Τεχνητή νοημοσύνη στην ιατρική: οι κύριες τάσεις στον κόσμο. Η τεχνητή νοημοσύνη στην ιατρική Η τεχνητή νοημοσύνη έχει διδαχθεί να προβλέπει ένα έμφραγμα καλύτερα από τους γιατρούς

Η χρήση της τεχνητής νοημοσύνης στην ιατρική ήδη σήμερα μπορεί να βελτιώσει σημαντικά την ακρίβεια των διαγνωστικών, να διευκολύνει τη ζωή των ασθενών με διάφορες ασθένειες, και με την ανάπτυξη της τεχνολογίας θα κάνει πραγματικότητα την εμφάνιση υπερ-αποτελεσματικών προσωπικών φαρμάκων, καθώς και ενός προσωπικού ιατρικού βοηθού σε κάθε smartphone. Το MedAboutMe μιλά για τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη (AI) και την ιατρική.

Παρελθόν και μέλλον

Στις αρχές του 21ου αιώνα, μια από τις πιο εντυπωσιακές εξελίξεις ήταν ένα κοινό έργο μεταξύ του Πανεπιστημίου της Ουάσιγκτον, της Intel και της Elite Care για το σχεδιασμό ενός συστήματος τεχνητής νοημοσύνης που θα μπορούσε να φροντίζει τους ασθενείς με Αλτσχάιμερ και να βελτιώνει την ποιότητα ζωής τους. Αυτό το σύστημα θα βοηθήσει τους ασθενείς να αποκαταστήσουν τις απαραίτητες δεξιότητες για την επίλυση καθημερινών προβλημάτων. Το 2002, ανακοινώθηκε ότι θα χρειαζόταν τουλάχιστον πέντε χρόνια για να προετοιμαστούν όλες οι απαραίτητες συσκευές.

Τώρα οι προγραμματιστές έχουν ήδη ετοιμάσει τρεις συσκευές που δοκιμάζονται αυτήν τη στιγμή από φοιτητές του Πανεπιστημίου: αυτές είναι το Activity Compass, το ADL Monitor και το ADL Prompter, καθένα από τα οποία εκτελεί ορισμένες λειτουργίες για ουσιαστική βοήθεια στους ασθενείς. Έτσι, το Activity Compass θα σας βοηθήσει να πλοηγηθείτε στο διάστημα και να βρείτε το δρόμο προς τον προορισμό σας, ακόμα κι αν ο ασθενής έχει ξεχάσει πού πρέπει να πάει. Για να γίνει αυτό, ο Compass πρέπει να γνωρίζει απολύτως τα πάντα για το τι κάνει ο ασθενής και πώς επιτυγχάνει τους στόχους του. Αισθητήρας καθημερινές δραστηριότητεςΤο ADL Monitor παρακολουθεί τον ασθενή και σημειώνει μη φυσιολογική συμπεριφορά, αλλά για αυτό το σύστημα πρέπει πρώτα να μελετήσει την «φυσιολογική» συμπεριφορά του ασθενούς. Τέλος, το ADL Prompter θα σας βοηθήσει να ολοκληρώσετε πολύπλοκες εργασίες κουζίνας όπως το μαγείρεμα.

Ωστόσο, από το 2002, η τεχνολογία έχει κάνει ένα μεγάλο βήμα προς τα εμπρός και τόσο οι γίγαντες της πληροφορικής όσο και ολόκληρα κράτη έχουν ενταχθεί στα προγράμματα για την εισαγωγή της τεχνητής νοημοσύνης στην ιατρική. Σήμερα, οι επιστήμονες ελπίζουν ότι με τη βοήθεια της τεχνητής νοημοσύνης στο εγγύς μέλλον θα είναι δυνατό να καταλήξουν σε εξαιρετικά ακριβή (ή ακριβείας) ιατρική, εντός της οποίας θα είναι δυνατή η συνταγογράφηση ατομική θεραπείασε κάθε άτομο ξεχωριστά, λαμβάνοντας υπόψη τα μοναδικά γενετικά και άλλα χαρακτηριστικά του.

Οι ΗΠΑ έχουν ήδη ανακοινώσει την εκτόξευση πιλοτικά έργαγια την ανάπτυξη ιατρικής ακριβείας. Έτσι, μέχρι το 2019 θα πρέπει να επιλεγούν 1 εκατομμύριο εθελοντές που θα γίνουν συμμετέχοντες σε ειδική επιστημονική μελέτη. Θα πρέπει να δείχνει τη σχέση μεταξύ του τρόπου ζωής, περιβάλλον, οικονομική και κοινωνική θέση, γενετική και κατάσταση υγείας. Η τεράστια ποικιλία ιατρικών δεδομένων που λαμβάνονται με αυτόν τον τρόπο μπορεί να υποβληθεί σε επεξεργασία με χρήση τεχνητής νοημοσύνης. Μέχρι πρόσφατα, δεν υπήρχαν ούτε επαρκώς ισχυροί υπολογιστές ικανοί να επεξεργάζονται τέτοιο όγκο πληροφοριών, ούτε, στην πραγματικότητα, τα ίδια τα δεδομένα. Οι Ηνωμένες Πολιτείες σχεδιάζουν να δαπανήσουν 1 δισεκατομμύριο δολάρια για έρευνα τα επόμενα 4 χρόνια.

Γιατρός Γουάτσον

Τεχνικοί γίγαντες όπως η Google, η Amazon, η Microsoft και η Apple επενδύουν τεράστια ποσά στην ανάπτυξη τεχνητής νοημοσύνης για τη δημιουργία εξατομικευμένων μηχανών αναζήτησης ή ενός εικονικού προσωπικού βοηθού. Αλλά, αν μιλάμε για ιατρική, τότε ο πιο σημαντικός παίκτης και πάροχος ειδήσεων σε αυτήν την αγορά είναι η IBM και ο διάσημος υπερυπολογιστής της Watson. Μόνο για την εκπαίδευσή του, η IBM απέκτησε 30 δισεκατομμύρια ιατρικές εικόνες πέρυσι απορροφώντας το Merge Healthcare για 1 δισεκατομμύριο δολάρια. Τα 50 εκατομμύρια ανώνυμα ηλεκτρονικά ιατρικά αρχεία που έλαβε η IBM στη διάθεσή της, αγοράζοντας επίσης την εκκίνηση Explorys, μπορούν να προστεθούν στη διαδικασία εκπαίδευσης.

