12 formas de que a IA inflúa na industria sanitaria

Espérase que a intelixencia artificial se converta nunha forza de transformación no campo da asistencia sanitaria. Entón, como se benefician os médicos e os pacientes do impacto das ferramentas impulsadas pola IA?
A industria sanitaria actual está moi madura e pode facer algúns cambios importantes. Desde enfermidades crónicas e cancro ata radioloxía e avaliación de riscos, a industria sanitaria parece ter innumerables oportunidades para empregar a tecnoloxía para despregar intervencións máis precisas, eficientes e eficaces na atención ao paciente.
Co desenvolvemento da tecnoloxía, os pacientes teñen cada vez máis requisitos para os médicos e o número de datos dispoñibles segue crecendo a un ritmo alarmante. A intelixencia artificial converterase nun motor para promover a mellora continua da asistencia médica.
En comparación coa análise tradicional e a tecnoloxía de toma de decisións clínicas, a intelixencia artificial ten moitas vantaxes. Cando o algoritmo de aprendizaxe interactúa cos datos do adestramento, pode ser máis preciso, permitindo aos médicos obter información sen precedentes sobre o diagnóstico, o proceso de enfermaría, a variabilidade do tratamento e os resultados do paciente.
No foro mundial de innovación médica de intelixencia artificial de 2018 (wmif) organizado por Partners Healthcare, investigadores médicos e expertos clínicos elaboraron tecnoloxías e campos da industria médica que son os máis propensos a ter un impacto significativo na adopción de intelixencia artificial no próximo. década.
Anne kiblanksi, MD, presidenta do wmif en 2018 e Gregg Meyer, MD, director académico de Partners Healthcare, dixeron que este tipo de "subversión" traída a todas as áreas da industria ten o potencial de traer beneficios significativos aos pacientes e ten potencial de éxito empresarial.
Coa axuda de expertos de socios sanitarios, incluído o doutor Keith Dreyer, profesor da Facultade de Medicina de Harvard (HMS), responsable de ciencias de datos dos socios, e a doutora Katherine andreole, directora de estratexia de investigación e operacións do Massachusetts General Hospital (MGH) , propuxo 12 formas de que a IA revolucionará os servizos médicos e a ciencia.
1. Unificar o pensamento e a máquina a través da interface do ordenador cerebral

O uso do ordenador para comunicarse non é unha idea nova, pero crear unha interface directa entre a tecnoloxía e o pensamento humano sen teclado, rato e pantalla é un campo de investigación fronteirizo, que ten unha aplicación importante para algúns pacientes.
As enfermidades e traumas do sistema nervioso poden facer que algúns pacientes perdan a capacidade de conversación, movemento e interacción significativos cos demais e co seu entorno. A interface de ordenador cerebral (BCI) soportada por intelixencia artificial pode restaurar esas experiencias básicas para pacientes que están preocupados por perder estas funcións para sempre.
"Se vexo a un paciente na unidade de coidados intensivos de neuroloxía que de súpeto perde a capacidade de actuar ou de falar, espero restablecer a súa capacidade de comunicación ao día seguinte", dixo Leigh Hochberg, MD, director do centro de neurotecnoloxía e neurorehabilitación de Hospital Xeral de Massachusetts (MGH). Usando a interfaz do ordenador cerebral (BCI) e a intelixencia artificial, podemos activar os nervios relacionados co movemento das mans e deberiamos ser capaces de facer que o paciente se comunique con outros polo menos cinco veces durante toda a actividade, como o uso de tecnoloxías de comunicación omnipresentes como como tabletas ou teléfonos móbiles. "
A interface do ordenador cerebral pode mellorar moito a calidade de vida dos pacientes con esclerose lateral amiotrófica (ELA), accidente vascular cerebral ou síndrome de atresia, así como 500.000 pacientes con lesión medular en todo o mundo cada ano.
2. Desenvolve a próxima xeración de ferramentas de radiación

