Watson nu l-a mușcat pe doctor și foarte bine

Deși, la fel ca în multe alte domenii, entuziasmul de a înlocui medicii cu IA a scăzut oarecum după o serie de eșecuri de diagnosticare, lucrările privind dezvoltarea medicinei bazate pe IA sunt încă în desfășurare. Pentru că, cu toate acestea, ele oferă în continuare oportunități mari și șansa de a îmbunătăți eficiența operațiunilor în multe dintre zonele sale.

IBM a fost anunțat în 2015, iar în 2016 a obținut acces la date de la patru mari companii de date despre pacienți (1). Cel mai faimos, grație numeroaselor reportaje din media, și în același timp cel mai ambițios proiect folosind inteligența artificială avansată de la IBM a fost legat de oncologie. Oamenii de știință au încercat să folosească resursele vaste de date pentru a le procesa pentru a le transforma în terapii anti-cancer bine adaptate. Scopul pe termen lung a fost ca Watson să arbitreze studii clinice și rezultate așa cum ar face un medic.

1. Una dintre vizualizările sistemului medical Watson Health

Cu toate acestea, s-a dovedit că Watson nu se poate referi în mod independent la literatura medicală și, de asemenea, nu poate extrage informații din fișele medicale electronice ale pacienților. Cu toate acestea, cea mai gravă acuzație împotriva lui a fost aceea eșecul de a compara eficient un pacient nou cu alți pacienți mai în vârstă cu cancer și de a detecta simptome care sunt invizibile la prima vedere.

Au existat, desigur, unii oncologi care au pretins că au încredere în judecata lui, deși mai ales în ceea ce privește sugestiile lui Watson pentru tratamente standard sau ca o opinie medicală suplimentară. Mulți au subliniat că acest sistem va fi un mare bibliotecar automatizat pentru medici.

Ca urmare a recenziilor nu foarte măgulitoare de la IBM probleme cu vânzarea sistemului Watson în instituțiile medicale din SUA. Reprezentanții de vânzări IBM au reușit să-l vândă unor spitale din India, Coreea de Sud, Thailanda și alte țări. În India, medicii () au evaluat recomandările lui Watson pentru 638 de cazuri de cancer de sân. Rata de conformare a recomandărilor de tratament este de 73%. Mai rau Watson a abandonat la Centrul Medical Gachon din Coreea de Sud, unde cele mai bune recomandări pentru 656 de pacienți cu cancer colorectal s-au potrivit cu recomandările experților doar în 49 la sută din timp. Medicii au evaluat asta Watson nu s-a descurcat bine cu pacienții mai în vârstăprin faptul că nu le-a oferit anumite medicamente standard și a făcut greșeala critică de a întreprinde supravegherea agresivă a tratamentului pentru unii pacienți cu boală metastatică.

În cele din urmă, deși munca sa de diagnosticist și medic este considerată nereușită, există domenii în care s-a dovedit extrem de util. Produs Watson pentru genomica, care a fost dezvoltat în colaborare cu Universitatea din Carolina de Nord, Universitatea Yale și alte instituții, este utilizat laboratoare genetice pentru întocmirea rapoartelor pentru oncologi. Watson descarcă fișierul cu listă mutatii genetice la un pacient și poate genera un raport în câteva minute care include sugestii pentru toate medicamentele și studiile clinice importante. Watson gestionează informațiile genetice cu relativă ușurințădeoarece sunt prezentate în fișiere structurate și nu conțin ambiguități – fie există o mutație, fie nu există nicio mutație.

Partenerii IBM de la Universitatea din Carolina de Nord au publicat o lucrare despre eficiență în 2017. Watson a găsit mutații potențial importante care nu au fost identificate de studiile pe oameni la 32% dintre ele. pacienții au studiat, făcându-i buni candidați pentru noul medicament. Cu toate acestea, încă nu există dovezi că utilizarea conduce la rezultate mai bune ale tratamentului.

