Aufgaben, die nicht direkt mit der Patientenversorgung zusammenhängen
Moderne Systeme der künstlichen Intelligenz helfen Ärzten bereits bei der Behandlung von Patienten. Beispielsweise kann das Unternehmen HeartFlow mithilfe von CT-Bildern, Computersimulation des Blutflusses und Deep-Learning-Algorithmen eine 3D-Karte des Herzens erstellen. Auf diese Weise können Ärzte Herzerkrankungen genauer und schneller diagnostizieren und die Anzahl der erforderlichen invasiven Eingriffe um 80% reduzieren.
KI wird jedoch auch in Bereichen eingesetzt, die nicht direkt mit der Behandlung des Patienten zusammenhängen, aber dennoch die Qualität der medizinischen Versorgung beeinträchtigen. Heute wollen wir über diese zum Teil zusätzlichen, aber immer noch wichtigen Aufgaben sprechen.
"Ein aufmerksamer Arzt wird kommen, wo immer es Ihnen passt "Krankenhausrouting
Künstliche Intelligenzsysteme und maschinelles Lernen können nicht nur bei der Diagnose helfen. Zum Beispiel gab die Bloomsbury University College London Clinic (UCLH) Ende Mai bekannt, dass sie KI-Systeme verwenden wird, um Patienten zu identifizieren, die wirklich medizinische Notfallversorgung benötigen.
Wenn ein über Schmerzen klagender Patient die Notaufnahme betritt, führt das medizinische Personal Standardverfahren durch - Blut zur Analyse entnehmen, eine Anamnese sammeln und gegebenenfalls eine Röntgenaufnahme machen. Wie in der Klinik festgestellt, haben Patienten in 80% der Fälle nichts Ernstes - ihnen werden Medikamente verschrieben und sie werden nach Hause entlassen.
Mit dem System der künstlichen Intelligenz können Sie schnell die 20% identifizieren, die wirklich eine Notfallversorgung benötigen. Der CEO von UCLH
sagte in einem Interview mit Guardian
, dass die Software die Priorität des Patienten festlegen und die Gefahr der von ihm geäußerten Symptome bewerten werde. Zum Beispiel können Schmerzen im Bauch auf eine Blinddarmentzündung oder eine Nierenerkrankung hinweisen, so dass sich eine solche Person in Richtung des Kopfes der Linie „bewegt“.
Algorithmen für maschinelles Lernen können auch bei der Weiterleitung von Patienten und Ärzten hilfreich sein. Zum Beispiel hat Parashkev Nachev, ein Forscher und Neurologe am Nationalen Krankenhaus für Neurologie und Neurochirurgie in Großbritannien, einen Algorithmus für maschinelles Lernen entwickelt, der die Informationen über Termine in der Klinik analysiert und die Wahrscheinlichkeit schätzt, dass der Patient aus dem einen oder anderen Grund eine MRT-Sitzung verpasst scannen. Sein System
berücksichtigt Parameter wie das Alter der Person, ihre Adresse und Entfernung zur Klinik sowie die Wetterbedingungen. Bisher ist es dem Wissenschaftler gelungen, eine Genauigkeit von 85% zu erreichen. Dies hilft, die Aufnahmezeit schnell neu zu verteilen.
Und in derselben UCLH das künstliche Intelligenzsystem, das von Wissenschaftlern des Instituts entwickelt wird. Alan Turing
wird überwachen, wie sich Ärzte und Patienten im Krankenhaus „bewegen“ - welche Aufgaben sie ausführen, welche Verfahren sie durchführen. Dies wird dazu beitragen, potenzielle „Engpässe“ in der Organisation der Klinik zu identifizieren - eine Situation oder ein Ort, an dem Warteschlangen oder Geräteknappheit möglicherweise möglich sind.
Suche nach neuem Wissen
Die von Ärzten angewandten Behandlungspraktiken sind in der Regel veraltet. Neue Methoden, neue Studien und Medikamente entstehen. Bereits im Jahr 2004 untersuchten Forscher den Inhalt von 341 medizinischen Fachzeitschriften und stellten fest, dass die Gesamtzahl der monatlichen Veröffentlichungen mehr als
7.000 betrug.
