Suteikti vaistams AI dozę

Koncepcinis medicininių nuskaitymų ir dirbtinio intelekto vaizdas Džeimis Džounsas

Daugelį metų dirbtinis intelektas buvo laikomas kitu dideliu dalyku medicinoje. Dabar kai kurie MIT profesoriai, studentai ir absolventai imasi veiksmų, kad įsitikintų, jog tai tikrai bus.

Pro Abdul Latif Jameel klinika, skirta mašininiam mokymuisi sveikatos srityje , arba J-Clinic, paskelbta praėjusį rudenį, mokslininkai iš viso MIT vykdys projektus, kuriais siekiama sukurti naujus mašininio mokymosi metodus, siekiant pagerinti klinikinę priežiūrą, kurti naujus vaistus ir sumažinti sveikatos priežiūros išlaidas. Iniciatyva pritaikys dirbtinį intelektą įvairioms ligoms ir bus grindžiama vykdomais MIT tyrimais, įskaitant vaistų atradimą ir ankstyvą vėžio diagnostikos pažangą, kurią atliko Elektros inžinerijos ir kompiuterių mokslo katedros Delta elektronikos profesorė Regina Barzilay.

Barzilay sako, kad laikas dirbtiniam intelektui tapti standartine vėžio gydymo dalimi. Kiekviename JAV vėžio centre, nesvarbu, ar tai bendruomenės klinika, ar aukščiausias vėžio centras šalyje, yra rimtas poreikis įtraukti dirbtinį intelektą, sako Barzilay, CSAIL ir MIT Kocho integruoto vėžio tyrimų instituto narys. Po to ją krūties vėžys buvo praleistas keletą metų, ji pradėjo naudoti vaizdų apdorojimo algoritmus mamogramų analizei. Idėja yra peržengti tai, ką žmonės gali matyti nuskaitydami, kad būtų galima nustatyti ankstyvus audinių pokyčius, kurie žymi kelią į vėžį.

Džeimis Džounsas

Instituto profesorius ir Nobelio premijos laureatas Phillipas Sharpas, vadovaujantis J-Clinic patariamajai tarybai, sako, kad neabejotina, kad dirbtinis intelektas ir gilus mokymasis gali ir turi pakeisti medicininę priežiūrą. Sharpas teigia, kad prisidėdamas prie ankstesnių diagnozių, AI gali pagerinti pacientų kokybę ir gyvenimo trukmę. Konkrečiai, jis mano, kad tai gali pakeisti radiologiją, įprasminti molekulinius ir genetinius duomenis, kad būtų galima atskirti piktybines ir nekenksmingas ląsteles, ir pastebėti medicininių duomenų modelius, kurie gali įspėti apie gresiančias problemas. Jis taip pat mano, kad tai gali pagerinti medicininės priežiūros ekonominį efektyvumą anksčiau diagnozuojant ligą, kai gydymas yra pigesnis ir veiksmingesnis. Turime veiksmingiau teikti sveikatos priežiūrą, sako jis.

Jis teigia, kad per J-Clinic MIT atliks lemiamą vaidmenį kuriant šias technologijas ir mokant jų vartotojus, kaip tai padarė MIT molekulinės biologijos, ląstelių biologijos, genetikos ir biotechnologijų srityse. Barzilay ir Jamesas Collinsas, Termeer medicinos inžinerijos ir mokslo profesorius, vadovauja J-Clinic, kuri yra pagrindinė MIT ir Community Jameel, socialinių įmonių organizacija, kurią įkūrė ir kuriai vadovauja Mohammedas Abdulas Latifas Jameelis '78, dėstytojai. .

Mašininis mokymasis ateina į sveikatos priežiūrą

DI užtruko ilgiau, kol jis buvo taikomas sveikatos priežiūros srityje nei daugelyje kitų pramonės šakų, nes rizika yra tokia didelė. Jei „Amazon“ išbandys naują algoritmą, kuris neveikia, įmonė gali netekti pinigų. Medicinoje žmonės gali mirti. Štai kodėl tik 5 % JAV ligoninių pranešė, kad 2017 m. naudojo tam tikrą dirbtinio intelekto formą. Tačiau viskas pagaliau pradeda keistis. Didžiosios ligoninės ir farmacijos įmonės dabar remiasi dirbtiniu intelektu, kai kalba apie savo ateitį. Konferencijos sulaukia daug lankytojų, o medicinos dirbtinio intelekto įmonės tampa vis dažnesnės. Kompiuteriai dabar gali matyti ir skaityti – ne taip gerai, kaip žmonės, bet jie ten pasiekia, sako Michaelas Hayesas, SM '96, 2018 m. įkūręs ne pelno siekiančią startuolę „CancerAI“, siekdamas pateikti rinkai dirbtinio intelekto įrankius.

