211service.com
IBM AI ambicijų tikrovės patikrinimas
IBM, mūsų 50 protingiausių įmonių sąraše esanti 39 vieta, per daug padidino savo Watson mašininio mokymosi sistemą, tačiau bendrovė vis tiek galėjo turėti geriausią prieigą prie duomenų, reikalingų, kad medicina būtų daug išmanesnė. 2017 m. birželio 27 d
Leonardas Greco
Paulas Tangas kartu su žmona gulėjo ligoninėje iškart po kelio keitimo operacijos, kuri kasmet JAV atliekama apie 700 000 žmonių. Chirurgas atėjo ir Tangas, kuris pats yra pirminės sveikatos priežiūros gydytojas, paklausė, kada jis tikisi, kad ji grįš prie įprastos veiklos, atsižvelgiant į jo patirtį su tokiais pacientais kaip ji. Chirurgas vis duodavo neaiškius neatsakymus. Galiausiai tai mane ištiko, sako Tangas. Jis nežinojo. Tangas greitai sužinos, kad dauguma gydytojų nežino, kaip jų pacientai laikosi įprasto gyvenimo namuose ir darbe. — priemonės, kurios yra svarbiausios pacientams.
Tangas vis dar žiūri į pacientus kaip į gydytoją, bet jis taip pat yra IBM Watson Health vyriausiasis sveikatos pertvarkymo pareigūnas (žr. „50 protingiausių įmonių 2017 m.“). Tai verslo grupė, kurianti sveikatos priežiūros programas Watson, mašininio mokymosi sistemai, kurią IBM iš esmės sudaro. lažinantis dėl savo ateities. Watsonas galėtų pateikti informaciją, kurios gydytojai dabar negauna, sako Tangas. Pavyzdžiui, jis gali pasakyti gydytojui, kiek laiko užtruko, kol pacientai, panašūs į Tango žmoną, vaikščiojo be skausmo ar lipo laiptais. Tai netgi galėtų padėti analizuoti vaizdus ir audinių mėginius bei nustatyti geriausią gydymą bet kuriam pacientui.
Ši istorija buvo mūsų 2017 m. liepos mėn. numerio dalis
- Žr. likusią numerio dalį
- Prenumeruoti
Būtent dėl tokių galimybių sveikatos priežiūra yra vienas karščiausių mašininio mokymosi technologijų rinkos segmentų. Tyrimų įmonė „CB Insights“ skaičiuoja mažiausiai 106 startuolius, kurie atsirado nuo 2013 m. ir vis dar veikia.
Nė viena iš tų kompanijų nesulaukė tokio dėmesio, kokį sulaukė Watsonas dėl pergalės televizijos viktorinoje. Pavojus! 2011 m. ir nuo to laiko uoliai vykdo IBM rinkodarą. Tačiau pastaruoju metu didžioji dalis Watsono spaudos buvo bloga. Šiais metais nutrūko labai skatinamas bendradarbiavimas su M.D. Andersono vėžio centru Hiustone. IBM pajamoms aptingus ir akcijų kainai svyruojant, analitikai abejojo, kada „Watson“ iš tikrųjų suteiks daug naudos. Watsonas yra pokštas, sakė Chamathas Palihapitiya, įtakingas technologijų investuotojas, įkūręs rizikos kapitalo įmonę Social Capital. CNBC Geguže.
Tačiau didžioji dalis Watsono kritikos, net ir iš M. D. Andersono, neatrodo, kad jos pagrindas yra joks ypatingas technologijos trūkumas. Vietoj to, tai yra reakcija į pernelyg optimistiškus IBM teiginius apie tai, kaip toli iki šiol bus Watson. Tiesą sakant, vis dar atrodo tikėtina, kad „Watson Health“ bus lyderis AI taikydamas sveikatos priežiūros problemas. Jei Watsonas iki šiol daug nepasiekė šioje srityje, viena iš pagrindinių priežasčių yra ta, kad jam reikia tam tikrų duomenų tipų. Ir daugeliu atvejų tokių duomenų labai trūksta arba jie sunkiai prieinami. Tai nėra vienintelė Watson problema. Tai „catch-22“, susidurianti su visa sveikatos priežiūros mašininio mokymosi sritimi.
Nors trūkstamų ir nepasiekiamų duomenų problema gali sulėtinti Watsono veiklą, tai gali labiau pakenkti IBM konkurentams. Taip yra todėl, kad geriausias būdas gauti duomenis yra glaudžiai bendradarbiaujant su didelėmis sveikatos priežiūros organizacijomis, kurios yra technologiškai konservatyvios. Ir vienas dalykas, kurį IBM vis dar labai gerai daro, palyginti su startuoliais ar net milžiniškais konkurentais, tokiais kaip „Apple“ ir „Google“, yra didelių organizacijų vadovų ir IT vadovų pasitikėjimas. Nepaisant specifinių M.D. Anderson projekto problemų, IBM turi esminį pranašumą. Watson įtraukiamas į daugybę medicinos centrų, sveikatos priežiūros administravimo grupių ir gyvybės mokslo įmonių, kurios visos gali teikti svarbius duomenis, reikalingus dirbtinio intelekto ateičiai medicinoje formuoti.
