Umjetna inteligencija u zdravstvu revolucionira industriju transformirajući sve, od kirurških postupaka i analize medicinskih slika pomoću umjetne inteligencije do dijagnostike bolesti, pa čak i upravljanja zdravstvom na državnoj razini.
Umjetna inteligencija u medicini nudi neviđenu preciznost, učinkovitost i pomoć usmjerenu na pacijenta pružajući napredne alate i sustave za podršku odlučivanju. Poboljšava dijagnostičku točnost, optimizira strategije liječenja i poboljšava kliničke ishode.
Alati umjetne inteligencije imaju potencijal nadmašiti ljudske sposobnosti u raznim aspektima zdravstvene zaštite, koristeći ogromne skupove podataka za poboljšanje točnosti, smanjenje troškova, uštedu vremena, minimiziranje pogrešaka i revolucioniranje personalizirane medicine.
Prije nego što se upustimo u praktičnu primjenu simbioze zdravlja i tehnologije, bitno je procijeniti ogroman potencijal rasta tržišta, kao što je ovdje ilustrirano primjerom GenAI-a.
Izvor: Lemberg Solutions
Primjeri upotrebe
Integracija umjetne inteligencije u zdravstvo revolucionira skrb o pacijentima i pružanje usluga, nudeći značajne koristi i za pacijente i za pružatelje zdravstvene skrbi. Postoje različiti primjeri upotrebe i područja u kojima praktična primjena umjetne inteligencije ima značajan utjecaj, rješavajući specifične potrebe industrije i poboljšavajući operativnu učinkovitost.
Do kraja 2023. i početka 2024. godine, narativ o multimodalnosti dobio je još veći zamah u sferi umjetne inteligencije. S obzirom na to da je sama medicina u biti multimodalna, to se savršeno uklapa s okvirom praktične primjene.
Izvori „signala“ uključuju tekstualne i glasovne opise, medicinsku dokumentaciju i utvrđene protokole liječenja, istraživačke arhive, medicinske informacije s fotografija, elektroničke zdravstvene kartone, senzore, mikrofone, nosive uređaje, genomski kod i još mnogo toga.
Vrijednost praktičnih odluka ovisi o njihovoj sposobnosti da budu prikladne za integraciju s medicinskim podatkovnim centrom, osiguravajući besprijekorno uključivanje umjetne inteligencije u procese zdravstvene zaštite.
1. Obrada teksta i jezika
- Prepoznavanje dijagnoza na temelju tekstualnih/zvučnih opisa
- Identifikacija ključnih riječi ili ključnih točaka u opisima simptoma
- Strukturiranje, sažimanje i otkrivanje ključnih točaka i događaja u tekstualnim opisima
- Pretraživanje simptoma u slobodnom tekstu, posebno za pozivne centre
2. Upozorenja, predviđanja rizika i odabir optimalnih strategija i taktika liječenja.
- Rano određivanje i klasifikacija rizika
- Pretraživanje koegzistirajućih bolesti
Na primjer, Googleov odjel DeepMind pionir je u sustavu pokretanom umjetnom inteligencijom koji je sposoban predvidjeti akutno oštećenje bubrega (AKI) kod hospitaliziranih pacijenata do 48 sati unaprijed. Ovaj slučaj traje već 5 godina.
Posebno su moćni (iako složeni) slučajevi korištenja umjetne inteligencije u genetskim izračunima. Genetika je usko povezana s matematikom, stoga se korištenje modela u genetskim analizama i predviđanjima (nasljeđivanje itd.) čini razumnim. Analiza genetskih predispozicija, potencijalnih zdravstvenih rizika i personaliziranih mogućnosti medicine na temelju genetike pojedinca.
Shematski primjer modeliranja u genetici. Izvor: BioMed Central
Tempus Labs je razvio platformu koja koristi strojno učenje za analizu genomskih podataka i identifikaciju pacijenata s rizikom od razvoja specifičnih bolesti.
Snažna studija slučaja nastaje kada se promišljeno kombiniraju pojedinačni privatni skupovi podataka o određenom pacijentu (kao što je online medicinski karton koji sadrži sve prethodno provedene analize i opise, individualne tjelesne karakteristike i prilagodbu potrebnom protokolu i tijeku liječenja, terapijske doze lijekova itd.).
To se odnosi i na pojedinačne programe rehabilitacije za bolesne i ozlijeđene osobe prema njihovom povijesnom skupu podataka.
Prikupljanje, analiziranje i tumačenje vitalnih znakova i zdravstvenih pokazatelja pacijenta
1/ Analiza i interpretacija EKG-a
- Predviđanje srčanih abnormalnosti
- Klasifikacija EKG-a s više oznaka
- Povprecizno predviđanje rizika fibrilacije atrija (putem dubokih neuronskih mreža), uključujući kombinaciju EKG-a + procjene respiratorne modulacije.
