Az AI szakértői megvitatják, hogyan lehet integrálni a robusztus AI -t az egészségügyi ellátásba, miért kritikus az interdiszciplináris együttműködés, és a generatív AI potenciál a kutatásban.
Feifei Li és Lloyd Minor megnyitó megjegyzéseket tettek a Stanfordi Egyetemi Orvostudományi Iskolában, a Stanfordi Egyetemi Orvostudományi Iskolában.
A mesterséges intelligencia által elfogott emberek többsége valamilyen „aha” pillanatban volt, és megnyitja a gondolatait a lehetőségek világában. A május 14 -én, a Rougural Egészségügyi Szimpóziumon, MD Lloyd MD, a Stanfordi Egyetemi Orvostudományi Iskola dékánja és a Stanfordi Egyetem orvosi ügyekért felelős alelnöke megosztotta perspektíváját.
Amikor egy kíváncsi tinédzsert felkérték, hogy foglalja össze a belső fülével kapcsolatos megállapításait, a generatív mesterséges intelligencia felé fordult. "Megkérdeztem:" Mi a felső csatorna -dehiscence -szindróma? " Kiskorban közel 4000 szimpózium résztvevője mondta. Másodpercek alatt több bekezdés jelent meg.
"Jók, nagyon jók" - mondta. „Hogy ezt az információt tömör, általában pontos és egyértelműen prioritást élvező leírásba állították össze. Ez nagyon figyelemre méltó. ”
Sokan megosztották a kiskorú izgalmát a félnapos rendezvényre, amely a Raise Health Initiative, a Stanfordi Egyetemi Orvostudományi Iskola és a Stanfordi Emberi-központú Mesterséges Intelligencia Intézet (HAI) által elindított projektje volt. intelligencia. Intelligencia az orvosbiológiai kutatásban, az oktatásban és a betegellátásban. Az előadók megvizsgálták, hogy mit jelent a mesterséges intelligencia gyógyszerben való megvalósítása oly módon, hogy nemcsak az orvosok és a tudósok számára hasznos, hanem átlátható, tisztességes és méltányos a betegek számára is.
"Úgy gondoljuk, hogy ez egy olyan technológia, amely javítja az emberi képességeket"-mondta Fei-Fei Li, a Stanford Műszaki Iskola Számítástudományi Professzora, a Roise Health igazgatója a kisebb projekttel és a HAI társigazgatójával. A generáció generációja után új technológiák jelentkezhetnek: az antibiotikumok új molekuláris szekvenciáitól a biodiverzitás feltérképezéséig és az alapvető biológia rejtett részei feltárásaig az AI felgyorsítja a tudományos felfedezést. De ez nem mindegyik hasznos. "Mindezen alkalmazások nem szándékos következményekkel járhatnak, és olyan számítógépes tudósokra van szükségünk, akik felelősségteljesen fejlesztik és hajtják végre a [mesterséges intelligenciát], és különféle érdekelt felekkel dolgoznak, az orvosoktól és az etikusoktól kezdve a biztonsági szakértőkig és azon túl is" - mondja. "Az olyan kezdeményezések, mint például a Raise Health, demonstrálják elkötelezettségünket."
A Stanford Medicine - a Stanford Egészségügyi Iskola és a Stanfordi Egyetemi Gyermekek Egészségügyi Iskolájának - és a Stanfordi Egyetem más részeihez fűződő kapcsolatai olyan helyzetbe helyezték, ahol a szakértők küzdenek a Stanfordi Egyetem más részeivel való kapcsolata, a Stanford Orvostudományi Iskola - és a Stanfordi Egyetem Mesterséges intelligencia. Menedzsment és integrációs kérdések az egészségügyi és orvostudomány területén. Orvostudomány, a dal elment.
„Jó helyzetben vagyunk arra, hogy úttörővé váljunk a mesterséges intelligencia fejlesztésében és felelősségvállalásában, az alapvető biológiai felfedezésektől kezdve a gyógyszerfejlesztés javításáig és a klinikai vizsgálati folyamatok hatékonyabbá tételéig, egészen az egészségügyi szolgáltatások tényleges nyújtásáig. egészségügyi ellátás. Az egészségügyi rendszer felépítésének módja ” - mondta.
Számos hangszóró hangsúlyozta az egyszerű koncepciót: összpontosítson a felhasználóra (ebben az esetben a betegre vagy az orvosra), és minden más követni fog. "Ez a beteget minden tevékenységünk középpontjába helyezi" - mondta Dr. Lisa Lehmann, a Brigham és a Női Kórház bioetikai igazgatója. "Fontolnunk kell az igényeiket és prioritásaikat."
