Trwa ładowanie...

Sztuczna inteligencja w branży medycznej

Sztuczna inteligencja wykorzystywana jest niemalże na całym świecie. Nowoczesna technologia, polegająca na tworzeniu modeli i programów symulujących częściowe zachowania inteligentne, stworzona została z myślą o m.in. rozrywce, przemyśle, handlu, nauce i branży zdrowotnej.

Share
Sztuczna inteligencja w branży medycznej
Sztuczna inteligencja w branży medycznejŹródło: materiały partnera
d1q2pfj

Coraz częstsze wykorzystywanie technologii AI w branży medycznej podyktowane jest zarówno prewencją, diagnostyką medyczną, jak i chęcią analizowania danych, dzięki którym łatwiej jest zdiagnozować i wprowadzić odpowiednie leczenie.

Oczywiście sztuczna inteligencja nie zastępuje wiedzy ekspertów i naukowców, ale jest solidnym filarem, współgrającym z ich codzienną pracą.

Sztuczna inteligencja dla poprawy procesów w branży medycznej

AI wzorowana jest na sieci neuronowej mózgu, a w swojej codziennej “pracy” wykorzystuje wiele warstw informacji - poczynając od algorytmów, po techniki uczenia głębokiego[4] i przetwarzanie kognitywne.

d1q2pfj

W dzisiejszych czasach ogromne ilości informacji przybrały formę elektroniczną. Duże zbiory danych są gromadzone w sposób ciągły, monitorując parametry fizjologiczne pacjentów[1]. Ostatecznie więc narzędzia opierane na technologii AI wykorzystują i rozpoznają surowe dane, które następnie można wykorzystywać w wielu obszarach. Podstawowym filarem jest zdolność opracowywania leków (tu w branży farmakologicznej), a także wybór terapii i środków operacyjnych. Wniosek? Pracownicy ochrony zdrowia otrzymują cenną pomoc, która usprawnia i nadaje efektywności ich codziennej pracy. 

Wzmożone stosowanie AI w medycynie rozpoczęło się na początku XXI wieku[2], kiedy to przetwarzane informacje dały obraz nie tylko schorzeń, ale także stawianej do tej pory diagnostyki. Dotychczas liczba zmiennych była zbyt ograniczona, aby stawiać hipotezy i kontynuować w związku z nimi badania naukowe. Porządek i organizację wprowadziła właśnie sztuczna inteligencja, która opiera się na uczeniu maszynowym[4] - głównie przy użyciu sztucznych sieci neuronowych oraz technologii głębokiego uczenia.

Z możliwości AI korzystają obecnie placówki medyczne na całym świecie, a tworzone projekty wspierają badania diagnostyczne i laboratoryjne. Tak oto na Łotwie, od 2017 roku, działa Centrum Innowacji, które tworzy projekt ułatwiający wykrywanie raka płuc. Podejmowana m.in, analiza genotypów pozwala stworzyć plan opłacalnego systemu opieki nad pacjentami onkologicznymi. To dzięki wdrożonym programom możliwe jest efektywniejsze, szybsze i łatwiejsze podejmowanie decyzji w zakresie walki z chorobą. Program zbiera dane z placówek prywatnych i szpitali (oczywiście w sposób anonimowy), następnie tworzy wielowymiarową analizę, a na końcu udostępnia informacje do dalszych badań i do stosowania prewencji w zakresie nowotworów. Na podobnych założeniach działa szpital w Pradze, który uchodzi za jeden z największych w kraju. W 2018 roku, decyzją zarządcy szpitala, wdrożono całkowity system cyfryzacji, który wspiera pracę ponad 7 tysięcy pracowników. Wykorzystywana w systemie sztuczna inteligencja ułatwia zarządzanie tak dużym obiektem, a decyzja podyktowana jest chęcią trafniejszych i szybszych diagnoz. Jak podają statystyki - onkolog przed stwierdzeniem schorzenia wykonuje około 4-godzinną analizę (w przeliczeniu na 1 pacjenta, który wykonał szereg wcześniejszych badań), a sztucznej inteligencji zajmuje to... kilka- kilkanaście minut.

