AI negali pakeisti gydytojų. Bet tai gali juos pagerinti.

Vaikas

Vaikiškas gydytojo kabineto piešinys, kuriame vaikas ant egzaminų stalo ir gydytojas prie kompiuterio. Piešinys Ag, Age 7, autorių teisės Thomas G. Murphy MD 2011





Prieš kelerius metus Vinodas Khosla, Silicio slėnio investuotojas, parašė provokuojantį straipsnį pavadinimu Ar mums reikia gydytojų ar algoritmų? Khosla teigė, kad gydytojai neprilygsta dirbtiniam intelektui. Gydytojai tyčiojasi su pacientais, surenka keletą simptomų, ieško įkalčių po kūną ir išsiunčia pacientą su receptu. Tai kartais (galbūt netyčia) lemia tinkamą gydymą, tačiau gydytojai remiasi tik dalimi turimos informacijos. Jis rašė, kad algoritmas galėtų veikti geriau.

Esu vaikų ir paauglių gydytojas San Francisko įlankos rajone, kur tokie verslininkai kaip Khosla jau daugelį metų beldžiasi į gydytojų duris su savo bandomosiomis technologijomis ir programine bei technine įranga. Galiu tvirtai pasakyti, kad Khosla yra išmintingo pašaliečio balsas, žinančio tai, ką išmano – o tai nėra sveikatos apsauga.

Tiksliosios medicinos problema

Ši istorija buvo mūsų 2018 m. lapkričio mėnesio numerio dalis



  • Žr. likusią numerio dalį
  • Prenumeruoti

Taip, AI gali padėti mums diagnozuoti ir gydyti ligas. Jis gali aiškiai ir glaustai lyginti ir pateikti daugybę duomenų, sumažindamas netikslius gydytojų sprendimus dėl mūsų veiklos spaudimo ir sudėtingumo. Neabejotina, kad kai kuriems gydytojams, kurių darbas labai orientuotas į diagnostiką (pavyzdžiui, radiologams ar patologams), tas proveržis gali būti egzistencinė grėsmė. Pavyzdžiui, prieš dešimtmetį mokslininkai įrodė, kad AI taip pat gerai, kaip ir radiologai, aptiko krūties vėžį.

Tačiau tokiems gydytojams, kaip aš, pirminės sveikatos priežiūros srityje, saugantys nuo 1500 iki 2000 pacientų, AI suteikia galimybę. Įstojau į medicinos mokyklą, kad galėčiau bendrauti su žmonėmis ir ką nors pakeisti. Šiandien dažnai jaučiuosi kaip permokėta buhalterė, kuri ima informaciją ir išspjauna ją pacientams, skiria vaistus ir koreguoja dozes, užsisako tyrimus. Tačiau AI egzaminų kambaryje atveria galimybę susigrąžinti medicinos meną. Tai galėčiau leisti man geriau pažinti savo pacientus, sužinoti, kaip liga juos paveikia unikaliai, ir suteikti man laiko išmokyti juos pasiekti geresnių rezultatų.

Apsvarstykite, ką dirbtinis intelektas galėtų padėti sergant astma, dažniausia lėtine medicinine liga vaikystėje. Nuo to kenčia šeši milijonai amerikiečių vaikų. 2013 m. jie kartu praleido 14 milijonų dienų mokykloje. Vaistų, apsilankymų pas gydytoją ir greitosios pagalbos skyrių bei hospitalizacijų kaina siekia 60 mlrd. USD per metus.



Astmą diagnozuoju vadovaudamasi ilgainiui priimta nykščio taisykle: jei patyrėte tris ar daugiau švokštimo epizodų ir vaistai nuo astmos padeda, vadinasi, sergate šia liga. Kai tai diagnozuojama, prašau tėvų prisiminti, kaip dažnai jie skiria vaistus savo vaikui. Klausiu: kas, atrodo, sukelia epizodus? Ar vaikas yra veikiamas namuose rūkančiųjų? Taip pat galiu peržiūrėti jų įrašus, kad suskaičiuočiau, kiek kartų jie lankėsi greitosios medicinos pagalbos skyriuje arba kiek kartų jie pildė receptus.

Tačiau net ir tiksliausiai atšaukus tėvus ir pacientus bei tiksliausius elektroninius įrašus, tai vis tiek yra tik retrospektyvios žinios. Nėra iniciatyvios, nuspėjamos strategijos.

Tai nereiškia, kad mes neturime duomenų; tiesiog tai netvarkinga. Mes praleidžiame daug laiko bandydami tai suprasti.



