A mesterséges intelligencia szakértői megvitatják, hogyan integrálható a robusztus mesterséges intelligencia az egészségügybe, miért kritikus fontosságú az interdiszciplináris együttműködés, és milyen lehetőségeket kínál a generatív mesterséges intelligencia a kutatásban.
Feifei Li és Lloyd Minor megnyitó beszédet mondtak az első RAISE Egészségügyi Szimpóziumon a Stanford Egyetem Orvostudományi Karán május 14-én. Steve Fish
A mesterséges intelligencia által foglyul ejtett emberek többsége átélt már valamilyen „aha” pillanatot, amely megnyitotta elméjét a lehetőségek világa előtt. A május 14-i első RAISE Egészségügyi Szimpóziumon Dr. Lloyd Minor, a Stanford Egyetem Orvostudományi Karának dékánja és a Stanford Egyetem orvosi ügyekért felelős alelnöke megosztotta nézőpontját.
Amikor egy kíváncsi tinédzsert megkértek, hogy foglalja össze a belső füllel kapcsolatos eredményeit, a generatív mesterséges intelligenciához fordult. „Megkérdeztem: »Mi a felső csatorna dehiszcencia szindróma?« Minor közel 4000 szimpózium résztvevőjének mondta el. Másodpercek alatt több bekezdés is megjelent.
„Jók, tényleg jók” – mondta. „Az, hogy ezeket az információkat egy tömör, általánosságban pontos és egyértelműen rangsorolt betegségleírássá állították össze. Ez egészen figyelemre méltó.”
Sokan osztoztak Minor izgalmában a félnapos rendezvény miatt, amely a RAISE Health kezdeményezésből fakadt, a Stanford Egyetem Orvostudományi Kara és a Stanford Emberközpontú Mesterséges Intelligencia Intézete (HAI) által indított projektből, amelynek célja a mesterséges intelligencia felelős használatának irányítása a biomedicinális kutatásban, az oktatásban és a betegellátásban. Az előadók azt vizsgálták, mit jelent a mesterséges intelligencia olyan módon történő alkalmazása az orvostudományban, amely nemcsak az orvosok és tudósok számára hasznos, hanem átlátható, tisztességes és méltányos a betegek számára is.
„Hisszük, hogy ez egy olyan technológia, amely fokozza az emberi képességeket” – mondta Fei-Fei Li, a Stanford Műszaki Iskola számítástechnika professzora, a RAISE Health with Minor projekt igazgatója és a HAI társigazgatója. Generációról generációra új technológiák jelenhetnek meg: az antibiotikumok új molekuláris szekvenciáitól kezdve a biológiai sokféleség feltérképezéséig és az alapvető biológia rejtett részeinek feltárásáig a mesterséges intelligencia felgyorsítja a tudományos felfedezéseket. De mindez nem előnyös. „Mindezeknek az alkalmazásoknak lehetnek nem szándékolt következményei, és olyan számítógéptudósokra van szükségünk, akik felelősségteljesen fejlesztik és alkalmazzák a [mesterséges intelligenciát], együttműködve a különféle érdekelt felekkel, az orvosoktól és etikusoktól kezdve a biztonsági szakértőkön át egészen a biztonsági szakértőkig” – mondja. „Az olyan kezdeményezések, mint a RAISE Health, bizonyítják elkötelezettségünket ez iránt.”
A Stanford Medicine három részlegének – az Orvostudományi Karnak, a Stanford Egészségügyi Ellátásnak és a Stanford Egyetem Gyermekegészségügyi Orvostudományi Karának – konszolidációja, valamint a Stanford Egyetem más részeivel való kapcsolata olyan helyzetbe hozta az egyetemet, ahol a szakértők a mesterséges intelligencia fejlesztésével küzdenek. Az egészségügy és az orvostudomány területén felmerülő menedzsment és integrációs kérdések. Orvostudomány, szólt a dal.
„Jó helyzetben vagyunk ahhoz, hogy úttörő szerepet töltsünk be a mesterséges intelligencia fejlesztésében és felelős alkalmazásában, az alapvető biológiai felfedezésektől kezdve a gyógyszerfejlesztés javításán és a klinikai vizsgálati folyamatok hatékonyabbá tételén át egészen az egészségügyi szolgáltatások tényleges nyújtásáig. Az egészségügy. Az egészségügyi rendszer felépítésének módja” – mondta.
Több előadó is hangsúlyozta az egyszerű koncepciót: a felhasználóra (ebben az esetben a betegre vagy az orvosra) kell összpontosítani, és minden más magától jön. „Ez a beteget helyezi minden tevékenységünk középpontjába” – mondta Dr. Lisa Lehmann, a Brigham and Women's Hospital bioetikai igazgatója. „Figyelembe kell vennünk az ő igényeiket és prioritásaikat.”