Balról jobbra: Stat News horgony Mohana Ravindranath; Jessica Peter Lee, a Microsoft Research; Sylvia plevritis, az orvosbiológiai adattudomány professzora tárgyalja a mesterséges intelligencia szerepét az orvosi kutatásban. Steve Fish
A testületen lévő előadók, amelyekbe a Lehmann, a Stanfordi Egyetemi Orvosi Bioetista Mildred Cho, MD és a Google klinikai vezérigazgatója, Michael Howell, MD, megjegyezte a kórházi rendszerek összetettségét, hangsúlyozva annak szükségességét, hogy megértsék céljukat bármilyen beavatkozás előtt. Végezze el, és győződjön meg arról, hogy az összes kifejlesztett rendszer befogadó, és hallgassa meg azokat az embereket, akiket segítenek.
Az egyik kulcsa az átláthatóság: világossá teszi, hogy honnan származik az algoritmus kiképzéséhez felhasznált adatok, mi az algoritmus eredeti célja, és hogy a jövőbeli betegek továbbra is segítenek -e az algoritmus megtanulásában, többek között.
"Megpróbálja megjósolni az etikai problémákat, mielőtt komolyvá válnának [azt jelenti], hogy megtalálják a tökéletes édes foltot, ahol eléggé tudsz a technológiáról, hogy valamilyen bizalommal bírjon benne, de csak azelőtt, hogy a probléma tovább terjed, és hamarabb megoldja." - mondta Denton Char. Orvostudományi jelölt, a Perioperatív Orvostudomány és a fájdalomcsillapító Gyermekgyógyászati Aneszteziológiai Tanszék egyetemi docens. Azt mondja, hogy az egyik kulcsfontosságú lépés az összes olyan érdekelt fél azonosítása, akiket a technológia érinthet, és meghatározza, hogy maguk szeretnének megválaszolni ezeket a kérdéseket.
Jesse Ehrenfeld, MD, az American Medical Association elnöke négy tényezőt tárgyal, amelyek elősegítik a digitális egészségügyi eszközök elfogadását, ideértve a mesterséges intelligencia által táplált tényezőt is. Hatékony? Működik ez az intézményemben? Ki fizet? Ki a felelős?
Michael Pfeffer, MD, a Stanford Health Care információs igazgatója egy nemrégiben példát idézett, amelyben a Stanford kórházak ápolói körében sok kérdést teszteltek. A klinikusokat olyan nagy nyelvi modellek támogatják, amelyek kezdeti kommentárokat biztosítanak a bejövő betegüzenetekhez. Noha a projekt nem tökéletes, az orvosok, akik segítették a technológiai jelentést, hogy a modell megkönnyíti a munkaterhelést.
„Mindig három fontos dologra összpontosítunk: a biztonságra, a hatékonyságra és a befogadásra. Orvosok vagyunk. Esküvést teszünk arra, hogy „ne árt” - mondta Nina Vasan, MD, a pszichiátriai és viselkedéstudományi klinikai asszisztens, aki csatlakozott Charhoz és Pfefferhez, csatlakozott a csoporthoz. "Ez az első módja annak, hogy értékelje ezeket az eszközöket."
Nigam Shah, az MBBS, Ph.D., az orvostudomány és az orvosbiológiai adattudomány professzora megdöbbentő statisztikával kezdte a vitát, annak ellenére, hogy a közönség tisztességes figyelmeztetése volt. "Általánosságban és számban beszélek, és néha nagyon közvetlenek" - mondta.
Shah szerint az AI sikere attól függ, hogy képesek -e méretezni. „A modell megfelelő tudományos kutatása körülbelül 10 évet vesz igénybe, és ha a 123 ösztöndíj- és rezidenciaprogramok mindegyike tesztelni és telepíteni a modellt a szigor szintjére, akkor nagyon nehéz lenne megtenni a helyes tudományt, amikor jelenleg szervezzük Erőfeszítéseink és [teszt]] 138 milliárd dollárba kerülnének, hogy megbizonyosodjunk arról, hogy minden webhelyünk megfelelően működik ” - mondta Shah. „Ezt nem engedhetjük meg maguknak. Tehát meg kell találnunk a módját a kibővítésre, és ki kell terjesztenünk és jó tudományt kell tennünk. A szigorú készségek egy helyen vannak, a méretezési készségek pedig a másikban vannak, tehát szükségünk lesz ilyen típusú partnerségre. ”
A társult Dean Yuan Ashley és Mildred Cho (fogadás) részt vett a Race Health műhelyben. Steve Fish
A szimpózium néhány előadója elmondta, hogy ezt köz- és magánszféra partnerségekkel lehet elérni, mint például a Fehér Ház legutóbbi végrehajtási rendje a biztonságos, biztonságos és megbízható fejlesztésről és a mesterséges intelligencia és az egészségügyi mesterséges intelligencia (CHAI) konzorciumának felhasználásával. ).