- Predviđanje starenja krvnih žila i njegove korelacije s navikama pušenja
- Tekstualna interpretacija toka ključnih EKG podataka
- Otkrivanje EKG šuma i upozoravanje pacijenata ili medicinskog osoblja
- Neinvazivno otkrivanje hiperglikemije pomoću EKG-a i dubokog učenja
2/ Umjetna inteligencija u medicinskom snimanju, analiza i sažimanje vizualnih i audio istraživanja: ultrazvuk (UZV), rendgen, fluoroskopija, kompjuterizirana tomografija (CT), magnetska rezonancija (MRI), dermatoskopski pregledi, mikrobiološka i histološka istraživanja (obrada mikroskopskih slika pomoću umjetne inteligencije) i drugi pregledi koji uključuju prikupljanje i obradu vizualnih informacija.
Treniranjem modela na specijaliziranim skupovima podataka slika i analiza može se postići visoka točnost, često eliminirajući ljudske čimbenike i pogreške, posebno u prepoznavanju malih patologija na slikama. U tom kontekstu često se navodi primjer „konturiranja“ CT snimki za precizan izračun radioterapije u onkološkoj praksi. Taj proces može trajati i do 7 sati za jednog pacijenta.
Med-PaLM tvrtke Google. Izvor: https://sites.research.google/med-palm/
Druga studija pokazala je da korištenje umjetne inteligencije za očitavanje mamograma omogućuje otkrivanje 20% više slučajeva raka.
Što se tiče zvuka, spektar slučajeva upotrebe umjetne inteligencije kreće se od prikupljanja i obrade audio signala s kućnih mikrofona u pametnim telefonima (virtualni stetoskopi/fonendoskopi) do korištenja profesionalnih sustava za detaljnija istraživanja.
3/ Obrada i dešifriranje podataka prikupljenih iz krvi i drugih tvari uključuje kombiniranje širokog spektra normativnih pokazatelja za određene spolove/dobne skupine/itd., zajedno s podacima specifičnim za pacijenta tijekom vremena, što predstavlja jedan od najočitijih, ali i najmoćnijih slučajeva upotrebe umjetne inteligencije.
4/ Praćenje zdravlja i specijalizirani senzori
Primjeri uključuju praćenje dijabetesa, automatizaciju procesa dnevnika trudnoće, mjerače pulsa i analizatore krvnog tlaka, senzore temperature, oksigenacije itd.
U ovom scenariju, spektar slučajeva upotrebe je izuzetno širok, od svakodnevnih praćenja zdravlja do specijaliziranih platformi dizajniranih za nišne medicinske istraživačke svrhe. Umjetna inteligencija ovdje igra ključnu ulogu, isprepletena s ugrađenim tehnologijama i, u mnogim slučajevima, s integracijom IoT-a.
Vrijedi istaknuti opsežnu primjenu takvih analitičkih modela u forenzičkoj medicini. Tematsko istraživanje slučajeva upotrebe „AI Sherlock“ zaslužuje poseban članak.
Osim toga, ključno je naglasiti nužnu ključnu značajku koja bi trebala biti svojstvena medicinskim rješenjima umjetne inteligencije u svim spomenutim dijagnostičkim domenama. Ova značajka mora biti pomno razvijena i dokazana kako bi se postigla visoka točnost u performansama:
Detekcija anomalija i signala:
- Detekcija anomalija unutar tekstualnih i signalnih podataka
- Obrada signala i rudarenje podataka vođeno umjetnom inteligencijom unutar mjerenja uređaja
3. Fizička pomoć u kirurgiji
Fokus: Revolucioniranje preoperativnog planiranja, intraoperativne pomoći i postoperativne njege.
Obećavajuća fuzija robotike i umjetne inteligencije podrazumijeva izvođenje ultrapreciznih operacija putem robotske kirurgije, minimalno invazivne mikro- i nanokirurgije (kontrolirani kirurški mikroboti s ugrađenom umjetnom inteligencijom).
Očekuje se da će, s prosječnom godišnjom stopom rasta od 15,7%, tržište robotskih kirurških sustava koji koriste umjetnu inteligenciju dosegnuti 7,2 milijarde dolara do 2033. godine.
4. Specijalizirano farmakološko modeliranje
- Razvoj i „fino podešavanje“ lijekova
- Ubrzanje i optimizacija kliničkih laboratorijskih studija
Prema McKinsey Global Instituteu, strojno učenje (ML) i umjetna inteligencija (AI) u farmaceutskom sektoru imaju potencijal doprinijeti američkom zdravstvenom sustavu s otprilike 100 milijardi dolara godišnje.
Jedan od najistaknutijih primjera je ubrzani razvoj i testiranje sljedeće generacije cjepiva protiv COVID-19 (prije je takvo testiranje trajalo godinama i desetljećima).
5. Tehnička + softverska rješenja za mobilnu zdravstvenu skrb
Google u svom istraživanju ističe pomak prema mobilnoj medicini. Kao rezultat toga, brojni startupi i radne skupine diljem svijeta razvijaju mobilna ML rješenja koja se mogu donijeti pacijentu, umjesto da pacijenta dovedu u kliniku (pokretana ML-om).
Prema Google Researchu, testiran je jeftin ultrazvučni uređaj koji se napaja baterijama i pametnim telefonom, a pokazao je točnost usporedivu s postojećim kliničkim standardima za profesionalne sonografe u dijagnosticiranju fetalnih pokazatelja.
