Para ahli AI ngrembug babagan carane nggabungake AI sing kuat menyang perawatan kesehatan, kenapa kolaborasi interdisipliner iku penting banget, lan potensi AI generatif ing riset.
Feifei Li lan Lloyd Minor menehi pidato pambuka ing Simposium Kesehatan RAISE sing pertama ing Fakultas Kedokteran Universitas Stanford tanggal 14 Mei. Steve Fish
Umume wong sing kepincut karo kecerdasan buatan ngalami momen "aha", mbukak pikirane menyang jagad kemungkinan. Ing Simposium Kesehatan RAISE perdana tanggal 14 Mei, Lloyd Minor, MD, dekan Sekolah Kedokteran Universitas Stanford lan wakil presiden urusan medis ing Universitas Stanford, nuduhake perspektife.
Nalika ana remaja sing kepengin weruh dijaluk ngringkes panemune babagan kuping njero, dheweke nggunakake kecerdasan buatan generatif. "Aku takon, 'Apa iku sindrom dehiscence kanal superior?' Minor ngandhani meh 4.000 peserta simposium. Sajrone sawetara detik, sawetara paragraf muncul.
"Apik tenan," ujare. "Informasi iki disusun dadi deskripsi penyakit sing ringkes, umume akurat, lan diprioritasake kanthi jelas. Iki pancen luar biasa."
Akeh sing padha seneng karo Minor kanggo acara setengah dina iki, sing minangka asil saka inisiatif RAISE Health, proyek sing diluncurake dening Stanford University School of Medicine lan Stanford Institute for Human-Centered Artificial Intelligence (HAI) kanggo nuntun panggunaan kecerdasan buatan sing tanggung jawab. Kecerdasan ing riset biomedis, pendidikan, lan perawatan pasien. Para pamicara nliti apa tegese ngetrapake kecerdasan buatan ing kedokteran kanthi cara sing ora mung migunani kanggo dokter lan ilmuwan, nanging uga transparan, adil lan merata kanggo pasien.
"Kita percaya iki minangka teknologi sing ningkatake kemampuan manungsa," ujare Fei-Fei Li, profesor ilmu komputer ing Stanford School of Engineering, direktur proyek RAISE Health with Minor lan co-direktur HAI. Generasi demi generasi, teknologi anyar bisa muncul: saka urutan molekul antibiotik anyar nganti pemetaan keanekaragaman hayati lan mbukak bagean biologi dhasar sing didhelikake, AI nyepetake panemuan ilmiah. Nanging ora kabeh iki migunani. "Kabeh aplikasi iki bisa duwe akibat sing ora dikarepake, lan kita butuh ilmuwan komputer sing ngembangake lan ngetrapake [kecerdasan buatan] kanthi tanggung jawab, kerja sama karo macem-macem pihak sing duwe kepentingan, saka dokter lan ahli etika ... nganti ahli keamanan lan liya-liyane," ujare. "Inisiatif kaya RAISE Health nduduhake komitmen kita kanggo iki."
Konsolidasi telung divisi Kedokteran Stanford—Sekolah Kedokteran, Perawatan Kesehatan Stanford, lan Sekolah Kedokteran Kesehatan Anak Universitas Stanford—lan sambungane karo bagean liya saka Universitas Stanford wis ndadekake para ahli lagi bergulat karo pangembangan kecerdasan buatan, masalah manajemen, lan integrasi ing bidang perawatan kesehatan lan kedokteran. Kedokteran, ujare lagu kasebut.
"Kita ana ing posisi sing apik kanggo dadi pelopor ing pangembangan lan implementasi kecerdasan buatan sing tanggung jawab, wiwit saka panemuan biologis dhasar nganti ningkatake pangembangan obat lan nggawe proses uji klinis luwih efisien, nganti tekan pangiriman layanan kesehatan sing nyata. Cara sistem perawatan kesehatan diatur," ujare.
Sawetara pamicara nandheske konsep sing prasaja: fokus marang pangguna (ing kasus iki, pasien utawa dokter) lan kabeh liyane bakal ngetutake. "Iki ndadekake pasien minangka pusat saka kabeh sing kita lakoni," ujare Dr. Lisa Lehmann, direktur bioetika ing Brigham and Women's Hospital. "Kita kudu nimbang kabutuhan lan prioritase."
Saka kiwa menyang tengen: Pembawa berita STAT Mohana Ravindranath; Jessica Peter Lee saka Microsoft Research; Sylvia Plevritis, profesor ilmu data biomedis, ngrembug peran kecerdasan buatan ing riset medis. Steve Fish
Para pamicara ing panel kasebut, kalebu Lehmann, ahli bioetika medis Universitas Stanford Mildred Cho, MD, lan Kepala Klinis Google Michael Howell, MD, nyathet kerumitan sistem rumah sakit, nandheske kabutuhan kanggo mangerteni tujuane sadurunge intervensi apa wae. Implementasikake lan priksa manawa kabeh sistem sing dikembangake inklusif lan rungokna wong-wong sing dirancang kanggo mbantu.
