ИИ в здравоохранении должен думать мелко

Шесть минут после начала миссии Аполлона-13 на Луну в 1970 году его кислородный бак взорвался. Это событие заставило НАСА разработать новый подход к предсказанию возможных неисправностей в своих космических кораблях. Этот подход основывался на непрерывных данных с датчиков, которые затем питали глубокие цифровые симуляции, позволяя проводить более строгие испытания сложных космических систем. Это было первое использование технологии “цифрового двойника”.

Сегодня системы цифровых двойников используются во всех отраслях для улучшения операций и точного моделирования любых изменений в системе. Технологические компании, такие как Apple и Tesla, используют цифровые двойники для мониторинга производительности продукта в поле и определения необходимости технического обслуживания конкретных компонентов системы.

Цифровые двойники также используются в здравоохранении, хотя в основном в исследованиях и разработке лекарств. Однако их величайший потенциал заключается в управлении хроническими заболеваниями. Объединив машинное обучение и технологию Интернета вещей с ИИ цифрового двойника, подход, который возник с чем-то таким огромным, как космическое исследование, имеет потенциал сделать здравоохранение真正 индивидуализированным.

Цифровизация традиционной помощи потерпела неудачу

Современная медицина сделала постепенные шаги к персонализированной помощи за последнее десятилетие, давая пациентам голос в принятии решений, и к точной медицине благодаря достижениям в геномных исследованиях. Оба помогли адаптировать помощь к индивиду, но наша система здравоохранения в основном использует подход “большой группы” к оказанию помощи.

Это очевидно в том, как мы управляем хроническими заболеваниями. Каждый из 133 миллионов американцев, которые в настоящее время живут с одним или несколькими хроническими заболеваниями, находится на запланированном пути помощи – режиме лечения, диете, часто с несколькими лекарствами – и их улучшение измеряется в партиях тысяч других людей, которые делят их состояние.

Этот подход не сработал. Как известно, расходы США на диабет, сердечно-сосудистые заболевания и рак продолжают расти, и влияние технологий на результаты и затраты было ограничено. В цифровом управлении диабетом, снижением веса и другими состояниями это влияние было незначительным.

В марте отчет, опубликованный Peterson Health Technology Institute, подчеркнул эту отсутствие устойчивых результатов. Отчет показал, что все оцененные решения работают плохо по вовлечению и результатам со временем. В результате снижение веса, снижение А1С, исключение лекарств, обратное развитие диабета и преимущества для здоровья, благополучия и экономики этих решений ограничены и неустойчивы.

Это потому, что большинство решений просто оцифровывают неэффективный шаблон помощи. Они не учитывают индивидуальные различия. Каждый человек приносит свой собственный набор культурных, биологических, диетических, поведенческих и экологических факторов, которые влияют на их здоровье на глубоко индивидуальном уровне.

Переход от “персонализированной” помощи к индивидуализированной помощи

ИИ цифрового двойника обещает отход от шаблона. Основой этой технологии является концепция, что каждый человек – это N из одного. Цифровой двойник человека информируется непрерывной мерой его уникальных клинических и поведенческих переменных и использует эти данные для формирования рекомендаций по помощи для лучшей и здоровой версии этого человека.

Сила технологии цифрового двойника заключается в ее внимании к мелким вещам – тем, что мы едим и делаем – и тому, как они влияют на наше текущее и будущее “я”. На практике цифровые двойники могут точно предсказать эффект ужина из стейка на метаболическое или сердечно-сосудистое здоровье конкретного человека. Если этот эффект может быть отрицательным, цифровые двойники могут предложить способы смягчить последствия. Это может быть предложено 10-минутная прогулка или альтернативный десерт. Вместо мороженого, может быть, это банановый хлеб с греческим йогуртом и свежими ягодами или просто другая последовательность.

Таким образом, ИИ цифрового двойника может показать индивиду, что его ждет, если он останется на своем текущем пути, и большие изменения, которые могут произойти, если он сделает небольшие корректировки со временем. Если он продолжит свою текущую программу, он сможет перестать принимать метформин через три недели. Если он вернется к старым привычкам, он может ожидать, что возьмет повторный прием.

Это мощная технология, и хотя ее влияние на здравоохранение в основном было признано только в академии, она начинает находить свое место в коммерческих случаях использования. В 2014 году Dassault Systemes и FDA запустили SIMULIA Living Heart, проект, который работает с производителями устройств для разработки и совершенствования кардиологических устройств с большей скоростью. На начало пандемии OnScale’s Project BreathEasy разработал цифровой двойник легких пациентов с COVID-19 для улучшения и оптимизации использования ресурсов вентиляторов.

Медицинские исследователи также используют модели цифрового двойника заболевания для предсказания эффективности фармацевтических вмешательств на основе сложных, индивидуальных биологических процессов. Takeda Pharmaceuticals принял эту технологию для сокращения фармацевтических процессов и создания реалистичных входных-выходных прогнозов для биохимических реакций. Более недавно исследователи использовали технологию цифрового двойника для моделирования результатов терапии и определения лучшего лечения для орофарингеального рака на основе индивидуальных данных.

Управление хроническими заболеваниями – следующий рубеж

Недавняя статья, опубликованная в Nature, утверждает, что цифровые двойники “готовы сделать значительный вклад” в уход за раком, особенно в мониторинге прогресса заболевания и оценке реакции на лечение, которая печально известна индивидуально. Та же статья анализирует кардиологические цифровые двойники, питаемые изображениями, ЭХР, генетическими и непрерывными носимыми данными, и их потенциал для предсказания острых сердечных событий.

Эти достижения приведут к появлению технологий здравоохранения, которые изменят жизнь. Их сила заключается в концепции, которая является основой их цели: ничего сложного не является статичным.

Это особенно верно для наших биологических систем. Цифровой двойник требует тысяч данных в день, на человека, чтобы действительно понять взаимодействие между биологией человека, культурой, образом жизни, предпочтениями и здоровьем. Некоторые из этих данных уже захватываются носимыми устройствами и мобильными приложениями, но без модели, которая помещает эти данные в контекст человека и его пути помощи, они не имеют направления.

В мире управления хроническими заболеваниями мелкие вещи могут очень быстро стать большими, угрожающими жизни вещами. И хотя цифровое здравоохранение подняло надежды пациентов с языком, таким как “персонализация”, инструменты и подходы, которые были предложены людям, не решали их уникальные потребности и предпочтения.

ИИ цифрового двойника изменит этот подход, помогая нам лучше понять и улучшить наше здоровье на глубоко персонализированном уровне. Это технология, которая готова выполнить обещание индивидуализированной помощи.