Nerealūs laiko planai
Panašu, kad išsiskyrimas su M. D. Andersonu parodė, kad IBM užspringa nuo jos pačios ažiotažo apie Watsoną.
Vėžio centras ir IBM bendradarbiavo 2012 m. Watson tikslas buvo perskaityti duomenis apie bet kurio paciento simptomus, genų seką ir patologijos ataskaitas, sujungti juos su gydytojų pastabomis apie pacientą ir atitinkamais žurnalų straipsniais ir padėti gydytojams sugalvoti diagnozės ir gydymas. Tačiau IBM ir M.D. Andersonas per daug išpūtė lūkesčius dėl šios technologijos. IBM tvirtino 2013 m., kad atsirado ir davė nauja kompiuterijos era Forbes įspūdis, kad Vatsonas dabar sprendžia klinikinius tyrimus ir pacientai bus naudojami vos per kelis mėnesius. 2015 m Washington Post citavo IBM Watson vadybininką, aprašantį, kaip Watsonas užsiėmė kolektyvinio intelekto modelio tarp mašinos ir žmogaus kūrimu. The Įrašas sakė, kad kompiuterinė sistema mokėsi kartu su gydytojais daryti tai, ko jie negali.
Sveikatos priežiūra gėdingai vėlai įsisavino technologijas, sako Klivlando klinikos gydytojas ir sveikatos priežiūros informatikos ekspertas Manishas Kohli.
Šių metų vasarį Teksaso universitetas, vadovaujantis M. D. Andersonui, paskelbė sustabdęs projektą, todėl medicinos centras IBM nebemokės 39 mln. — už projektą, iš pradžių sutarta už 2,4 mln. Po ketverių metų ji nesukūrė įrankio, skirto naudoti pacientams, kurie būtų pasirengę atlikti daugiau nei bandomuosius bandymus. M.D. Andersonas man nekomentuotų konkrečiai apie Watsoną, bet panašu, kad problemos daugiausia kilo dėl vidinių kovų dėl to, kaip projektas buvo valdomas ir finansuojamas.
Tai nereiškia, kad IBM neturi problemų su Watsonu. Tiesą sakant, jie yra didesni, nei atskleidžia bet koks įgyvendinimas.
Norėdami suprasti, kas stabdo pažangą, turite suprasti, kaip treniruojamos mašininio mokymosi sistemos, tokios kaip Watson. Watsonas mokosi nuolat keisdamas savo vidines apdorojimo procedūras, kad gautų kuo didesnį teisingų atsakymų procentą į kai kurias problemas, pavyzdžiui, kurie radiologiniai vaizdai atskleidžia vėžį. Teisingi atsakymai turi būti jau žinomi, kad sistema galėtų pasakyti, kada kažkas pasitaiso, o kada – negerai. Kuo daugiau treniruočių problemų sistema gali įveikti, tuo geresnis jos pataikymo rodiklis.
Tai gana paprasta, kai reikia išmokyti sistemą nustatyti piktybinius navikus rentgeno spinduliuose. Tačiau dėl potencialiai novatoriškų galvosūkių, kurie gerokai viršija tai, ką jau daro žmonės, pavyzdžiui, nustatant ryšį tarp genų variacijų ir ligų, Watsonas turi vištienos ir kiaušinio problemą: kaip jis treniruojasi iš duomenų, kurių jokie ekspertai dar neišnagrinėjo ir tinkamai sutvarkė. ? Jei mokote savarankiškai vairuoti automobilį, kiekvienas gali pažymėti medį ar ženklą, kad sistema išmoktų jį atpažinti, sako Thomas Fuchsas, Niujorko vėžio centro „Memorial Sloan-Kettering“ skaičiavimo patologas. Tačiau specializuotoje medicinos srityje jums gali prireikti dešimtmečius mokytų ekspertų, kurie tinkamai paženklintų informaciją, kurią pateikiate kompiuteriui.
