AI eksperti apspriež, kā integrēt izturīgu AI veselības aprūpē, kāpēc starpdisciplinārā sadarbība ir kritiska, un ģeneratīvās AI potenciāls pētniecībā.
Feifei Li un Lloyd Minor sniedza atklāšanas piezīmes Stenfordas Universitātes Medicīnas skolā 14. maijā. Stīvs Zivs Stenfordas Universitātes Medicīnas skolā. Stīvs Zivs. Stīvs Zivs.
Lielākajai daļai cilvēku iemūžinātā mākslīgā intelekta ir bijis kaut kāds “AHA” brīdis, atverot prātu iespēju pasaulei. Inaugural Race veselības simpozijā 14. maijā Lloyd Minor, MD, Stenfordas Universitātes Medicīnas skolas dekāns un Stenfordas universitātes medicīnas lietu viceprezidents, dalījās savā skatījumā.
Kad vienam ziņkārīgam pusaudzim tika lūgts apkopot savus secinājumus par iekšējo ausi, viņš pagriezās pret ģeneratīvo mākslīgo intelektu. "Es jautāju:" Kas ir Superior Canal Dehiscence sindroms? " Nepilngadīgais stāstīja gandrīz 4000 simpozija dalībniekiem. Dažu sekunžu laikā parādījās vairākas rindkopas.
"Viņi ir labi, ļoti labi," viņš teica. “Ka šī informācija tika apkopota kodolīgā, parasti precīzā un skaidri noteiktā slimības aprakstā. Tas ir diezgan ievērojams. ”
Daudzi dalījās Minores satraukumā par pusdienas pasākumu, kas bija RIVE Health Initiative izaugsme-projekts, kuru uzsāka Stenfordas Universitātes Medicīnas skola un Stenfordas uz cilvēku vērsta mākslīgā intelekta institūts (HAI), lai vadītu mākslīgā mākslīgā izmantošanas izmantošanu. inteliģence. Intelekts biomedicīnas pētījumos, izglītībā un pacientu aprūpē. Runātāji pārbaudīja, ko nozīmē mākslīgā intelekta ieviešana medicīnā tādā veidā, kas ir noderīgs ne tikai ārstiem un zinātniekiem, bet arī caurspīdīgs, taisnīgs un taisnīgs pacientiem.
"Mēs uzskatām, ka šī ir tehnoloģija, kas uzlabo cilvēku spējas," sacīja Fei-Fei Li, Stenfordas inženierzinātņu skolas datorzinātņu profesors, Race Health direktors ar nelielu projektu un Hai līdzdirektoru. Pēc paaudzes pēc paaudzes var parādīties jaunas tehnoloģijas: no jaunām antibiotiku molekulārajām sekvencēm līdz bioloģiskās daudzveidības kartēšanai un fundamentālās bioloģijas slēpto daļu atklāšanai AI paātrina zinātnisku atklājumu. Bet ne viss tas ir izdevīgi. “Visām šīm lietojumprogrammām var būt neparedzētas sekas, un mums ir nepieciešami datorzinātnieki, kuri atbildīgi izstrādā un ievieš [mākslīgo intelektu], strādājot ar dažādām ieinteresētajām personām, sākot no ārstiem un ētikas… līdz drošības ekspertiem un ārpus tās,” saka viņa. "Tādas iniciatīvas kā paaugstināt veselību parāda mūsu apņemšanos to ievērot."
The consolidation of three divisions of Stanford Medicine—the School of Medicine, Stanford Health Care and the Stanford University School of Child Health Medicine—and its connections to other parts of Stanford University have put it in a position where experts are grappling with the development of Mākslīgais intelekts. Pārvaldības un integrācijas jautājumi veselības aprūpes un medicīnas jomā. Medicīna, dziesma aizgāja.
“Mēs esam labi pozicionēti kā mākslīgā intelekta izstrādes un atbildīgas ieviešanas pionieri, sākot no pamatlīmeņu fundamentāliem atklājumiem un beidzot ar zāļu izstrādes uzlabošanu un klīnisko izmēģinājumu procesu padarīšanu efektīvāk, līdz pat faktiskai veselības aprūpes pakalpojumu sniegšanai. Veselības aprūpe. Veselības aprūpes sistēmas izveidošanas veids, ”viņš sacīja.
Vairāki runātāji uzsvēra vienkāršu koncepciju: koncentrējieties uz lietotāju (šajā gadījumā pacientam vai ārstam) un viss pārējais sekos. "Tas pacientam liek visam, ko mēs darām," sacīja Dr Lisa Lehmann, Brigham un Sieviešu slimnīcas bioētikas direktore. "Mums jāapsver viņu vajadzības un prioritātes."
