Hälso- och sjukvård

AI in hälsovården bör tänka smått

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Sex minuter in i Apollo 13:s uppdrag till månen 1970 exploderade syretanken. Händelsen fick NASA att utveckla en ny metod för att förutsäga möjliga fel i sina rymdfarkoster. Metoden byggde på kontinuerliga sensordata, som sedan matades in i djupa digitala simuleringar, vilket möjliggjorde en mer rigorös testning av komplexa rymdsystem. Det var den allra första användningen av “digital tvilling”-teknologi.

Idag används digitala tvillingssystem inom olika branscher för att förbättra verksamheten och simulera förändringar i systemen. Teknologiföretag som Apple och Tesla använder digitala tvillingar för att övervaka produktens prestanda och avgöra om vissa systemkomponenter behöver underhåll.

Digitala tvillingar har också använts inom hälsovården, främst inom läkemedelsforskning och utveckling. Men deras största potential ligger inom kronisk sjukdomshantering. Genom att kombinera maskinlärning och Internet of Things-teknologi med digital tvilling-AI, kan en metod som ursprungligen utvecklades för rymdutforskning göra hälsovården riktigt individualiserad.

Digitalisering av traditionell vård har misslyckats

Den moderna medicinen har gjort små steg mot personlig vård under det senaste decenniet genom att ge patienterna en röst i beslutsfattandet och genom framsteg inom genetisk forskning. Båda har hjälpt till att anpassa vården till individen, men vår hälsovårdssystem tar för det mesta en “stor grupp”-ansats till vårdleverans.

Det märks i hur vi hanterar kroniska sjukdomar. Alla 133 miljoner amerikaner som för närvarande lever med en eller flera kroniska sjukdomar sätts på en planerad vårdväg – en behandlingsregim, en diet, ofta flera mediciner – och deras förbättring mäts i batcher av tusentals andra individer som delar deras tillstånd.

Denna ansats har inte fungerat. Som bekant fortsätter USA:s utgifter för diabetes, hjärtsjukdomar och cancer att öka, och teknologins påverkan på resultat och kostnader har varit begränsad. I digital hantering av diabetes, viktminskning och andra tillstånd har den påverkan varit obefintlig.

I mars publicerades en rapport av Peterson Health Technology Institute, som underströk bristen på varaktiga resultat. Rapporten fann att alla utvärderade lösningar presterar dåligt när det gäller engagemang och resultat över tid. Som ett resultat är viktminskning, A1C-reduktion, medicinborttagning, diabetesreversering och de hälso-, välbefinnande- och ekonomiska fördelarna med dessa lösningar alla begränsade och ohållbara.

Det beror på att de flesta lösningar bara digitaliserar en ineffektiv mall för vård. De tar inte hänsyn till individuella skillnader. Varje person har sin egen uppsättning kulturella, biologiska, dietiska, beteendemässiga och miljömässiga faktorer som påverkar deras hälsa på ett djupt individuellt plan.

Från “personlig” vård till individualiserad vård

Digital tvilling-AI lovar en avvikelse från mallen. Kärnan i teknologin är konceptet att varje individ är en N av ett. En individs digitala tvilling informeras av en kontinuerlig mätning av deras unika kliniska och beteendemässiga variabler och använder dessa data för att forma vårdvägledning mot den bästa och hälsosammaste versionen av den individen.

Kraften i digital tvillingsteknologi ligger i dess uppmärksamhet på de små sakerna – de saker vi äter och gör – och hur de påverkar vår nuvarande och framtida hälsa. I praktiken kan digitala tvillingar exakt förutsäga effekten av en stekmiddag på en specifik persons metaboliska eller kardiovaskulära hälsa. Om den påverkan kan vara negativ kan digitala tvillingar erbjuda sätt att mildra följderna. Det kan föreslå en 10-minuters promenad eller ett alternativt efterrätt. Istället för glass kan det vara banan-nötbullar med grekisk yoghurt och färska bär eller helt enkelt en annan sekvens.

