Radiologia interwencyjna dojrzewa do rozwiązania opartego na sztucznej inteligencji – Liderzy myśli

Przez: Oz Moskovich, Lider zespołu AI i Data Science, XACT Robotics.

Prawie każdy sektor opieki zdrowotnej bada zastosowania sztucznej inteligencji, ale są dziedziny medycyny, które prezentują więcej możliwości rozwiązania opartego na sztucznej inteligencji niż inne. Jako lider zespołu data science w dziedzinie robotyki medycznej, jestem zainteresowany znalezieniem obszarów potrzeb, a żadna specjalność medyczna nie prezentuje większej potrzeby rozwiązania opartego na sztucznej inteligencji niż radiologia interwencyjna.

Wyzwania stojące przed radiologią interwencyjną dziś obejmują:

• Brak specjalistów: Tylko około 10 procent radiologów otrzymuje specjalistyczne szkolenie w dziedzinie radiologii interwencyjnej.
• Koszty: Brak specjalistów przyczynia się do zwiększonych kosztów dla pacjentów. Pacjenci z obszarów wiejskich często podróżują, aby znaleźć najbliższego radiologa interwencyjnego – ponosząc koszty za podróż i zakwaterowanie.
• Wczesna diagnoza: Ostatnie badanie Sinai wykazało, że wczesna diagnoza prowadzi do znacznego spadku zgonów z powodu raka płuc.
• Właściwości guza: Podczas diagnozowania potencjalnego guza, rozmiar, położenie i zgodność tkanek mogą wszystkie prowadzić do opóźnionej diagnozy i leczenia.
• Niespójności w procedurach: Ręczne metody proceduralne czasami wymagają wielokrotnych wkłuć, aby osiągnąć pożądany cel, co może skutkować dłuższymi czasami procedury, ponownymi hospitalizacjami lub powikłaniami.

Na szczęście, dostępne dziś narzędzia już pomagają łagodzić te wyzwania, a sztuczna inteligencja jest kluczowa wśród nich. Poprzez łączenie możliwości sztucznej inteligencji i uczenia maszynowego z platformami robotycznymi i obrazowymi, nasz system opieki zdrowotnej może rozszerzyć dostęp do jakościowej opieki. Obejmuje to poprawę szybkości, wydajności i dostępności procedur, takich jak biopsje i ablacje, co prowadzi do lepszych wyników i zadowolonych pacjentów.

Możliwości w robotyce

Systemy robotyczne rozprzestrzeniły się w całej medycynie, ale popyt na złożone i dokładne planowanie i monitorowanie w procedurach, takich jak biopsje lub ablacje, sprawia, że robotyka jest idealnym rozwiązaniem dla radiologii interwencyjnej. Z dokładnym, robotycznym wkładem i sterowaniem, lekarze mogą diagnozować i leczyć potencjalnie zagrażające życiu choroby wcześniej – gdy guzy są mniejsze i bardziej podatne na leczenie. Technologia robotyczna zapewnia również drogę do dalszego włączania sztucznej inteligencji i uczenia maszynowego do radiologii interwencyjnej.

Z klinicznymi przepływami pracy, które coraz częściej wykorzystują technologie oparte na sztucznej inteligencji w wielu dziedzinach, jest tylko kwestią czasu, gdy podobne przyjęcie systemów robotycznych. Po połączeniu z uczeniem maszynowym, systemy robotyczne mogą wykorzystywać ogromne ilości danych z przeszłych procedur, aby pomóc lekarzom w podejmowaniu bardzo świadomych decyzji. Dzięki udostępnianiu tych danych na całym świecie i zapewnieniu środków do ich analizy, uczenie maszynowe staje się siłą jednoczącą, która daje początek bardziej zaawansowanemu poziomowi opieki opartej na szerszym zestawie doświadczeń. Od znajdowania przypadków o podobnych cechach po podkreślanie ryzyka i anomalii, aż po zalecenia w czasie rzeczywistym, nawet najbardziej doświadczeni lekarze skorzystają na dostępie do tego zestawu możliwości. Dodatkowo, łączenie sztucznej inteligencji i obrazowania daje nowe możliwości, takie jak poprawa obrazu, fuzja obrazu, segmentacja tkanek i renderowanie 3D. Każda z nich daje lekarzom najwyraźniejszy obraz ich celów, pozwala na planowanie procedur z wyprzedzeniem i może przyczynić się do bardziej precyzyjnej procedury i optymalizacji wyników.

Rozwiązywanie braków i nieefektywności

Platformy robotyczne oparte na sztucznej inteligencji mają możliwość uczynienia procedur bardziej przewidywalnymi – zmniejszając ryzyko ponownej hospitalizacji i kończąc procedury w stałym czasie. Część tej przewidywalności polega na zapewnieniu optymalnego wyniku z jedną procedurą i uniknięciu potrzeby ponownej hospitalizacji pacjenta. Medicare wydaje około 30 miliardów dolarów rocznie na ponowne hospitalizacje i ponad połowa tej kwoty idzie na uniknięcie niepotrzebnych hospitalizacji. Poprzez planowanie procedur i wykorzystanie dużych zbiorów danych, uczenia maszynowego i sztucznej inteligencji za pomocą platform robotycznych, nasi lekarze będą wykonywać procedury dokładnie i wydajnie, a także zmniejszą marnotrawne wydatki na uniknięte procedury.

Sztuczna inteligencja ma również możliwość pomóc w rozwiązaniu braków specjalistów. Gdy intuicyjne urządzenia stają się bardziej powszechne w placówkach opieki zdrowotnej, a wiedza proceduralna staje się bardziej dostępna, asystenci lekarscy – czyli asystenci i praktycy – będą wykonywać więcej procedur. Poprzez umożliwienie większej liczbie klinicystów korzystania z narzędzi do wykonywania procedur interwencyjnych, możemy ulżyć napiętej populacji lekarskiej i równomiernie rozłożyć kliniczne obciążenie.

Zastosowania sztucznej inteligencji w medycynie pozostają jeszcze kilka lat od powszechności, ale ostatecznie istnieje ogromna możliwość, aby sztuczna inteligencja poprawiła możliwości lekarskie w radiologii interwencyjnej – nigdy nie zastąpi ich, ale raczej posłuży jako wspaniały nowy zestaw narzędzi. Kontynuując prace, które już są w toku w zespołach robotyki, sztucznej inteligencji i rozwoju uczenia maszynowego, wprowadzimy najnowocześniejszą technologię do radiologii interwencyjnej. Ma potencjał, aby pomóc w rozwiązaniu braków specjalistów i osiągnięciu pozytywnych wyników bardziej efektywnie i szybciej dla większej populacji pacjentów.