Η American Heart Association έχει ήδη ανακοινώσει ένα έργο που περιλαμβάνει την IBM Watson για τον εκσυγχρονισμό της θεραπείας καρδιαγγειακές παθήσεις. Ο υπερυπολογιστής θα αναλύσει τις βέλτιστες μεθόδους θεραπείας χρησιμοποιώντας το πρόγραμμα Workplace Health. Και οι γιατροί στο Νοσοκομείο Παίδων της Βοστώνης, που ειδικεύονται σε σπάνιες παιδικές ασθένειες, χρησιμοποιούν την IBM Watson για να κάνουν πιο ακριβείς διαγνώσεις: η τεχνητή νοημοσύνη θα αναζητήσει τις απαραίτητες πληροφορίες σε κλινικές βάσεις δεδομένων και επιστημονικά περιοδικά, τα οποία είναι αποθηκευμένα στο Watson Health Cloud.

Συγκεκριμένα, ο υπερυπολογιστής θα χρησιμοποιηθεί για τη διάγνωση και τη θεραπεία νεφρικών παθήσεων. Για να γίνει αυτό, η IBM Watson θα πρέπει να παρακολουθήσει ένα μάθημα crash στη νεφρολογία. Και το 2014, η IBM ανακοίνωσε μια συνεργασία με την Johnson & Johnson και τη φαρμακευτική εταιρεία Sanofi για να εργαστούν στην εκπαίδευση της Watson ώστε να κατανοεί τα αποτελέσματα. επιστημονική έρευνακαι κλινικές δοκιμές. Σύμφωνα με εκπροσώπους της εταιρείας, αυτό θα μειώσει σημαντικά τον χρόνο για κλινικές δοκιμές νέων φαρμάκων και οι γιατροί θα μπορούν να δίνουν φάρμακα που είναι τα πλέον κατάλληλα για έναν συγκεκριμένο ασθενή. Έτσι, με βάση τη συνεχώς εξελισσόμενη τεχνητή νοημοσύνη, η IBM προσφέρει πολλά επαναστατικά ιατρικά έργα.

Οι καινοτομίες έχουν επίσης αγγίξει τον τομέα της διάγνωσης υπολογιστών με ακτίνες ραδιοφώνου, που διαδραματίζει σημαντικό ρόλο στην ιατρική. Έτσι, το ίδιο 2014, η IBM ανακοίνωσε την ανάπτυξη του λογισμικού Avicenna ικανό να ερμηνεύει κείμενο και εικόνες. Για κάθε τύπο δεδομένων χρησιμοποιούνται ξεχωριστοί αλγόριθμοι. Έτσι, στο τέλος, ο Avicenna θα μπορεί να κατανοεί ιατρικές εικόνες και αρχεία και θα λειτουργεί ως βοηθός ακτινολογίας. Το 2016, το λογισμικό προγραμματίζεται να δοκιμαστεί τελικά σε πραγματικές συνθήκες.

Ένα άλλο έργο της IBM, το Medical Sieve, εργάζεται σε μια παρόμοια εργασία. Σε αυτή την περίπτωση, μιλάμε για την ανάπτυξη της τεχνητής νοημοσύνης "ιατρικός βοηθός", ο οποίος μπορεί γρήγορα να αναλύσει εκατοντάδες εικόνες για αποκλίσεις από τον κανόνα. Αυτό θα βοηθήσει τους ακτινολόγους και τους καρδιολόγους να αντιμετωπίσουν εκείνα τα ζητήματα στα οποία η τεχνητή νοημοσύνη εξακολουθεί να είναι ανίσχυρη.

Σούπερ αποτελεσματικά φάρμακα

Η τεχνητή νοημοσύνη θα βοηθήσει τα βιοφαρμακευτικά προϊόντα, βελτιστοποιώντας σοβαρά τις διαδικασίες δημιουργίας και εφαρμογής νέων φάρμακα. Σύμφωνα με τη βιοφαρμακευτική εταιρεία Berg, η μέση μελέτη ενός φαρμάκου διαρκεί 14 χρόνια και κοστίζει 2,6 δισεκατομμύρια δολάρια. Αυτό το χρονικό και οικονομικό κόστος ανάγκασε τις φαρμακευτικές εταιρείες να είναι επιλεκτικές στην ανάπτυξη φαρμάκων. Ωστόσο, με τη βοήθεια της τεχνητής νοημοσύνης, τόσο ο χρόνος όσο και το κόστος των δοκιμών μπορούν να μειωθούν σημαντικά, πράγμα που σημαίνει ότι στο μέλλον θα είναι δυνατή η ανάπτυξη φαρμάκων για ασθένειες που δεν έχουν καλυφθεί επαρκώς από την έρευνα.

Για παράδειγμα, ο Berg χρησιμοποιεί ήδη την τεχνητή νοημοσύνη στην έρευνά του, λαμβάνοντας υπόψη όλα τα είδη δεδομένων ασθενών, συμπεριλαμβανομένων εκείνων που δεν σχετίζονται άμεσα με την ιατρική. Η εταιρεία διαβεβαιώνει ότι αυτή η προσέγγιση έχει ήδη καταστήσει δυνατό τον εντοπισμό 25 νέων στόχων για τη θεραπεία και το κόστος της κλινικές δοκιμέςμειωθεί τουλάχιστον κατά το ήμισυ. Το κυριότερο, άλλωστε, δεν είναι η μείωση του κόστους, αλλά το γεγονός ότι τα φάρμακα γίνονται πολύ πιο αποτελεσματικά.

Χρησιμοποιώντας ένα άλλο σύστημα τεχνητής νοημοσύνης, το Emergent, οι ερευνητές κατάφεραν να εντοπίσουν πέντε νέους βιοδείκτες που θα μπορούσαν να στοχοποιηθούν από νέα φάρμακα για τη θεραπεία του γλαυκώματος. Σύμφωνα με τους επιστήμονες, για το σκοπό αυτό, στο σύστημα AI εισάγονται πληροφορίες για περισσότερες από 600 χιλιάδες συγκεκριμένες αλληλουχίες DNA 2,3 χιλιάδων ασθενών και δεδομένα για αλληλεπιδράσεις γονιδίων.

Οι επιστήμονες από το Πανεπιστήμιο του Δυτικού Οντάριο πιστεύουν ότι η τεχνητή νοημοσύνη είναι ένα ισχυρό εργαλείο για την πρόβλεψη των αποτελεσμάτων της χρήσης φάρμακα, καθώς το AI αναλύει όλα τα αλληλεπιδρώντα στοιχεία στη διαδικασία θεραπείας. Συγκεκριμένα, η μελέτη προέβλεψε ποιοι συγκεκριμένοι ασθενείς με καρκίνο του μαστού θα ωφελούνταν από τη χημειοθεραπεία με πακλιταξέλη.

