Mae arbenigwyr AI yn trafod sut i integreiddio AI cadarn â gofal iechyd, pam mae cydweithredu rhyngddisgyblaethol yn hollbwysig, a photensial AI cynhyrchiol mewn ymchwil.
Rhoddodd Feifei Li a Lloyd Minor sylwadau agoriadol yn y Symposiwm Iechyd Codi cyntaf yn Ysgol Feddygaeth Prifysgol Stanford ar Fai 14. Steve Fish
Mae'r rhan fwyaf o bobl a ddaliwyd gan ddeallusrwydd artiffisial wedi cael rhyw fath o foment “aha”, gan agor eu meddyliau i fyd o bosibiliadau. Yn y Symposiwm Iechyd Codi cyntaf ar Fai 14, rhannodd Lloyd Minor, MD, Deon Ysgol Feddygaeth Prifysgol Stanford ac Is -lywydd Materion Meddygol ym Mhrifysgol Stanford, ei bersbectif.
Pan ofynnwyd i un merch yn ei harddegau chwilfrydig grynhoi ei ganfyddiadau ynghylch y glust fewnol, trodd at ddeallusrwydd artiffisial cynhyrchiol. “Gofynnais, 'Beth yw Syndrom Dehiscence Camlas uwchraddol?' Dywedodd Minor wrth bron i 4,000 o gyfranogwyr symposiwm. Mewn ychydig eiliadau, ymddangosodd sawl paragraff.
“Maen nhw'n dda, yn dda iawn,” meddai. “Bod y wybodaeth hon wedi’i llunio i ddisgrifiad cryno, cywir yn gyffredinol a’i flaenoriaethu’n glir o’r afiechyd. Mae hyn yn eithaf rhyfeddol. ”
Rhannodd llawer o gyffro Minor ar gyfer y digwyddiad hanner diwrnod, a oedd yn dyfodiad y Fenter Codi Iechyd, prosiect a lansiwyd gan Ysgol Feddygaeth Prifysgol Stanford a Sefydliad Stanford ar gyfer Cudd-wybodaeth Artiffisial sy'n canolbwyntio ar bobl (HAI) i arwain y defnydd cyfrifol o artiffisial deallusrwydd. deallusrwydd mewn ymchwil biofeddygol, addysg a gofal cleifion. Archwiliodd y siaradwyr yr hyn y mae'n ei olygu i weithredu deallusrwydd artiffisial mewn meddygaeth mewn ffordd sydd nid yn unig yn ddefnyddiol i feddygon a gwyddonwyr, ond hefyd yn dryloyw, yn deg ac yn deg i gleifion.
“Credwn fod hon yn dechnoleg sy’n gwella galluoedd dynol,” meddai Fei-Fei Li, athro Cyfrifiadureg yn Ysgol Beirianneg Stanford, cyfarwyddwr y Raise Health gyda mân brosiect a chyd-gyfarwyddwr HAI. Cenhedlaeth Ar ôl Cenhedlaeth, Gall Technolegau Newydd ddod i'r amlwg: O ddilyniannau moleciwlaidd newydd o wrthfiotigau i fapio bioamrywiaeth a datgelu rhannau cudd o fioleg sylfaenol, mae AI yn cyflymu darganfyddiad gwyddonol. Ond nid yw hyn i gyd yn fuddiol. “Gall yr holl gymwysiadau hyn arwain at ganlyniadau anfwriadol, ac mae angen gwyddonwyr cyfrifiadurol arnom sy’n datblygu ac yn gweithredu [deallusrwydd artiffisial] yn gyfrifol, gan weithio gydag amrywiaeth o randdeiliaid, gan feddygon ac moesegwyr… i arbenigwyr diogelwch a thu hwnt,” meddai hi. “Mae mentrau fel Raise Health yn dangos ein hymrwymiad i hyn.”
Mae cydgrynhoi tair adran o Feddygaeth Stanford - yr Ysgol Feddygaeth, Gofal Iechyd Stanford ac Ysgol Meddygaeth Iechyd Plant Prifysgol Stanford - ac mae ei chysylltiadau â rhannau eraill o Brifysgol Stanford wedi ei rhoi mewn sefyllfa lle mae arbenigwyr yn mynd i'r afael â datblygiad datblygiad deallusrwydd artiffisial. materion rheoli ac integreiddio ym maes gofal iechyd a meddygaeth. Meddygaeth, aeth y gân.