As imaxes de radiación obtidas por resonancia magnética (MRI), escáneres CT e raios X proporcionan visibilidade non invasiva ao interior do corpo humano. Non obstante, moitos procedementos de diagnóstico aínda dependen de mostras de tecido físico obtidas mediante biopsia, que ten o risco de infección.
Os expertos prevén que nalgúns casos, a intelixencia artificial permitirá que a próxima xeración de ferramentas de radioloxía sexa o suficientemente precisa e detallada como para substituír a demanda de mostras de tecido vivo.
Alexandra golby, MD, directora de neurocirurxía guiada por imaxes do Brigham Women's Hospital (BWh), dixo: "queremos xuntar ao equipo de diagnóstico por imaxe con cirurxiáns ou radiólogos e patólogos intervencionistas, pero é un enorme desafío para os diferentes equipos lograr a cooperación e coherencia dos obxectivos. Se queremos que a radioloxía proporcione a información dispoñible actualmente de mostras de tecidos, teremos que ser capaces de acadar estándares moi próximos para coñecer os feitos básicos de calquera píxel ".
O éxito neste proceso pode permitir aos médicos comprender con maior precisión o rendemento xeral do tumor, en lugar de tomar decisións de tratamento baseadas nunha pequena parte dos atributos do tumor maligno.
A IA tamén pode definir mellor a invasividade do cancro e determinar de xeito máis adecuado o obxectivo do tratamento. Ademais, a intelixencia artificial está a axudar a realizar a "biopsia virtual" e promove a innovación no campo da radioloxía, que aposta por utilizar algoritmos baseados en imaxes para caracterizar as características fenotípicas e xenéticas dos tumores.
3. Amplíe os servizos médicos en áreas non atendidas ou en desenvolvemento

A falta de proveedores de coidados de saúde adestrados nos países en desenvolvemento, incluídos técnicos de ultrasonido e radiólogos, reducirá considerablemente as posibilidades de usar servizos médicos para salvar a vida dos pacientes.
A reunión sinalou que hai máis radiólogos que traballan en seis hospitais de Boston coa famosa avenida Longwood que en todos os hospitais de África occidental.
A intelixencia artificial pode axudar a mitigar o impacto dunha escaseza crítica de médicos asumindo algunhas das responsabilidades diagnósticas normalmente asignadas aos humanos.
Por exemplo, unha ferramenta de imaxe artificial pode usar raios X de tórax para examinar os síntomas da tuberculose, normalmente coa mesma precisión que un médico. Esta función pódese despregar a través dunha aplicación para provedores en áreas pobres en recursos, reducindo a necesidade de radiólogos experimentados en diagnóstico.
"Esta tecnoloxía ten un gran potencial para mellorar a asistencia sanitaria", dixo o doutor Jayashree Kalpathy Cramer, asistente de neurociencia e profesor asociado de Radioloxía no Massachusetts General Hospital (MGH)
Non obstante, os desenvolvedores de algoritmos de IA deben considerar coidadosamente o feito de que persoas de distintas nacionalidades ou rexións poden ter factores fisiolóxicos e ambientais únicos, que poden afectar o rendemento da enfermidade.
"Por exemplo, a poboación afectada por enfermidades na India pode ser moi diferente á dos Estados Unidos", dixo. Cando desenvolvemos estes algoritmos, é moi importante asegurarnos de que os datos representan a presentación da enfermidade e a diversidade da poboación. Non só podemos desenvolver algoritmos baseados nunha única poboación, senón tamén esperar que poida desempeñar un papel noutras poboacións. "
4. Reduce a carga de uso dos rexistros sanitarios electrónicos

O historial electrónico de saúde desempeñou un papel importante na viaxe dixital da industria sanitaria, pero esta transformación trouxo numerosos problemas relacionados coa sobrecarga cognitiva, documentos interminables e fatiga do usuario.
Os desenvolvedores de rexistros electrónicos de saúde (agora) están a usar intelixencia artificial para crear unha interface máis intuitiva e automatizar rutinas que levan moito tempo ao usuario.
O doutor Adam Landman, vicepresidente e xefe de información de Brigham Health, dixo que os usuarios dedican a maior parte do seu tempo a tres tarefas: documentación clínica, entrada de pedidos e clasificación das caixas de entrada. O recoñecemento e o ditado de voz poden axudar a mellorar o procesamento de documentos clínicos, pero as ferramentas de procesamento de linguaxe natural (PNL) poden non ser suficientes.
"Creo que pode ser necesario ser máis ousado e considerar algúns cambios, como o uso de gravación de vídeo para o tratamento clínico, do mesmo xeito que a policía leva cámaras", dixo Landman. A intelixencia artificial e a aprendizaxe automática pódense utilizar para indexar estes vídeos para a súa futura recuperación. Do mesmo xeito que Siri e Alexa, que usan axudantes de intelixencia artificial na casa, os asistentes virtuais serán levados á cabeceira dos pacientes no futuro, o que permitirá aos clínicos usar a intelixencia integrada para introducir ordes médicas. "

A IA tamén pode axudar a xestionar as solicitudes de rutina das caixas de entrada, como os suplementos de drogas e a notificación de resultados. Tamén pode axudar a priorizar as tarefas que realmente necesitan a atención dos médicos, facilitando aos pacientes o procesamento das súas listas de tarefas pendentes, engadiu Landman.
5. Risco de resistencia aos antibióticos