"A köz- és magánszféra közötti partnerség a legnagyobb potenciállal az akadémia, a magánszektor és az állami szektor között"-mondta Laura Adams, a Nemzeti Orvostudományi Akadémia vezető tanácsadója. Megjegyezte, hogy a kormány biztosíthatja a közbizalmat, és az akadémiai egészségügyi központok képesek. Biztosítson legitimitást, és a magánszektor biztosítja a műszaki szakértelmet és a számítógépes időt. "Mindannyian jobbak vagyunk, mint bármelyikünk, és felismerjük, hogy… Nem imádkozhatunk, hogy felismerjük a [mesterséges intelligencia] lehetőségeit, hacsak nem értjük, hogyan kell kölcsönhatásba lépni egymással."
Számos felszólaló szerint az AI szintén hatással van a kutatásra, függetlenül attól, hogy a tudósok a biológiai dogmák feltárására, az új szekvenciák és a szintetikus molekulák szerkezetének előrejelzésére használják -e az új kezelések támogatására, vagy akár segítenek számukra a tudományos dokumentumok összefoglalására vagy írására.
"Ez egy lehetőség az ismeretlen megtekintésére"-mondta Jessica Mega, MD, a Stanfordi Egyetemi Orvostudományi Iskola kardiológusa és az Alphabet's társalapítója. A Mega megemlítette a hiperspektrális képalkotást, amely rögzíti a képet az emberi szem számára láthatatlanul. Az ötlet az, hogy a mesterséges intelligenciát használják a patológiás diák mintáinak észlelésére, amelyeket az emberek nem látnak, amelyek a betegséget jelzik. „Arra bátorítom az embereket, hogy öleljék fel az ismeretlenet. Azt hiszem, itt mindenki ismeri valakit, akinek valamilyen egészségi állapota van, akinek szüksége van valamire, amit ma tudunk nyújtani ” - mondta Mejia.
A panelisták azt is egyetértettek abban, hogy a mesterséges intelligencia rendszerek új módszereket kínálnak az elfogult döntéshozatal azonosítására és leküzdésére, akár az emberek, akár a mesterséges intelligencia, azzal a képességgel, hogy azonosítsák az elfogultság forrását.
„Az egészség nem csupán az orvosi ellátás” - értett egyet több panelist. Az előadók hangsúlyozták, hogy a kutatók gyakran figyelmen kívül hagyják az egészség társadalmi meghatározóit, például a társadalmi -gazdasági státuszt, az irányítószámot, az oktatási szintet, valamint a faji és etnikai hovatartozást, amikor befogadó adatok gyűjtése és a résztvevők tanulmányi toborzása. „Az AI csak annyira hatékony, mint a modell képzésének adatai” - mondta Michelle Williams, a Harvard Egyetem epidemiológiai professzora, valamint a Stanfordi Egyetemi Orvostudományi Egyetem epidemiológiai és népesség -egészségének egyetemi docens. „Ha azt csináljuk, amit törekszünk. Javítsa az egészségügyi eredményeket és kiküszöbölje az egyenlőtlenségeket, gondoskodnunk kell arról, hogy kiváló minőségű adatokat gyűjtsünk az emberi viselkedésről, valamint a társadalmi és természetes környezetről. ”
Natalie Pageler, MD, a gyermekgyógyászati és orvostudomány klinikai professzora elmondta, hogy az összesített rákos adatok gyakran kizárják a terhes nőkre vonatkozó adatokat, elkerülhetetlen torzításokat teremtve a modellekben és súlyosbítják az egészségügyi ellátásban lévő meglévő különbségeket.
Dr. David Magnus, a gyermekorvos és az orvostudomány professzora elmondta, hogy minden új technológiahoz hasonlóan a mesterséges intelligencia sok szempontból is jobbá teheti a dolgokat, vagy még rosszabbá teheti őket. Magnus szerint a kockázat az, hogy a mesterséges intelligencia rendszerek megismerik az egészségre vonatkozó társadalmi tényezők által vezetett egyenlőtlen egészségügyi eredményeket, és a termelésük révén megerősítik ezeket az eredményeket. "A mesterséges intelligencia egy tükör, amely tükrözi azt a társadalmat, amelyben élünk" - mondta. "Remélem, hogy minden alkalommal, amikor lehetőségünk van arra, hogy fényt ragyogjunk egy kérdésre - hogy tükröt tartsunk magunkig -, ez motivációja lesz a helyzet javításához."
Ha nem tudott részt venni a Raise Health műhelyen, akkor az ülés felvétele itt található.
A Stanfordi Egyetemi Orvostudományi Iskola egy integrált tudományos egészségügyi rendszer, amely a Stanfordi Egyetemi Orvostudományi Iskolából, valamint a felnőtt és gyermekgyógyászati egészségügyi ellátási rendszerekből áll. Együtt felismerik a biomedicina teljes potenciálját együttműködési kutatások, oktatás és klinikai betegellátás révén. További információkért látogasson el a med.stanford.edu oldalra.
Egy új mesterséges intelligencia modell segíti az orvosokat és az ápolókat a Stanford Kórházban a betegellátás javítása érdekében.
A postai idő: 2019. július 19.