Tam tikra šio suklupimo akmens versija atsiranda kiekvienoje srityje, kurioje IBM tikisi, kad Watson prisidės — kaip ir bet kurios įmonės mašininio mokymosi sprendimui. Norint išmokyti Watsoną pereiti milžiniškus duomenų telkinius ir ištraukti keletą vienam pacientui svarbios informacijos, kas nors pirmiausia turi tai padaryti ranka – tūkstančius ir tūkstančius atvejų. Kad atpažintų su liga susijusius genus, Watsonui reikia tūkstančių įrašų apie pacientus, sergančius konkrečiomis ligomis ir kurių DNR buvo ištirta. Tačiau tuos genų ir paciento įrašų derinius gali būti sunku rasti. Daugeliu atvejų duomenys tiesiog neegzistuoja tinkamu formatu — arba apskritai bet kokia forma. Arba duomenys gali būti išsklaidyti dešimtyse skirtingų sistemų ir su jais gali būti sunku dirbti.
Apsvarstykite, pavyzdžiui, tikslą pagerinti pirminę sveikatos priežiūrą, suteikiant gydytojams po ranka geresnius duomenis. Kai įprasto pirminės sveikatos priežiūros vizito metu gydytojai praleidžia galimybę išspręsti palyginti nedidelius rūpesčius, o prieš pažengusią problemą pacientai siunčiami į greitosios pagalbos skyrių arba pas specialistą, nukenčia jų sveikata, o išlaidos sprogsta. Maždaug trečdalis kiekvieno dolerio, išleisto sveikatai, tikriausiai yra nereikalingas, sako Anil Jain, IBM Watson Health vyriausiasis medicinos pareigūnas, kuris taip pat yra praktikuojantis pirminės sveikatos priežiūros gydytojas. Mašininis mokymasis plačiai pripažįstamas kaip galimybė išspręsti šią problemą.
Tačiau norėdama iš tikrųjų padėti gydytojams pasiekti geresnių rezultatų pacientams, Watson turės rasti ryšį tarp to, kas skaitoma sveikatos įrašuose, ir to, ką Tangas vadina visais socialiniais sveikatą lemiančiais veiksniais. Šie veiksniai apima tai, ar pacientai nevartoja vaistų, vengia netinkamo maisto, kvėpuoja švariu oru ir taip toliau. Tačiau Tangas pripažįsta, kad šiandien beveik nė viena ligoninė ar medicinos praktika negauna šių duomenų apie didelę dalį pacientų. Dalis problemos yra ta, kad ligoninės lėtai ėmėsi modernios, duomenimis pagrįstos praktikos. Sveikatos priežiūra gėdingai vėlai įsisavino technologijas, sako Klivlando klinikos gydytojas ir sveikatos priežiūros informatikos ekspertas Manishas Kohli.
Ten, kur yra duomenų, IBM dažnai tiesiog išėjo ir juos nusipirko. Ji įsigijo tokias įmones kaip „Truven Health Analytics“, „Explorys“ ir „Phytel“, kurios visos aktyviai dirbo su dideliais duomenų rinkiniais įvairiose ligoninėse ir pacientų grupėse. Ir net po M.D. Anderson sandorio žlugimo IBM turi keletą svarbių partnerysčių, kurios palengvina prieigą prie pacientų duomenų.
Vienas iš jų yra su „Atrius Health“, beveik 900 daugiausia pirminės sveikatos priežiūros gydytojų tinklu visame Bostono rajone. Partneryste siekiama sukurti ir išbandyti Watson pagrindu veikiančią sistemą, galinčią iš užrašų, įrašų ir straipsnių vandenyno ištraukti informacijos, svarbios konkrečiam pacientui, grynuolius. Ieškoti visos svarbios informacijos yra varginantis darbas pirminės sveikatos priežiūros gydytojams, nes tai egzistuoja šiandien, sako Atrius vyriausiasis medicinos pareigūnas Joe Kimura. Jis priduria, kad elektroniniai sveikatos įrašai galėjo dar labiau pabloginti problemą, nes tokių sistemų atsiradimas labai padidino kiekvieno apsilankymo metu sugeneruojamų duomenų kiekį, nesuteikiant standartinio formato, leidžiančio lengvai juos gauti.
Labai svarbu, kad daugelis svarbiausių pastabų pacientų įrašuose yra sakiniai, kurių įprastinė IT sistema negali suprasti. Tačiau Watsonas gali pritaikyti tam sukurtus natūralios kalbos apdorojimo įgūdžius Pavojus! siekdamas išgauti iš jų prasmę. Idealiu atveju jis galėtų pasiūlyti būdus, kaip gydytojai gali padėti pacientams išvengti išsamios priežiūros poreikio. Kodėl turėtume sutelkti dėmesį tik į tai, kad su pacientais, kuriems lūžo klubas, padarėme kuo geresnį darbą, klausia Kimura, kai galime pabandyti nuspėti, kuriems pacientams gresia kritimas, ir padėti jiems visiškai nesulaužyti klubo. ? Turime nukreipti savo priežiūrą į priekį.
Leukemijos gydytojas M.D. Anderson, Courtney DiNardo, naudojo IBM Watson sistemą, konsultuodamasi su pacientu 2013 m.
