迎接卫生保健领域人工智能的挑战

9分钟阅读

www.yabovip4人工智能有望帮助我们变得更快、更好,与疾病作斗争,过上更健康的生活,并降低医疗成本。在过去的十年里,有很多研究表明深度学习它是人工智能的一个分支,可以将数据模式转化为预测,在诊断不同类型的癌症、加速药物发现和提供精确护理等许多具有挑战性的任务中,它是一个非常有用的工具。

然而,将人工智能应用于现实世界的医疗保健问题是一个复杂的过程,需要解决许多问题,而不仅仅是创建可以将输入映射到输出的人工智能模型。

在采访中智能,飞利浦全球领先数据科学和人工智能卓越中心和数字研究部门的Tina Manoharan,谈到了在现实世界的医疗应用中应用人工智能的机遇、挑战和前景。Manoharan在人工智能学术研究和利用人工智能算法开发产品方面都有经验。她完成她的硕士论文和博士学位监督机器学习和AR / VR仿真和博士期间担任研究助理。今天,她正努力利用数据科学与人工智能支持飞利浦集群、企业和市场的创建智能连接设备,服务和解决方案。

卫生保健领域对人工智能的需求

蒂娜Manoharan
Tina Manoharan,飞利浦全球领先数据科学和人工智能卓越中心和数字研究部门

Manoharan认为,医疗保健行业需要一场革命。她说:“卫生保健系统和服务提供者承受着巨大的压力,随着COVID-19大流行,现在的压力比以往任何时候都大。”她补充说:“我们正在应对全球员工短缺、人口老龄化和与生活方式相关的慢性疾病。”

与此同时,数字转型正在推动卫生数据的指数级增长。随着数字化和连接变得无处不在,我们比以往任何时候都更有能力收集有关个人和人口健康的信息。但将这些数据投入使用是一个巨大的挑战。

Manoharan说:“我记得临床医生告诉我,‘仅仅因为我们有很多数据,不要让我负担太多,我在做决定时需要相关和精确的信息。’”

www.yabovip4人工智能提供了前所未有的机遇把这些数据整理好使用和帮助医生、临床医生、卫生保健工作者和患者做出更明智的决定。

Manoharan说:“人工智能使我们的设备、系统、软件和服务变得情境感知、精确、个性化、预测和主动。”“通过将数据转化为可操作的精准医疗见解,我们将在整个医疗领域实现精准和个性化的护理。”

但除了提高医疗保健的精确度,人工智能还可以使整个体验医疗更人性化.在人工智能的帮助下,医生将花更少的时间研究数据和医疗记录,将有更多的时间与患者相处。

Manoharan说:“人工智能可以帮助临床医生从更平凡的任务中解脱出来,这样他们就能够专注于他们最擅长的事情,以更精确和个性化的方式与患者互动,随着时间的推移有可能增加价值。”

虽然围绕人工智能的很多讨论都是关于软件取代人类,但在医疗保健领域,人工智能必须被视为一个增强因素。

“临床医生每天做出的许多决定都非常复杂,需要的不仅仅是人工智能或数据驱动的方法。这是一个增强情报Manoharan说,并补充说,在人工智能发展中采取以人为中心的方法是很重要的。“我坚信,临床医生和人工智能具有独特的优势,可以相互补充和增强,而不是相互取代。”

人工智能在医疗保健中的应用

在飞利浦,Manoharan参与了几个利用人工智能改善临床操作的项目。www.yabovip4一个例子是使用人工智能来加快医疗磁共振成像(MRI)过程。

Manoharan说:“这里的挑战是MR有很多优点(例如,没有辐射),但相对耗时:一个完整的检查可能需要一个小时。”“患者运动的风险会导致图像质量差,导致不得不重新检查。”

患者在进行核磁共振扫描时经常感到疼痛。扫描的持续时间和受限空间会在体验中造成进一步的应力。除了给患者带来不舒服的体验,重复扫描等挑战增加了成本,并进一步缩短了医院MRI工作人员的时间。

2019年,脸书人工智能研究公司和纽约大学朗格尼健康中心发起了fastMRI这是一项旨在利用人工智能提高核磁共振扫描速度的竞赛。www.yabovip4参与者使用不同的深度学习架构来提高图像采集能力,并减少患者在MRI扫描仪上花费的时间。

飞利浦和莱顿大学医学中心(LUMC)的一个团队开发的深度学习模型在比赛中名列前茅。深度学习模型成功地提供了8倍的速度重建高质量的MRI图像。下一步是将这项研究和其他研究项目的发现纳入可用于实际卫生保健环境的产品中。

Manoharan说:“我们现在正在开发一套人工智能应用程序,可以帮助加快整个MR检查的工作流程——从病人安排到创建报告。”

一个例子是一个系统,加快MR考试设置阶段使用计算机视觉当病人在扫描仪里的时候检测呼吸。标准的方法需要一条腰带,需要为每个病人调整,这个过程可能需要几分钟。这款名为VitalEye的人工智能解决方案可以进行非接触式呼吸检测,并将准备时间缩短至1分钟以下。

飞利浦还致力于在重症监护病房使用人工智能,在重症监护病房,时间是至关重要的,及时做出正确的决定可以对患者的健康产生深远的影响。

Manoharan说:“在这里,挑战在于发现病人病情恶化的早期迹象,因为你必须在一个高度动态和紧张的环境中监督许多病人。”

飞利浦正在研究一种解决方案预测分析以确定在接下来的60分钟内可能需要干预的患者。该解决方案使用机器学习模型,训练历史数据从内部和门诊,医疗记录和医疗警报系统,以计算患者的风险评分。人工智能的输出提供给卫生保健专业人员,由他们作出最后决定。

