Piešķirt zālēm AI devu

Medicīnas skenēšanas un mākslīgā intelekta konceptuāls attēls Džeimijs Džounss

Jau gadiem ilgi mākslīgais intelekts ir uzskatīts par nākamo lielo lietu medicīnā. Tagad daži MIT profesori, studenti un absolventi pastiprina, lai pārliecinātos, ka tā patiešām būs.

Caur Abdul Latif Jameel klīnika mašīnmācībām veselības jomā , jeb J-Clinic, paziņoja pagājušajā rudenī, pētnieki no visas MIT īstenos projektus, kuru mērķis ir izstrādāt jaunas mašīnmācības metodes, lai uzlabotu klīnisko aprūpi, izstrādātu jaunas zāles un samazinātu veselības aprūpes izmaksas. Iniciatīva attieksies uz mākslīgo intelektu daudzām slimībām un balstās uz notiekošo MIT izpēti, tostarp darbu pie zāļu atklāšanas un agrīniem vēža diagnostikas sasniegumiem, ko veica Elektrotehnikas un datorzinātņu katedras Delta elektronikas profesore Regina Barzilay.

Barzilay saka, ka ir pienācis laiks mākslīgajam intelektam kļūt par standarta daļu vēža ārstēšanā. Katrā vēža centrā ASV, neatkarīgi no tā, vai tā ir kopienas klīnika vai valsts vadošais vēža centrs, ir nopietna vajadzība ieviest mākslīgo intelektu, saka Barzilijs, gan CSAIL, gan MIT Koha Integratīvās vēža pētniecības institūta loceklis. Pēc viņa krūts vēzis tika izlaists vairākus gadus, viņa sāka izmantot attēlu apstrādes algoritmus, lai analizētu mammogrammas. Ideja ir pārsniegt to, ko cilvēki var redzēt skenēšanas laikā, lai atklātu agrīnas izmaiņas audos, kas iezīmē ceļu uz vēzi.

Džeimijs Džounss

Institūta profesors un Nobela prēmijas laureāts Filips Šārps, kurš vada J-Clinic konsultatīvo padomi, saka, ka nav šaubu, ka mākslīgais intelekts un dziļa mācīšanās var pārveidot medicīnisko aprūpi un tai ir jāmaina. Sharp saka, ka, veicinot agrākas diagnozes, AI var uzlabot pacientu kvalitāti un dzīves ilgumu. Konkrētāk, viņš domā, ka tas var pārveidot radioloģiju, izprast molekulāros un ģenētiskos datus, lai atšķirtu ļaundabīgās un nekaitīgās šūnas, un pamanīt medicīnisko datu modeļus, kas var brīdināt par gaidāmajām problēmām. Viņš arī uzskata, ka tas var uzlabot medicīniskās aprūpes izmaksu efektivitāti, diagnosticējot slimību agrāk, kad ārstēšana ir lētāka un efektīvāka. Viņš saka, ka mums ir jāpanāk efektīvāka veselības aprūpes sniegšana.

Viņš saka, ka ar J-Clinic starpniecību MIT spēlēs izšķirošu lomu šo tehnoloģiju izstrādē un to lietotāju apmācībā, tāpat kā MIT ir darījis molekulārajā bioloģijā, šūnu bioloģijā, ģenētikā un biotehnoloģijā. Bārzilijs un Džeimss Kolinss, Termeera medicīnas inženierijas un zinātnes profesors, kalpo par līdzvadītājiem J-Clinic, kas ir nozīmīgs sadarbības pasākums starp MIT un Community Jameel, sociālo uzņēmumu organizāciju, kuru dibināja un vada Mohammeds Abduls Latifs Džamīls '78. .

Mašīnmācība nonāk veselības aprūpē

AI ir bijis ilgāks, lai to izmantotu veselības aprūpē nekā lielākajā daļā citu nozaru, jo likmes ir tik augstas. Ja Amazon izmēģinās jaunu algoritmu, kas nedarbojas, uzņēmumam var trūkt naudas. Medicīnā cilvēki var nomirt. Tāpēc 2017. gadā tikai 5% ASV slimnīcu ziņoja, ka izmantoja kādu mākslīgā intelekta veidu. Taču lietas beidzot sāk mainīties. Lielākās slimnīcas un farmācijas uzņēmumi tagad atsaucas uz AI, runājot par savu nākotni. Konferences tiek apmeklētas plaši, un medicīnas AI jaunuzņēmumi kļūst arvien izplatītāki. Datori tagad var redzēt un lasīt — ne tik labi, kā cilvēki, taču viņi to sasniedz, saka Maikls Hejs, SM ’96, kurš 2018. gadā izveidoja bezpeļņas uzņēmumu CancerAI, lai tirgū laistu mākslīgā intelekta rīkus.