A resistencia aos antibióticos é unha ameaza crecente para os humanos, porque o uso excesivo destes medicamentos clave pode levar á evolución de superbacterias que xa non responden ao tratamento. As bacterias resistentes a varios medicamentos poden causar graves danos no ambiente hospitalario, matando a decenas de miles de pacientes cada ano. Só o Clostridium difficile custa uns 5.000 millóns de dólares ao ano ao sistema sanitario dos Estados Unidos e causa máis de 30000 mortes.
Os datos de EHR axudan a identificar os patróns de infección e a resaltar o risco antes de que o paciente comece a mostrar síntomas. Usar ferramentas de aprendizaxe automática e intelixencia artificial para impulsar estas análises pode mellorar a súa precisión e crear alertas máis rápidas e precisas para os provedores de asistencia sanitaria.
"As ferramentas de intelixencia artificial poden cumprir as expectativas de control de infeccións e resistencia a antibióticos", dixo a doutora Erica Shenoy, subdirectora de control de infeccións no Hospital Xeral de Massachusetts (MGH). Se non o fan, entón todos fallarán. Porque os hospitais teñen moitos datos EHR, se non fan un uso completo deles, se non crean industrias máis intelixentes e rápidas no deseño de ensaios clínicos e se non usan EHR que crean estes datos, enfrontaranse ao fracaso. "
6. Crear unha análise máis precisa de imaxes patolóxicas

O doutor Jeffrey golden, xefe do departamento de patoloxía do Brigham Women's Hospital (BWh) e profesor de patoloxía no HMS, dixo que os patólogos proporcionan unha das fontes máis importantes de datos diagnósticos para unha gama completa de provedores de servizos médicos.
"O 70% das decisións sanitarias baséanse en resultados patolóxicos e entre o 70% e o 75% de todos os datos dos EHR proceden de resultados patolóxicos", dixo. E canto máis precisos sexan os resultados, antes se fará o diagnóstico correcto. Este é o obxectivo que teñen a oportunidade de acadar a patoloxía dixital e a intelixencia artificial. "
A análise profunda do nivel de píxeles en imaxes dixitais grandes permite aos médicos recoñecer sutís diferenzas que poden escapar aos ollos humanos.
"Chegamos ao momento en que podemos avaliar mellor se o cancro se desenvolverá rápido ou lentamente e como cambiar o tratamento dos pacientes en base a algoritmos en lugar de etapas clínicas ou clasificación histopatolóxica", dixo Golden. Vai ser un enorme paso adiante. "
Engadiu: "A IA tamén pode mellorar a produtividade identificando as características de interese nas diapositivas antes de que os médicos revisen os datos. A IA pode filtrarse a través das diapositivas e guiarnos para ver o contido adecuado para poder avaliar o que é importante e o que non. Isto mellora a eficiencia do uso de patólogos e aumenta o valor do seu estudo de cada caso. "
Traia intelixencia a dispositivos e máquinas médicas

Os dispositivos intelixentes están a facerse cargo dos ambientes de consumo e proporcionan dispositivos que van desde o vídeo en tempo real dentro da neveira ata os coches que detectan a distracción do condutor.
Nun ambiente médico, os dispositivos intelixentes son esenciais para controlar os pacientes en UCI e noutros lugares. O uso de intelixencia artificial para mellorar a capacidade de identificar o deterioro da condición, como indicar que sepsis se está a desenvolver ou a percepción de complicacións pode mellorar significativamente os resultados e pode reducir os custos do tratamento.
"Cando falamos de integrar diferentes datos no sistema sanitario, necesitamos integrar e avisar aos médicos da UCI para que interveñan canto antes e que a agregación destes datos non sexa boa cousa que poidan facer os médicos humanos", dixo Mark Michalski , director executivo do Centro de Ciencias de datos clínicos de BWh. Inserir algoritmos intelixentes nestes dispositivos reduce a carga cognitiva dos médicos e garante que os pacientes sexan tratados o máis axiña posible. "
8. fomentar a inmunoterapia para o tratamento do cancro

