AI jest dla uzupełniania, a nie zastępowania lekarzy – Liderzy myśli

Przez: Doug Teany, doradca ds. innowacji i były dyrektor operacyjny Corindus

AI i jego zastosowania w ochronie zdrowia znacznie dojrzały w ciągu ostatnich kilku lat. Technologie AI są bardziej dostępne dla świadczeniodawców niż kiedykolwiek wcześniej i oferują ogromne możliwości w całej ochronie zdrowia, zwłaszcza w skomplikowanych procedurach z użyciem robota, które wymagają wyjątkowej ilości wglądu i przewidywania ze strony lekarzy. Niestety, nadal istnieje przekonanie, że AI, w wyniku swojego dojrzewania, nieuchronnie zastąpi rolę lekarza, choć nie jest to dalej od prawdy.

W rzeczywistości AI upoważnia lekarzy do nowej wiedzy i możliwości, które poprawiają podejmowanie decyzji klinicznych i pomagają osiągać bardziej pozytywne wyniki dla pacjentów. Przenosi ich uwagę z myślenia technicznego o manipulowaniu drutem w sercu na myślenie bardziej całościowe o strategii przypadku i tym, jak osiągnąć najlepszy możliwy wynik. Gdy jest wdrożony w procedurach z użyciem robota, AI może pomóc zbudować encyklopedię historycznej wiedzy klinicznej i proceduralnej, do której każdy lekarz może uzyskać dostęp, aby rozwiązać każdy przypadek. Włączając funkcje takie jak komputerowe widzenie, rewolucjonizuje obecny standard opieki, wyposażając lekarzy w potężne narzędzie, które może odpowiedzieć na i zapobiec powikłaniom, zanim wystąpią. Wszystko to jest robione bez zastępowania kluczowego sterownika w procesie – lekarza.

Stawianie fundamentów z wglądem opartym na danych i uczeniem maszynowym

Dziś lekarze głównie polegają na osobistym doświadczeniu i indywidualnych umiejętnościach podejmowania decyzji, które mogą się różnić w zależności od ich szkolenia, liczby procedur, które wykonali, i innych czynników. AI wprowadza lekarzy w nowe dane i informacje, które wcześniej nie były im dostępne, co może być szczególnie przydatne w skomplikowanych procedurach z użyciem robota. W tych przypadkach, gdzie urządzenia robota są połączone z historycznymi magazynami danych, AI oferuje niezrównaną wartość, wypełniając luki w wiedzy informacjami z tysiąca podobnych przypadków. Upoważniając lekarza do dostępu do historycznych danych przypadków poza jego własnym doświadczeniem, może on zmniejszyć niektóre z ryzyka związane z tymi skomplikowanymi procedurami.

Uczenie maszynowe umożliwia systemowi robota uczenie się z doświadczenia i dostosowywanie do nowych danych wejściowych. W zamian, robot może zautomatyzować swoje ruchy, aby odtworzyć te same techniki, które stosują najlepsi lekarze na świecie, co zwiększa szanse na rozwiązanie wyzwań, które pojawiają się podczas przypadku. Ostatecznie, pozwala to lekarzom na skupienie uwagi na strategii przypadku i bardziej skuteczne reagowanie na powikłania. Ten rodzaj wglądu opartego na danych przypomina, jak dane drastycznie zmieniły krajobraz baseballu profesjonalnego na początku 2000 roku, co zostało podkreślone przez wydanie książki Moneyball. Książka opowiadała o Oakland Athletics i menedżerze Billym Beanie, który zastosował podejście oparte na danych i dowodach, aby zbudować zespół, zamiast polegać na przestarzałych metodach, które nie opierały się na danych. W efekcie, ten model okazał się ogromnym sukcesem i skutecznie wywołał nową erę gry napędzaną danymi.

W ochronie zdrowia, baza wiedzy proceduralnej napędzana przez uczenie maszynowe tworzy podobne wglądy dla lekarzy, wyposażając ich w cenne informacje, które wcześniej nie były dostępne. Możliwość obejrzenia pacjenta na tle tysiąca podobnych przypadków umożliwia lekarzom podejmowanie lepszych, bardziej świadomych decyzji, jak podejść do przypadku.

Następny krok: komputerowe widzenie i wysoka automatyzacja

Pełny potencjał AI w procedurach z użyciem robota jest w pełni zrealizowany, gdy wgląd oparty na danych i uczenie maszynowe są połączone z komputerowym widzeniem, umożliwiając systemowi robota inteligentnie identyfikować i reagować na sytuacje na podstawie bogatych danych obrazowych. W interwencjach kardiochirurgicznych, znaczna część czasu procedury poświęcona jest manipulowaniu drutem, z których wiele jest metodą “prób i błędów” w celu nawigacji przez naczynia. Ta metoda może potencjalnie prowadzić do nieprawidłowo umieszczonych urządzeń medycznych, takich jak stenty, lub skutkować dłuższym czasem procedury, który zwiększa narażenie na promieniowanie dla lekarzy i pacjentów.

Ale, gdy systemy zautomatyzowane nadal uczą się skutecznych ruchów i tworzą reguły oparte na wiedzy, możemy pozwolić komputerowemu widzeniu zautomatyzować większe części procedury. Komputerowe widzenie umożliwia również systemowi wykrywanie powikłań, zanim wystąpią, takich jak gdy prowadnica prolapsuje, i może automatycznie wykonywać działania korygujące, aby dostarczyć urządzenie i zapobiec szkodzie pacjentowi.

Co ważne, automatyzacja, niezależnie od branży, jest na spektrum, a przemysł motoryzacyjny oferuje solidny przykład. Wiele samochodów ma dziś pewien stopień niskiego poziomu automatyzacji, taki jak asystent hamulca, adaptacyjny tempomat i centrowanie pasa ruchu. Na drugim końcu spektrum, producenci tacy jak Tesla (TSLA ) automatyzują wszystkie funkcje bezpieczeństwa, wymagając mniejszej interwencji kierowców, choć kierowcy są nadal niezbędni. To samo dotyczy automatyzacji w ochronie zdrowia. Ostatecznie, automatyzacja oparta na AI utrzymuje lekarzy za kierownicą, zautomatyzowując pewne zadania, które odwracają uwagę lekarzy od krytycznych elementów, takich jak strategia przypadku i reagowanie na powikłania.

 AI stawia lekarzy w centrum

 Obawy dotyczące AI i automatyzacji zastępowania lekarzy po prostu nie mają żadnego uzasadnienia i nie są oparte na pełnym zrozumieniu, jak ochrona zdrowia wdraża AI i uczenie maszynowe. Podobnie jak samochody autonomiczne potrzebują kierowcy, zautomatyzowane procedury interwencyjne, nad którymi pracujemy, będą potrzebować kierowania lekarza, ale z dodatkową ekspertyzą cyfrowej encyklopedii zbudowanej na doświadczeniu innych wysoko wykwalifikowanych lekarzy z całego świata. Automatyzacja standaryzuje sposób, w jaki procedury są wykonywane, na bardzo wysokim poziomie jakości, co przypomina o głównym celu automatyzacji robota – robieniu przypadków bezpieczniejszych, szybszych i bardziej skutecznych, jednocześnie redukując urazy pacjentów.