Διάγνωση ασθενειών

Αναμένεται ότι η τεχνητή νοημοσύνη θα γίνει απαραίτητη για τη διάγνωση και την αποσαφήνιση ασθενειών. Χάρη στη δυνατότητα σύγκρισης δεδομένων, συλλογής και σύνθεσης πληροφοριών, η συμμετοχή της τεχνητής νοημοσύνης στα διαγνωστικά θα βοηθήσει στην ποιοτική βελτίωση των στατιστικών ιατρικά λάθηκαι να ενισχύσουν τον ρόλο της πρόληψης και πρόληψης ασθενειών μέσω της τεχνολογικής επιτήρησης των ασθενών. Οι εταιρείες που επιδιώκουν να λύσουν τέτοια προβλήματα προσελκύουν τη σοβαρή προσοχή των επενδυτών.

Έτσι, η ισραηλινή εταιρεία MedyMatch Technology, η οποία έχει μόνο 20 υπαλλήλους, συγκέντρωσε 2 εκατομμύρια δολάρια τον Φεβρουάριο του 2016. Επενδυτές έγιναν οι Genesis Capital Advisors και τα Exigent Alternative Capital. Χάρη σε νέα τεχνολογίαΜια startup που χρησιμοποιεί AI σε συνδυασμό με Big Data, οι γιατροί θα μπορούν να διαγνώσουν με μεγαλύτερη ακρίβεια ένα εγκεφαλικό επεισόδιο: σε πραγματικό χρόνο, το σύστημα MedyMatch συγκρίνει την εικόνα του εγκεφάλου ενός ασθενούς με εκατοντάδες χιλιάδες άλλες εικόνες που βρίσκονται στο «σύννεφο» του.

Είναι γνωστό ότι ένα εγκεφαλικό μπορεί να προκληθεί από δύο αιτίες: μια αιμορραγία στον εγκέφαλο και έναν θρόμβο. Κατά συνέπεια, κάθε μία από αυτές τις περιπτώσεις απαιτεί διαφορετική προσέγγιση στη θεραπεία. Ωστόσο, σύμφωνα με στατιστικά στοιχεία, παρά τη βελτίωση στον τομέα της αξονικής τομογραφίας, ο αριθμός των σφαλμάτων στη διάγνωση τα τελευταία 30 χρόνια δεν έχει αλλάξει και είναι περίπου 30%. Δηλαδή, σχεδόν σε κάθε τρίτη περίπτωση, ο γιατρός συνταγογραφεί λάθος θεραπεία στον ασθενή, η οποία οδηγεί σε θλιβερές συνέπειες.

Η American Heart Association, μαζί με την American Stroke Association, υπολόγισε ότι μέχρι το 2030 θα υπάρχουν 3,4 εκατομμύρια θύματα εγκεφαλικού στις Ηνωμένες Πολιτείες ετησίως, γεγονός που θα κοστίσει στην εθνική υπηρεσία υγείας 240 δισεκατομμύρια δολάρια. Επιπλέον, το 42% αυτού του ποσού, περίπου 183 δισεκατομμύρια δολάρια, οφείλονται σε ετήσιες άμεσες και έμμεσες ιατρικές δαπάνες για τη φροντίδα ασθενών με εγκεφαλικό. Το σύστημα MedyMatch είναι σε θέση να παρακολουθεί τις μικρότερες αποκλίσεις από τον κανόνα που ένας ειδικός δεν είναι πάντα σε θέση να παρατηρήσει, ελαχιστοποιώντας έτσι την πιθανότητα λάθους.

Mobile AI

Η τεχνητή νοημοσύνη (AI, Αγγλικά Artificial Intelligence, AI) είναι η επιστήμη και η τεχνολογία δημιουργίας ευφυών μηχανών, ιδιαίτερα ευφυών προγραμμάτων υπολογιστών. Η τεχνητή νοημοσύνη σχετίζεται με το παρόμοιο καθήκον της χρήσης υπολογιστών για την κατανόηση της ανθρώπινης νοημοσύνης, αλλά δεν περιορίζεται απαραίτητα σε βιολογικά εύλογες μεθόδους.

Δεν υπάρχει ενιαία απάντηση στο ερώτημα τι κάνει η τεχνητή νοημοσύνη. Σχεδόν κάθε συγγραφέας που γράφει ένα βιβλίο για την τεχνητή νοημοσύνη ξεκινά από κάποιο ορισμό σε αυτό, λαμβάνοντας υπόψη τα επιτεύγματα αυτής της επιστήμης υπό το πρίσμα της.

Υπάρχουν δύο κατευθύνσεις ανάπτυξης AI:

επίλυση προβλημάτων που σχετίζονται με την εγγύτητα εξειδικευμένα συστήματαΗ τεχνητή νοημοσύνη στις ανθρώπινες ικανότητες και η ενσωμάτωσή τους, η οποία υλοποιείται από την ανθρώπινη φύση·

τη δημιουργία τεχνητής νοημοσύνης, που αντιπροσωπεύει την ενσωμάτωση ήδη δημιουργημένων συστημάτων τεχνητής νοημοσύνης σε ένα ενιαίο σύστημα ικανό να λύσει τα προβλήματα της ανθρωπότητας.

Αλλά αυτή τη στιγμή, στον τομέα της τεχνητής νοημοσύνης, υπάρχει μια εμπλοκή πολλών θεματικών τομέων που είναι περισσότερο πρακτικοί παρά θεμελιώδεις για την τεχνητή νοημοσύνη. Πολλές προσεγγίσεις έχουν δοκιμαστεί, αλλά καμία ερευνητική ομάδα δεν έχει καταλήξει ακόμη στην εμφάνιση της τεχνητής νοημοσύνης.

Οι τομείς της ρομποτικής και της τεχνητής νοημοσύνης συνδέονται στενά μεταξύ τους. Η ενοποίηση αυτών των δύο επιστημών, η δημιουργία ευφυών ρομπότ αποτελούν μια άλλη κατεύθυνση της τεχνητής νοημοσύνης.

Η ρομποτική βασίζεται σε κλάδους όπως τα ηλεκτρονικά, η μηχανική, ο προγραμματισμός. Υπάρχει κατασκευαστική, βιομηχανική, οικιακή, αεροπορία και ακραία (στρατιωτική, διαστημική, υποβρύχια) ρομποτική.

Απαιτείται νοημοσύνη για τα ρομπότ για να χειρίζονται αντικείμενα, να πλοηγούνται με προβλήματα εντοπισμού (εντοπισμός, μελέτη κοντινών περιοχών) και να σχεδιάζουν κίνηση (πώς να φτάσετε στο στόχο).