Mūsdienu mākslīgais intelekts ir balstīts uz algoritmiem, kas analizē milzīgas datu kopas. Tā sauktā dziļā mācīšanās, kas pēdējā desmitgadē ir ievērojami progresējusi, ļauj pētniekiem izdarīt secinājumus no milzīga datu apjoma. Arī vizuālās un dabiskās valodas apstrādes tehnoloģijas ir ievērojami uzlabojušās. Un datu glabāšana ir kļuvusi ievērojami lētāka.

Pirms desmit gadiem nebija tik daudz elektronisko medicīnisko ierakstu, kāds ir šodien, saka Hejs. Un pat ja tie pastāvētu, mums nebija algoritmu, kas varētu ļoti labi saprast ārstu piezīmes, un nebija pietiekami lēti datori. Tagad aina visās šajās frontēs izskatās ļoti atšķirīga. Viņš saka, ka tas, kas pirms 10 gadiem būtu bijis superdators, kas maksātu 1 miljonu ASV dolāru, tagad šāda līmeņa skaitļošanu var iegādāties par dažiem tūkstošiem dolāru. Tas ir ļoti mainījis spēli.

No kreisās puses J-Clinic mācībspēki kopīgi vada Regina Barzilay un James Collins, kā arī J-Clinic konsultatīvās padomes priekšsēdētājs un institūta profesors Filips Šārps.

Kopš tās izveidošanas pagājušā gada rudenī, J-Clinic, kas ir daļa no MIT Quest for Intelligence un kuru vada Inženieru skolas dekāne Anantha Chandrakasan, ir iesniegusi pieprasījumu iesniegt priekšlikumus MIT. Līdz šim profesori un studenti ir ierosinājuši 43 pētniecības projektus, kas izmantotu šos sasniegumus pacientu labā. Barzilay saka, ka diagnozes uzlabošana, ārstēšanas mērķēšana uz atsevišķiem pacientiem un slimības progresēšanas izpratne ir visas prognozēšanas problēmas. Un prognozēšana ir vieta, kur AI izceļas.

Tomēr viena problēma ir tāda, ka mašīnmācīšanās algoritmu pielāgošana klīniskajiem iestatījumiem ir saistīta ar to apmācību, ko viņa raksturo kā milzīgu daudzumu manuāli anotētu datu. J-Clinic pētnieki plāno izstrādāt algoritmus, kas nav tik atkarīgi no ar roku marķētiem datiem, un kas var izmantot datus no saistītajiem domēniem, lai aizpildītu nepilnības mērķa apgabalā. Tā vietā, lai apmācītu uzraudzītas mācību sistēmas katrai atsevišķai slimnīcas sistēmai un katrai slimībai, mēs izstrādājam algoritmus, kurus var viegli pielāgot jauniem iestatījumiem un dažādām slimībām, Barzilay skaidro.

J-Clinic galvenie mērķi ir arī aizsargāt pacientu privātumu un nodrošināt, lai dati atspoguļotu iedzīvotāju daudzveidību. Pētnieki izstrādā algoritmus, kas var veikt aprēķinus ar šifrētiem datiem, tāpēc pacientiem nav jābaidās, ka intīmā veselības informācija tiks atstāta atklāta. Un J-Clinic veido lielu, starptautisku tīklu, kas aptver visu, sākot no lauku klīnikām līdz lielākajām pilsētu akadēmiskajām slimnīcām, lai ieviestu un pārbaudītu izstrādātos algoritmus. Cerams, ka tas padarīs viņu darbu daudz vispārināmāku nekā citi līdz šim publicētie veselības aprūpes algoritmi, no kuriem lielākā daļa ir apmācīti, pamatojoties uz vienas slimnīcas datiem.

Kas pirms 10 gadiem būtu bijis superdators, kas maksātu 1 miljonu ASV dolāru — tagad šāda līmeņa skaitļošanu var iegādāties par dažiem tūkstošiem dolāru. Tas ir ļoti mainījis spēli.

AI pielietošana mamogrāfijā

Darbs, kas jau tiek veikts Barzilay laboratorijā, 2017. gada MacArthur ģēniju stipendijas ieguvējs un AI nozares līderis, piedāvā ieskatu tajā potenciālā, ko J-Clinic un jaunizveidotie uzņēmumi, piemēram, CancerAI, var palīdzēt atraisīt. Viena no viņas pētījumu jomām ietver mašīnmācības izmantošanu, lai paātrinātu zāļu atklāšanu. Šis darbs palīdz izstrādātājiem pilnībā izmantot molekulas ar daudzsološām īpašībām cīņā pret vēzi un daudzām citām slimībām. (Skatiet AI no jauna izgudro mūsu izgudrošanas veidu, MIT Technology Review, 2019. gada marts/aprīlis.) Vēža diagnostikas jomā viņa ir arī viena no pirmajām AI pētniecēm, kas izstrādājusi rīku, kas patiešām palīdz cilvēkiem.

