Aká je hranica „rozdelenia práce“ diagnostiky a energetickej účinnosti liečby?

Aplikácia AI v lekárskej starostlivosti neznamená „nahradenie lekárov“. V súčasnosti je AI najlepšie v „štandardizovaných úlohách s vysokou intenzitou“, ako je rozpoznávanie lekárskych zobrazovaní, skríning liekov a automatizácia procesov konzultácií. Ako príklad, ktorý sa ujal rozpoznávania obrázkov, model AI vyvinutý tímom spoločnosti Google Health dosiahol lepšie výsledky ako skúsení rádiológovia pri skríningu rakoviny prsníka. Tréningom miliónov mamogramov sa systém naučil malé lézie s presnosťou viac ako 94%a falošne pozitívna miera bola významne nižšia ako miera umelej diagnózy.

Ale to, v čom je AI dobrá, nie je „klinická intuícia“ alebo „viacero zložitých rozsudkov“. Napríklad pre pacienta, ktorý sa prejavuje ako bolesti hlavy, horúčka a únava, ľudskí lekári navrhnú diagnostické smery založené na komplexnej predchádzajúcej anamnéze, fyzickom vyšetrení a klinických skúsenostiach; Zatiaľ čo systémy AI sa často spoliehajú viac na „vstup dotazníka“ a podávajú návrhy na predpokladu nedostatku skutočného kontaktu a situačného úsudku a ich presnosť je ľahko ovplyvnená štruktúrou informácií. Preto primeranejšie vnímanie v tejto fáze je, že „AI môže byť súčasťou toho, v čom sú lekári dobrí“, a nie „AI môže byť všetko, čo lekári dokážu urobiť“.

Podstatou „diagnostiky“ AI je modelovanie údajov

Prvý dojem, že veľa ľudí má, keď prichádzajú do styku s lekármi AI, pochádza z niektorých platforiem alebo aplikácií inteligentných konzultácií. Keď používateľ vstúpi do symptómov, systém poskytuje predbežné diagnostické návrhy a odporúča registrované oddelenie. Technické princípy za ním sú hlavne kombinácia spracovania prirodzeného jazyka (NLP) a modelovania stromov rozhodovania. Systém AI nepretržite „číta“ údaje o prípadoch a lekárske pokyny na vytvorenie siete zodpovedajúcich vzťahov medzi príznakmi a príčinami.

Ako príklad, ktorý začal „Budúcu nemocnicu“, ktorú spustil Alibaba Health, je jeho konzultačný systém AI založený na desiatkach miliónov elektronických lekárskych záznamov a záznamov o zdravotnom poistení a má vysokú mieru zodpovedajúceho pri bežných chorobách. Ak užívateľ vstúpi do „Sothe bolesť v krku, výtok z nosa, kašeľ“, systém môže určiť, že pravdepodobnosť infekcie horných dýchacích ciest je vyššia za niekoľko sekúnd a odporúča sa vyhľadať lekárske ošetrenie v otolaryngológii.

Problémy s týmto konzultačným systémom sú však tiež zrejmé. Po prvé, spolieha sa na presnosť vstupu pacienta a nemôže nahradiť fyzikálne vyšetrenia alebo biochemické ukazovatele; Po druhé, má obmedzenú schopnosť posúdiť prekrývajúce sa príznaky alebo zriedkavé choroby. Najdôležitejšou vecou je, že jej návrhy sú väčšinou založené skôr na „odôvodnení pravdepodobnosti“ ako na „príčinnej logike“ a chýba mu skutočný klinický výklad a proces zdôvodňovania. Preto je v praktických aplikáciách skôr ako „vyhľadávač lekárskych znalostí“ ako skutočný lekár.