“Rydym mewn sefyllfa dda i fod yn arloeswr wrth ddatblygu a gweithredu deallusrwydd artiffisial yn gyfrifol, o ddarganfyddiadau biolegol sylfaenol i wella datblygu cyffuriau a gwneud prosesau treialon clinigol yn fwy effeithlon, hyd at ddarparu gwasanaethau gofal iechyd yn wirioneddol. gofal iechyd. Y ffordd y mae’r system gofal iechyd wedi’i sefydlu, ”meddai.
Pwysleisiodd sawl siaradwr gysyniad syml: canolbwyntio ar y defnyddiwr (yn yr achos hwn, y claf neu'r meddyg) a bydd popeth arall yn dilyn. “Mae’n rhoi’r claf yng nghanol popeth rydyn ni’n ei wneud,” meddai Dr. Lisa Lehmann, cyfarwyddwr bioethics yn Brigham ac Ysbyty'r Merched. “Mae angen i ni ystyried eu hanghenion a’u blaenoriaethau.”
O'r chwith i'r dde: angor newyddion stat Mohana Ravindranath; Jessica Peter Lee o Microsoft Research; Mae Sylvia Plevritis, Athro Gwyddor Data Biofeddygol, yn trafod rôl deallusrwydd artiffisial mewn ymchwil feddygol. Steve Fish
Nododd siaradwyr ar y panel, a oedd yn cynnwys Lehmann, bioethicydd meddygol Prifysgol Stanford Mildred Cho, MD, a phrif swyddog clinigol Google Michael Howell, MD, gymhlethdod systemau ysbytai, gan bwysleisio'r angen i ddeall eu pwrpas cyn unrhyw ymyrraeth. Gweithredwch ef a sicrhau bod yr holl systemau a ddatblygwyd yn gynhwysol ac yn gwrando ar y bobl y maent wedi'u cynllunio i'w helpu.
Un allwedd yw tryloywder: mae'n ei gwneud hi'n glir o ble mae'r data a ddefnyddir i hyfforddi'r algorithm yn dod, o beth yw pwrpas gwreiddiol yr algorithm, ac a fydd data cleifion yn y dyfodol yn parhau i helpu'r algorithm i ddysgu, ymhlith ffactorau eraill.
“Mae ceisio rhagweld problemau moesegol cyn iddynt ddod yn ddifrifol [yn golygu] dod o hyd i'r man melys perffaith lle rydych chi'n gwybod digon am y dechnoleg i fod â rhywfaint o hyder ynddo, ond nid cyn [y broblem] yn lledaenu ymhellach a'i datrys yn gynt.” , Meddai Denton Char. Ymgeisydd y Gwyddorau Meddygol, Athro Cysylltiol yr Adran Anesthesioleg Bediatreg, Meddygaeth Perioperative a Meddygaeth Poen. Un cam allweddol, meddai, yw nodi'r holl randdeiliaid a allai gael eu heffeithio gan y dechnoleg a phenderfynu sut yr hoffent hwy eu hunain ateb y cwestiynau hynny.
Mae Jesse Ehrenfeld, MD, llywydd Cymdeithas Feddygol America, yn trafod pedwar ffactor sy'n gyrru mabwysiadu unrhyw offeryn iechyd digidol, gan gynnwys y rhai sy'n cael eu pweru gan ddeallusrwydd artiffisial. A yw'n effeithiol? A fydd hyn yn gweithio yn fy sefydliad? Pwy sy'n talu? Pwy sy'n gyfrifol?
Cyfeiriodd Michael Pfeffer, MD, prif swyddog gwybodaeth Stanford Health Care, at enghraifft ddiweddar lle profwyd llawer o'r materion ymhlith nyrsys yn ysbytai Stanford. Mae clinigwyr yn cael eu cefnogi gan fodelau iaith mawr sy'n darparu anodiadau cychwynnol ar gyfer negeseuon cleifion sy'n dod i mewn. Er nad yw'r prosiect yn berffaith, mae meddygon a helpodd i ddatblygu'r technoleg yn adrodd bod y model yn lleddfu eu llwyth gwaith.