Šiandieninis dirbtinis intelektas yra pagrįstas algoritmais, kurie analizuoja milžiniškus duomenų rinkinius. Vadinamasis gilusis mokymasis, kuris per pastarąjį dešimtmetį smarkiai pažengė į priekį, leidžia tyrėjams daryti išvadas iš didžiulio duomenų kiekio. Taip pat labai patobulėjo vaizdo ir natūralios kalbos apdorojimo technologijos. Ir duomenų saugojimas tapo žymiai pigesnis.

Prieš dešimt metų elektroninių medicininių įrašų nebuvo tiek, kiek šiandien yra, sako Hayesas. Ir net jei jie egzistavo, mes neturėjome algoritmų, kurie labai gerai suprastų gydytojų užrašus, ir neturėjome pakankamai pigių kompiuterių. Dabar scena visais šiais frontais atrodo labai skirtingai. Jis sako, kad prieš 10 metų būtų buvęs superkompiuteris, kainavęs 1 mln. Tai iš esmės pakeitė žaidimą.

Iš kairės J-Clinic fakulteto bendrai vadovauja Regina Barzilay ir James Collins bei J-Clinic patariamosios tarybos pirmininkas ir instituto profesorius Phillipas Sharpas.

Nuo tada, kai buvo įkurta praėjusį rudenį, J-Clinic, kuri yra MIT Quest for Intelligence dalis ir kuriai vadovauja Inžinerijos mokyklos dekanė Anantha Chandrakasan, pateikė prašymą teikti pasiūlymus MIT. Iki šiol profesoriai ir studentai pasiūlė 43 mokslinių tyrimų projektus, kurie panaudotų šiuos pasiekimus pacientams. Barzilay sako, kad diagnozės tobulinimas, gydymo taikymas atskiriems pacientams ir ligos progresavimo supratimas yra prognozavimo problemos. Ir prognozavimas yra ta vieta, kur AI išsiskiria.

Tačiau viena problema buvo ta, kad pritaikius mašininio mokymosi algoritmus klinikinėms aplinkybėms reikia mokyti juos naudojant tai, ką ji apibūdina kaip didžiulius rankiniu būdu anotuotų duomenų kiekius. J-Clinic tyrėjai planuoja sukurti algoritmus, kurie būtų ne tokie priklausomi nuo rankiniu būdu pažymėtų duomenų ir kurie gali naudoti duomenis iš susijusių domenų, kad užpildytų spragas tikslinėje srityje. Užuot mokę prižiūrimas mokymosi sistemas kiekvienai atskirai ligoninės sistemai ir kiekvienai ligai, mes kuriame algoritmus, kuriuos galima lengvai pritaikyti prie naujų sąlygų ir skirtingų ligų, aiškina Barzilay.

Saugoti pacientų privatumą ir užtikrinti, kad duomenys atspindėtų gyventojų įvairovę, taip pat yra pagrindiniai J-Clinic tikslai. Mokslininkai kuria algoritmus, kurie gali atlikti šifruotų duomenų skaičiavimus, todėl pacientams nereikia bijoti, kad intymi informacija apie sveikatą bus palikta atvira. „J-Clinic“ kuria didelį tarptautinį tinklą, apimantį viską nuo kaimo klinikų iki pagrindinių miesto akademinių ligoninių, kad įdiegtų ir išbandytų savo sukurtus algoritmus. Tikimasi, kad tai padarys jų darbą daug labiau apibendrinamą nei kiti iki šiol paskelbti sveikatos priežiūros algoritmai, kurių dauguma yra apmokyti remiantis vienos ligoninės duomenimis.

Kas prieš 10 metų būtų buvęs superkompiuteris, kainavęs 1 milijoną dolerių – tokio lygio skaičiavimo dabar galima įsigyti už kelis tūkstančius dolerių. Tai iš esmės pakeitė žaidimą.