Salah sawijining kuncine yaiku transparansi: iki njlentrehake saka ngendi data sing digunakake kanggo nglatih algoritma kasebut asale, apa tujuan asli algoritma kasebut, lan apa data pasien ing mangsa ngarep bakal terus mbantu algoritma kasebut sinau, ing antarane faktor liyane.
"Nyoba prédhiksi masalah etika sadurungé dadi serius [tegese] nemokake titik sing pas ing ngendi sampeyan cukup ngerti babagan teknologi kasebut kanggo duwe kapercayan, nanging ora sadurunge [masalah] nyebar luwih lanjut lan ngrampungake luwih cepet." , ujare Denton Char. Calon Ilmu Kedokteran, Profesor Madya Departemen Anestesiologi Pediatrik, Kedokteran Perioperatif lan Kedokteran Nyeri. Salah sawijining langkah penting, ujare, yaiku ngenali kabeh pihak sing bisa uga kena pengaruh teknologi kasebut lan nemtokake kepiye dheweke pengin mangsuli pitakonan kasebut.
Jesse Ehrenfeld, MD, presiden Asosiasi Medis Amerika, ngrembug patang faktor sing ndorong adopsi piranti kesehatan digital apa wae, kalebu sing didhukung dening kecerdasan buatan. Apa efektif? Apa iki bakal bisa digunakake ing institusiku? Sapa sing mbayar? Sapa sing tanggung jawab?
Michael Pfeffer, MD, kepala petugas informasi Stanford Health Care, nyebutake conto anyar ing ngendi akeh masalah sing diuji ing antarane perawat ing rumah sakit Stanford. Dokter didhukung dening model basa gedhe sing nyedhiyakake anotasi awal kanggo pesen pasien sing mlebu. Sanajan proyek kasebut ora sampurna, dokter sing mbantu ngembangake teknologi kasebut nglaporake manawa model kasebut nggampangake beban kerja.
"Kita tansah fokus ing telung perkara penting: keamanan, efisiensi, lan inklusi. Kita iki dokter. Kita sumpah kanggo "ora gawe piala," ujare Nina Vasan, MD, asisten profesor klinis psikiatri lan ilmu perilaku, sing gabung karo Char lan Pfeffer gabung karo grup kasebut. "Iki kudune dadi cara pertama kanggo ngevaluasi alat-alat kasebut."
Nigam Shah, MBBS, Ph.D., Profesor Kedokteran lan Ilmu Data Biomedis, miwiti diskusi kanthi statistik sing nggegirisi sanajan wis ana peringatan sing cukup kanggo para pamirsa. "Aku ngomong nganggo istilah umum lan angka, lan kadhangkala angka-angka kasebut cenderung langsung banget," ujare.
Miturut Shah, kasuksesan AI gumantung saka kemampuan kita kanggo ngembangake. "Nindakake riset ilmiah sing tepat babagan model mbutuhake wektu udakara 10 taun, lan yen saben saka 123 program fellowship lan residensi pengin nguji lan nggunakake model kasebut nganti tingkat ketelitian kasebut, bakal angel banget kanggo nindakake ilmu sing bener amarga saiki kita ngatur upaya lan [uji coba]. Bakal butuh biaya $138 milyar kanggo mesthekake yen saben situs kita bisa digunakake kanthi bener," ujare Shah. "Kita ora mampu mbayar iki. Dadi kita kudu nemokake cara kanggo ngembangake, lan kita kudu ngembangake lan nindakake ilmu sing apik. Katrampilan ketelitian ana ing sak panggonan lan katrampilan skala ana ing panggonan liya, mula kita butuh kemitraan kaya ngono."
Wakil Dekan Yuan Ashley lan Mildred Cho (Resepsi) melu Lokakarya Kesehatan RAISE. Steve Fish
Sawetara pamicara ing simposium kasebut ujar manawa iki bisa ditindakake liwat kemitraan publik-swasta, kayata Perintah Eksekutif Gedung Putih anyar babagan Pembangunan lan Panggunaan Kecerdasan Buatan sing Aman, Terjamin, lan Bisa Dipercaya lan Konsorsium Kecerdasan Buatan Layanan Kesehatan (CHAI).