Balról jobbra: Mohana Ravindranath, a STAT News műsorvezetője; Jessica Peter Lee, a Microsoft Research munkatársa; Sylvia Plevritis, a biomedicinális adattudomány professzora a mesterséges intelligencia szerepéről beszél az orvosi kutatásban. Steve Fish
A panel előadói, köztük Lehmann, Dr. Mildred Cho, a Stanford Egyetem orvosi bioetikusa és Dr. Michael Howell, a Google klinikai igazgatója, kiemelték a kórházi rendszerek összetettségét, hangsúlyozva, hogy minden beavatkozás előtt meg kell érteni azok célját. A beavatkozást végre kell hajtani, és biztosítani kell, hogy minden kifejlesztett rendszer befogadó legyen, és figyelembe vegye azokat az embereket, akiknek a megsegítésére készültek.
Az egyik kulcsfontosságú tényező az átláthatóság: egyértelművé teszi, hogy honnan származnak az algoritmus betanításához használt adatok, mi az algoritmus eredeti célja, és hogy a jövőbeli betegadatok továbbra is segíteni fogják-e az algoritmus tanulását, többek között.
„Az etikai problémák előrejelzésének megkísérlése, mielőtt azok komolyabbá válnának, [azt jelenti], hogy megtaláljuk azt a tökéletes optimális pontot, ahol eleget tudunk a technológiáról ahhoz, hogy némi bizalommal legyünk iránta, de nem azelőtt, hogy [a probléma] tovább terjedne, és hamarabb megoldanánk” – mondta Denton Char, az orvostudományok kandidátusa, a Gyermekgyógyászati Aneszteziológiai, Perioperatív Medicina és Fájdalomcsillapító Tanszék docense. Elmondása szerint az egyik kulcsfontosságú lépés az összes olyan érdekelt fél azonosítása, akiket érinthet a technológia, és annak meghatározása, hogy ők maguk hogyan szeretnék megválaszolni ezeket a kérdéseket.
Dr. Jesse Ehrenfeld, az Amerikai Orvosi Szövetség elnöke, négy tényezőt tárgyal, amelyek a digitális egészségügyi eszközök, beleértve a mesterséges intelligencián alapuló eszközöket is, bevezetését ösztönzik. Hatékony? Működni fog az intézményemben? Ki fizet? Ki a felelős?
Dr. Michael Pfeffer, a Stanford Health Care informatikai igazgatója egy nemrégiben történt példát említett, amelyben a problémák nagy részét a Stanford kórházainak ápolói körében tesztelték. A klinikusokat nagyméretű nyelvi modellek támogatják, amelyek kezdeti megjegyzéseket adnak a bejövő betegüzenetekhez. Bár a projekt nem tökéletes, a technológia fejlesztésében részt vevő orvosok arról számolnak be, hogy a modell enyhíti a munkaterhelésüket.
„Mindig három fontos dologra összpontosítunk: a biztonságra, a hatékonyságra és a befogadásra. Orvosok vagyunk. Esküt tettünk arra, hogy »nem ártunk«” – mondta Dr. Nina Vasan, a pszichiátria és viselkedéstudományok klinikai adjunktusa, aki csatlakozott a Charhoz és Pfefferhez a csoportban. „Ez lehet az első módja ezeknek az eszközöknek az értékelésének.”
Nigam Shah, PhD, az orvostudomány és a biomedicinális adattudomány professzora egy megdöbbentő statisztikával kezdte a beszélgetést, annak ellenére, hogy jogosan figyelmeztette a közönséget. „Általánosságban és számokban beszélek, és ezek néha nagyon közvetlenek” – mondta.
Shah szerint a mesterséges intelligencia sikere a skálázhatóságunktól függ. „Egy modellen végzett megfelelő tudományos kutatás körülbelül 10 évig tart, és ha mind a 123 ösztöndíj- és rezidenciaprogram ilyen szigorúsággal szeretné tesztelni és alkalmazni a modellt, akkor nagyon nehéz lenne a megfelelő tudományos munkát elvégezni, mivel jelenleg hogyan szervezzük meg erőfeszítéseinket és [teszteljük]]. 138 milliárd dollárba kerülne annak biztosítása, hogy minden telephelyünk megfelelően működjön” – mondta Shah. „Ezt nem engedhetjük meg magunknak. Ezért meg kell találnunk a módját a terjeszkedésnek, és terjeszkednünk kell, valamint jó tudományos munkát kell végeznünk. A szigorúsághoz szükséges készségek az egyik helyen vannak, a skálázási készségek pedig egy másikon, tehát szükségünk lesz ilyen típusú partnerségre.”
Yuan Ashley dékánhelyettes és Mildred Cho (recepció) részt vettek a RAISE Egészségügyi Műhelytalálkozón. Steve Fish
A szimpózium néhány előadója szerint ez köz- és magánszféra közötti partnerségek révén érhető el, mint például a mesterséges intelligencia biztonságos, megbízható és megbízható fejlesztéséről és felhasználásáról szóló Fehér Ház végrehajtási rendelete, valamint az Egészségügyi Mesterséges Intelligencia Konzorcium (CHAI).