“Rydyn ni bob amser yn canolbwyntio ar dri pheth pwysig: diogelwch, effeithlonrwydd a chynhwysiant. Rydym yn feddygon. Rydym yn cymryd llw i “wneud dim niwed,” meddai Nina Vasan, MD, athro cynorthwyol clinigol seiciatreg a gwyddorau ymddygiadol, a ymunodd â char a pfeffer ymunodd â’r grŵp. “Dylai hyn fod y ffordd gyntaf i werthuso’r offer hyn.”
Dechreuodd Nigam Shah, MBBS, Ph.D., Athro Meddygaeth a Gwyddor Data Biofeddygol, y drafodaeth gydag ystadegyn ysgytwol er gwaethaf rhybudd teg i'r gynulleidfa. “Rwy’n siarad yn gyffredinol a rhifau, ac weithiau maen nhw’n tueddu i fod yn uniongyrchol iawn,” meddai.
Yn ôl Shah, mae llwyddiant AI yn dibynnu ar ein gallu i'w raddfa. “Mae gwneud ymchwil wyddonol iawn ar fodel yn cymryd tua 10 mlynedd, ac os oedd pob un o’r 123 o raglenni cymrodoriaeth a phreswylio eisiau profi a defnyddio’r model i’r lefel honno o drylwyredd, byddai’n anodd iawn gwneud y wyddoniaeth gywir wrth i ni drefnu ar hyn o bryd Byddai ein hymdrechion a'n [prawf]] yn costio $ 138 biliwn i sicrhau bod pob un o'n gwefannau yn gweithio'n gywir, ”meddai Shah. “Ni allwn fforddio hyn. Felly mae angen i ni ddod o hyd i ffordd i ehangu, ac mae angen i ni ehangu a gwneud gwyddoniaeth dda. Mae'r sgiliau trylwyredd mewn un lle ac mae'r sgiliau graddio mewn un arall, felly bydd angen y math hwnnw o bartneriaeth arnom. ”
Mynychodd y Deon Cysylltiol Yuan Ashley a Mildred Cho (Derbyniad) y Gweithdy Iechyd Codi. Steve Fish
Dywedodd rhai siaradwyr yn y symposiwm y gellid cyflawni hyn trwy bartneriaethau cyhoeddus-preifat, megis gorchymyn gweithredol diweddar y Tŷ Gwyn ar y datblygiad diogel, diogel a dibynadwy a defnyddio deallusrwydd artiffisial a'r consortiwm ar gyfer deallusrwydd artiffisial gofal iechyd (CHAI). ).
“Y bartneriaeth gyhoeddus-preifat gyda’r potensial mwyaf yw un rhwng y byd academaidd, y sector preifat a’r sector cyhoeddus,” meddai Laura Adams, uwch gynghorydd i’r Academi Feddygaeth Genedlaethol. Nododd y gall y llywodraeth sicrhau ymddiriedaeth y cyhoedd, a gall canolfannau meddygol academaidd. Darparu cyfreithlondeb, a gall arbenigedd technegol ac amser cyfrifiadurol gael ei ddarparu gan y sector preifat. “Rydyn ni i gyd yn well nag unrhyw un ohonom ni, ac rydyn ni’n cydnabod hynny… ni allwn weddïo i wireddu potensial [deallusrwydd artiffisial] oni bai ein bod yn deall sut i ryngweithio â’n gilydd.”
Dywedodd sawl siaradwr fod AI hefyd yn cael effaith ar ymchwil, p'un a yw gwyddonwyr yn ei ddefnyddio i archwilio dogma biolegol, rhagfynegi dilyniannau a strwythurau newydd moleciwlau synthetig i gefnogi triniaethau newydd, neu hyd yn oed eu helpu i grynhoi neu ysgrifennu papurau gwyddonol.