"Kemitraan publik-swasta kanthi potensi paling gedhe yaiku kemitraan antarane akademisi, sektor swasta, lan sektor publik," ujare Laura Adams, penasihat senior Akademi Kedokteran Nasional. Dheweke nyathet yen pemerintah bisa njamin kepercayaan publik, lan pusat medis akademik bisa nyedhiyakake legitimasi, lan keahlian teknis lan wektu komputer bisa diwenehake dening sektor swasta. "Kita kabeh luwih apik tinimbang kita kabeh, lan kita ngerti yen ... kita ora bisa ndedonga kanggo nggayuh potensi [kecerdasan buatan] kajaba kita ngerti carane sesambungan karo saben liyane."
Sawetara pamicara ujar manawa AI uga nduweni pengaruh marang riset, apa iku digunakake dening para ilmuwan kanggo njelajah dogma biologis, prédhiksi urutan lan struktur molekul sintetik anyar kanggo ndhukung perawatan anyar, utawa malah mbantu dheweke ngringkes utawa nulis makalah ilmiah.
"Iki minangka kesempatan kanggo ndeleng sing ora dingerteni," ujare Jessica Mega, MD, ahli jantung ing Stanford University School of Medicine lan salah sawijining pendiri Alphabet's Verily. Mega nyebutake pencitraan hiperspektral, sing njupuk fitur gambar sing ora katon dening mripat manungsa. Ide kasebut yaiku nggunakake kecerdasan buatan kanggo ndeteksi pola ing slide patologi sing ora dideleng manungsa sing nuduhake penyakit. "Aku nyengkuyung wong-wong supaya nampa sing ora dingerteni. Aku mikir kabeh wong ing kene ngerti wong sing duwe sawetara jinis kondisi medis sing mbutuhake soko sing ngluwihi apa sing bisa kita sediyakake saiki," ujare Mejia.
Para panelis uga sarujuk manawa sistem kecerdasan buatan bakal nyedhiyakake cara anyar kanggo ngenali lan nglawan pengambilan keputusan sing bias, apa digawe dening manungsa utawa kecerdasan buatan, kanthi kemampuan kanggo ngenali sumber bias kasebut.
"Kesehatan luwih saka mung perawatan medis," sawetara panelis sarujuk. Para pamicara nandheske manawa para peneliti asring nglirwakake faktor penentu sosial kesehatan, kayata status sosioekonomi, kode pos, tingkat pendidikan, lan ras lan etnis, nalika ngumpulake data inklusif lan ngrekrut peserta kanggo panliten. "AI mung efektif yen data sing dilatih model kasebut," ujare Michelle Williams, profesor epidemiologi ing Universitas Harvard lan profesor epidemiologi lan kesehatan populasi ing Sekolah Kedokteran Universitas Stanford. "Yen kita nindakake apa sing kita perjuangake. Ningkatake asil kesehatan lan ngilangi ketimpangan, kita kudu mesthekake yen kita ngumpulake data sing berkualitas tinggi babagan prilaku manungsa lan lingkungan sosial lan alam."
Natalie Pageler, MD, profesor klinis pediatri lan kedokteran, ngendika yen data kanker agregat asring ngilangi data babagan wanita ngandhut, nggawe bias sing ora bisa dihindari ing model lan nambah kesenjangan sing ana ing perawatan kesehatan.
Dr. David Magnus, profesor pediatrik lan kedokteran, ngendika menawa kaya teknologi anyar liyane, kecerdasan buatan bisa nggawe kahanan luwih apik utawa malah luwih elek. Risikone, ujare Magnus, yaiku sistem kecerdasan buatan bakal sinau babagan asil kesehatan sing ora adil sing didorong dening faktor penentu kesehatan sosial lan nguatake asil kasebut liwat output. "Kecerdasan buatan minangka pangilon sing nggambarake masyarakat sing kita uripi," ujare. "Muga-muga saben-saben kita duwe kesempatan kanggo nyorot masalah—kanggo nuduhake awake dhewe—bakal dadi motivasi kanggo nambah kahanan."
Menawi panjenengan boten saged rawuh ing lokakarya RAISE Health, rekaman sesi kasebut saged dipunpirsani wonten ing mriki.
Fakultas Kedokteran Universitas Stanford minangka sistem perawatan kesehatan akademik terpadu sing kasusun saka Fakultas Kedokteran Universitas Stanford lan sistem pangiriman perawatan kesehatan wong diwasa lan pediatrik. Bebarengan, dheweke nggayuh potensi biomedis kanthi lengkap liwat riset kolaboratif, pendidikan, lan perawatan pasien klinis. Kanggo informasi luwih lengkap, bukak med.stanford.edu.
Model kecerdasan buatan anyar mbantu dokter lan perawat ing Rumah Sakit Stanford kerja bareng kanggo ningkatake perawatan pasien.
Wektu kiriman: 19-Jul-2024