AI -asiantuntijat keskustelevat siitä, kuinka integroida vankka AI terveydenhuoltoon, miksi monitieteinen yhteistyö on kriittistä ja generatiivisen AI: n potentiaalia tutkimuksessa.
Feifeei Li ja Lloyd Minor antoivat avaushuomautukset Stanfordin yliopiston lääketieteellisen korkeakoulun avajaiskysymyksessä 14. toukokuuta. Steve Fish
Suurimmalla osalla tekoälyn vangitsemaa ihmistä on ollut jonkinlainen "aha" -hetki, joka avasi heidän mielensä mahdollisuuksien maailmaan. Stanfordin yliopiston lääketieteellisen korkeakoulun dekaani ja Stanfordin yliopiston lääketieteellisten asioiden varatoimitusjohtaja Lloyd Minor, MD, jakoivat hänen näkökulmansa.
Kun yhtä utelias teini -ikäistä pyydettiin tiivistämään sisäkorvan havainnot, hän kääntyi generatiiviseen tekoälyyn. "Kysyin:" Mikä on ylivoimainen kanavan dehiscence -oireyhtymä? " Minor kertoi lähes 4000 symposiumin osallistujaa. Muutamassa sekunnissa ilmestyi useita kappaleita.
"He ovat hyviä, todella hyviä", hän sanoi. ”Se, että nämä tiedot on koottu tiiviin, yleensä tarkkaksi ja selvästi priorisoidulle taudista. Tämä on melko merkittävää. ”
Monet jakoivat Minorin jännityksen puolipäivän tapahtumasta, joka oli Stanfordin yliopiston lääketieteellisen korkeakoulun ja Stanfordin ihmiskeskeisen tekoälyn (HAI) käynnistämän projektin, joka on käynnistänyt Rance Health Initiative, ja keinotekoisen käytön Stanfordin instituutti älykkyys. Älykkyys biolääketieteellisessä tutkimuksessa, koulutuksessa ja potilaan hoidossa. Puhujat tutkivat, mitä tarkoittaa keinotekoisen älykkyyden toteuttaminen lääketieteessä tavalla, josta ei ole hyötyä vain lääkäreille ja tutkijoille, vaan myös avoimille, oikeudenmukaisille ja oikeudenmukaisille potilaille.
"Uskomme, että tämä on tekniikka, joka parantaa inhimillisiä kykyjä", sanoi Stanfordin teknillisen korkeakoulun tietotekniikan professori Fei-Fei Li, Rose Healthin johtaja pienen projektin kanssa ja HAI: n apulaisjohtaja. Sukupolven jälkeinen sukupolvi voi syntyä uudet tekniikat: antibioottien uusista molekyylisekvensseistä biologisen monimuotoisuuden kartoittamiseen ja perusbiologian piilotettuihin osiin, AI kiihdyttää tieteellistä löytöä. Mutta kaikki tämä ei ole hyödyllistä. "Kaikilla näillä sovelluksilla voi olla tahattomia seurauksia, ja tarvitsemme tietotekniikkaa, jotka kehittävät ja toteuttavat [keinotekoista älykkyyttä] vastuullisesti, työskentelemällä useiden sidosryhmien kanssa, lääkäreiltä ja etiikoilta ... turvallisuusasiantuntijoille ja sen ulkopuolella", hän sanoo. "Aloitteet, kuten Rose Health, osoittavat sitoutumisemme tähän."
Stanfordin lääketieteen kolmen jako - lääketieteen korkeakoulun, Stanfordin terveydenhuollon ja Stanfordin yliopiston lasten terveyslääketieteen korkeakoulun - jaoston yhdistäminen - ja sen yhteydet muihin Stanfordin yliopiston osiin ovat asettaneet sen asemaan, jossa asiantuntijat kamppailevat kehityksen kanssa Keinotekoinen älykkyys. Hallinta- ja integraatiokysymykset terveydenhuollon ja lääketieteen alalla. Lääketiede, kappale meni.
”Meillä on hyvät mahdollisuudet olla edelläkävijä keinotekoisen älykkyyden kehittämisessä ja vastuullisessa toteuttamisessa, biologisista löytöistä lääkkeiden kehittämiseen ja kliinisten tutkimusprosessien parantamiseen tehokkaampia, suoraan terveydenhuoltopalvelujen todelliseen toimittamiseen. Terveydenhuolto. Tapa, jolla terveydenhuoltojärjestelmä on perustettu ”, hän sanoi.
Useat puhujat korostivat yksinkertaista käsitettä: keskittyä käyttäjälle (tässä tapauksessa potilas tai lääkäri) ja kaikki muu seuraa. "Se asettaa potilaan kaiken tekemämme keskipisteeseen", sanoi Brighamin ja naisten sairaalan bioetiikan johtaja tohtori Lisa Lehmann. "Meidän on harkittava heidän tarpeitaan ja painopisteitä."
