, которые их поддерживают, создаст множество возможностей для улучшения наших систем здравоохранения. Центральное место в успехе реализации этих возможностей занимает то, как лучше всего подойти к внедрению ИИ в клинику, что включает в себя тестирование и проверку методов, получение их через одобрение регулирующих органов, а также их принятие и внедрение медицинскими работниками и пациентами, где они могут получить обещанное. эффект.

Идея здесь заключается в том, что, возможно, лучший способ решить эту задачу — сосредоточиться на поиске мест, где ИИ может значительно повысить эффективность наших врачей, медсестер, физиотерапевтов и других медицинских работников. Предоставляя этим высококвалифицированным и квалифицированным специалистам «сверхспособности», у нас гораздо больше шансов преодолеть серьезные проблемы и препятствия, с которыми сталкиваются любые усилия по улучшению нашей системы здравоохранения и улучшению результатов лечения пациентов. Кроме того, большинству из нас, вероятно, хотелось бы иметь одну-две сверхспособности, а кто бы не хотел, чтобы о вашем здоровье заботился доктор со сверхспособностями?

Ссылки и связанная литература

Абрамофф М.Д., Лавин П.Т., Берч М., Шах Н., Фолк Дж.К. 2018. Ключевое испытание автономной диагностической системы на основе ИИ для выявления диабетической ретинопатии в отделениях первичной медико-санитарной помощи. Цифровая медицина NPJ 1:39.

Давенпорт Т., Калакота Р. 2019. Потенциал искусственного интеллекта в здравоохранении. Журнал будущего здравоохранения 6: 94–98.

Диас Р., Торкамани А. 2019. Искусственный интеллект в клинической и геномной диагностике. Геномная медицина 11:70.

Тополь Е. 2019. Глубокая медицина: как искусственный интеллект может снова сделать здравоохранение человеком. США: Basic Books, Inc.

Сноски

[1] ИИ — это очень общий термин, который включает в себя такие подобласти, как машинное обучение и глубокое обучение. Вопросы, обсуждаемые здесь, широко применимы ко всей области, хотя перспективы и проблемы, связанные с методами глубокого обучения, особенно актуальны.

[2] Выявление потребностей действительно должно быть отдельным и независимым от определения решения, которое может решить эту проблему. Тем не менее, многие группы, входящие или уже работающие в этой области, начинают с существующего внимания к методам искусственного интеллекта.

[3] [https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-and-machine-learning-software-medical-device](https://www.fda .gov/medical-devices/software-medical-device-samd/artificial-intelligence-and-machine-learning-software-medical-device)