Tai nereiškia, kad mes neturime duomenų; tiesiog tai netvarkinga. Duomenų krūvos užkemša gydytojo pašto dėžutę. Jis pateikiamas įvairiomis formomis ir skirtingomis kryptimis: objektyvi informacija, pvz., laboratorijos rezultatai ir gyvybiniai rodikliai, subjektyvūs rūpesčiai, gaunami telefono žinutėmis ar el. laiškais iš pacientų. Visa tai suskaidyta, ir mes, kaip gydytojai, praleidžiame daug laiko, bandydami tai suprasti. Technologijų įmonės ir besikuriančios naujos įmonės nori dar labiau atverti duomenų giją, leisdamos savo tiesioginiams vartotojams skirtiems įrenginiams – telefonui, laikrodžiams, kraujospūdžio matuokliui, cukraus kiekio kraujyje matuokliui – siųsti nuolatinius skaičių srautus tiesiai mums. Mums sunku neatsilikti nuo to, o gydytojų perdegimo lygis ir toliau auga.

Kaip AI gali tai išspręsti? Pradėkime nuo diagnozės. Nors klinikinius astmos pasireiškimus nesunku pastebėti, liga yra daug sudėtingesnė molekuliniu ir ląstelių lygiu. Genai, baltymai, fermentai ir kiti astmą sukeliantys veiksniai yra labai įvairūs, net jei jų aplinkos veiksniai sutampa. Nemažai ekspertų dabar galvoja apie astmą taip pat, kaip apie vėžį – skėtinį ligos terminą, kuris skiriasi priklausomai nuo naviko vietos ir ląstelių savybių. Ianas Adockas iš Nacionalinio širdies ir plaučių instituto Imperial College, Londone, tiria ryšį tarp astmos ir aplinkos. Jis ir jo komanda rinko biologinius mėginius iš astma sergančių pacientų kraujo, šlapimo ir plaučių audinio ir suskirstė genetinius bei molekulinius žymenis į astmos potipius. Hipotezė yra ta, kad turint tokias žinias, pacientams gali būti skiriamas jiems tinkamiausias vaistas.

AI taip pat gali padėti valdyti astmos paūmėjimus. Daugeliui pacientų astma paūmėja didėjant oro taršos lygiui, kaip tai atsitiko praėjusią vasarą, kai Šiaurės Kalifornijoje siautė gaisrai. AI galėtų leisti mums gauti informaciją apie aplinką ir aktyviai reaguoti. 2015 m. mokslininkai paskelbė tyrimą, rodantį, kad jie gali numatyti su astma susijusių apsilankymų greitosios medicinos pagalbos skyriuje skaičių Dalaso-Fort Verto ligoninėje. Jie surinko duomenis iš pacientų įrašų, taip pat oro taršos duomenis iš EPA jutiklių, „Google“ paieškų ir „tweets“, kuriuose buvo naudojami tokie terminai kaip švokštimas ar astma. „Google“ ir „Twitter“ duomenys buvo susieti su vartotojo vietos duomenimis.



Jei turėčiau tokius duomenis, galėčiau pasakyti, Alexa, pasakykite man, dėl kurių astma sergančių pacientų šiandien turėčiau nerimauti. Galėčiau atkreipti dėmesį į nukentėjusias šeimas. Ir jei turėčiau kai kuriuos genetinius duomenis, pvz., Adocko, galėčiau diagnozuoti astmą prieš tai, kai pacientas patyrė tris švokštimo priepuolius, užsakydamas kraujo tyrimus ir palygindamas rezultatus su tais molekuliniais žymenimis.

Toks laiką taupantis intelektas leidžia man daugiau laiko praleisti su savo pacientais. Vienas tyrimas parodė, kad astma sergantys vaikai vartojo arba gaudavo inhaliuojamus vaistus tik maždaug pusę laiko. AI gali suteikti man daugiau laiko asmeniškai bendrauti su tais vaikais ir pasiekti geresnių rezultatų.

Laukia daug klausimų. Ar pacientai nori pasidalinti su mumis daugiau savo asmens duomenų? Jei AI parodys, kad jūsų priežiūra yra geresnė, bet jūs ar jūsų gydytojas jaučiasi kitaip, ar draudimo bendrovė tai priims? Ką daryti, jei algoritmas kažką praleidžia arba netinkamai pritaikytas? Kas atsakingas, gydytojas ar mašinos gamintojas?

Ne taip seniai, m Amerikos medicinos asociacijos žurnalas , mačiau spalvingą piešinį, kurį nupiešė vaikas kreidelėmis. Jame buvo pavaizduota jos pediatrė, akis prilipusi prie kompiuterio, kai ji sėdėjo ant egzaminų stalo ir atrodė išplėtusi akis. Tikiuosi, kad dirbtinis intelektas greitai leis man nukreipti dėmesį į tą mažą mergaitę.

Rahul Parikh yra pediatras San Francisko įlankos srityje.

paslėpti