“Mae hwn yn gyfle i weld yr anhysbys,” meddai Jessica Mega, MD, cardiolegydd yn Ysgol Feddygaeth Prifysgol Stanford a chyd-sylfaenydd yr Wyddor yn Verily. Soniodd Mega am ddelweddu hyperspectrol, sy'n dal nodweddion delwedd yn anweledig i'r llygad dynol. Y syniad yw defnyddio deallusrwydd artiffisial i ganfod patrymau mewn sleidiau patholeg nad yw bodau dynol yn eu gweld sy'n dynodi afiechyd. “Rwy’n annog pobl i gofleidio’r anhysbys. Rwy'n credu bod pawb yma yn adnabod rhywun sydd â rhyw fath o gyflwr meddygol sydd angen rhywbeth y tu hwnt i'r hyn y gallwn ei ddarparu heddiw, ”meddai Mejia.
Cytunodd y panelwyr hefyd y bydd systemau deallusrwydd artiffisial yn darparu ffyrdd newydd o nodi a brwydro yn erbyn gwneud penderfyniadau rhagfarnllyd, p'un a ydynt yn cael eu gwneud gan fodau dynol neu ddeallusrwydd artiffisial, gyda'r gallu i nodi ffynhonnell y gogwydd.
“Mae iechyd yn fwy na gofal meddygol yn unig,” cytunodd sawl panelydd. Pwysleisiodd siaradwyr fod ymchwilwyr yn aml yn anwybyddu penderfynyddion cymdeithasol iechyd, megis statws economaidd -gymdeithasol, cod zip, lefel addysg, a hil ac ethnigrwydd, wrth gasglu data cynhwysol a recriwtio cyfranogwyr ar gyfer astudiaethau. “Mae AI yr un mor effeithiol â’r data y mae’r model yn cael ei hyfforddi arno,” meddai Michelle Williams, athro epidemioleg ym Mhrifysgol Harvard ac athro cyswllt epidemioleg ac iechyd poblogaeth yn Ysgol Feddygaeth Prifysgol Stanford. “Os gwnawn yr hyn yr ydym yn ymdrechu i’w wneud. Gwella canlyniadau iechyd a dileu anghydraddoldebau, rhaid inni sicrhau ein bod yn casglu data o ansawdd uchel ar ymddygiad dynol a'r amgylchedd cymdeithasol a naturiol. ”
Dywedodd Natalie Pageler, MD, athro clinigol pediatreg a meddygaeth, fod data canser agregedig yn aml yn eithrio data ar fenywod beichiog, gan greu rhagfarnau anochel mewn modelau a gwaethygu gwahaniaethau presennol mewn gofal iechyd.
Dywedodd Dr. David Magnus, athro pediatreg a meddygaeth,, fel unrhyw dechnoleg newydd, y gall deallusrwydd artiffisial naill ai wella pethau mewn sawl ffordd neu eu gwneud yn waeth. Y risg, meddai Magnus, yw y bydd systemau deallusrwydd artiffisial yn dysgu am ganlyniadau iechyd annheg sy'n cael eu gyrru gan benderfynyddion cymdeithasol iechyd ac yn atgyfnerthu'r canlyniadau hynny trwy eu hallbwn. “Mae deallusrwydd artiffisial yn ddrych sy’n adlewyrchu’r gymdeithas rydyn ni’n byw ynddi,” meddai. “Gobeithio, bob tro y cawn gyfle i daflu goleuni ar fater - i ddal drych i fyny i ni ein hunain - bydd yn gymhelliant i wella’r sefyllfa.”
Os nad oeddech yn gallu mynychu'r Gweithdy Codi Iechyd, gellir dod o hyd i recordiad o'r sesiwn yma.
Mae Ysgol Feddygaeth Prifysgol Stanford yn system gofal iechyd academaidd integredig sy'n cynnwys Ysgol Feddygaeth Prifysgol Stanford a'r systemau cyflenwi gofal iechyd oedolion a phediatreg. Gyda'i gilydd maent yn sylweddoli potensial llawn biofeddygaeth trwy ymchwil gydweithredol, addysg a gofal cleifion clinigol. Am ragor o wybodaeth, ewch i med.stanford.edu.
Mae model deallusrwydd artiffisial newydd yn helpu meddygon a nyrsys yn Ysbyty Stanford i weithio gyda'i gilydd i wella gofal cleifion.
Amser Post: Gorff-19-2024