Izvor: Google Research
Drugi važan slučaj upotrebe uključuje korištenje rješenja temeljenih na umjetnoj inteligenciji (često u kombinaciji s hardverskim komponentama) za hitnu i terensku medicinu (upotreba u borbenim zonama, hitnim situacijama itd.).
6. Upotreba u obrazovnom procesu na medicinskim sveučilištima i za procjenu znanja liječnika i studenata
Rasprava se prvenstveno vrtjela oko procesa testiranja modela Google Med-PaLM 2. Modelu su postavljana pitanja, odgovori su unakrsno provjeravani i provedena je kalibracija.
Ovi slučajevi upotrebe umjetne inteligencije protežu se dalje od samog obrazovanja i procjene znanja, nudeći olakšavanje kroz određenu razinu pojednostavljenja i oblik gamifikacije. Druga prednost leži u korištenju takvih medicinskih AI rješenja za stvaranje vjerodostojnih obrazovnih simulacija.
Upravljanje pacijentima i podacima, administrativna aplikacija
- Grupiranje pacijenata
- Uparivanje liječnika na temelju opisa simptoma
- Prikupljanje podataka od liječnika i njihova standardizacija
- Podrška pozivnog centra za psihologe, pružanje scenarija razgovora u stvarnom vremenu za interakcije s pacijentima
- Upravljanje logističkim i operativnim procesima na razini medicinskih ustanova
- Asistent za ljudske resurse, korporativno blagostanje i usklađenost s medicinskim propisima za poslodavce
To također otvara širok raspon praktičnih primjena: od CV + OCR do analize i upravljanja tekstualnim informacijama putem NLP / LLM ili vlasničkih modela.
Optimizacija radnog opterećenja stručnjaka koji pružaju osnovne konzultacije, registriraju pacijente, zakazuju termine i obavljaju razne funkcije recepcije. U ovom slučaju, praktični slučajevi upotrebe uključuju spektar od osnovnih chatbotova do naprednih multimodalnih agenata s raznim API poboljšanjima.
Regard, ranije poznat kao HealthTensor, alat pokretan strojnim učenjem, može analizirati podatke o pacijentima kako bi identificirao obrasce koji mogu ukazivati na prisutnost istodobnih bolesti. Sada su svoj fokus preusmjerili na automatizaciju kliničkih zadataka za kliničare i administratore. Integracijom s EHR-om, Regard skenira i organizira cijelu medicinsku povijest pacijenta, pomažući liječnicima u donošenju odluka temeljenih na podacima. Drugi fokus ovog medicinskog AI rješenja su bolničke financije, sigurnost pacijenata, upiti kodiranja, obrada dokumenata osiguranja itd.
7. Telemedicina i mobilne aplikacije s multimodalnim LLM agentima (Asistentima ispod haube)
- „Vodič za mlade liječnike“
- Svakodnevno odgovaranje na medicinska pitanja, provjera simptoma, zdravstveni savjetnik, medicinski „prevoditelji“ i tumači itd.
- Medicina + dijetetika: odabir dopuštene prehrane
- Mobilne aplikacije/agenti za poboljšanje kvalitete života za određena stanja kao što su „Asistent za alergije“, „Asistent za dijabetes“
- Individualni programirani kalendar za preglede i praćenje zdravlja
- Virtualni asistenti za brigu o starijim osobama i osobama s posebnim potrebama itd.
- Pretraživanje i odabir pružatelja usluga, kao što su bolnice (integracija temeljena na geolokaciji s kartama i imenicima).
- Aplikacija za mentalno zdravlje. Ova tema i dalje dobiva na popularnosti posljednjih nekoliko godina.
Završne napomene
Prije zaključka, vrijedi napomenuti da je sve ovo odavno nadišlo područja eksperimentiranja i teoretiziranja. I industrijski divovi poput Googlea i manji startupi aktivno su uključeni u projekte na presjeku zdravstvene tehnologije i umjetne inteligencije.
Pogled na prezentaciju Google Med-PaLM 2 otkriva da je s točnošću modela od 67,2% značajno nadmašio svoje najbliže konkurente (uzimajući u obzir Googleovu sklonost odabiru najboljih rezultata u javnim prezentacijama).
Izvor: Google Research
U bliskoj budućnosti bit će zanimljivo svjedočiti novom skupu konkurenata i njihovim metrikama točnosti i učinkovitosti. Tijekom protekle godine od ove prezentacije, mogućnosti modela značajno su napredovale, dijelom zbog ubrzanog samousavršavanja, samoindukcije i AutoML-a.
Korištenje sinergije umjetne inteligencije i zdravstvene zaštite nadilazi puku automatizaciju procesa i smanjenje troškova. Podrazumijeva sveobuhvatno poboljšanje učinkovitosti alata i resursa usmjerenih na očuvanje i poboljšanje ljudskog zdravlja. Također predviđa proboje i evoluciju u razvoju medicinskih tehnologija.
Trebate li rješenja umjetne inteligencije i zdravstvene tehnologije? Zakažite kratki uvodni poziv. Uvjereni smo da imamo nešto vrijedno za ponuditi.