Vasemmalta oikealle: STAT -uutisankkuri Mohana Ravindranath; Jessica Peter Lee Microsoft Researchista; Biolääketieteen tietotekniikan professori Sylvia Plevriitti käsittelee keinotekoisen älykkyyden roolia lääketieteellisessä tutkimuksessa. Steve Fish
Paneelin puhujat, joihin kuului Lehmann, Stanfordin yliopiston lääketieteellinen bioetiikari Mildred Cho, MD, ja Googlen kliininen johtaja Michael Howell, MD, totesi sairaalajärjestelmien monimutkaisuuden korostaen tarvetta ymmärtää heidän tarkoitustaan ennen mitään puuttumista. Toteuta se ja varmista, että kaikki kehitetyt järjestelmät ovat osallistavia ja kuuntele ihmisiä, joita he ovat suunniteltu auttamaan.
Yksi avain on läpinäkyvyys: se tekee selväksi, mistä algoritmin kouluttamiseen käytetyt tiedot ovat peräisin, mistä algoritmin alkuperäinen tarkoitus on, ja onko tulevaisuuden potilastiedot edelleen algoritmin oppimisen auttaminen muun muassa.
"Yritetään ennustaa eettisiä ongelmia ennen kuin heistä tulee vakavia [tarkoittaa] täydellisen makean paikan löytämistä, jossa tiedät tarpeeksi tekniikkaa saadaksesi siihen jonkin verran luottamusta siihen, mutta ei ennen [ongelma] leviää edelleen ja ratkaista se nopeammin." , Denton Char sanoi. Lääketieteellisten tieteiden ehdokas, apulaisprofessori lasten anestesiologian, perioperatiivisen lääketieteen ja kipulääketieteen laitoksen professori. Hänen mukaansa yksi avainvaihe on kaikkien sidosryhmien tunnistaminen, joihin tekniikka voi vaikuttaa, ja määrittää, kuinka he itse haluaisivat vastata näihin kysymyksiin.
American Medical Associationin presidentti Jesse Ehrenfeld keskustellaan neljästä tekijästä, jotka ohjaavat minkä tahansa digitaalisen terveysvälineiden, mukaan lukien keinotekoisen älykkyyden käyttäjät. Onko se tehokasta? Toimiiko tämä laitoksessani? Kuka maksaa? Kuka on vastuussa?
Stanfordin terveydenhuollon tiedotusjohtaja Michael Pfeffer, MD, mainitsi äskettäisen esimerkin, jossa monet aiheista testattiin Stanfordin sairaaloiden sairaanhoitajien keskuudessa. Kliinisiä lääkäreitä tukevat suuret kielimallit, jotka tarjoavat alkuperäiset merkinnät tuleville potilasviesteille. Vaikka projekti ei ole täydellinen, lääkärit, jotka auttoivat kehittämään teknologiaraporttia, että malli lievittää heidän työmääränsä.
”Keskitymme aina kolmeen tärkeään asiaan: turvallisuus, tehokkuus ja osallisuus. Olemme lääkäreitä. Annamme vannon "tehdä haittaa", sanoi MD, MD, psykiatrian ja käyttäytymistieteiden kliininen apulaisprofessori, joka liittyi ryhmään liittyivät Char ja Pfeffer. "Tämän pitäisi olla ensimmäinen tapa arvioida näitä työkaluja."
Lääketieteen ja lääketieteellisen tietotekniikan professori Nigam Shah, MBBS, aloitti keskustelun järkyttävällä tilastolla huolimatta yleisölle oikeudenmukaisesta varoituksesta. "Puhun yleisesti ja numerot, ja joskus ne ovat yleensä hyvin suoria", hän sanoi.
Shahin mukaan AI: n menestys riippuu kyvystämme skaalata se. ”Mallin asianmukaisen tieteellisen tutkimuksen tekeminen vie noin 10 vuotta, ja jos jokainen 123 apuraha- ja oleskeluohjelmasta halusi testata ja ottaa mallin käyttöön kyseiselle kurinalaisuudelle, olisi erittäin vaikeaa tehdä oikeaa tiedettä, kun järjestämme tällä hetkellä Pyrkimyksemme ja [testi]] maksaisi 138 miljardia dollaria varmistaaksemme, että jokainen sivustomme toimii oikein ”, Shah sanoi. ”Meillä ei ole varaa tähän. Joten meidän on löydettävä tapa laajentua, ja meidän on laajennettava ja tehtävä hyvää tiedettä. Turintataidot ovat yhdessä paikassa ja skaalaustaidot ovat toisessa, joten tarvitsemme tällaista kumppanuutta. "
Associate Dean Yuan Ashley ja Mildred CHO (vastaanotto) osallistuivat Rosk Health Workshopiin. Steve Fish
Jotkut symposiumin puhujat kertoivat, että tämä voitaisiin saavuttaa julkisen ja yksityisen sektorin kumppanuuksien avulla, kuten viimeaikaisen Valkoisen talon toimeenpanomääräyksessä turvallisen, turvallisen ja luotettavan kehittämisen ja keinotekoisen älykkyyden käytön sekä terveydenhuollon tekoälyn (CHAI) konsortion (CHAI) kanssa. ).