AI taikymas mamografijai

Barzilay, 2017 m. „MacArthur“ genialumo stipendijos laureato ir AI srities lyderio, laboratorijoje jau vykstantis darbas suteikia galimybę pažvelgti į J-Clinic ir naujosios įmonės, tokios kaip CancerAI, galimybes. Viena iš jos tyrimų sričių yra mašininio mokymosi naudojimas siekiant paspartinti vaistų atradimą. Šis darbas padeda kūrėjams neįtraukti molekulių, turinčių daug žadančių savybių kovojant su vėžiu ir daugybe kitų ligų. (Žr. AI iš naujo išranda mūsų išradimo būdą, MIT technologijų apžvalga, 2019 m. kovo/balandžio mėn.) Vėžio diagnostikos srityje ji taip pat yra viena iš pirmųjų DI tyrėjų, sukūrusių įrankį, kuris iš tikrųjų padeda žmonėms.

A popierius Praėjusiais metais paskelbtame žurnale Radiology, ji ir jos kolegos, įskaitant Masačusetso bendrosios ligoninės tyrėjus, naudojo AI, kad sukurtų krūties audinio tankio įvertinimo metodą. Šiandien mamografija panele apie 15 % krūties navikų – ir, remiantis keletu tyrimų, jie praranda daugiau nei pusę, jei krūties audinys yra tankus, todėl auglius sunkiau pamatyti. Daugiau nei 40% amerikiečių moterų turi tankų krūties audinį, todėl joms taip pat kyla didesnė krūties vėžio rizika.

Džeimis Džounsas

Barzilay ir jos kolegos panaudojo daugiau nei 41 000 skaitmeninių mamogramų, kurias įvertino ir klasifikavo ekspertai, kad išmokytų gilaus mokymosi algoritmą, kad būtų galima įvertinti tankį, kad būtų galima nustatyti moteris, kurioms gali prireikti papildomo patikrinimo. Per šešis mėnesius trukusį tyrimą, kuriame buvo atlikta daugiau nei 10 000 mamogramų, modelis 94 % atvejų buvo suderintas su bendraisiais radiologais, todėl tai buvo pirmas kartas, kai toks gilus mokymasis buvo sėkmingai naudojamas klinikinėje aplinkoje. Barzilay ir jos bendradarbiai dabar tikisi išplėsti savo sistemą į kitas ligonines.

Barzilay taip pat naudoja dirbtinį intelektą, kad nustatytų ankstyviausius pokyčius kelyje į krūties vėžį – pokyčius, kurių patologas nemato. Vėžys neauga nuo šiandienos iki rytojaus. Tai iš tikrųjų labai ilgas procesas, dėl kurio daug pakeičiami audiniai, ji sakė auditorijai „Hello World, Hello MIT“ konferencijoje, skirtoje vasario mėn. Ji parodė dvi mamografines nuotraukas, vieną iš moters, kuri praėjus dvejiems metams po tyrimo susirgo krūties vėžiu. Kyla logiškas klausimas: ar galite paimti mašiną ir išmokyti ją vaizduoti, kai žinome rezultatą po dvejų ar penkerių metų, ir pasakyti, kas bus toliau? Kaip paaiškėjo, ji sakė, kad mašina gana gerai atliko šią užduotį. Barzilay, jos abiturientas Adamas Yala 16, MEng '17 ir Constance Lehman, Mass. Generolo krūtų vaizdavimo vadovė, sukūrė modelį, kuris nustatė ypatybes, dažnai pasitaikančias prieš vėžio atsiradimą, ir jei tos savybės atsiras mamogramoje, pacientas gali būti pažymėtas.

Vasario pabaigoje Mass. General gydytojai pradėjo testuoti šį rizikos modelį. Barzilay sako, kad moteris, kurios mamografijos duomenimis ji patenka į rizikingiausią 20 proc., tikimybė susirgti krūties vėžiu yra labai nereikšminga. Dabar „Mass. General“ gydytojai stengiasi išsiaiškinti, kaip panaudoti šią informaciją, kad pakeistų savo galimybes.

Sveikatos priežiūros AI pažadas ir pavojai

Ši dirbtinio intelekto vizija yra toli nuo dabartinio skaitmeninių technologijų naudojimo gydytojų kabinetuose, kurie dažniausiai apsiriboja elektroniniais medicininiais įrašais, kurie dar turi išnaudoti savo potencialą. Dėl tokių sistemų gydytojai gali perdegti ir priversti juos skirti tokias ilgas valandas duomenims įvesti, kad daugiau laiko praleidžia prie kompiuterių ekranų nei pacientai.

Michaelas Hayesas vėžysAI

AI komercializavimas nesiekiant pelno

• Ne pelno siekianti organizacija kuria AI įrankius kovai su vėžiu.