Iekšā papīrs pagājušajā gadā publicētajā žurnālā Radiology, viņa un viņas kolēģi, tostarp pētnieki no Masačūsetsas vispārējās slimnīcas, izmantoja AI, lai izstrādātu metodi krūšu audu blīvuma novērtēšanai. Šodien mammogrammas jaunkundz aptuveni 15% krūts audzēju — un saskaņā ar vairākiem pētījumiem tiem trūkst vairāk nekā puse, ja krūts audi ir blīvi, kas padara audzējus grūtāk pamanāmus. Vairāk nekā 40% amerikāņu sieviešu ir blīvi krūšu audi, kas arī palielina krūts vēža risku.

Džeimijs Džounss

Barzilay un viņas kolēģi izmantoja vairāk nekā 41 000 digitālo mammogrammu, ko novērtēja un klasificēja eksperti, lai apmācītu dziļas mācīšanās algoritmu, lai novērtētu blīvumu, lai varētu identificēt sievietes, kurām varētu būt nepieciešama papildu pārbaude. Sešus mēnešus ilgā izmēģinājumā, kurā tika aplūkoti vairāk nekā 10 000 mammogrammu, modelis 94% gadījumu vienojās ar vispārējo radiologu viedokli, tādējādi šī bija pirmā reize, kad šāda veida dziļa mācīšanās tika veiksmīgi izmantota klīniskā vidē. Barzilay un viņas līdzstrādnieki tagad cer paplašināt savu sistēmu līdz citām slimnīcām.

Barzilay arī izmanto AI, lai atklātu agrākās izmaiņas ceļā uz krūts vēzi — izmaiņas, kuras patologs nevar redzēt. Vēzis neaug no šodienas uz rītdienu. Tas patiesībā ir ļoti ilgs process, kas rada daudz izmaiņu audos, viņa sacīja auditorijai Hello World, Hello MIT konferencē, kurā tika atzīmēta MIT Švarcmana skaitļošanas koledžas atklāšana februārī. Viņa parādīja divas mammogrammas, vienu no sievietes, kura divus gadus pēc skenēšanas bija saslimusi ar krūts vēzi. Loģisks jautājums ir: vai jūs varat paņemt mašīnu un apmācīt to pēc attēliem, kad mēs zinām rezultātu pēc diviem vai pieciem gadiem, lai pateiktu, kas būs tālāk? Kā izrādās, viņa sacīja, ka mašīna šo uzdevumu varēja paveikt diezgan labi. Barzilaja, viņas absolvents Ādams Jala '16, MEng '17 un Constance Lehman, Mass. General krūšu attēlveidošanas vadītāja, izstrādāja modeli, kas identificēja pazīmes, kas bieži bija pirms vēža parādīšanās, un, ja šīs pazīmes parādās mamogrāfijā, pacients var tikt atzīmēts.

Februāra beigās Mas. General ārsti sāka pārbaudīt šo riska modeli. Sievietei, kuras mammogrāfija viņu ierindo riskantākajiem 20%, saka Barzilay, ir ļoti nenozīmīga iespēja saslimt ar krūts vēzi. Tagad Masas ģenerāļa ārsti strādā, lai noskaidrotu, kā izmantot šo informāciju, lai mainītu viņas izredzes.

Veselības aprūpes AI solījums un briesmas

Šis mākslīgā intelekta redzējums ir tālu no pašreizējās digitālās tehnoloģijas izmantošanas ārstu kabinetos, kas galvenokārt attiecas tikai uz elektroniskiem medicīniskiem ierakstiem, kuriem vēl ir jāatbilst to potenciālam. Šādas sistēmas var izraisīt ārstu izdegšanu, liekot viņiem veltīt tik ilgas stundas datu ievadīšanai, ka viņi pavada vairāk laika pie datora ekrāna nekā pacienti.

Maikls Hejs vēzisAI

AI komercializācija bez peļņas motīva

• Bezpeļņas organizācija izstrādā AI rīkus vēža apkarošanai.