Η ανάπτυξη και η παραγωγή ιατρικών ρομπότ στον 21ο αιώνα έχει επιτύχει τέτοια τεχνική και οικονομική επιτυχία που οι πληροφορίες για αυτά φαίνονται όλο και λιγότερο επιστημονική φαντασία κάθε χρόνο.

Η πρόοδος στον τομέα της ρομποτικής και των συστημάτων τεχνητής νοημοσύνης έχει αυξανόμενο αντίκτυπο στις ζωές των ανθρώπων καθημερινά. Κυριολεκτικάαυτή η λέξη. Οι τεχνικές και οικονομικές εξελίξεις στη ρομποτική έχουν οδηγήσει στο γεγονός ότι η ιατρική καταφεύγει όλο και περισσότερο στη βοήθεια των ρομπότ. Σήμερα, τα ιατρικά ρομπότ είναι ικανά να εκτελούν πολύπλοκες χειρουργικές επεμβάσεις, να βοηθούν στην πραγματοποίηση ακριβών διαγνώσεων, να φροντίζουν τους ασθενείς και ο κατάλογος των δυνατοτήτων τους δεν περιορίζεται σε αυτό.

Πώς λύνουμε τα προβλήματα υγείας μας, ειδικά αν είναι σοβαρά; Όλα ξεκινούν με την εύρεση μιας αξιοπρεπούς κλινικής και ενός κορυφαίου ειδικού στον τομέα τους. Και τώρα, φανταστείτε μια τέτοια εικόνα.

Η κλινική βρίσκεται, ο ειδικός είναι ο πιο επιτυχημένος σε αυτόν τον τομέα και δέχεται .... όλο το εικοσιτετράωρο!!!

Δεν έχει επώνυμο ή πατρώνυμο. Μόνο το όνομα του μοντέλου. Αυτό είναι ένα ρομπότ!

Εδώ, γενικά, η προοπτική για το εγγύς μέλλον. Στο μεταξύ, τα ρομπότ εργάζονται υπό την αυστηρή καθοδήγηση ενός έμπειρου γιατρού.

Ενότητες:

Λήστε τους γιατρούς

Ρομπομπλέγματα

Ρομποστές

Ρομποτικές προθέσεις

Ρομπότ μέσα μας

Ρομπότ αποκατάστασης

Robo-βοήθεια

Τι ιατρικά ρομπότκαι γιατί χρειάζονται

Ένα ιατρικό ρομπότ είναι ένα ρομπότ που έχει σχεδιαστεί για να εκτελεί οποιεσδήποτε ενέργειες που σχετίζονται με την ιατρική γενικά και την ανθρώπινη υγεία ειδικότερα. Δεκάδες συγγραφείς επιστημονικής φαντασίας σε εκατοντάδες έργα τους έχουν περιγράψει λεπτομερώς όλες τις πιθανές λειτουργίες, τα καθήκοντα των ιατρικών ρομπότ, ακόμη και τα χαρακτηριστικά της προτεινόμενης συσκευής τους. Σύμφωνα με αυτές τις περιγραφές, οι robo-medes του μέλλοντος εμφανίζονται με διάφορους τρόπους. Πρόκειται για πολύπλοκα μικροσκοπικά, αλλά πολύ έξυπνα «κιτ πρώτων βοηθειών» ενσωματωμένα σε διαστημική στολή και σταθερά ιατρικά συγκροτήματα που είναι ικανά να «αναστήσουν τους νεκρούς». Αναπτύχθηκε από επιστημονική φαντασία και δεκάδες μοντέλα βοηθών ρομπότ, νταντάδων και άλλων εργαζομένων στην υγιεινή. Υπάρχει ακόμη και μια παραλλαγή νανορομπότ που υπάρχουν συνεχώς στο ανθρώπινο αίμα, τα οποία είναι ικανά να αφαιρούν τις τοξίνες, να επουλώνουν πληγές και να κάνουν τους ήρωες φανταστικών ταινιών δράσης αδιαπέραστους με την κυριολεκτική έννοια.

Στην πραγματικότητα, τα ιατρικά ρομπότ αναπτύσσονται σε παρόμοιες γραμμές. Πρώτον, αυτά είναι χειρουργικά συμπλέγματα. Και παρόλο που η ανεξαρτησία τους στις αποφάσεις που παίρνουν είναι καθαρά υπό όρους, αυτά τα ιατρικά ρομπότ έχουν ήδη εκατοντάδες επιτυχημένες επεμβάσεις στον λογαριασμό τους.

Η δεύτερη θεμελιώδης κατεύθυνση σήμερα μπορεί να ονομαστεί η τάξη των βοηθών ρομπότ. Αυτές οι ρομποτικές νοσοκόμες είναι ανθρωποειδείς και όχι πολύ ανθρωποειδείς στην εμφάνιση, αλλά κάνουν μεγάλα βήματα για να βοηθήσουν το ανθρώπινο ιατρικό προσωπικό και τους ασθενείς.

Η τρίτη κατεύθυνση συνδέεται, πρώτα απ' όλα, με την προσθετική, την ανάπτυξη υποκατάστατων ανθρώπινων άκρων και τη δημιουργία εξωσκελετών. Τα τεχνητά «έξυπνα» μέλη όχι μόνο βοηθούν συγκεκριμένους ασθενείς, αλλά χρησιμεύουν και στην ανάπτυξη νέων τεχνολογιών ρομποτικής.

Κάπως μακριά από το μεγαλύτερο μέρος των ρομποτικών ιατρικών συσκευών βρίσκονται οχήματα για άτομα που έχουν χάσει την ικανότητα να κινούνται ανεξάρτητα. Είτε πρόκειται για ένα έξυπνα ελεγχόμενο αναπηρικό καροτσάκι είτε για ένα μέσο για την απομάκρυνση των τραυματιών από το πεδίο της μάχης.

Λοιπόν, πώς να κάνετε χωρίς ρομποτικά εκπαιδευτικά βοηθήματα για τους μελλοντικούς γιατρούς; Αυτά τα ιατρικά ρομπότ συστρέφονται από τον πονόδοντο, «γεννούν» παιδιά και υπομένουν άλλες κακουχίες που τους έχουν συμβεί.

Η παραπάνω λίστα κατευθύνσεων για την ανάπτυξη ιατρικών ρομπότ μπορεί να χρησιμεύσει ως απάντηση στο ερώτημα - γιατί χρειαζόμαστε καθόλου ιατρικά ρομπότ.

Επισκόπηση του Γενικού Διευθυντή της υπηρεσίας Doc + Ruslan Zaydullin.

Σε σελιδοδείκτες

Η τεχνητή νοημοσύνη (AI) δεν είναι ένα κυβερνητικό μυαλό, αλλά ένα σύστημα αλγορίθμων που βασίζονται στη μηχανική μάθηση. Οι επιστήμονες πιστεύουν ότι στο μέλλον, η τεχνητή νοημοσύνη θα μας απαλλάξει από την εκτέλεση εργασιών ρουτίνας σε πολλούς τομείς. Για παράδειγμα, η τεχνητή νοημοσύνη θα μπορούσε να έχει σημαντικό αντίκτυπο στην ιατρική.

«Έξυπνα» ιατρικά προϊόντα, υπηρεσίες και διαδικασίες αναπτύσσονται ήδη από εταιρείες όπως η IBM, η Google, η Apple, η Microsoft, η General Electric και πολλές άλλες: σύμφωνα με την ερευνητική εταιρεία Venture Scanner, υπάρχουν περισσότερες από 800 από αυτές. Οι ΗΠΑ, η Μεγάλη Βρετανία και το Ισραήλ είναι οι πιο δραστήριες.

Αναλυτές από την IDC υπολόγισαν ότι έως το 2018, το 30% ιατρικούς οργανισμούςπροσφέρει στους πελάτες υπηρεσίες βασισμένες στην τεχνητή νοημοσύνη. Σε αυτό το άρθρο, θα σας πούμε τι μπορούν να κάνουν τα έξυπνα συστήματα σήμερα και ποιος τα αναπτύσσει.

Επεξεργασία Δεδομένων Ασθενούς

Κάθε ιατρική εικόνα, πρωτόκολλο εξέτασης και αναμνησία περιέχει πληροφορίες που σας επιτρέπουν να διαγνώσετε με ακρίβεια και να συνταγογραφήσετε θεραπεία. Δυστυχώς, ακόμη και οι έμπειροι γιατροί δεν βλέπουν πάντα την πλήρη εικόνα της νόσου, επειδή τα δεδομένα στο ιατρικό αρχείο δεν είναι δομημένα και το ιατρικό ιστορικό μπορεί να είναι πολύ ογκώδες. Η αποτελεσματικότητά τους επηρεάζεται επίσης από την κούραση και, σε ορισμένες περιπτώσεις, την έλλειψη γνώσης σε στενές περιοχές.

Ορισμένες ασθένειες, όπως ο καρκίνος, μπορούν να νικηθούν εάν τα μη εμφανή συμπτώματα αναγνωριστούν εγκαίρως και ξεκινήσει η θεραπεία. Σύμφωνα με την Google, ένας στους δέκα ασθενείς υποφέρει από παρερμηνεία των ιατρικών πληροφοριών.

Η τεχνητή νοημοσύνη μπορεί να λύσει αυτό το πρόβλημα. «Έξυπνες» εξελίξεις για την αξιολόγηση της κατάστασης του ασθενούς και την προκαταρκτική διάγνωση προσφέρουν η Google (Deepmind Health) και η IBM (Watson Health).

Ένα παράδειγμα έξυπνων λύσεων mHealth είναι η υπηρεσία Ada. Η εφαρμογή για κινητά κάνει ερωτήσεις και το άτομο περιγράφει τα συμπτώματά του. Μετά από αυτό, το σύστημα πραγματοποιεί αναζήτηση στη βάση δεδομένων για πληροφορίες σχετικά με το πρόβλημα, κάνει συστάσεις και, σε ορισμένες περιπτώσεις, σας συμβουλεύει να επισκεφτείτε έναν γιατρό. Στη ρωσική αγορά, η DOC + αναπτύσσει τέτοιες λύσεις, καθώς και η Qapsula.

Υπάρχουν και άλλες παρόμοιες υπηρεσίες. Επιπλέον, είναι σε θέση να διαγνώσουν πολύπλοκες ασθένειες: για παράδειγμα, διαβητική αμφιβληστροειδοπάθεια. Ή ακόμα και να προβλέψει πιθανά προβλήματαμε την καρδιά σε φαινομενικά υγιείς ανθρώπους.

Ιδιαίτερη φροντίδα απαιτείται για άτομα που έχουν πάρει πρόσφατα εξιτήριο από το νοσοκομείο. Για αυτούς αναπτύχθηκε η εφαρμογή Sense.ly, βάση της οποίας είναι η ίδια τεχνητή νοημοσύνη.

Το σύστημα συλλέγει και αναλύει δεδομένα για την ανθρώπινη υγεία και τα στέλνει στον γιατρό. Εάν ο ειδικός παρατηρήσει πρόβλημα, στέλνει αμέσως τον ασθενή στο νοσοκομείο. Δυστυχώς, δεν είναι ακόμη διαθέσιμο στη Ρωσία: η υπηρεσία λειτουργεί μόνο στις ΗΠΑ.

Κερδίζει δημοτικότητα και γενετική ανάλυση. Όσο περισσότερες πληροφορίες έχουν οι γιατροί για την υποκείμενη αιτία της νόσου, τόσο πιο αποτελεσματική θεραπεία. Σε αυτό βοηθούνται από «έξυπνα» συστήματα για την ανάλυση του γονιδιώματος. Μια τέτοια υπηρεσία είναι η Sophia Genetics. Η ανάλυση DNA αποκαλύπτει την προδιάθεση ενός ατόμου για μια σειρά από ασθένειες: έλκος στομάχου, διαβήτης κ.λπ.

Αξίζει να σημειωθούν και τα έργα ανθρώπινη μακροζωίακαι Deep Genomics. Καθήκον τους είναι η πρωταρχική συλλογή πληροφοριών και η δημιουργία μιας «γενετικής» βάσης δεδομένων. Ήδη σήμερα, μπορείτε να δωρίσετε ένα δείγμα γενετικού υλικού και να λάβετε μια λεπτομερή αναφορά με ανάλυση του γονιδιώματός σας. Για παράδειγμα, μια τέτοια υπηρεσία παρέχεται από την αμερικανική υπηρεσία 23andMe και την εγχώρια Atlas.

Τέτοια έργα όχι μόνο ικανοποιούν την περιέργεια του πελάτη, αλλά βοηθούν, για παράδειγμα, να επιλέξει ένα φάρμακο σύμφωνα με μεμονωμένα χαρακτηριστικά.

Η τεχνητή νοημοσύνη θα επιτρέψει πιο ακριβή μοντέλα φαρμάκων. Στο μέλλον, οι επιστήμονες θα μπορούν να ορίσουν τις επιθυμητές ιδιότητες μιας χημικής ένωσης και ο υπολογιστής θα σχηματίσει την απαραίτητη μοριακή δομή.

Ήδη τώρα υπάρχουν εταιρείες που προσφέρουν τέτοιες λύσεις. Ένας από αυτούς, ο Atomwise, χρησιμοποιεί υπερυπολογιστές για να βρει τη βέλτιστη φόρμουλα για ένα φάρμακο. Ένα άλλο παράδειγμα παρόμοιου έργου είναι το Berg Health.

Εάν η τεχνητή νοημοσύνη γίνει ευρέως διαδεδομένη στα φαρμακευτικά προϊόντα, μπορούμε να περιμένουμε την εμφάνιση ποιοτικά νέων φαρμάκων και μείωση του χρόνου διάθεσης στην αγορά.

Ρωσικές εξελίξεις

Παραπάνω, έχουμε αναφέρει πολλές φορές ως παράδειγμα έργα από την Ευρώπη, την Ασία και τις ΗΠΑ. Ωστόσο, στη Ρωσία, οι εργασίες είναι επίσης σε εξέλιξη σε αρκετούς τομείς από τον τομέα της ιατρικής τεχνητής νοημοσύνης. Τα πιο δημοφιλή από αυτά σχετίζονται με την αναγνώριση ομιλίας και τη διαδικτυακή διάγνωση ασθενειών με τη χρήση ιατρικών εικόνων.

Πέρυσι, το Κέντρο Τεχνολογιών Λόγου έλαβε 250 εκατομμύρια ρούβλια για την ανάπτυξη μιας υπηρεσίας cloud για την αναγνώριση φωνής ιατρικής ομιλίας Voice2Med.

Στόχος του έργου είναι να μειωθεί ο χρόνος που αφιερώνουν οι εργαζόμενοι στον τομέα της υγείας για τη συμπλήρωση εγγράφων. Σύμφωνα με το Υπουργείο Εργασίας και κοινωνική προστασία, τώρα χρειάζεται ο μισός χρόνος εργασίας.

Ο Grigory Kolesnikov, επικεφαλής του προγράμματος επιτάχυνσης G4A (Grants4Apps) στη Bayer στη Ρωσία, μιλά για το τι εμποδίζει την εφαρμογή στην ιατρική και συζητά εάν είναι δυνατόν οι νεοφυείς επιχειρήσεις σε αυτόν τον τομέα να ξεπεράσουν τέτοια εμπόδια.

Πώς η τεχνητή νοημοσύνη βοηθά τους επαγγελματίες υγείας

Η Google μίλησε πρόσφατα για την προγραμματισμένη εισαγωγή συστημάτων τεχνητής νοημοσύνης στην αγορά, επιτρέποντάς σας να αποθηκεύσετε τις τηλεφωνικές συνομιλίες από τον θόρυβο του περιβάλλοντος (ας πούμε, να γαβγίζουν σκύλοι). Όπως μας υποσχέθηκαν, οι αλγόριθμοι που βασίζονται στην τεχνητή νοημοσύνη μέσα στο smartphone θα βοηθήσουν στην εκτέλεση εργασιών ρουτίνας όσο το δυνατόν περισσότερο. Οι προοπτικές είναι εντυπωσιακές, γιατί οι σύγχρονοι άνθρωποι περνούν αρκετές ώρες την ημέρα μπροστά από τις οθόνες των συσκευών τους. Και τέτοιες τεχνολογίες έχουν ήδη εδραιωθεί σταθερά στη ζωή μας.

Σήμερα, η τεχνητή νοημοσύνη χρησιμοποιείται ενεργά στην ανάπτυξη του οικιακές συσκευές, προσωπικούς φωνητικούς βοηθούς, σε συστήματα ασφαλείας. Όπου πρέπει να επεξεργαστείτε μεγάλο όγκο πληροφοριών.

Στην ιατρική, η τεχνητή νοημοσύνη μπορεί να βελτιώσει την αποτελεσματικότητα των διαγνωστικών λόγω της ικανότητας εργασίας με μεγάλους όγκους. Υπάρχει περίπτωση που η «έξυπνη» διαγνωστική υπηρεσία IBM Watson αποκάλυψε μια σπάνια μορφή λευχαιμίας σε 60χρονο ασθενή με λανθασμένη διάγνωση. Για να γίνει αυτό, το σύστημα «μελέτησε» 20 εκατομμύρια επιστημονικά άρθρα για τον καρκίνο σε 10 λεπτά.

Ως αποτέλεσμα, η τεχνητή νοημοσύνη καθιστά δυνατή τη μείωση του όγκου των καθημερινών εργασιών ρουτίνας που πρέπει να επιλύσουν οι ειδικοί γιατροί. Και μπορεί να ελαχιστοποιήσει πιθανά λάθη. Και επίσης ανοίγει ευκαιρίες για την εμφάνιση νέων επαγγελμάτων για τη συντήρηση ψηφιακών συστημάτων στην ιατρική.

Γιατί δεν πάνε όλα ομαλά;

Προγράμματα και συσκευές με τεχνητή νοημοσύνη χρησιμοποιούνται πλέον στην ανάλυση εικόνων ακτίνων Χ, CT και MRI (αρκεί να ανεβάσετε την εικόνα στο σύστημα, μετά την οποία το AI θα αναλύσει και θα δώσει ένα συμπέρασμα). Η «διανοητική» ιατρική χρησιμοποιείται στην τηλεπαρακολούθηση χρόνιες ασθένειεςκαι στην εκτίμηση της ανάγκης για νοσηλεία ατόμων, σε χειρουργικές επεμβάσεις με ρομπότ. Οι φαρμακοποιοί έχουν επίσης κατακτήσει νέες τεχνολογίες - η τεχνητή νοημοσύνη χρησιμοποιείται στην ανάπτυξη νέων φαρμάκων.

Για παράδειγμα, το Semantic Hub δημιούργησε πρόσφατα μια υπηρεσία βασισμένη στην τεχνητή νοημοσύνη για την αυτοματοποίηση της πιθανής αξιολόγησης. ιατρικά παρασκευάσματαπριν κυκλοφορήσουν στην αγορά. Το σύστημα συλλέγει και αναλύει εκατομμύρια έγγραφα, συμπεριλαμβανομένων επιστημονικών δημοσιεύσεων που σχετίζονται με τη νόσο, τον σκοπό και την επίδραση του φαρμάκου που αναπτύσσεται. Στη συνέχεια αναλύει τις πληροφορίες και εξάγει ένα συμπέρασμα για τις δυνατότητες του φαρμάκου, λαμβάνοντας υπόψη όλους τους παράγοντες κινδύνου και τα ανταγωνιστικά πλεονεκτήματα. Προηγουμένως, οι προγραμματιστές φαρμάκων μπορούσαν να μελετήσουν "χειροκίνητα" μόνο το 1% αυτών των εγγράφων.

«Έξυπνα» ιατρικά προϊόντα, υπηρεσίες και διαδικασίες αναπτύσσονται πλέον από όλες σχεδόν τις κορυφαίες «ψηφιακές» εταιρείες. Συνολικά, σύμφωνα με την ερευνητική εταιρεία Venture Scanner, τέτοιες εξελίξεις πραγματοποιούν περισσότερες από 800 εταιρείες σε όλο τον κόσμο.

Πολλοί ειδικοί προβλέπουν ταχεία αύξηση στην αγορά τεχνητής νοημοσύνης - κατά περίπου το ένα τρίτο ετησίως. Η BIS Research εκτιμά ότι η συνολική αγορά τεχνητής νοημοσύνης στον τομέα της υγείας θα φτάσει τα 28 δισεκατομμύρια δολάρια έως το 2025.

Δεν είναι όμως όλα τόσο ρόδινα. Υπάρχουν εμπόδια στην εισαγωγή τεχνολογιών τεχνητής νοημοσύνης στην ιατρική. Και συχνά προκύπτουν ερωτήματα από τους ίδιους τους επαγγελματίες γιατρούς, για τους οποίους οι καινοτομίες μπορούν να προκαλέσουν εύλογη δυσπιστία.

Ποιος είναι ο λόγος των προβλημάτων; Ας προσπαθήσουμε να το καταλάβουμε.

Εμπόδια στην τεχνητή νοημοσύνη στην ιατρική

1. Πληροφορίες "δεύτερη φρεσκάδα"

Αυτό, φυσικά, αφορά την ποιότητα και τον όγκο των ιατρικών πληροφοριών. Τα δεδομένα που συγκεντρώνονται στα ιατρικά αρχεία των ασθενών μπορεί να είναι ελλιπή, να περιέχουν σφάλματα, ανακρίβειες και μη τυπικούς όρους. Δεν έχουν αρκετά αρχεία για τη ζωή του ασθενούς, τις συνήθειες και τη συμπεριφορά του. Αποτελεσματικοί μηχανισμοί για τη συλλογή αυτών των πληροφοριών απλώς δεν υπάρχουν ακόμη.

Τα αποτελέσματα μιας ανάλυσης που βασίζεται σε τέτοια δεδομένα θα προκαλούν πάντα εύλογο σκεπτικισμό και οι προσπάθειες βελτίωσης της ποιότητας αυτής της ανάλυσης αντιμετωπίζουν μια αρκετά επίπονη διαδικασία.

Για την εξάλειψη αυτού του προβλήματος, προτείνονται τώρα επιλογές για εκπαίδευση τεχνητής νοημοσύνης σε μικρές ποσότητες πληροφοριών. Ως επιτυχημένα παραδείγματα τέτοιας εκπαίδευσης, μπορεί κανείς να ονομάσει την αρχή λειτουργίας του πληκτρολογίου smartphone, όταν το σύστημα απομνημονεύει και αναλύει λέξεις που έχουν εισαχθεί προηγουμένως και μπορεί να προβλέψει το περιεχόμενο των ακόλουθων κειμένων. Οι εφαρμογές για αναγνώριση προσώπου και μουσική βασίζονται σε παρόμοιες τεχνολογίες.

Εάν εφαρμοστεί με επιτυχία στην ιατρική, ένα σύστημα μηχανικής μάθησης μπορεί να λύσει πολλά προβλήματα: ελέγξτε τη συμβατότητα των φαρμάκων, κάντε διαγνώσεις με βάση γενετική ανάλυση. Ως παράδειγμα, μπορούμε να αναφέρουμε τη λύση της Droice Labs, η οποία κάνει πολλά από τα παραπάνω ήδη στην πράξη στη Ρωσία.

2. Αθόρυβα ρομπότ

Ο δεύτερος περιορισμός των προτεινόμενων καινοτομιών στην ιατρική είναι η έλλειψη διαφάνειας στη διαδικασία λήψης αποφάσεων από τον πνευματικό πυρήνα του συστήματος. Η τεχνητή νοημοσύνη λειτουργεί με βάση την αρχή του «μαύρου κουτιού». Εάν υπάρχει σφάλμα στον αλγόριθμο και το σύστημα πήρε τη λάθος απόφαση, τότε θα είναι εξαιρετικά δύσκολο να απαντήσετε στην ερώτηση "γιατί".

Τώρα αναπτύσσουν μηχανές που μπορούν να αποκαλύψουν τους λόγους για τις αποφάσεις τους. Αμερικανοί επιστήμονες πλησιάζουν στην κυκλοφορία ενός τέτοιου προϊόντος στην αγορά. Ειδικότερα, η Υπηρεσία Προηγμένων Ερευνητικών Προγραμμάτων Άμυνας (DARPA) υποστηρίζει 13 ερευνητικές ομάδες που ενδιαφέρονται για την επίλυση αυτού του προβλήματος.

Η εγχώρια εταιρεία «Intellogic» στην πατέντα της διεκδικεί επίσης τη χρήση ιατρικών οντολογιών για την προετοιμασία μαθηματικών μοντέλων και για την παρουσίαση των αποτελεσμάτων της ανάπτυξης μοντέλων νευρωνικών δικτύων. Αυτή η προσέγγιση, σύμφωνα με τους συντάκτες του διπλώματος ευρεσιτεχνίας, θα επιτρέψει στους γιατρούς να κατανοήσουν τον τρόπο με τον οποίο το μηχάνημα λαμβάνει αποφάσεις και να μειώσει σημαντικά τον όγκο των δεδομένων που απαιτούνται για την εκπαίδευση μοντέλων.

Η πολυπλοκότητα των προσεγγίσεων για την επεξεργασία δεδομένων που βασίζονται στην τεχνητή νοημοσύνη δημιουργεί ένα άλλο πρόβλημα: την επιλογή και την ανάπτυξη προσωπικού ικανού να χρησιμοποιεί και να διατηρεί αποτελεσματικά συστήματα με μη τετριμμένους αλγόριθμους.

3. Έξυπνα αυτοκίνητα - έξυπνη προσέγγιση!

Εκτός από τον ίδιο τον αλγόριθμο, ο οποίος μπορεί να παράγει ανάλυση με υψηλό βαθμό ακρίβειας, απαιτείται μια ισχυρή ομάδα έργου για την επιτυχή εφαρμογή μιας καινοτομίας στην πράξη. Η επιτυχία ενός τέτοιου έργου στην ιατρική εξαρτάται από το πόσο παραγωγικά αλληλεπιδρούν οι συμμετέχοντες.

Η ομάδα θα πρέπει να περιλαμβάνει ειδικούς με ένα μεγάλο εύροςδεξιότητες στον θεματικό τομέα, μαθηματικοί αλγόριθμοι και προσεγγίσεις για την ασφάλεια των πληροφοριών, με δεξιότητες προγραμματισμού και οπτική αναπαράσταση δεδομένων. Είναι πολύ επιθυμητό οι συμμετέχοντες να έχουν όχι μία, αλλά πολλές διαφορετικές ικανότητες προκειμένου να κατανοούν και να αλληλοσυμπληρώνονται καλά.

4. Τιμή και αξία

Οι αναδυόμενες πολυπλοκότητες αυξάνουν το κόστος ανάπτυξης, εφαρμογής και εφαρμογής λύσεων που βασίζονται στην τεχνητή νοημοσύνη. Το υψηλό κόστος των έργων συνδέεται επίσης με την ανάγκη προσαρμογής νέο σύστημακάτω από τα δεδομένα που συσσωρεύονται σε ένα συγκεκριμένο ιατρικό ίδρυμα, ο σχηματισμός μιας εξειδικευμένης και με κίνητρα ομάδας.

Και αυτό, με τη σειρά του, θέτει υπό αμφισβήτηση τη δυνατότητα ταχείας κλιμάκωσης των τεχνολογιών που προσφέρουν οι νεοφυείς επιχειρήσεις. Η κλιμάκωση είναι δυνατή, για παράδειγμα, στην περίπτωση επεξεργασίας ιατρικών εικόνων ενός είδους, αλλά οι ανάγκες υπερβαίνουν κατά πολύ αυτά τα όρια.

Οι ειδικοί του κλάδου συμφωνούν ότι βραχυπρόθεσμα, η εισαγωγή της τεχνητής νοημοσύνης δεν θα οδηγήσει σε αισθητές μειώσεις του κόστους. Πρέπει να συνεχίσουμε να αναζητούμε τομείς όπου η εφαρμογή τεχνολογιών τεχνητής νοημοσύνης θα φέρει μεγαλύτερη αξία.

5. Ποιος θα σας προστατεύσει από τους χάκερ;

Δεν πρέπει να ξεχνάμε ότι για να διασφαλιστεί η λειτουργία της τεχνητής νοημοσύνης, είναι απαραίτητο να παρέχεται πρόσβαση σε υπολογιστική ισχύ υψηλής απόδοσης, η οποία είναι συχνά ιατρικά ιδρύματαόχι. Αντίστοιχα, οι συστοιχίες δεδομένων θα πρέπει να αφαιρεθούν από την περίμετρο του ιδρύματος και αυτό απειλεί την ασφάλεια της αποθήκευσης, η οποία θα πρέπει να είναι η πρώτη προτεραιότητα. Δεν είναι τυχαίο ότι πολλά έργα για την εφαρμογή της τεχνητής νοημοσύνης σταμάτησαν λόγω κινδύνων που σχετίζονται ειδικά με την ασφάλεια των πληροφοριών.

Ένα από τα πιο ξεκάθαρα παραδείγματα είναι όταν το Υπουργείο Υποθέσεων Βετεράνων των ΗΠΑ, μετά την έναρξη της επιτυχημένης συνεργασίας, κατήγγειλε τη συμφωνία με την startup Flow Health, μια εταιρεία ανάπτυξης ενός ευφυούς συστήματος διάγνωσης ασθενειών. Όπως εξηγήθηκε στο Υπουργείο Υγείας των ΗΠΑ, η σύμβαση τερματίστηκε όταν έγινε γνωστό ότι το σύστημα επεξεργαζόταν ευαίσθητα δεδομένα. Το τμήμα θεώρησε ότι αυτό αποτελεί παραβίαση της ασφάλειας των προσωπικών πληροφοριών βετεράνων ασθενών. Παρεμπιπτόντως, δεν βρέθηκαν διαρροές.

Τρόπος διάνοιας!

Η κοινότητα των ειδικών γνωρίζει καλά τα υπάρχοντα προβλήματα και προσπαθεί να ανταποκριθεί σε αυτά: σκεπτόμενος τις αρχές του σχεδιασμού ρομποτικών συστημάτων, προσφέροντας να συζητήσουμε την ηθική της εφαρμογής της τεχνητής νοημοσύνης στην πράξη, αναπτύσσοντας νέες επιλογές για την εφαρμογή τεχνολογιών. Αλλά ας το παραδεχτούμε: χρειάζεται χρόνος για να αναπτυχθούν επαρκώς προσεγγίσεις και πρότυπα.

Τα περισσότερα από τα ζητήματα που επιβραδύνουν την υιοθέτηση λύσεων που βασίζονται στην τεχνητή νοημοσύνη στην ιατρική δεν σχετίζονται καθόλου με την τεχνολογική πλευρά των πραγμάτων. Συχνότερα αυτά είναι ηθικά και διοικητικά-διαδικαστικά προβλήματα, οι δυσκολίες συλλογής και επεξεργασίας δεδομένων (παροχή στον γιατρό με τον απαραίτητο χρόνο για την εισαγωγή πληροφοριών στη βάση δεδομένων), τα προβλήματα κατανομής των ευθυνών, η κατανόηση των μηχανισμών των τεχνητών συστημάτων ...

Ποιες είναι οι προοπτικές;

Παρά τις δυσκολίες, τα έργα έχουν προοπτικές. Πιστεύω ότι τα επόμενα χρόνια, οι τεχνολογίες τεχνητής νοημοσύνης θα μπορούν να βρουν τους πελάτες τους μεταξύ φαρμακευτικών εταιρειών, στην αναζήτηση νέων μορίων και βιολογικών στόχων, στην εικονικοποίηση προκλινικών δοκιμών και στη συνέχεια στην ανάλυση δεδομένων κλινική έρευνα. Συχνά, όταν εργάζεστε με μεγάλες εταιρείες, είναι δυνατό να παρέχετε τα πάντα τις απαραίτητες προϋποθέσειςγια την επιτυχή έναρξη του έργου.

Όλα τα θέματα επιλύονται. Το κυριότερο είναι ότι με τη χρήση νέων προσεγγίσεων μπορούμε να προχωρήσουμε και όχι να «πυροβολήσουμε τον εαυτό μας στα πόδια».