  
  2017 m. serijinis verslininkas Michaelas Hayesas, SM '96, ieškojo naujos verslo galimybės, kai buvo pasirengęs pereiti nuo savo naujausios įmonės, AI programinės įrangos įmonės. Išgyvenęs gerklės vėžį, jis nusprendė, kad mašininis mokymasis jau pakankamai subrendęs, kad būtų pagrindas sutelkti savo naująją įmonę į dirbtinio intelekto naudojimą kovojant su vėžiu.
  
  Tačiau atlikęs išsamų patikrinimą, jis suprato, kad įkūręs savo įmonę „CancerAI“ kaip ne pelno siekiančią įmonę, galėtų pritraukti į misiją orientuotų darbuotojų ir gauti geresnę prieigą prie medicininių duomenų. Šis sprendimas netikėtai pasiteisino – jam buvo suteikta nemokama biuro erdvė iš WeWork, profesionalaus teisinio darbo pasiūlymai ir programuotojai, savanoriškai dirbantys už dyką.
  
  Tikėjausi, kad galėsiu pasamdyti puikių žmonių, bet nesitikėjau, kad žmonės iš išorės sakys: „Būčiau pasiruošęs savanoriauti naktimis ir savaitgaliais, nes noriu padėti“, – sako Hayesas, turintis aplinkos inžinerijos magistro laipsnį. iš MIT ir verslo ir politikos magistro laipsnį iš Tufts. Garantuoju jums, kad to nenutinka pelno siekiančiose įmonėse.
  
  Hayesas, pirmininkaujantis CancerAI valdybai, sako, kad bendrovė naudoja Reginos Barzilay tyrimus kaip vieną iš savo pamatų, tačiau nepasirinko pirmojo produkto. (Barzilay taip pat yra vienas iš CancerAI patarėjų.) Bendrovė siekia pradėti nuo diagnostikos, galbūt naudodama medicininių įrašų duomenis, kad pažymėtų žmones, kurių biometriniai duomenys rodo, kad jiems gali kilti didelė rizika susirgti tam tikromis vėžio formomis. Pasak jo, ankstyvi tyrimai, kurie nustato vėžį prieš jiems išplitus, yra galbūt trumpiausias būdas sumažinti mirtingumą.

Tačiau teigiama, kad elektroniniai įrašai leido ligoninėms sukaupti didžiulius pacientų duomenų kiekius, kurie, kaip tikisi dirbtinio intelekto tyrinėtojai, ilgainiui duos dividendų pacientams, slaugytojams, ligoninėms ir draudikams.

Kai J-Clinic ir naujos įmonės, pvz., CancerAI, pradeda naudotis šiais duomenimis, Collinsas, kitas J-Clinic fakultetas, sako matantis, kad J-Clinic ne tik suburia dirbtinio intelekto ekspertus, medicinos ekspertus ir duomenų rinkinius, kad pagerintų medicininius tyrimus, bet ir padėti tuos tyrimus paversti klinikinėje aplinkoje. Jis tai padarys, nes ankstyvosios technologijos bus įdiegtos į ligonines, kad jos būtų išbandytos ir patvirtinamos, ir sudarytų palankesnes sąlygas jas komercializuojančioms įmonėms. Jis taip pat numato, kad J-Clinic pradės viešą diskusiją apie tai, ką jis vadina AI ir sveikatos priežiūros pažadais ir pavojais, ir užduos sunkius klausimus, kaip pagerinti esamą priežiūrą, sumažinti išlaidas, apsaugoti pacientų privatumą ir etiškai gauti naudingų duomenų.

Nors technologinės naujovės dažniausiai didina medicinos išlaidas, jis tikisi, kad dirbtinis intelektas bus išimtis, galbūt maksimaliai padidins lovų naudojimą, apribodamas gydytojų administracinėms pareigoms skiriamą laiką ir ekonomiškiau kurdamas vaistus. Man įdomu, kaip dirbtinis intelektas gali padėti padidinti sveikatos priežiūros veiksmingumą, nesvarbu, ar tai būtų lovos naudojimas, tvarkaraštis, atsiskaitymas, kad būtų sumažintos administracinės išlaidos, sako Collins, kurio žmona yra gydytoja. Jis mano, kad elektroninių medicininių įrašų administracinė našta galėtų būti panaikinta naudojant geresnes technologijas, o tai gali padėti sutaupyti.

Savo laboratorijoje sintetinis biologas Collinsas planuoja naudoti AI platformas, kad, be kita ko, geriau nustatytų naujas antibiotikų ir vaistų nuo vėžio klases. Noriu ištirti, kaip dirbtinis intelektas gali būti naudojamas plačiau kaip naudingas pagalbininkas tyrimų ir galbūt medicinos kontekste, sako jis.

paslėpti