"Julkisen ja yksityisen sektorin kumppanuus suurimman potentiaalin kanssa on akateemisen, yksityisen sektorin ja julkisen sektorin välillä", kertoi kansallisen lääketieteellisen akatemian vanhempi neuvonantaja Laura Adams. Hän totesi, että hallitus voi varmistaa yleisen luottamuksen, ja akateemiset lääketieteelliset keskukset voivat. Tarjoa laillisuus, ja tekninen asiantuntemus ja tietokoneen aika voi tarjota yksityinen sektori. "Olemme kaikki parempia kuin kukaan meistä, ja tunnustamme, että… emme voi rukoilla toteuttaaksemme [tekoälyn] potentiaalia, ellemme ymmärrä, kuinka olla vuorovaikutuksessa keskenään."
Useat puhujat sanoivat, että AI: lla on myös vaikutusta tutkimukseen riippumatta siitä, käyttävätkö tutkijat sitä biologisen dogman tutkimiseen, synteettisten molekyylien uusia sekvenssejä ja rakenteita uusien hoitojen tukemiseksi tai jopa auttamaan heitä tiivistämään tai kirjoittamaan tieteellisiä papereita.
"Tämä on tilaisuus nähdä tuntematon", sanoi Stanfordin yliopiston lääketieteellisen korkeakoulun kardiologi Jessica Mega ja Alphabetin Veron perustaja. Mega mainitsi hyperspektrisen kuvantamisen, joka kuvaa kuvan, joka sisältää ihmisen silmän näkymättömiä. Ajatuksena on käyttää keinotekoista älykkyyttä patologian liukumien kuvioiden havaitsemiseksi, joita ihmiset eivät näe, että se osoittaa sairautta. ”Kannustan ihmisiä omaksumaan tuntematon. Luulen, että kaikki täällä tuntee jonkun, jolla on jonkinlainen sairaus, joka tarvitsee jotain, mitä voimme tarjota tänään ”, Mejia sanoi.
Paneelit olivat myös yhtä mieltä siitä, että keinotekoiset älykkyysjärjestelmät tarjoavat uusia tapoja tunnistaa ja torjua puolueellista päätöksentekoa, joko ihmisen tai tekoälyn tekemiä, kykyä tunnistaa puolueellisuuden lähde.
"Terveys on enemmän kuin vain lääketieteellistä hoitoa", useat paneelit olivat yhtä mieltä. Puhujat korostivat, että tutkijat unohdetaan usein terveyden sosiaaliset tekijät, kuten sosioekonominen asema, postinumero, koulutustaso sekä rodun ja etnisyyden, kerääessään osallistavaa tietoa ja rekrytointia osallistujia tutkimuksiin. "AI on vain yhtä tehokas kuin tiedot, joista malli on koulutettu", sanoi Michelle Williams, Harvardin yliopiston epidemiologian professori ja Stanfordin yliopiston lääketieteellisen korkeakoulun epidemiologian ja väestöterveyden apulaisprofessori. ”Jos teemme mitä pyrimme tekemään. Paranna terveysvaikutuksia ja poistamaan epätasa-arvon, meidän on varmistettava, että keräämme korkealaatuisia tietoja ihmisen käyttäytymisestä ja sosiaalisesta ja luonnollisesta ympäristöstä. "
Lastenlääketieteen ja lääketieteen kliininen professori Natalie Pageler sanoi, että aggregoituneet syöpätiedot sulkevat usein tietoja raskaana olevista naisista, aiheuttaen väistämättömiä puolueellisuuksia malleissa ja pahentavat nykyisiä terveydenhuollon eroja.
Pediatrian ja lääketieteen professori Dr. David Magnus kertoi, että kuten mikä tahansa uusi tekniikka, tekoäly voi joko parantaa asioita monin tavoin tai pahentaa niitä. Magnus sanoi, että riski on, että tekoälyjärjestelmät oppivat epäoikeudenmukaisista terveysvaikutuksista, jotka johtuvat terveyden sosiaalisista tekijöistä ja vahvistavat näitä tuloksia niiden tuotannon kautta. "Keinotekoinen äly on peili, joka heijastaa yhteiskuntaa, jossa elämme", hän sanoi. "Toivon, että joka kerta kun meillä on mahdollisuus loistaa valoa aiheeseen - pitää peili itsellemme - se toimii motivaationa parantaa tilannetta."
Jos et pystynyt osallistumaan Rosk Health Workshopiin, istunnon tallennus löytyy täältä.
Stanfordin yliopiston lääketieteellinen korkeakoulu on integroitu akateeminen terveydenhuoltojärjestelmä, joka koostuu Stanfordin yliopiston lääketieteellisestä korkeakoulusta ja aikuisten ja lasten terveydenhuollon toimitusjärjestelmistä. Yhdessä he ymmärtävät biolääketieteen koko potentiaalin yhteistyötutkimuksen, koulutuksen ja kliinisen potilaan hoidon avulla. Lisätietoja osoitteessa Med.stanford.edu.
Uusi tekoälymalli auttaa Stanfordin sairaalan lääkäreitä ja sairaanhoitajia työskentelemään yhdessä potilaan hoidon parantamiseksi.
Viestin aika: heinäkuu-19-2024