Im Idealfall muss der Arzt ständig den Kenntnisstand des Fachs aufrechterhalten und sich über moderne Behandlungspraktiken auf dem Laufenden halten. Es ist jedoch fast unmöglich, die gesamte Anzahl von Veröffentlichungen zu studieren, die regelmäßig in Fachzeitschriften veröffentlicht werden - selbst wenn es sich um einen Spezialisten handelt.
Technologien für künstliche Intelligenz in Kombination mit Suchmaschinen
können in dieser Situation helfen. Eine ähnliche Lösung wurde von Wissenschaftlern des amerikanischen Forschungszentrums
RAND entwickelt , die sich mit der Analyse strategischer Probleme befassten. Sie lehrten das System, in großen Informationsmengen nach Schlüsselwörtern und Begriffen zu suchen, die sich auf das Thema der Anfrage beziehen.
Während der Tests waren dies Daten zu Gicht, niedriger Knochendichte und Arthrose des Knies. Der Algorithmus konnte die Anzahl relevanter Artikel, die für Ärzte von Interesse sind, um 67–83% reduzieren. Laut den Entwicklern hat das System nur zwei Artikel übersprungen, die von Personen ausgewählt wurden, aber keiner von ihnen enthielt wichtige Informationen. Die Genauigkeit des Algorithmus für maschinelles Lernen betrug 96%.
Arzneimittelentwicklung
Die Erfahrung von Pharmaunternehmen
zeigt, dass vom Beginn der präklinischen Studien bis zur Zulassung des Arzneimittels und der Behandlung von Patienten ungefähr 12 Jahre vergehen. Gleichzeitig fallen nur 0,1% der „Medikamentenkandidaten“ in klinische Tests. Die Genehmigung wird von 20% von ihnen erhalten.
Künstliche Intelligenzsysteme können helfen, diese Situation zu lösen und die Freisetzung neuer Medikamente zu beschleunigen. Maschinelles Lernen und KI-Systeme werden in den frühen Stadien der Arzneimittelentwicklung eingesetzt.
Ein Beispiel ist die AtomWise San Francisco-Lösung. Ihr System heißt AtomNet. Sie verwendet Deep-Learning-Methoden, um vorherzusagen, wie sich Moleküle verhalten und wie wahrscheinlich es ist, dass sie die notwendigen Verbindungen herstellen.
Während des Trainings fütterten AtomNet-Entwickler die Daten des künstlichen Intelligenzsystems mit den Ergebnissen von mehreren Millionen bereits bekannten molekularen Wechselwirkungen. Basierend auf diesen Interaktionen hat das
System gelernt , Interaktionen vorherzusagen, die noch nicht aufgetreten sind. Die Software hat bereits dazu beigetragen
, Medikamente zur Behandlung von Ebola zu entwickeln.
Künstliche Intelligenzsysteme und maschinelles Lernen helfen Ärzten und Wissenschaftlern, effizienter zu arbeiten. Ärzte werden von Routineaufgaben befreit, es wird für Wissenschaftler einfacher, Forschung zu betreiben, und Patienten werden schneller behandelt.
Entwicklungen an der Schnittstelle von KI und Medizin werden heute immer beliebter. Zum Beispiel begann Google, Unternehmen auszuwählen, die sich mit der Entwicklung "medizinischer" Systeme für künstliche Intelligenz befassen, um am Startbeschleunigerprogramm Launchpad Studio teilzunehmen. Ende letzten Jahres haben sich vier Unternehmen gleichzeitig
dem Projekt angeschlossen.
Bei DOC + beschäftigen wir uns auch mit Entwicklungen in diesem Bereich: Wir entwickeln ein eigenes
NLP-System , das Texte zu medizinischen Themen verarbeiten kann. Es wird in unserem
Chatbot verwendet - es hilft beim Sammeln einer Anamnese, weiß, wie man Krankheitssymptome von Patientenbeschwerden isoliert und gibt sie in strukturierter Form an den Arzt weiter.
Übrigens haben wir neben dem Blog über Habré ein thematisches Magazin „ Just Ask “ - darin sprechen wir über moderne Medizin und Gesundheit: