5 esempi del mondo reale di AI nella sanità

0

Le applicazioni e gli esempi di L'intelligenza artificiale nell'assistenza sanitaria hold the promise of affordable assistenza sanitaria, improved success rates, efficient studi clinicie una migliore qualità di vita. Se la maggior parte di noi conosce l'IA nel contesto di Alexa, Siri o delle auto a guida autonoma, ora stiamo lentamente comprendendo il potenziale delle applicazioni cliniche dell'IA. Il costante aumento dell'impatto dell'IA intelligenza artificiale nell'assistenza sanitaria può essere esemplificato guardando i seguenti cinque settori dell'industria sanitaria.

Ecco gli esempi di intelligenza artificiale nella sanità

1) Assistenza dell'intelligenza artificiale nel "mantenersi bene"

Una delle applicazioni potenziali dell'intelligenza artificiale nell'assistenza sanitaria, che ha un impatto diretto sui consumatori, è la sua capacità di aiutare le persone a rimanere in salute. Con l'aumento di Internet delle cose mediche (IoMT) in consumer health applications, this application is growing in leaps and bounds in the last decade. Healthcare apps encourage healthy behavior among individuals. With mainstream companies like Apple now making tracking cardiac health, fall detection and emergency SOS major products of their portfolio, it looks like IoMT is here to stay. A report by Allied Market Research says that the Il mercato dell'assistenza sanitaria IoT raggiungerà $136,8 miliardi in tutto il mondo entro il 2021, con un CAGR 12.5% tra il 2015 e il 2021.

2) Chirurgia robotica assistita dall'intelligenza artificiale

In termini di pratica, anche se ancora agli inizi, l'IA può aiutare a migliorare le prestazioni chirurgiche. In genere, il risultato di un intervento chirurgico, in particolare, una procedura nuova o complessa, può variare con l'abilità dei chirurghi. L'utilizzo dell'IA può ridurre queste variazioni caso per caso e persino aiutare a migliorare l'efficienza anche dei migliori chirurghi. Per esempio, i robot controllati dall'IA possono fornire un ingrandimento tridimensionale per l'articolazione ed eseguire con più precisione e miniaturizzazione. I robot controllati dall'IA possono eseguire atti basilari di taglio e cucitura di precisione. Nel 2017, abbiamo assistito a chirurghi che hanno usato Robotica assistita dall'AI per suturare vasi sanguigni estremamente stretti - da 0,03 a 0,08 millimetri di diametro - presso il Maastricht University Medical Center, Paesi Bassi.

Naturalmente, il chirurgo controlla ancora la sutura robotica. Ci sono numerosi piccoli compiti complessi durante una procedura chirurgica, che richiedono assolutamente le competenze di un chirurgo sfumato. C'è ancora molta strada da fare prima di poter assistere a un'utopia dell'IA in cui i robot sostituiscano i chirurghi o gli infermieri. Tuttavia, per ora sono eccellenti aiutanti che possono ridurre la variabilità dei risultati.

3) Giudizio clinico o diagnosi

L'IA può e sta già migliorando la diagnosi precoce delle malattie, tra cui il cancro e le retinopatie. L'uso dell'IA nelle analisi e nella revisione di mammografie e radiologia le immagini possono accelerare il processo fino a 30 volte, e con una precisione 99%. Nel 2017, Università di Stanford published a study describing successful use of AI algorithms to detect skin cancer against the diagnosis of 21 dermatologists. Quest'anno, Google DeepMind la tecnologia ha addestrato con successo una rete neurale per rilevare più di 50 tipi di malattie degli occhi, analizzando le scansioni 3D della retina, in uno studio collaborativo con ricerca congiunta con Moorfields Eye Hospital, Londra, Regno Unito. Il più grande progresso di questo studio rispetto ai suoi predecessori è la spiegabilità di come il computer è arrivato ad alcune delle interpretazioni. Il superamento di una precedente scatola nera di interpretazione e inferenza dei dati rafforza l'affidabilità e la fiducia in questa applicazione.

Soprattutto, è importante riconoscere e sottolineare il vantaggio di combinare i poteri degli algoritmi di IA con i poteri dei medici. All'International Symposium on Biomedical Imaging, si è tenuto un concorso per sistemi computazionali che sono stati programmati per rilevare il cancro al seno metastatico da immagini bioptiche. Mentre il programma vincente ha fatto la diagnosi con un tasso di successo del 92,5%, combinandolo con l'opinione e la competenza dei patologi umani ha aumentato quel numero al 99,5% di successo.

4) Medicina di precisione

One of the most valuable examples of artificial intelligence in healthcare is precision medicine, which is currently touted as the paradigm-shifting healthcare practice. The foundation of precision medicine relies on the copious amounts of data collected from many disruptive technological innovations, including health sensors patients use at home, cheap genome sequencing and advanced biotecnologia. Precision medicine refers to “tailoring of medical treatment to the individual characteristics of each patient”. Medical practices are now rapidly shifting from making decisions based on few seemingly overlapping features among patients, to adopting a more personalized format.

Precision medicine depends on advanced supercomputing algorithms with deep learning and thus, uses the cognitive capabilities of physicians at a new scale. In this day and age of easy access to genomic data, one of the challenges is to plough through to identify genetic variants that increase disease risk. Intel, in collaborazione con lo Scripps Research Institute, CA, USA ha sviluppato un algoritmo di apprendimento profondo che potrebbe rilevare 23 pazienti con un aumento del rischio di malattie cardiovascolari, non identificati da metodi statistici convenzionali, con una precisione 85%. IBM Watson e Google DeepMind sono i leader nell'estrazione di cartelle cliniche, con l'obiettivo finale di creare un "assistente cognitivo" dotato di una serie di conoscenze cliniche, capacità analitiche e di ragionamento, accanto a.