Medical Imaging je hlavným bojiskom pre AI, aby ukázal svoju silu

Ak je AI stále „nevinná“ v konzultačných scenároch, potom v analýze lekárskej zobrazovania možno výkon AI opísať ako „pozoruhodný“. Skok v technológii rozpoznávania obrazu AI je spôsobený rozsiahlym uplatňovaním hlbokého učenia, najmä konvolučných neurónových sietí (CNN). Pravidelnosť lekárskeho zobrazovania a vysoko štandardného anotačného systému poskytuje ideálny scenár pre výcvik AI.

V poliach skríningu pľúcnej uzliny, rozpoznávanie diabetickej retinopatie, rozpoznávanie krvácania CT mozgu atď. V klinickej praxi bolo pilotovaných viacero systémov AI. Napríklad pri skríningu rakoviny pľúc, Tencent Miying identifikoval podozrivé uzly v obrazoch CT prostredníctvom modelov AI a jeho citlivosť dosiahla viac ako 95%a miera detekcie včasného rakoviny pľúc sa zvýšila o 30%. Podobne bol systém rozpoznávania obrazu fundus vyvinutý spoločnosťou DeepMind tiež klinicky overený v britskom národnom systéme zdravotníckych služieb, ktorý môže určiť, či je obraz sietnice neobvyklý do 10 sekúnd a pomáha lekárom pri rozhodovaní, či je potrebné odporúčanie.

Bežné výhody týchto technológií sú: rýchle, efektívne a presné. AI nebude unavená a nie je ovplyvnená subjektívnymi preferenciami. Môže pomôcť lekárom pri spracovaní veľkých dávok údajov a zlepšiť efektívnosť skríningu. Má však tiež nedostatky - schopnosť rozpoznávať nové choroby a abnormálne prejavy stále závisí od vzoriek tréningov. Ak sa v údajoch neobjavili funkcie obrazu, pre AI je ťažké urobiť flexibilné závery alebo „učenie sa z jedného príkladu“, čo je tiež dôležitým dôvodom, prečo vždy potrebuje spolupracovať s manuálnym preskúmaním.

Vstúpili diagnostika a liečba AI-asistovaná do skutočnej nemocnice?

V Číne mnohé nemocnice zaviedli asistenčné systémy AI pre počiatočnú diagnostiku a odklon, prehľad predpisu, patologickú analýzu a ďalšie odkazy. Napríklad systém „Alpha Doctor“, ktorý spustil druhá pridružená nemocnica univerzitnej fakulty Zhejiang University of Medicine, môže viesť pacientov, aby vyplnili informácie o konzultáciách v ambulantnej čakacej oblasti, spočiatku určili príčinu a poskytli lekársku pomoc; Systém môže dokonca automaticky generovať elektronické lekárske záznamy po diagnostikovaní lekára, čím výrazne zníži bremeno dokumentov lekárov.

V nemocnici Zhongshan v Šanghaji môže systém AI vykonať analýzu zobrazovania CT u pacientov podozrivých z koronárnych srdcových chorôb, čo lekárom poskytuje kvantitatívny odkaz na stupeň stenózy a ušetrí veľa času manuálneho merania. Okrem toho sa AI používa aj v bezdovných diagnostických a liečebných prepojeniach, ako je archivácia lekárskych záznamov, urovnanie zdravotného poistenia a riadenie následných pacientov na zlepšenie efektívnosti informačnej prevádzky v nemocnici.

Väčšina z týchto AI, ktoré „vstupujú do klinického štádia“, však stále „podporujú úlohy“ a nie sú „protagonistami rozhodovania“. Či už v procese diagnózy, liečby alebo liekov, odporúčania AI musí vždy preskúmať a podpísať praktický lekár. Dôvodom nie je nedostatok výkonu AI, ale zahŕňa mimoriadne prísne systémové problémy, ako je lekárska etika, vlastníctvo právnej zodpovednosti a záruky bezpečnosti pacientov. V existujúcom lekárskom systéme sa AI môže stať iba „nástrojom“, nie „zodpovedným predmetom“.

