Mae arbenigwyr AI yn trafod sut i integreiddio AI cadarn i ofal iechyd, pam mae cydweithio rhyngddisgyblaethol yn hanfodol, a photensial AI cynhyrchiol mewn ymchwil.
Rhoddodd Feifei Li a Lloyd Minor sylwadau agoriadol yn Symposiwm Iechyd cyntaf RAISE yn Ysgol Feddygaeth Prifysgol Stanford ar Fai 14. Steve Fish
Mae'r rhan fwyaf o bobl sydd wedi cael eu dal gan ddeallusrwydd artiffisial wedi cael rhyw fath o foment "aha", gan agor eu meddyliau i fyd o bosibiliadau. Yn Symposiwm Iechyd RAISE cyntaf erioed ar Fai 14, rhannodd Lloyd Minor, MD, deon Ysgol Feddygaeth Prifysgol Stanford ac is-lywydd materion meddygol ym Mhrifysgol Stanford, ei safbwynt.
Pan ofynnwyd i un person ifanc chwilfrydig grynhoi ei ganfyddiadau ynghylch y glust fewnol, trodd at ddeallusrwydd artiffisial cynhyrchiol. “Gofynnais, 'Beth yw syndrom dadfeiliad y gamlas uwchraddol?' dywedodd Minor wrth bron i 4,000 o gyfranogwyr y symposiwm. Mewn ychydig eiliadau, ymddangosodd sawl paragraff.
“Maen nhw’n dda, yn dda iawn,” meddai. “Mae’r wybodaeth hon wedi’i chasglu i mewn i ddisgrifiad cryno, cywir ar y cyfan ac wedi’i flaenoriaethu’n glir o’r clefyd. Mae hyn yn eithaf rhyfeddol.”
Rhannodd llawer gyffro Minor am y digwyddiad hanner diwrnod, a oedd yn ganlyniad i fenter RAISE Health, prosiect a lansiwyd gan Ysgol Feddygaeth Prifysgol Stanford a Sefydliad Stanford ar gyfer Deallusrwydd Artiffisial sy'n Canolbwyntio ar y Dyn (HAI) i arwain y defnydd cyfrifol o ddeallusrwydd artiffisial mewn ymchwil fiofeddygol, addysg a gofal cleifion. Archwiliodd y siaradwyr beth 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 gyfartal i gleifion.
“Rydym yn credu bod hon yn dechnoleg sy’n gwella galluoedd dynol,” meddai Fei-Fei Li, athro cyfrifiadureg yn Ysgol Beirianneg Stanford, cyfarwyddwr prosiect RAISE Health with Minor a chyd-gyfarwyddwr HAI. O genhedlaeth i genhedlaeth, 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 darganfyddiadau gwyddonol. Ond nid yw hyn i gyd yn fuddiol. “Gall yr holl gymwysiadau hyn gael canlyniadau anfwriadol, ac mae angen gwyddonwyr cyfrifiadurol arnom sy’n datblygu ac yn gweithredu [deallusrwydd artiffisial] yn gyfrifol, gan weithio gydag amrywiaeth o randdeiliaid, o feddygon a moesegwyr… i arbenigwyr diogelwch a thu hwnt,” meddai hi. “Mae mentrau fel RAISE Health yn dangos ein hymrwymiad i hyn.”
Mae cyfuno tair adran o Feddygaeth Stanford—Ysgol Feddygaeth, Gofal Iechyd Stanford ac Ysgol Meddygaeth Iechyd Plant Prifysgol Stanford—a'i chysylltiadau â rhannau eraill o Brifysgol Stanford wedi ei rhoi mewn sefyllfa lle mae arbenigwyr yn ymgodymu â datblygiad deallusrwydd artiffisial, materion rheoli ac integreiddio ym maes gofal iechyd a meddygaeth. Meddygaeth, meddai'r gân.
“Rydym mewn sefyllfa dda i fod yn arloeswr ym maes datblygu a gweithredu deallusrwydd artiffisial yn gyfrifol, o ddarganfyddiadau biolegol sylfaenol i wella datblygu cyffuriau a gwneud prosesau treialon clinigol yn fwy effeithlon, yr holl ffordd hyd at ddarparu gwasanaethau gofal iechyd mewn gwirionedd. 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 a wnawn,” meddai Dr. Lisa Lehmann, cyfarwyddwr biofoeseg yn Ysbyty Brigham and Women. “Mae angen i ni ystyried eu hanghenion a'u blaenoriaethau.”
O'r chwith i'r dde: Cyflwynydd STAT News, Mohana Ravindranath; Jessica Peter Lee o Microsoft Research; 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, y bioethigydd meddygol o Brifysgol 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. Ei weithredu a sicrhau bod pob system a ddatblygir 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, 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 iddyn nhw ddod yn ddifrifol [yn golygu] dod o hyd i’r fan perffaith lle rydych chi’n gwybod digon am y dechnoleg i gael rhywfaint o hyder ynddi, ond nid cyn i [y broblem] ledaenu ymhellach a’i datrys yn gynt.” , meddai Denton Char. Ymgeisydd Gwyddorau Meddygol, Athro Cyswllt yn yr Adran Anesthesioleg Bediatrig, Meddygaeth Berilawfeddygol 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 sbarduno 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 i? Pwy sy'n talu? Pwy sy'n gyfrifol?
Dyfynnodd Michael Pfeffer, MD, prif swyddog gwybodaeth Stanford Health Care, enghraifft ddiweddar lle profwyd llawer o'r materion ymhlith nyrsys yn ysbytai Stanford. Cefnogir clinigwyr 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 dechnoleg yn adrodd bod y model yn lleddfu eu llwyth gwaith.