No kreisās uz labo pusi: stat ziņu enkurs Mohana Ravindranath; Džesika Pītera Lī no Microsoft Research; Biomedicīnas datu zinātnes profesore Silvija plevrīts apspriež mākslīgā intelekta lomu medicīniskajā pētījumā. Stīvs Zivis
Runātāji uz paneļa, kurā ietilpa Lehmans, Stenfordas universitātes medicīnas bioētiķis Mildred Cho, MD un Google galvenais klīniskais virsnieks Maikls Hovels, MD, atzīmēja slimnīcu sistēmu sarežģītību, uzsverot nepieciešamību izprast to mērķi pirms jebkādas iejaukšanās. Ieviesiet to un pārliecinieties, ka visas attīstītās sistēmas ir iekļaujošas un klausās cilvēkus, kuriem viņi ir izstrādāti, lai palīdzētu.
Viena atslēga ir caurspīdīgums: tas skaidri norāda, no kurienes nāk algoritma apmācības dati, kāds ir algoritma sākotnējais mērķis, un vai turpmākie pacientu dati turpinās palīdzēt algoritmam mācīties, cita starpā.
"Mēģinājums paredzēt ētiskas problēmas, pirms tās kļūst par nopietnām [līdzekļiem], atrodot perfektu saldo vietu, kur jūs pietiekami zināt par tehnoloģiju, lai tam būtu zināma uzticība, bet ne pirms [problēma] izplatās tālāk un ātrāk to atrisina." , Sacīja Dentons Čars. Medicīnas zinātņu kandidāts, Pediatriskās anestezioloģijas, perioperatīvās medicīnas un sāpju medicīnas asociētais profesors. Viņš saka, ka viens galvenais solis ir visu ieinteresēto personu identificēšana, kuras varētu ietekmēt tehnoloģija, un noteikt, kā viņi paši vēlētos atbildēt uz šiem jautājumiem.
Džesijs Ehrenfelds, Amerikas Medicīnas asociācijas prezidents MD, apspriež četrus faktorus, kas veicina jebkura digitālās veselības rīka pieņemšanu, ieskaitot tos, kurus darbina mākslīgais intelekts. Vai tas ir efektīvs? Vai tas darbosies manā iestādē? Kas maksā? Kas ir atbildīgs?
Stenfordas veselības aprūpes galvenais informācijas virsnieks Maikls Pfefers, MD, minēja nesenu piemēru, kurā daudzi no jautājumiem tika pārbaudīti starp medmāsām Stenfordas slimnīcās. Ārsti atbalsta lielas valodas modeļi, kas nodrošina sākotnējās anotācijas ienākošajiem pacienta ziņojumiem. Lai arī projekts nav ideāls, ārsti, kuri palīdzēja attīstīt tehnoloģijas ziņojumu, ka modelis atvieglo viņu darba slodzi.
“Mēs vienmēr koncentrējamies uz trim svarīgām lietām: drošību, efektivitāti un iekļaušanu. Mēs esam ārsti. Mēs dodam zvērestu, lai “nekaitētu”, sacīja Nina Vasan, MD, psihiatrijas un uzvedības zinātņu klīniskā asistente, kura pievienojās Char, un Pfeffer pievienojās grupai. "Tam vajadzētu būt pirmajam veidam, kā novērtēt šos rīkus."
Nigam Shah, MBBS, Ph.D., medicīnas un biomedicīnas datu zinātnes profesors, sāka diskusiju ar šokējošu statistiku, neskatoties uz taisnīgu brīdinājumu auditorijai. "Es runāju vispārīgi un skaitļos, un dažreiz tie mēdz būt ļoti tieši," viņš teica.
Pēc Šaha teiktā, AI panākumi ir atkarīgi no mūsu spējas to mērogot. “Pareiza zinātniskā pētījuma veikšana par modeli prasa apmēram 10 gadus, un, ja katra no 123 stipendiju un rezidentūras programmām gribētu pārbaudīt un izvietot modeli šajā stingrības līmenī, būtu ļoti grūti izdarīt pareizu zinātni, jo mēs šobrīd organizējam Mūsu centieni un [pārbaude]] tas maksātu 138 miljardus dolāru, lai pārliecinātos, ka katra no mūsu vietnēm darbojas pareizi, ”sacīja Šahs. “Mēs to nevaram atļauties. Tāpēc mums jāatrod veids, kā paplašināties, un mums ir jāpaplašina un jādara laba zinātne. Stingrības prasmes ir vienā vietā, un mērogošanas prasmes ir citās, tāpēc mums būs nepieciešama šāda veida partnerība. ”
Asociētais prāvests Juans Ešlijs un Mildred Cho (uzņemšana) apmeklēja RISE Health Workshop. Stīvs Zivis
Daži simpozija runātāji sacīja, ka to var panākt, izmantojot publiski un privātās partnerības, piemēram, neseno Baltā nama izpildrakstu par drošo, drošu un uzticamu mākslīgā intelekta attīstību un izmantošanu un veselības aprūpes mākslīgā intelekta konsorciju (chai). ).