这可以使医疗保健专业人员更快地进行干预,并改善患者的结果。

该团队还在考虑将人工智能模型与其他工具和技术集成,使重症监护人员能够使用远程医疗从中央监控位置远程监控患者,并在床边支持他们的同事。

“在COVID-19之后,我预计我们还将看到更多的远程监测工具的使用,如可穿戴生物传感器,在家中跟踪患者的健康。这对患有慢性疾病的患者可能是有帮助的,”Manoharan说。“然后,我们可以使用预测性分析来预测哪些患者可能需要额外的护理,并主动接触他们。”

将人工智能整合到现有的工作流程中

虽然每年我们都看到很多人在研究医疗保健领域的人工智能,但将已开发的技术集成到实际应用中提出了一些挑战。www.yabovip4

“人工智能绝对是改善医疗保健的一个巨大机遇,因为它可以非常强大。但是要产生这种影响,它需要深入到临床工作人员的工作流程和/或患者的日常生活中,”Manoharan说。

人工智能系统的工程师和开发人员还必须确保他们的系统顺利地融入医疗专业人员的工作流程,因为医疗专业人员通常时间紧迫。如果一个人工智能系统被设计成一个单独的应用程序,为临床程序增加额外的步骤,那么它就不太可能在从业者中找到吸引力。

Manoharan说:“我们需要记住,人工智能算法本身不是一个解决方案,它是一个需要集成到工作流程中的工具。”“这意味着你需要首先了解工作流程,并在脑海中设计一个人与人工智能协作的解决方案。我必须在正确的时间以正确的形式向你提供正确的信息。例如,作为一名放射科医生,如果你有一个帮助你解释图像的人工智能解决方案,你不应该不得不切换工作站来打开另一个应用程序来运行算法。”

人工智能需要综合健康数据

人工智能系统还必须得到能够将其集成到不同IT和数据系统中的工具的支持。Manoharan说:“要想用人工智能从数据中获得有意义的见解,互操作性真的很关键。”

互操作性和集成挑战是人工智能学术研究与实际应用分离的关键因素之一。研究通常围绕着开发人工智能模型,这些模型基于精心策划的健康数据集。然而,在现实生活中,数据是杂乱的、支离破碎的,而且难以访问。在许多情况下缺乏适当的数据基础设施是将人工智能应用于现有应用的主要障碍。

“今天的医疗保健数据通常很难交换、分析和解释。目前已有许多点人工智能解决方案,但医疗保健供应商环境是高度分散的。医疗保健提供商需要集成的产品,将来自不同供应商的最佳健康技术创新结合成一个无缝、完整的以病人为中心和以疾病为重点的解决方案,”Manoharan说。

解决这个问题需要技术供应商、医院和医疗保健组织的共同努力。“我们需要连接来自多个供应商的设备的数据,连接到医院的IT系统,我们需要数据标准,允许你使用一种数据语言以统一的方式理解数据;我们称之为语义互操作性,”Manoharan补充道,“互联数据湖在这里至关重要。”

数据湖是对存储在其中的数据不施加示意性限制的大型存储库。数据可以以原始格式存储,如文本文件、图像和视频,以及结构良好的电子表格。然后数据可以被挖掘和查询与数据科学和机器学习工具。

迎接一体化和法律挑战

Manoharan说,为了用人工智能建立病人的整体视角,数据需要跟随病人。“我们需要把病人可能患有的各种医疗状况和持续的护理联系起来。将医院与家庭、初级保健等联系起来,”她说。“为此,你还需要持续的患者参与和反馈,以了解他们对处方治疗的经验,并将患者报告的结果纳入临床决策。”

当然,这将带来一些法律上的挑战。医疗数据是敏感的,并受不同司法管辖区的隐私规定的制约。如果不小心,为医疗保健和医药开发人工智能解决方案的公司可能会违反隐私法,而该行业仍在摸索在提供数据访问权和保护敏感健康数据之间寻找平衡。

Manoharan说:“地区立法必须确保安全交换和获取医学研究和临床实践适当注释的数据,同时保护患者隐私。”

这项工作还需要医疗技术供应商的新方法,这将简化人工智能解决方案的开发。

Manoharan说:“医疗设备供应商必须通过发布应用程序编程接口(API),开始为第三方(如创新型初创企业或学术临床中心)创建应用程序提供支持。”

Manoharan强调,在人工智能产品被采用并对医疗保健产生影响之前,它将面临其他技术和非技术障碍,如货币化、实施努力、实际工作流程改进和信任。Manoharan说:“我们需要考虑这些问题,比如资金从哪里来,我们的客户将如何为人工智能买单,补偿和效率收益是什么。”

人工智能在医疗领域的未来

Manoharan认为,虽然人工智能的许多点解决方案已经存在,但下一个真正的飞跃是将提供的服务整合到无缝和完整的以患者为中心的解决方案中,可以协作实现精确诊断和更优的治疗途径。

Manoharan补充说:“在开发基于人工智能的新技术时,我们也应该关注现有的和新的挑战和障碍。”

Manoharan认为,随着数字转型推动健康数据的指数级增长和行业的快速变化,我们必须承认,我们还没有所有的答案。

她说:“随着我们在这条令人兴奋的人工智能发现和创新道路上继续前行,新的问题将会出现,我们应该以开放和透明的方式共同解决这些问题,同时将我们的患者和客户需求置于我们所做一切的中心。”“这样,我们就可以面对和克服一些社会上最紧迫的挑战。我们可以更直接地回应全球最重要客户——人民——不断变化的需求。”

留下一个回复

这个网站使用Akismet来减少垃圾邮件。了解如何处理您的评论数据