“Rydym bob amser yn canolbwyntio ar dri pheth pwysig: diogelwch, effeithlonrwydd a chynhwysiant. Meddygon ydym ni. Rydym yn tyngu llw i “beidio â gwneud niwed,” meddai Nina Vasan, MD, athro cynorthwyol clinigol seiciatreg a gwyddorau ymddygiad, a ymunodd â Char a Pfeffer. “Dylai hyn fod y ffordd gyntaf o werthuso’r offer hyn.”
Dechreuodd Nigam Shah, MBBS, Ph.D., Athro Meddygaeth a Gwyddor Data Biofeddygol, y drafodaeth gydag ystadegyn syfrdanol er gwaethaf rhybudd teg i'r gynulleidfa. “Rwy'n siarad mewn termau a niferoedd cyffredinol, 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 raddio. “Mae gwneud ymchwil wyddonol briodol ar fodel yn cymryd tua 10 mlynedd, a phe bai pob un o'r 123 o raglenni cymrodoriaeth a phreswyliaeth eisiau profi a defnyddio'r model i'r lefel honno o drylwyredd, byddai'n anodd iawn gwneud y wyddoniaeth gywir wrth i ni drefnu ein hymdrechion a'n [profi] ar hyn o bryd. Byddai'n costio $138 biliwn i sicrhau bod pob un o'n safleoedd 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 a'r sgiliau graddio mewn un arall, felly bydd angen y math hwnnw o bartneriaeth arnom.”
Mynychodd y Deon Cyswllt Yuan Ashley a Mildred Cho (Derbynfa) Weithdy Iechyd RAISE. Steve Fish
Dywedodd rhai siaradwyr yn y symposiwm y gellid cyflawni hyn drwy bartneriaethau cyhoeddus-preifat, megis Gorchymyn Gweithredol diweddar y Tŷ Gwyn ar Ddatblygu a Defnyddio Deallusrwydd Artiffisial mewn ffordd Ddiogel, Sicr a Dibynadwy a'r Consortiwm ar gyfer Deallusrwydd Artiffisial Gofal Iechyd (CHAI).
“Y bartneriaeth gyhoeddus-breifat sydd â’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 ddarparu cyfreithlondeb, a gall y sector preifat ddarparu arbenigedd technegol ac amser cyfrifiadurol. “Rydym i gyd yn well nag unrhyw un ohonom, ac rydym yn cydnabod… na allwn weddïo i wireddu potensial [deallusrwydd artiffisial] oni bai ein bod yn deall sut i ryngweithio â’n gilydd.”
Dywedodd sawl siaradwr fod deallusrwydd artiffisial hefyd yn cael effaith ar ymchwil, boed yn gwyddonwyr yn ei ddefnyddio i archwilio dogma biolegol, rhagweld 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 Verily Alphabet. Soniodd Mega am ddelweddu hyperspectrol, sy'n dal nodweddion delwedd sy'n 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 clefyd. “Rwy'n annog pobl i gofleidio'r anhysbys. Rwy'n credu bod pawb yma'n adnabod rhywun 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 mynd i'r afael â gwneud penderfyniadau rhagfarnllyd, boed yn rhai a wneir gan fodau dynol neu ddeallusrwydd artiffisial, gyda'r gallu i nodi ffynhonnell y rhagfarn.
“Mae iechyd yn fwy na gofal meddygol yn unig,” cytunodd sawl panelwr. Pwysleisiodd siaradwyr fod ymchwilwyr yn aml yn anwybyddu penderfynyddion cymdeithasol iechyd, fel statws economaidd-gymdeithasol, cod post, lefel addysg, a hil ac ethnigrwydd, wrth gasglu data cynhwysol a recriwtio cyfranogwyr ar gyfer astudiaethau. “Dim ond mor effeithiol â’r data y mae’r model wedi’i hyfforddi arno y mae deallusrwydd artiffisial,” meddai Michelle Williams, athro epidemioleg ym Mhrifysgol Harvard ac athro cysylltiol epidemioleg ac iechyd y boblogaeth yn Ysgol Feddygaeth Prifysgol Stanford. “Os ydym yn gwneud 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'r anghydraddoldebau presennol mewn gofal iechyd.
Dywedodd Dr. David Magnus, athro pediatreg a meddygaeth, fel unrhyw dechnoleg newydd, y gall deallusrwydd artiffisial naill ai wneud pethau'n well mewn sawl ffordd neu eu gwaethygu. Y risg, meddai Magnus, yw y bydd systemau deallusrwydd artiffisial yn dysgu am ganlyniadau iechyd anghyfartal 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 rydym yn byw ynddi,” meddai. “Rwy'n gobeithio, bob tro y cawn y cyfle i daflu goleuni ar fater—i ddal drych i fyny i ni ein hunain—y bydd yn gwasanaethu fel cymhelliant i wella'r sefyllfa.”
Os na allech chi fynychu gweithdy RAISE Health, mae recordiad o'r sesiwn ar gael yma.
Mae Ysgol Feddygaeth Prifysgol Stanford yn system gofal iechyd academaidd integredig sy'n cynnwys Ysgol Feddygaeth Prifysgol Stanford a'r systemau darparu gofal iechyd i oedolion a phlant. Gyda'i gilydd maent yn gwireddu 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 gydweithio i wella gofal cleifion.
Amser postio: Gorff-19-2024