På detta sätt kan digital tvilling-AI visa en individ vad som väntar dem om de fortsätter på sin nuvarande bana och de stora förändringar som kan ske genom att göra små justeringar över tid. Fortsätt med din nuvarande rutin, och du kommer att kunna sluta ta metformin om tre veckor. Faller tillbaka till gamla vanor, och du kan förvänta dig att hämta en påfyllning.

Det är en kraftfull teknologi, och medan dess påverkan på hälsovården främst har erkänts inom akademin, börjar den hitta sin roll i kommersiella användningsfall. 2014 lanserade Dassault Systemes och FDA SIMULIA Living Heart, ett projekt som arbetar med enhets­tillverkare för att utveckla och förbättra kardiovaskulära enheter i en snabbare takt. Vid pandemins början utvecklade OnScale Project BreathEasy, en digital tvilling av lungorna hos COVID-19-patienter för att förbättra och optimera användningen av ventilatorresurser.

Medicinska forskare använder också digitala tvillingssjukdomsmodeller för att förutsäga effekten av farmakologiska ingrepp baserat på komplexa, extremt individuella biologiska processer. Takeda Pharmaceuticals har antagit teknologin för att förkorta farmakologiska processer och göra realistiska indata-utdata-prediktioner för biokemiska reaktioner. Nyligen använde forskare digital tvillingsteknologi för att simulera terapiresultat och bestämma den bästa behandlingen för orofaryngeal carcinom baserat på individen.

Kronisk sjukdomshantering är den nästa fronten

En nylig artikel publicerad i Nature hävdar att digitala tvillingar är “redo att göra betydande bidrag” till cancer­vården, särskilt när det gäller att övervaka sjukdomens progression och utvärdera behandlingsresultat, som ökänt varierar från person till person. Samma artikel analyserar kardiovaskulära digitala tvillingar som matas med bild-, EHR-, genetisk och kontinuerlig bärbar data, och deras potential att förutsäga akuta kardiovaskulära händelser.

Dessa framsteg kommer att bana väg för livsförändrande hälsovårdsteknologier. Deras kraft ligger i ett koncept som är centralt för deras syfte: ingenting komplext är statiskt.

Detta är särskilt sant för våra biologiska system. En digital tvilling kräver tusentals datapunkter per dag, per individ, för att verkligen förstå samspelet mellan en individs biologi, kultur, livsstil, preferenser och hälsa. En del av dessa data samlas redan in av wearables och mobilappar, men utan en modell som sätter dessa data i sammanhanget med individen och deras vårdresa, är de rudderlösa.

I kronisk sjukdomshantering kan de små sakerna snabbt bli stora, livshotande saker. Och medan digital hälsa har väckt patienternas förhoppningar med uttryck som “personlig vård”, har de verktyg och metoder som har erbjudits människor inte tillgodosett deras unika behov och preferenser.

Digital tvilling-AI kommer att vända denna ansats på huvudet genom att hjälpa oss bättre förstå och förbättra vår hälsa på ett djupt personligt plan. Det är en teknik som är redo att infria löftet om individualiserad vård. Digitala tvillingar och de verktyg och metoder som har erbjudits människor har inte tillgodosett deras unika behov och preferenser. Digital tvilling-AI kommer att vända denna ansats på huvudet genom att hjälpa oss bättre förstå och förbättra vår hälsa på ett djupt personligt plan. Det är en teknik som är redo att infria löftet om individualiserad vård.

Terry Poon är medgrundare till Twin Health och driver visionen för teknikutvecklingen. Han leder utvecklingen av Twins innovativa plattform och unika algoritmer för att förbättra människors metabola hälsa med hjälp av IoT, maskinlärande och Digitala tvillingteknologier.

Före Twin var Terry VP of Engineering på Jasper Technologies, där han byggde globala mjukvaruutvecklingsteam och tjänstgjorde som ledande arkitekt för företagets IoT-molnplattform. Dessutom ledde Terry ingenjörsinsatserna för Jaspers lansering på den kinesiska marknaden, den snabbast växande i företagets historia. Före Jasper hade Terry ingenjörs- och ledningspositioner på Oracle.