„A legnagyobb potenciállal rendelkező köz-magán partnerség az akadémiai szféra, a magánszektor és az állami szektor között jön létre” – mondta Laura Adams, a Nemzeti Orvostudományi Akadémia főtanácsadója. Megjegyezte, hogy a kormányzat biztosíthatja a közvélemény bizalmát, az akadémiai orvosi központok pedig legitimitást, a műszaki szakértelmet és a számítógépes időt pedig a magánszektor biztosíthatja. „Mindannyian jobbak vagyunk bármelyikünknél, és felismerjük, hogy… nem imádkozhatunk a [mesterséges intelligencia] lehetőségeinek kiaknázásáért, hacsak nem értjük, hogyan lépjünk interakcióba egymással.”
Több felszólaló is elmondta, hogy a mesterséges intelligencia a kutatásra is hatással van, akár biológiai dogmák feltárására, szintetikus molekulák új szekvenciáinak és szerkezeteinek előrejelzésére használják az új kezelések alátámasztására, akár tudományos cikkek összefoglalásában vagy írásában segítenek.
„Ez egy lehetőség arra, hogy meglássuk az ismeretlent” – mondta Dr. Jessica Mega, a Stanford Egyetem Orvostudományi Karának kardiológusa és az Alphabet Verily nevű vállalkozásának társalapítója. Mega megemlítette a hiperspektrális képalkotást, amely az emberi szem számára láthatatlan képelemeket rögzíti. Az ötlet az, hogy mesterséges intelligenciát használjanak a patológiai metszeteken található, az emberek által nem látható, betegségre utaló mintázatok felismerésére. „Arra biztatom az embereket, hogy fogadják el az ismeretlent. Azt hiszem, mindenki itt ismer valakit, akinek valamilyen egészségügyi problémája van, és valami másra van szüksége, mint amit ma tudunk nyújtani” – mondta Mejia.
A panel résztvevői abban is egyetértettek, hogy a mesterséges intelligencia rendszerek új módszereket kínálnak az elfogult döntéshozatal azonosítására és leküzdésére, függetlenül attól, hogy azt emberek vagy mesterséges intelligencia hozza-e, azáltal, hogy képesek azonosítani az elfogultság forrását.
„Az egészség több, mint pusztán orvosi ellátás” – értett egyet több paneltag is. Az előadók hangsúlyozták, hogy a kutatók gyakran figyelmen kívül hagyják az egészség társadalmi meghatározóit, mint például a társadalmi-gazdasági státuszt, az irányítószámot, az iskolai végzettséget, valamint a faji és etnikai hovatartozást, amikor befogadó adatokat gyűjtenek és résztvevőket toboroznak tanulmányokhoz. „A mesterséges intelligencia csak annyira hatékony, mint amennyire hatékonyak azok az adatok, amelyeken a modellt képezik” – mondta Michelle Williams, a Harvard Egyetem epidemiológia professzora és a Stanford Egyetem Orvostudományi Karának epidemiológia és népegészségügy docense. „Ha azt tesszük, amire törekszünk. Javítjuk az egészségügyi eredményeket és kiküszöböljük az egyenlőtlenségeket, akkor biztosítanunk kell, hogy kiváló minőségű adatokat gyűjtsünk az emberi viselkedésről, valamint a társadalmi és természeti környezetről.”
Natalie Pageler, a gyermekgyógyászat és az orvostudomány klinikai professzora szerint az összesített rákos adatok gyakran nem tartalmazzák a terhes nőkre vonatkozó adatokat, ami elkerülhetetlen torzításokat okoz a modellekben, és súlyosbítja az egészségügyi ellátásban meglévő egyenlőtlenségeket.
Dr. David Magnus, gyermekgyógyászat és orvostudomány professzora szerint a mesterséges intelligencia, mint minden új technológia, sokféleképpen javíthatja vagy ronthatja a dolgokat. Magnus szerint a kockázat az, hogy a mesterséges intelligencia rendszerek megismerik az egészség társadalmi meghatározói által vezérelt egyenlőtlen egészségügyi eredményeket, és ezeket az eredményeket a kimenetükön keresztül megerősítik. „A mesterséges intelligencia egy tükör, amely tükrözi azt a társadalmat, amelyben élünk” – mondta. „Remélem, hogy minden alkalommal, amikor lehetőségünk nyílik arra, hogy rávilágítsunk egy problémára – hogy tükröt tartsunk magunk elé –, az motivációként szolgál majd a helyzet javítására.”
Ha nem tudott részt venni a RAISE Health workshopon, az ülés felvétele itt található.
A Stanford Egyetem Orvostudományi Kara egy integrált akadémiai egészségügyi ellátórendszer, amely a Stanford Egyetem Orvostudományi Karából, valamint a felnőtt- és gyermekgyógyászati ellátórendszerekből áll. Együttesen valósítják meg a biomedicina teljes potenciálját az együttműködésen alapuló kutatás, oktatás és klinikai betegellátás révén. További információkért látogasson el a med.stanford.edu weboldalra.
Egy új mesterséges intelligencia modell segíti az orvosokat és az ápolókat a Stanford Kórházban az együttműködésben a betegellátás javítása érdekében.
Közzététel ideje: 2024. július 19.