Lekárska etika a identifikácia zodpovednosti sú stále najväčšími výzvami

Najväčším problémom v lekárskej AI nie je technológia, ale etika a právo. Jednou z najrealistickejších otázok je: Kto bude zodpovedný, keď AI nesprávna diagnóza vedie k oneskorenej liečbe alebo nepriaznivým dôsledkom? V súčasnosti bežné lekárske systémy na celom svete nevytvorili zrelý mechanizmus úsudku zodpovednosti AI. V Číne musia certifikovaní lekári vykonávať všetky diagnostické a liečebné správanie. Ak systém AI dáva návrhy a lekár nekontroluje správne, dôsledky bude znášať lekár.

Okrem toho sa znepokojuje aj problém „čiernej skrinky“ systémov AI. Rozhodovací proces mnohých modelov hlbokého učenia nie je transparentný a je ťažké uviesť jasné „diagnostické dôvody“, čo je v rozpore so zásadou medicíny, ktorý zdôrazňuje „sledovateľnosť“. Napríklad AI odporúča možnosť liečby, ale ak je spochybnená „Aký je základ“, systém nemusí byť schopný podať interpretovateľnú cestu. V súčasnosti je ťažké preukázať dôveru v pacientov a lekárov, pretože ich neoprávnene neoprávnene neprijmú.

Okrem toho sa školenie AI vo veľkej miere spolieha na rozsiahle lekárske údaje, ktoré často zahŕňajú otázky súkromia, etiky a bezpečnosti. Akonáhle je zdroj údajov nepriehľadný alebo označovanie nie je štandardizované, môže to spôsobiť systematické odchýlky od modelu. Napríklad systém AI mal kedysi nízky podiel vzoriek žien v tréningovom stredisku a chyba v rozpoznávaní rakoviny prsníka je veľká a ukazuje „rodovú zaujatosť“. Z tohto dôvodu nie je výskyt lekárov AI nielen technickým problémom, ale aj komplexnou výzvou pre morálny a právny systém.

Budúca cesta je skôr integrácia ako výmena

Vývojová cesta lekárov AI by sa nemala ovplyvňovať „substitučná teória“, ale mala by sa vrátiť k podstate lekárskej starostlivosti - slúži ľudskému zdraviu. Najsľubnejším smerom v tejto fáze je „spolupráca človeka-stroj“, to znamená, že AI vykonáva štruktúrované a vysoko opakujúce sa úlohy, uvoľňuje energiu lekárov a umožňuje im zamerať sa na personalizovaný úsudok, humanistickú komunikáciu a zložité rozhodovanie.

Napríklad pri liečbe chronických chorôb môže AI analyzovať dlhodobú hladinu cukru v krvi, krvný tlak, hmotnosť a ďalšie údaje o pacientoch, poskytovať trendové výzvy a výstražné informácie a pomôcť lekárom zasiahnuť vopred; V telemedicíne môže AI predpovedať obrázky a správy, čo lekárom umožňuje efektívnejšie slúžiť vzdialeným oblastiam; Pri klinickom výučbe môže AI pomôcť lekárom pri výcviku začínajúcich lekárov, poskytovať simulované prípady uvažovania a zlepšiť kvalitu výučby.

Hlbší trend je zriadenie a štandardizované riadenie rámca lekárskej etiky AI. V budúcnosti môže mať AI „lekársky prístup“ jednotný systém auditu na objasnenie hranice medzi „naznačovateľnými“ a „nerozhodnutými“. Systémy AI musia zároveň tiež posilniť dizajn „interpretability“, aby sa zvýšila dôvery verejnosti.

Od „nástrojov“ po „partnerov“ majú lekári AI ešte dlhú cestu. Nikdy nemusí nahradiť teplé „klinické oči“, ale môže sa stať najsilnejším inteligentným asistentom v okolí lekárov. A to je najočakávanejší konečný bod pre lekársku starostlivosť AI.