"Publiskā un privātā sektora partnerība ar lielāko potenciālu ir starp akadēmisko aprindu, privāto sektoru un valsts sektoru," sacīja Laura Adams, Nacionālās medicīnas akadēmijas vecākā padomniece. Viņa atzīmēja, ka valdība var nodrošināt sabiedrības uzticēšanos, un akadēmiskie medicīnas centri to var. Nodrošiniet leģitimitāti, un privātais sektors var nodrošināt tehnisko kompetenci un datora laiku. "Mēs visi esam labāki nekā jebkurš no mums, un mēs atzīstam, ka… mēs nevaram lūgt realizēt [mākslīgā intelekta] potenciālu, ja vien mēs nesaprotam, kā mijiedarboties savā starpā."
Vairāki runātāji sacīja, ka AI arī ietekmē pētījumus neatkarīgi no tā, vai zinātnieki to izmanto, lai izpētītu bioloģiskās dogmas, prognozētu jaunas sintētisko molekulu secības un struktūras, lai atbalstītu jaunas ārstēšanas metodes, vai pat palīdz viņiem apkopot vai rakstīt zinātniskus dokumentus.
"Šī ir iespēja redzēt nezināmo," sacīja Džesika Mega, MD, Stenfordas Universitātes Medicīnas skolas kardioloģe un Alphabet's Patiesības līdzdibinātāja. Mega pieminēja hiperspektrālo attēlveidošanu, kas atspoguļo attēla īpašības, kas nav redzamas cilvēka acij. Ideja ir izmantot mākslīgo intelektu, lai noteiktu modeļus patoloģijas slaidos, kurus cilvēki neredz, ka tas norāda uz slimību. “Es aicinu cilvēkus aptvert nezināmo. Es domāju, ka visi šeit zina kādu ar kaut kādu medicīnisku stāvokli, kuram ir nepieciešams kaut kas ārpus tā, ko mēs šodien varam sniegt, ”sacīja Mejia.
Žūrijas locekļi arī vienojās, ka mākslīgā intelekta sistēmas nodrošinās jaunus veidus, kā identificēt un apkarot neobjektīvu lēmumu pieņemšanu, neatkarīgi no tā, vai tie ir cilvēki, vai mākslīgais intelekts, ar iespēju noteikt neobjektivitātes avotu.
“Veselība ir vairāk nekā tikai medicīniskā aprūpe,” piekrita vairāki paneļnieki. Runātāji uzsvēra, ka pētnieki bieži ignorē veselības sociālos faktorus, piemēram, sociālekonomisko stāvokli, pasta indeksu, izglītības līmeni un rasi un etnisko piederību, vācot iekļaujošus datus un vervējot dalībniekus pētījumiem. “AI ir tikai tikpat efektīvs kā dati, uz kuriem modelis ir apmācīts,” sacīja Mišela Viljamsa, Hārvardas universitātes epidemioloģijas profesore un Stenfordas Universitātes Medicīnas skolas epidemioloģijas un iedzīvotāju veselības asociētā profesore. “Ja mēs darām to, ko cenšamies darīt. Uzlabot veselības rezultātus un novērst nevienlīdzību, mums ir jānodrošina, lai mēs apkopotu augstas kvalitātes datus par cilvēku uzvedību un sociālo un dabisko vidi. ”
Natālija Pagelere, MD, Pediatrijas un medicīnas klīniskā profesore, sacīja, ka apkopoti vēža dati bieži izslēdz datus par grūtniecēm, radot neizbēgamas aizspriedumus modeļos un saasinot esošās atšķirības veselības aprūpē.
Dr Deivids Magnuss, pediatrijas un medicīnas profesors, sacīja, ka, tāpat kā jebkura jauna tehnoloģija, mākslīgais intelekts var padarīt lietas daudzos veidos vai pasliktināt. Magnuss sacīja, ka mākslīgā intelekta sistēmas uzzinās par nevienlīdzīgiem veselības rezultātiem, ko virza veselības sociālie faktori, un pastiprinās šos rezultātus, izmantojot to izlaidi. "Mākslīgais intelekts ir spogulis, kas atspoguļo sabiedrību, kurā mēs dzīvojam," viņš teica. "Es ceru, ka katru reizi, kad mums būs iespēja parādīt gaismu kādā jautājumā - turēt spoguli sev līdzi - tas kalpos kā motivācija uzlabot situāciju."
Ja jūs nevarējāt apmeklēt RISE Health Workshop, sesijas ierakstu var atrast šeit.
Stenfordas Universitātes Medicīnas skola ir integrēta akadēmiskās veselības aprūpes sistēma, kas sastāv no Stenfordas Universitātes Medicīnas skolas un pieaugušo un pediatriskās veselības aprūpes piegādes sistēmām. Kopā viņi pilnībā realizē biomedicīnas potenciālu, izmantojot sadarbības pētījumus, izglītību un klīnisko pacientu aprūpi. Lai iegūtu papildinformāciju, apmeklējiet vietni med.stanford.edu.
Jauns mākslīgā intelekta modelis palīdz Stenfordas slimnīcas ārstiem un medmāsām strādāt kopā, lai uzlabotu pacientu aprūpi.
Pasta laiks: jūlijs-19-2024