5) Scoperta di farmaci

L'attuale formato degli studi clinici richiede decenni di ricerca e costa miliardi di dollari. Secondo la California Biomedical Research Association, "solo cinque su 5.000 dei farmaci che iniziano i test preclinici arrivano alla sperimentazione umana e solo uno di questi cinque viene approvato per l'uso umano". The use of AI in drug discovery can help pharmaceutical companies to streamline drug discovery as well as, drug repurposing. Many pharma giants, including Pfizer, Sanofi and Genetech are now partnering with AI service providers- IBM Watson, Exscientia’s artificial-intelligence and GNS Healthcare, respectively, to drive their oncologia drug discovery programs. AI can pinpoint to previously unknown causes of various diseases, and, enable testing of more compounds with higher accuracy and reproducibility. Using AI for drug discovery would enable us to get rid of the traditional trial and error approach and embrace a more patient-driven biology via using more data-derived predictive hypotheses. Atomwise, a sviluppo di farmaci company used AI to analyze if existing medicines could be redesigned to target the Ebola virus in 2016. An analysis that would have normally taken months or years by the conventional means, was instead accomplished in a single day, resulting in two potential hits. While, the in silico Le tecniche di modellazione diventano sempre più importanti nella moderna ricerca e sviluppo di farmaci (R&S), ma sono lontane dal sostituire la produttività standard di R&S dell'industria farmaceutica.

Mentre le pratiche di cui sopra sono alcune delle applicazioni AI più "cool", ciò che passa inosservato dietro le quinte, è l'assistenza al flusso di lavoro amministrativo da parte dell'AI con un valore stimato di $18 miliardi. L'AI ha mobilitato l'automazione dei lavori amministrativi che possono aiutare medici e infermieri nei loro lavori di routine di raccolta dei dati, registrazione e archiviazione a lungo termine. Sbarazzandosi delle parti ripetitive del lavoro di un medico, l'IA potrebbe assistere la disponibilità del custode per il paziente su base regolare.

Preoccupazioni etiche

Tutto il flash e il blitz dell'intelligenza artificiale nella sanità è accompagnato dal rovescio della medaglia: problemi di privacy dei dati e uso etico dell'IA. Alcune delle preoccupazioni etiche che circondano l'IA includono, ma non sono limitate a, domande come:

  • Chi sarebbe ritenuto responsabile degli errori delle macchine che possono portare a una cattiva gestione delle cure?
  • Un bias preesistente (sottogruppi di pazienti sottorappresentati o sovrarappresentati) nei dati utilizzati per l'addestramento dell'IA, rafforzerebbe il bias nella diagnosi e nelle analisi invece di eliminarlo?
  • I pazienti sarebbero informati della portata del ruolo dell'IA nel loro trattamento?
  • L'IA incoraggerebbe i pazienti a non chiedere consiglio a un medico e a indulgere nell'autodiagnosi e nelle medicine?
  • Gli operatori sanitari potrebbero sentirsi minacciati dall'IA per una potenziale perdita di autorità e autonomia? Questo potrebbe a sua volta influenzare la loro pratica medica?

Questi erano gli esempi di intelligenza artificiale nella sanità. Chiaramente, essendo una tecnologia imminente, l'IA è una corda tesa che richiede di essere percorsa con attenzione. Se usata responsabilmente, tenendo in vista i criteri etici e di privacy dei dati associati, l'IA può potenzialmente portare a una trasformazione senza precedenti nel modo in cui funziona l'industria sanitaria. E mentre questa transizione è in corso, è importante formare gli attuali professionisti medici sull'uso dell'IA. Dal momento che l'IA è una parola d'ordine attualmente avvolta dal clamore, è importante rendersi conto di cosa effettivamente aiuta e cosa no, per evitare di essere ingannati. Mentre l'intelligenza artificiale è lontana dall'eliminare il coinvolgimento umano nel settore sanitario, potrebbe sicuramente ribaltare i posti di lavoro a favore dei professionisti istruiti e che accettano l'intelligenza artificiale in questo settore.

 

———————-
Need to consult an Artificial Intelligence expert? Hire from over 16,000 scienziati freelance on Kolabtree. It’s free to post your project and get quotes from experts.


Kolabtree helps businesses worldwide hire freelance scientists and industry experts on demand. Our freelancers have helped companies publish research papers, develop products, analyze data, and more. It only takes a minute to tell us what you need done and get quotes from experts for free.


Unlock Corporate Benefits

• Secure Payment Assistance
• Onboarding Support
• Dedicated Account Manager

Sign up with your professional email to avail special advances offered against purchase orders, seamless multi-channel payments, and extended support for agreements.


Condividi.

L'autore

Maya Raghunandan ha ottenuto il suo dottorato in biochimica e biologia molecolare presso l'Università del Minnesota, Twin cities, USA. Attualmente, è una scienziata di biologia del cancro all'Université Catholique de Louvain, Bruxelles, Belgio. Nel suo tempo libero, scrive di interessanti scoperte scientifiche nel suo blog senza gergo http://www.sciencesnippets.org/. Perché la scienza non deve sembrare complicata. Invece, deve essere comprensibile per tutti.

Lascia una risposta