Domesticarea proteinelor

Acesta și multe alte exemple contribuie la convingerea tot mai mare că toate deficiențele din domeniul sănătății sunt abordate, dar trebuie să căutăm domenii în care acest lucru poate ajuta cu adevărat, deoarece oamenii nu se descurcă prea bine acolo. Un astfel de domeniu este, de exemplu, cercetarea proteinelor. Anul trecut, au apărut informații că ar putea prezice cu exactitate forma proteinelor pe baza secvenței lor (2). Aceasta este o sarcină tradițională, dincolo de puterea nu numai a oamenilor, ci și a computerelor puternice. Dacă stăpânim modelarea precisă a răsucirii moleculelor de proteine, vor exista oportunități uriașe pentru terapia genică. Oamenii de știință speră că cu ajutorul AlphaFold vom studia funcțiile a mii de oameni, iar acest lucru, la rândul său, ne va permite să înțelegem cauzele multor boli.

Figura 2. Răsucirea proteinelor modelată cu AlphaFold de la DeepMind.

Acum știm două sute de milioane de proteine, dar înțelegem pe deplin structura și funcția unei mici părți dintre ele. Proteine este elementul de bază al organismelor vii. Ei sunt responsabili pentru majoritatea proceselor care au loc în celule. Modul în care funcționează și ceea ce fac este determinat de structura lor 50D. Ei iau forma potrivită fără instrucțiuni, ghidați de legile fizicii. De zeci de ani, metodele experimentale au fost metoda principală de determinare a formei proteinelor. În anii XNUMX, utilizarea Metode cristalografice cu raze X. În ultimul deceniu, a devenit instrumentul de cercetare preferat. microscopie cu cristale. În anii 80 și 90, au început lucrările privind utilizarea computerelor pentru a determina forma proteinelor. Cu toate acestea, rezultatele încă nu i-au mulțumit pe oamenii de știință. Metodele care au funcționat pentru unele proteine ​​nu au funcționat pentru altele.

Deja în 2018 AlphaFold a primit recunoaștere de la experți în modelarea proteinelor. Cu toate acestea, la momentul respectiv folosea metode foarte asemănătoare cu alte programe. Oamenii de știință au schimbat tactica și au creat o alta, care a folosit și informații despre restricțiile fizice și geometrice în plierea moleculelor de proteine. AlphaFold a dat rezultate neuniforme. Uneori s-a descurcat mai bine, alteori mai rău. Dar aproape două treimi din predicțiile sale au coincis cu rezultatele obținute prin metode experimentale. La începutul anului 2, algoritmul a descris structura mai multor proteine ​​ale virusului SARS-CoV-3. Ulterior, s-a constatat că predicțiile pentru proteina Orf2020a sunt în concordanță cu rezultatele obținute experimental.

Nu este vorba doar despre studierea modalităților interne de pliere a proteinelor, ci și despre design. Cercetătorii de la inițiativa NIH BRAIN au folosit învățare automată dezvolta o proteină care poate urmări nivelurile de serotonine din creier în timp real. Serotonina este o substanță neurochimică care joacă un rol cheie în modul în care creierul ne controlează gândurile și sentimentele. De exemplu, multe antidepresive sunt concepute pentru a schimba semnalele de serotonină care sunt transmise între neuroni. Într-un articol din revista Cell, oamenii de știință au descris modul în care folosesc avansate metode de inginerie genetică transformă o proteină bacteriană într-un nou instrument de cercetare care ar putea ajuta la urmărirea transmiterii serotoninei cu o mai mare acuratețe decât metodele actuale. Experimentele preclinice, mai ales la șoareci, au arătat că senzorul poate detecta instantaneu modificări subtile ale nivelurilor de serotonine din creier în timpul somnului, fricii și interacțiunilor sociale și poate testa eficacitatea noilor medicamente psihoactive.