  
  2017. gadā sērijveida uzņēmējs Maikls Hejs, SM ’96, devās meklēt jaunu biznesa iespēju, kad bija gatavs pāriet no sava jaunākā uzņēmuma, AI programmatūras uzņēmuma. Kā rīkles vēzi pārdzīvojušais viņš nolēma, ka mašīnmācība ir pietiekami nobriedusi, lai attaisnotu viņa jaunā uzņēmuma uzmanību uz AI izmantošanu cīņā pret vēzi.
  
  Taču pēc uzticamības pārbaudes viņš saprata, ka varētu piesaistīt uz misiju orientētus darbiniekus un iegūt labāku piekļuvi medicīniskajiem datiem, nodibinot savu uzņēmumu CancerAI kā bezpeļņas organizāciju. Šis lēmums atmaksājās neparedzētā veidā, nodrošinot viņam bezmaksas biroja telpas no WeWork, pro bono juridiska darba piedāvājumus un programmētājus, kas brīvprātīgi pieteicās strādāt par velti.
  
  Es gaidīju, ka varēšu nolīgt lieliskus cilvēkus, taču es negaidīju, ka cilvēki no malas sacīs: 'Es būtu gatavs brīvprātīgi strādāt naktīs un nedēļas nogalēs, jo vēlos palīdzēt,' saka Hejs, kuram ir maģistra grāds vides inženierijā. no MIT un maģistra grādu uzņēmējdarbībā un politikā no Tufts. Es jums garantēju, ka tas nenotiek bezpeļņas organizācijās.
  
  Hejs, kurš vada CancerAI valdi, saka, ka uzņēmums kā vienu no pamatiem izmanto Regīnas Barzilijas pētījumus, taču nav izvēlējies savu pirmo produktu. (Barzilay kalpo arī kā viens no CancerAI padomdevējiem.) Uzņēmuma mērķis ir sākt ar diagnostikas jomu, iespējams, izmantojot medicīnisko ierakstu datus, lai atzīmētu cilvēkus, kuru biometriskie dati liecina, ka viņiem varētu būt augsts noteiktu vēža risks. Viņš saka, ka agrīna pārbaude, kas atklāj vēzi, pirms tie ir izplatījušies, iespējams, ir īsākais ceļš uz mirstības samazināšanu.

Bet pozitīvā puse ir tā, ka elektroniskie ieraksti ir ļāvuši slimnīcām uzkrāt milzīgu daudzumu pacientu datu, kas, pēc AI pētniekiem, galu galā atmaksāsies pacientiem, aprūpētājiem, slimnīcām un apdrošinātājiem.

Kad J-Clinic un jaunizveidotie uzņēmumi, piemēram, CancerAI, sāk izmantot šos datus, Kolinss, citas J-Clinic fakultātes līdzvadītājs, saka, ka J-Clinic ne tikai apvieno AI ekspertus, medicīnas ekspertus un datu kopas, lai veicinātu medicīnisko izpēti, bet arī palīdzot pārvērst šo pētījumu klīniskajā vidē. Viņš saka, ka tas tiks darīts, ieviešot agrīnās tehnoloģijas slimnīcās testēšanai un apstiprināšanai, kā arī atvieglojot uzņēmumu darbības uzsākšanu, lai tās komercializētu. Viņš arī paredz, ka J-Clinic uzsāk publisku diskusiju par to, ko viņš sauc par AI un veselības aprūpes solījumu un briesmām, un uzdod sarežģītus jautājumus par to, kā uzlabot esošo aprūpi, samazināt izmaksas, aizsargāt pacientu privātumu un ētiski iegūt noderīgus datus.

Lai gan tehnoloģiskās inovācijas parasti palielina medicīnas izmaksas, viņš cer, ka mākslīgais intelekts būs izņēmums, iespējams, maksimāli palielinot gultu izmantošanu, ierobežojot laiku, ko ārsti pavada administratīvajiem pienākumiem, un ekonomiskāk izstrādājot zāles. Mani interesē, kā mākslīgais intelekts var palīdzēt uzlabot veselības aprūpes efektivitāti — neatkarīgi no tā, vai tas ir gultu izmantošana, plānošana, rēķini, lai izspiestu administratīvos izdevumus, saka Kolinss, kura sieva ir ārste. Viņš domā, ka elektronisko medicīnisko izziņu administratīvo slogu varētu mainīt, izmantojot labākas tehnoloģijas, kas, iespējams, radīs ietaupījumus.

Kolinss, sintētiskais biologs, savā laboratorijā plāno izmantot AI platformas, lai cita starpā labāk identificētu jaunas antibiotiku un vēža zāļu klases. Viņš saka, ka es vēlos izpētīt, kā AI var plašāk izmantot kā noderīgu palīgu pētniecības un, iespējams, medicīnas kontekstā.

paslēpties