A inmunoterapia é unha das formas máis prometedoras de tratar o cancro. Ao usar o sistema inmunitario propio do corpo para atacar tumores malignos, os pacientes poden superar os teimudos. Non obstante, só algúns pacientes responden ao réxime de inmunoterapia actual e os oncólogos aínda non teñen un método preciso e fiable para determinar que pacientes se beneficiarán do réxime.
Os algoritmos de aprendizaxe automática e a súa capacidade para sintetizar conxuntos de datos moi complexos poden ser capaces de dilucidar a composición xénica única dos individuos e proporcionar novas opcións para a terapia dirixida.
"Recentemente, o desenvolvemento máis emocionante foron os inhibidores dos puntos de control, que bloquean as proteínas producidas por certas células inmunes", explica o doutor Long Le, director de patoloxía computacional e desenvolvemento de tecnoloxía no centro de diagnóstico integral do Massachusetts General Hospital (MGH). Pero aínda non entendemos todos os problemas, o que é moi complicado. Definitivamente precisamos máis datos do paciente. Estes tratamentos son relativamente novos, polo que non hai moitos pacientes que os tomen. Polo tanto, se precisamos integrar datos dentro dunha organización ou en varias organizacións, será un factor clave para aumentar o número de pacientes para impulsar o proceso de modelado. "
9. Converte os rexistros electrónicos sanitarios en predictores de risco fiables

O historial electrónico de saúde é un tesouro de datos do paciente, pero é un desafío constante para os provedores e desenvolvedores extraer e analizar unha gran cantidade de información de forma precisa, oportuna e fiable.
Os problemas de calidade e integridade dos datos, xunto coa confusión do formato de datos, a entrada estruturada e non estruturada e os rexistros incompletos, dificultan a comprensión precisa das persoas como realizar estratificación de riscos significativa, análise predictiva e apoio á decisión clínica.
O doutor Ziad OBERMEYER, profesor axudante de medicina de emerxencia no Hospital das mulleres de Brigham (BWh) e profesor asistente na Harvard Medical School (HMS), dixo: "hai moito traballo que facer para integrar os datos nun só lugar. Pero outro problema é entender o que reciben as persoas cando predicen unha enfermidade no seu rexistro electrónico de saúde. A xente pode escoitar que os algoritmos de intelixencia artificial poden predicir depresión ou accidente vascular cerebral, pero descubren que en realidade están a predicir un aumento no custo do accidente vascular cerebral. É moi diferente do golpe en si ".

Continuou, "contar cos resultados da resonancia magnética parece proporcionar un conxunto de datos máis específico. Pero agora temos que pensar en quen pode pagar a resonancia magnética? Entón, a predición final non é o resultado esperado".
A análise RMN produciu moitas ferramentas de puntuación e estratificación de riscos, especialmente cando os investigadores utilizan técnicas de aprendizaxe profunda para identificar novas conexións entre conxuntos de datos aparentemente non relacionados.
Non obstante, OBERMEYER cre que garantir que estes algoritmos non identifiquen os prexuízos ocultos nos datos é crucial para despregar ferramentas que realmente poidan mellorar a atención clínica.
"O maior desafío é asegurarnos de que sabemos exactamente o que predicimos antes de comezar a abrir a caixa negra e mirar como predicir", dixo.
10. Seguimento do estado de saúde a través de dispositivos portátiles e dispositivos persoais

Agora case todos os consumidores poden usar sensores para recompilar datos sobre o valor para a saúde. Desde teléfonos intelixentes con rastreador de pasos ata dispositivos portátiles que rastrexan a frecuencia cardíaca todo o día, pódense xerar máis e máis datos relacionados coa saúde en calquera momento.
Recoller e analizar estes datos e complementar a información proporcionada polos pacientes a través de aplicacións e outros dispositivos de control do fogar pode proporcionar unha perspectiva única para a saúde individual e multitudinaria.
A IA desempeñará un papel importante na extracción de ideas prácticas desta ampla e diversa base de datos.
Pero o doutor Omar arnout, neurociruxano do Brigham Women's Hospital (BWh), director do centro de resultados de neurociencias computacionais, dixo que pode levar un traballo adicional para axudar aos pacientes a adaptarse a estes datos de seguimento íntimos e continuos.
"Adoitabamos ser bastante libres para procesar datos dixitais", dixo. Pero a medida que se producen filtracións de datos en Cambridge Analytics e Facebook, a xente será cada vez máis cautelosa sobre quen compartir os datos que comparte. "
Os pacientes tenden a confiar máis nos seus médicos que nas grandes empresas como Facebook, engadiu, o que podería axudar a aliviar o malestar de proporcionar datos para programas de investigación a gran escala.
"É probable que os datos usables teñan un impacto significativo porque a atención das persoas é moi accidental e os datos recollidos son moi aproximados", dixo arnout. Ao recoller continuamente datos granulares, é máis probable que os datos axuden aos médicos a mellor atención dos pacientes. "
11. converte os teléfonos intelixentes nunha poderosa ferramenta de diagnóstico

