AI nevar aizstāt ārstus. Bet tas var padarīt tos labākus.

Bērna zīmējums ar ārsta kabinetu, kurā redzams bērns uz izmeklējumu galda un ārsts pie datora. Zīmējums Ag, Age 7, autortiesības Thomas G. Murphy MD 2011

Pirms vairākiem gadiem Vinods Hosla, Silīcija ielejas investors, uzrakstīja provokatīvu rakstu ar nosaukumu Vai mums ir vajadzīgi ārsti vai algoritmi? Khosla apgalvoja, ka ārsti nav līdzvērtīgi mākslīgajam intelektam. Ārsti ņirgājas ar pacientiem, apkopo dažus simptomus, meklē norādes ap ķermeni un izsūta pacientu ar recepti. Tas dažreiz (varbūt nejauši) noved pie pareizas ārstēšanas, bet ārsti rīkojas, pamatojoties uz tikai daļu no pieejamās informācijas. Viņš rakstīja, ka algoritms varētu darboties labāk.

Esmu bērnu un pusaudžu ārsts Sanfrancisko līča apgabalā, kur tādi uzņēmēji kā Khosla jau gadiem klauvē pie ārstu durvīm ar savām izmēģinājuma tehnoloģijām, programmatūru un aparatūru. Varu ar zināmu autoritāti teikt, ka Khosla balss ir atjautīga svešinieka balss, kurš zina, ko zina, kas nav veselības aprūpe.

Šis stāsts bija daļa no mūsu 2018. gada novembra numura

• Skatiet pārējo izdevuma daļu
• Abonēt

Jā, AI varētu mums palīdzēt diagnosticēt un ārstēt slimības. Tas var skaidrā un kodolīgā veidā apkopot un apkalpot plašu datu klāstu, samazinot neprecīzos spriedumus, ko ārsti pieņem mūsu prakses spiediena un sarežģītības dēļ. Nav šaubu, ka dažiem ārstiem, kuru darbs ir ļoti vērsts uz diagnostiku (piemēram, radiologiem vai patologiem), šis izrāviens var izrādīties eksistenciāls drauds. Piemēram, pirms desmit gadiem pētnieki parādīja, ka mākslīgais intelekts ir tikpat labs kā radiologi krūts vēža noteikšanā.

Taču tādiem ārstiem kā es primārajā aprūpē, kas pārvalda 1500 līdz 2000 pacientu, mākslīgais intelekts sniedz iespēju. Es devos uz medicīnas skolu, lai sazinātos ar cilvēkiem un kaut ko mainītu. Šodien bieži jūtos kā pārmaksāta grāmatvede, kas uzņem informāciju un izspļauj to pacientiem, izraksta zāles un koriģē devas, pasūtot izmeklējumus. Bet AI eksāmenu telpā paver iespēju atgūt medicīnas mākslu. Tas varētu ļaut man labāk iepazīt savus pacientus, uzzināt, kā slimība viņus unikāli ietekmē, un dot man laiku apmācīt viņus, lai sasniegtu labāku rezultātu.

Apsveriet, kā mākslīgais intelekts varētu palīdzēt astmai, kas ir visizplatītākā hroniskā medicīniskā slimība bērnībā. No tā cieš seši miljoni amerikāņu bērnu. 2013. gadā viņi kopā nokavēja 14 miljonus skolas dienu. Izmaksas par medikamentiem, ārsta apmeklējumiem un neatliekamās palīdzības numuru, kā arī hospitalizāciju izmaksas sasniedz 60 miljardus USD gadā.

Es diagnosticēju astmu, izmantojot laika gaitā pieņemtu īkšķi: ja jums ir bijušas trīs vai vairāk sēkšanas epizodes un astmas zāles palīdz, jums ir slimība. Kad tas ir diagnosticēts, es lūdzu vecākus pēc iespējas labāk atcerēties, cik bieži viņi bērnam ievada zāles. Es jautāju: kas, šķiet, izraisa epizodes? Vai bērns ir pakļauts jebkuram, kurš smēķē mājās? Es varu arī pārskatīt viņu ierakstus, lai saskaitītu, cik neatliekamās palīdzības dienesta apmeklējumu viņi ir bijuši vai cik reižu viņi ir atkārtoti aizpildījuši receptes.

Bet pat ar visprecīzāko vecāku un pacientu atsaukšanu un visprecīzākajiem elektroniskajiem ierakstiem, tās joprojām ir tikai retrospektīvas zināšanas. Nav proaktīvas, paredzamas stratēģijas.

Nav tā, ka mums nav datu; tas vienkārši ir netīrs. Mēs pavadām lielu daļu sava laika, mēģinot izprast to.