Lupta împotriva pandemiei nu a avut întotdeauna succes

La urma urmei, aceasta a fost prima epidemie despre care am scris în MT. Cu toate acestea, de exemplu, dacă vorbim despre însuși procesul de dezvoltare a pandemiei, atunci, la etapa inițială, AI părea a fi un eșec. Cercetătorii s-au plâns că Inteligență artificială nu poate prezice corect amploarea răspândirii coronavirusului pe baza datelor din epidemiile anterioare. „Aceste soluții funcționează bine în unele domenii, cum ar fi recunoașterea fețelor care au un anumit număr de ochi și urechi. Epidemia SARS-CoV-2 Acestea sunt evenimente necunoscute anterior și multe variabile noi, așa că inteligența artificială bazată pe datele istorice care au fost folosite pentru a o antrena nu funcționează bine. Pandemia a arătat că trebuie să căutăm alte tehnologii și abordări”, a declarat Maxim Fedorov de la Skoltech într-o declarație din aprilie 2020 adresată presei ruse.

De-a lungul timpului au fost totuși algoritmi care par să dovedească marea utilitate a AI în lupta împotriva COVID-19. Oamenii de știință din SUA au dezvoltat un sistem în toamna anului 2020 pentru a recunoaște tiparele caracteristice de tuse la persoanele cu COVID-19, chiar dacă nu au avut alte simptome.

Când au apărut vaccinurile, s-a născut ideea de a ajuta la vaccinarea populației. Ea ar putea, de exemplu ajuta la modelarea transportului și logisticii vaccinurilor. De asemenea, pentru a determina care populații ar trebui vaccinate mai întâi pentru a face față mai repede pandemiei. De asemenea, ar ajuta la prognoza cererii și la optimizarea timpului și a vitezei vaccinării prin identificarea rapidă a problemelor și blocajelor în logistică. Combinația de algoritmi cu monitorizare constantă poate oferi, de asemenea, rapid informații despre posibilele efecte secundare și evenimente de sănătate.

acestea sisteme care folosesc AI în optimizarea și îmbunătățirea asistenței medicale sunt deja cunoscute. Avantajele lor practice au fost apreciate; de exemplu, sistemul de sănătate dezvoltat de Macro-Eyes de la Universitatea Stanford din SUA. Ca și în cazul multor alte instituții medicale, problema a fost lipsa pacienților care nu se prezentau la programări. Ochi macro a construit un sistem care ar putea prezice în mod fiabil care pacienți nu ar fi probabil să fie acolo. În unele situații, el ar putea sugera și ore și locații alternative pentru clinici, ceea ce ar crește șansele ca un pacient să se prezinte. Mai târziu, o tehnologie similară a fost aplicată în diferite locuri din Arkansas până în Nigeria, cu sprijin, în special, Agenția SUA pentru Dezvoltare Internațională i.

În Tanzania, Macro-Eyes a lucrat la un proiect care vizează creșterea ratei de imunizare a copiilor. Software-ul a analizat câte doze de vaccinuri trebuiau trimise la un anumit centru de vaccinare. El a putut, de asemenea, să evalueze ce familii ar putea fi reticente în a-și vaccina copiii, dar au putut fi convinși cu argumente adecvate și amplasarea unui centru de vaccinare într-o locație convenabilă. Folosind acest software, guvernul Tanzanian a reușit să mărească eficacitatea programului său de imunizare cu 96%. și reduce deșeurile de vaccin la 2,42 la 100 de persoane.

În Sierra Leone, unde lipseau datele despre sănătatea rezidenților, compania a încercat să coreleze aceste informații cu informații despre educație. S-a dovedit că doar numărul profesorilor și al elevilor lor a fost suficient pentru a prezice 70 la sută. acuratețea dacă clinica locală are acces la apă curată, care este deja o amprentă a datelor privind sănătatea oamenilor care trăiesc acolo (3).