2015 m. IBM paskelbė, kad Watson diagnostikos galimybes sustiprins duomenys, gauti iš medicininio vaizdo valdymo įmonės „Merge Healthcare“, kurią IBM įsigijo už maždaug 1 mlrd.
„Watson Health“ taip pat bendradarbiauja su „Central New York Care Collaborative“ – valstybės finansuojama agentūra, kuri dirba su maždaug 2000 sveikatos priežiūros paslaugų teikėjų šešiose apskrityse. Šia partneryste siekiama paremti tikslą 25 procentais sumažinti priėmimą į greitąją pagalbą ir pakartotinį priėmimą į ligoninę, kai pacientai, išrašyti iš ligoninės, turi grįžti spręsti susijusių problemų. Tai taip pat suteikia potencialią prieigą prie daugybės pacientų duomenų.
Yra ir kitų būdų gauti tokius duomenis. Viena iš „Google“ seserinių įmonių bando ją gauti tiesiogiai iš pačių pacientų. „Verily Life Sciences“, „Alphabet“ sveikatos priežiūros padalinys, bendradarbiauja su Duke ir Stanfordu, kad sukurtų labai struktūrizuotą sveikatos duomenų bazę apie 10 000 savanorių. Duomenų bazė bus užpildyta informacija ne tik iš jų klinikinių vizitų, bet ir iš nešiojamų sveikatos stebėjimo prietaisų. Tai gali būti daug žadantis duomenų prieigos šuolis, nors gali prireikti dešimtmečio ar daugiau, kad būtų gauti labai naudingi rezultatai.
Fuchso grupė „Memorial Sloan-Kettering“ tikisi išmokyti dirbtinio intelekto sistemą, kad būtų galima skaityti audinių dėmių skaidres – tai procesas, kuriam prireiks didelės skaitmeninėmis anotuotomis skaidres su patvirtintomis diagnozėmis ir kitais svarbiais duomenimis. Taigi grupė ruošiasi pati pagaminti 40 000 tokių skaidrių per mėnesį. Tai daug daugiau nei bet kas kitas, sako Fuchsas. Tai didžiulė užduotis dėl visų biologijos skirtumų.
Net M.D. Andersonas, nepaisant Watson projekto likimo, tęsia didelę programą, kuri prasidėjo maždaug tuo pačiu metu, daugiausia dėmesio skiriant 1700 rūšių klinikinių duomenų rinkimui apie kiekvieną pacientą, kuris įeina į jo duris. Programai vadovaujantis mokslininkas Andy Futreal teigia, kad šios pacientų informacijos derinimas su tyrimų duomenimis bus labai svarbus tam, kad tokios sistemos kaip Watson galėtų suteikti galimybių. Kai turėsime duomenis, dabar galėsite pradėti dirbtinio intelekto mašininio mokymosi verslą ir atskleisti tuos veiksnius, kurie lemia, kam sekasi ir kam nesiseka skirtingi gydymo būdai, sako Futreal.
IBM savo ruožtu ir toliau renka duomenis iš partnerysčių. Tik vėžio diagnozei ir priežiūrai įmonė bendradarbiauja su „Memorial Sloan-Kettering“, Mayo klinika, su Harvardu ir MIT susijusiu Broad Institute bei medicininių tyrimų milžine „Quest Diagnostics“. Bendradarbiaujant „Memorial Sloan-Kettering“ jau sukurta sistema, kuri perima žurnalų literatūrą, kad būtų galima informuoti apie gydymo sprendimus, ir ji buvo įdiegta Jupiterio medicinos centre Floridoje ir ligoninių tinklui Indijoje. Vaistų atradimo srityje Watson Health bendradarbiauja su Barrow neurologiniu institutu, kur Watsonas padėjo rasti penkis su ALS susijusius genus, kurie niekada anksčiau nebuvo susiję su šia liga, ir Ontarijo smegenų institutu, kuriame Watsonas nustatė 21 perspektyvų potencialų vaistą. kandidatai.
Ar Watsonas galiausiai pagerins sveikatos būklę ir sumažins išlaidas? Tikriausiai, sako Stephenas Krausas, rizikos kapitalo įmonės „Bessemer Venture Partners“ partneris, kuris daugiausia dėmesio skiria sveikatos priežiūrai ir investavo į DI sveikatos priežiūros įmones. Visa tai tikra, sako Krausas. Tai ne apie garų išleidimą siekiant padidinti akcijų kainas. Tačiau Krausas prisijungia prie daugumos ekspertų, perspėdamas dėl nerealių terminų ar pažadų — kai kurie iš jų atkeliavo iš pačios IBM. Tai sunku, sako jis. Tai neįvyks šiandien ir gali neįvykti po penkerių metų. Ir tai nepakeis gydytojų.