Os expertos cren que as imaxes obtidas a partir de teléfonos intelixentes e outros recursos a nivel de consumidor converteranse nun complemento importante para a imaxe clínica de calidade, especialmente en áreas non atendidas ou en países en desenvolvemento, ao seguir utilizando as poderosas funcións dos dispositivos portátiles.
A calidade da cámara móbil mellora cada ano e pode xerar imaxes que se poden usar para a análise do algoritmo de IA. Dermatoloxía e oftalmoloxía son os primeiros beneficiarios desta tendencia.
Os investigadores británicos incluso desenvolveron unha ferramenta para identificar enfermidades do desenvolvemento analizando imaxes das caras dos nenos. O algoritmo pode detectar características discretas, como a liña da mandíbula dos nenos, a posición dos ollos e do nariz e outros atributos que poden indicar anomalías faciais. Na actualidade, a ferramenta pode combinar imaxes comúns con máis de 90 enfermidades para proporcionar apoio á decisión clínica.
O doutor Hadi shafiee, director do laboratorio de medicina dixital / nanomedicina e saúde dixital do Brigham Women's Hospital (BWh), dixo: "a maioría da xente está equipada con potentes teléfonos móbiles con moitos sensores diferentes. É unha gran oportunidade para nós. Case todos os xogadores da industria comezaron a construír software e hardware Ai nos seus dispositivos. Non é unha casualidade. No noso mundo dixital xéranse máis de 2,5 millóns de terabytes de datos todos os días. No campo dos teléfonos móbiles, os fabricantes cren que poden usar isto. datos para a intelixencia artificial para proporcionar servizos máis personalizados, máis rápidos e máis intelixentes. "
O uso de teléfonos intelixentes para recoller imaxes de ollos, lesións na pel, feridas, infeccións, drogas ou outros suxeitos dos pacientes pode axudar a solucionar a escaseza de expertos en áreas mal atendidas, ao tempo que reduce o tempo para diagnosticar certas queixas.
"Pode haber algúns acontecementos importantes no futuro e podemos aproveitar esta oportunidade para resolver algúns problemas importantes de xestión da enfermidade no punto de atención", dixo shafiee
12. Innovación na toma de decisións clínicas con IA de cabeceira

A medida que a industria sanitaria recorre aos servizos baseados en tarifas, está cada vez máis afastada da asistencia sanitaria pasiva. O obxectivo de cada provedor é a prevención ante enfermidades crónicas, eventos de enfermidades agudas e deterioración súbita, e a estrutura de compensación permítelles en definitiva desenvolver procesos que poidan acadar unha intervención activa e predictiva.
A intelixencia artificial proporcionará moitas tecnoloxías básicas para esta evolución, ao apoiar ferramentas de análise predictiva e de apoio á decisión clínica para resolver problemas antes de que os provedores se decaten da necesidade de actuar. A intelixencia artificial pode proporcionar aviso precoz sobre epilepsia ou sepsis, o que normalmente require unha análise en profundidade de conxuntos de datos moi complexos.
Brandon Westover, MD, director de datos clínicos do Massachusetts General Hospital (MGH), dixo que a aprendizaxe automática tamén podería axudar a prestar atención continuada a pacientes con enfermidades críticas, como os que están en coma despois dunha parada cardíaca.
Explicou que, en circunstancias normais, os médicos teñen que comprobar os datos EEG destes pacientes. Este proceso leva moito tempo e é subxectivo e os resultados poden variar segundo as habilidades e a experiencia dos médicos.
El dixo: "Nestes pacientes, a tendencia pode ser lenta. Ás veces, cando os médicos queren ver se alguén se recupera, poden ver os datos controlados unha vez cada 10 segundos. Non obstante, ver se cambiou a partir dos 10 segundos de datos recollidos en 24 horas é como mirar se o pelo medrou mentres tanto. Non obstante, se se utilizan algoritmos de intelixencia artificial e grandes cantidades de datos de moitos pacientes, será máis doado combinar o que a xente ve cos patróns a longo prazo e pódense atopar algunhas melloras sutís que afectarán a toma de decisións dos médicos en enfermaría. . "
O uso da tecnoloxía de intelixencia artificial para o apoio á decisión clínica, a puntuación de riscos e a alerta precoz é unha das áreas de desenvolvemento máis prometedoras deste revolucionario método de análise de datos.
Ao proporcionar enerxía para unha nova xeración de ferramentas e sistemas, os médicos poden entender mellor os matices da enfermidade, proporcionar servizos de enfermaría de forma máis eficaz e resolver problemas con antelación. A intelixencia artificial abrirá unha nova era para mellorar a calidade do tratamento clínico e producirá avances emocionantes no coidado do paciente.


Tempo de publicación: 06-ago-21