3. Ilustrație Macro-Eyes a programelor de asistență medicală bazate pe inteligență artificială în Africa.

Mitul doctorului mașinii nu dispare

În ciuda eșecurilor Watson noi abordări diagnostice sunt încă în curs de dezvoltare și sunt considerate a fi din ce în ce mai avansate. Comparație făcută în Suedia în septembrie 2020. utilizat în diagnosticul imagistic al cancerului de sân a arătat că cel mai bun dintre ei funcționează la fel ca un radiolog. Algoritmii au fost testați folosind aproape nouă mii de imagini mamografice obținute în timpul screening-ului de rutină. Trei sisteme, desemnate ca AI-1, AI-2 și AI-3, au atins o precizie de 81,9%, 67%. și 67,4%. Spre comparație, pentru radiologii care interpretează aceste imagini ca fiind primele, această cifră a fost de 77,4%, iar în cazul radiologicine a fost al doilea care a descris-o, a fost 80,1 la sută. Cei mai buni algoritmi au reușit să detecteze, de asemenea, cazurile pe care radiologii le-au omis în timpul screening-ului, iar femeile au fost diagnosticate ca fiind bolnave în mai puțin de un an.

Potrivit cercetătorilor, aceste rezultate dovedesc asta algoritmi de inteligență artificială ajută la corectarea diagnosticelor fals-negative făcute de radiologi. Combinarea capacităților AI-1 cu un radiolog mediu a crescut numărul de cancere de sân detectate cu 8%. Echipa de la Institutul Regal care efectuează acest studiu se așteaptă ca calitatea algoritmilor AI să continue să crească. O descriere completă a experimentului a fost publicată în JAMA Oncology.

W pe o scară de cinci puncte. În prezent, asistăm la o accelerare tehnologică semnificativă și atingerea nivelului IV (automatizare ridicată), când sistemul prelucrează în mod independent datele primite și furnizează specialistului informații pre-analizate. Acest lucru economisește timp, evită erorile umane și oferă o îngrijire mai eficientă a pacientului. Asta a judecat acum câteva luni Stan A.I. în domeniul medicinei apropiat lui, prof. Janusz Braziewicz de la Societatea Poloneză de Medicină Nucleară într-o declarație adresată Agenției de presă poloneză.

4. Vizualizarea automată a imaginilor medicale

Algoritmi, potrivit unor experți precum prof. Brazievicichiar indispensabil în această industrie. Motivul este creșterea rapidă a numărului de teste imagistice diagnostice. Doar pentru perioada 2000-2010. numărul examinărilor și examinărilor RMN a crescut de zece ori. Din păcate, numărul medicilor specialiști disponibili care le-ar putea efectua rapid și fiabil nu a crescut. Există, de asemenea, o lipsă de tehnicieni calificați. Implementarea algoritmilor bazați pe inteligență artificială economisește timp și permite standardizarea completă a procedurilor, precum și evitarea erorilor umane și tratamente mai eficiente și personalizate pentru pacienți.

După cum sa dovedit, de asemenea medicina legala poate beneficia de dezvoltarea inteligenței artificiale. Specialiștii în acest domeniu pot determina ora exactă a morții decedatului prin analiza chimică a secrețiilor viermilor și a altor creaturi care se hrănesc cu țesuturi moarte. O problemă apare atunci când în analiză sunt incluse amestecuri de secreții de la diferite tipuri de necrofage. Aici intervine învățarea automată. Oamenii de știință de la Universitatea din Albany s-au dezvoltat o metodă de inteligență artificială care permite identificarea mai rapidă a speciilor de viermi bazate pe „amprentele lor chimice”. Echipa și-a antrenat programul de calculator folosind amestecuri de diferite combinații de secreții chimice de la șase specii de muște. El a descifrat semnăturile chimice ale larvelor de insecte folosind spectrometria de masă, care identifică substanțele chimice prin măsurarea precisă a raportului dintre masă și sarcina electrică a unui ion.

Deci, după cum puteți vedea, totuși AI ca detectiv de investigație nu foarte bun, poate fi foarte util într-un laborator criminalistic. Poate că ne așteptam prea mult de la ea în acest stadiu, anticipând algoritmi care i-ar scoate pe medici (5). Când ne uităm la Inteligență artificială mai realist, concentrându-se mai degrabă pe beneficii practice specifice decât pe cele generale, cariera ei în medicină pare din nou foarte promițătoare.

5. Vedere a mașinii medicului