Nav tā, ka mums nav datu; tas vienkārši ir netīrs. Datu gūzmas aizsprosto ārsta pastkastīti. Tas nāk daudzos veidos un no dažādiem virzieniem: objektīva informācija, piemēram, laboratorijas rezultāti un dzīvības pazīmes, subjektīvas bažas, kas tiek saņemtas tālruņa ziņojumu vai e-pasta ziņojumu veidā no pacientiem. Tas viss ir sadrumstalots, un mēs kā ārsti pavadām lielu daļu sava laika, cenšoties izprast to. Tehnoloģiju uzņēmumi un jaunizveidotie uzņēmumi vēlas vēl vairāk atvērt datu avotu, ļaujot savām tieši patērētājiem paredzētajām ierīcēm — tālrunim, pulkstenim, asinsspiediena manšetei, asinsspiediena mērītājam — sūtīt nepārtrauktas skaitļu plūsmas tieši mums. Mēs cīnāmies, lai tam neatpaliktu, un ārstu izdegšanas rādītāji turpina pieaugt.

Kā AI to var labot? Sāksim ar diagnozi. Lai gan astmas klīniskās izpausmes ir viegli pamanāmas, slimība ir daudz sarežģītāka molekulārā un šūnu līmenī. Gēni, olbaltumvielas, fermenti un citi astmas izraisītāji ir ļoti dažādi, pat ja to vides izraisītāji pārklājas. Vairāki eksperti tagad domā par astmu tāpat kā par vēzi — vispārīgs termins slimībai, kas atšķiras atkarībā no audzēja atrašanās vietas un šūnu īpašībām. Ian Adock no Nacionālā sirds un plaušu institūta Imperiālās koledžas Londonā, pēta saikni starp astmu un vidi. Viņš un viņa komanda ir savākuši bioloģiskos paraugus no astmas pacientu asinīm, urīna un plaušu audiem un sakārtojuši atrastos ģenētiskos un molekulāros marķierus astmas apakštipos. Hipotēze ir tāda, ka ar šādām zināšanām pacientiem var dot viņiem vislabākās zāles.

AI var arī palīdzēt pārvaldīt astmas uzliesmojumus. Daudziem pacientiem astma pasliktinās, palielinoties gaisa piesārņojuma līmenim, kā tas notika pagājušajā vasarā, kad Ziemeļkalifornijā plosījās ugunsgrēki. AI varētu ļaut mums iegūt vides informāciju un aktīvi reaģēt. 2015. gadā pētnieki publicēja pētījumu, kurā parādīts, ka viņi var paredzēt ar astmu saistītu neatliekamās palīdzības numuru apmeklējumu skaitu Dalasas-Fortvērtas slimnīcā. Viņi ieguva datus no pacientu ierakstiem, kā arī gaisa piesārņojuma datus no EPA sensoriem, Google meklējumiem un tvītiem, kuros tika izmantoti tādi termini kā sēkšana vai astma. Google un Twitter dati tika saistīti ar lietotāja atrašanās vietas datiem.

Ja man būtu šāda veida dati, es varētu teikt: Alexa, pastāstiet man, par kuriem astmas pacientiem man šodien jāuztraucas. Es varētu brīdināt cietušās ģimenes. Un, ja man būtu arī daži ģenētiski dati, piemēram, Adock, es varētu diagnosticēt astmu, pirms pacients piedzīvoja trīs sēkšanas lēkmes, pasūtot asins analīzes un salīdzinot rezultātus ar šiem molekulārajiem marķieriem.

Šāda laika taupīšanas inteliģence ļauj man pavadīt vairāk laika ar saviem pacientiem. Viens pētījums parādīja, ka astmas bērni lietoja vai saņēma inhalējamos medikamentus tikai aptuveni pusi no laika. AI varētu dot man vairāk laika, lai personīgi sadarbotos ar šiem bērniem un iegūtu labākus rezultātus.

Priekšā ir daudz jautājumu. Vai pacienti vēlas ar mums kopīgot vairāk savu personas datu? Ja AI parāda, ka jūsu aprūpe ir labāka, bet jūs vai jūsu ārsts jūtas citādi, vai apdrošināšanas sabiedrība to pieņems? Ko darīt, ja algoritms kaut ko izlaiž vai tiek lietots nepareizi? Kas ir atbildīgs, ārsts vai iekārtas izgatavotājs?

Pirms neilga laika, in Amerikas Medicīnas asociācijas žurnāls , redzēju krāsainu bildi, ko zīmējis bērns krītiņā. Tajā bija attēlota viņas pediatre, acis pielīmētas pie datora, kamēr viņa sēdēja uz eksāmenu galda un skatījās ar ieplestām acīm. Es ceru, ka AI drīz ļaus man pievērst uzmanību šai mazajai meitenei.

Rahul Parikh ir pediatrs Sanfrancisko līča rajonā.

paslēpties