Ponadto, przeprowadzone badania przez Ramesha[5] udowodniły, że to właśnie sztuczna inteligencja była wykorzystywana i najchętniej wprowadzana w niemalże każdym odłamie medycyny. Sztuczna sieć neuronowa oceniona została jako jedna z najskuteczniejszych i najczęściej używanych narzędzi analitycznych.

d1q2pfj

Obserwując więc rynek i branżę - w medycynie rośnie zapotrzebowanie na podejścia oparte na sztucznej inteligencji, które nie tylko działają dobrze, ale są godne zaufania, przejrzyste, interpretowalne i możliwe do wyjaśnienia przez eksperta[4]. Oczywiście wdrażanie innowacji zawsze wiąże się z pewnymi trudnościami, pytaniami i wyrzeczeniami, ale odpowiedni system i zaufany partner wspiera niezbędne wdrażanie, a co za tym idzie - rozwój technologiczny. Przykładem jest firma Anegis, która wspiera przedsiębiorstwa we wzroście, rozwoju i transformacji.

Zalety AI w medycynie

  • analiza danych pomaga nam uzyskać podsumowanie w kontekście klinicznym (np. w określonym czasie i w towarzystwie określonych chorób towarzyszących)[1],
  • procesy analityczne dotyczą zarówno zdarzeń przeszłych, jak i przyszłych przewidywań[7] (wynikających z np. trendów), co pozwala oszacować np. jaki wiek lub historie chorób mają potencjalny wpływ na rozwój poszczególnych schorzeń,
  • zebrane dane pozwalają oszacować grupę ryzyka [3],
  • analizy odciążają zasoby ludzkie, podsumowując wiele zagadnień z zakresu np. doskonalenia usług medycznych,
  • informacje ostatecznie dostarczają cennej wiedzy, która pozwala na lepsze/sprawniejsze decyzje w zakresie leczenia[4],
  • porządkują ogrom danych, które mogą być przytłaczające w momencie stawianej diagnozy[4],
  • otwierają szereg możliwości, przekonując branżę medyczną do stosowania nowych, technologicznych rozwiązań[4],
  • redukują liczbę błędów ludzkich[3][4],
  • poprawa efektywności w branży farmaceutycznej (w tym wsparcie produkcji w branży farmaceutycznej),
  • wnioski stosować można w wielu gałęziach medycyny: robotyce, diagnostyce, w prowadzeniu statystyk medycznych, badań w zakresie biologii człowieka, w prowadzeniu dokumentacji medycznej i w systemach zarządzających zdrowiem[6],
  • umożliwiają redukcję kosztów, informując placówkę czy dany pacjent klasyfikuje się do np. dedykowanych programów zdrowotnych[3].

Bibliografia

[1] Horn, W. (2001). AI in medicine on its way from knowledge-intensive to data-intensive systems. Artificial Intelligence in Medicine, 23(1), 5-12.

[2] Altman, RB (1999). Sztuczna inteligencja w medycynie: spektrum wyzwań od opieki zarządzanej do medycyny molekularnej. AI Magazine , 20 (3), 67. https://doi.org/10.1609/aimag.v20i3.1467

d1q2pfj

[3] Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature medicine, 25(1), 44-56.

[4] Holzinger, A., Langs, G., Denk, H., Zatloukal, K., & Müller, H. (2019). Causability and explainability of artificial intelligence in medicine. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 9(4), e1312.

[5] Ramesh, A. N., Kambhampati, C., Monson, J. R., & Drew, P. J. (2004). Artificial intelligence in medicine. Annals of The Royal College of Surgeons of England, 86(5), 334.

[6]Hamet, P., & Tremblay, J. (2017). Artificial intelligence in medicine. Metabolism, 69, S36-S40.

d1q2pfj

Podziel się opinią

Share
d1q2pfj
d1q2pfj