211service.com
Realitātes pārbaude IBM AI ambīcijām
IBM, mūsu 50 gudrāko uzņēmumu saraksta 39. vieta, pārsteidza savu Watson mašīnmācības sistēmu, taču uzņēmumam joprojām varētu būt vislabākā piekļuve datiem, kas nepieciešami, lai medicīnu padarītu daudz gudrāku. 2017. gada 27. jūnijs
Leonards Greko
Pols Tans kopā ar sievu atradās slimnīcā tūlīt pēc ceļgala protezēšanas operācijas, kas katru gadu tika veikta aptuveni 700 000 cilvēku ASV. Pienāca ķirurgs, un Tans, kurš pats ir primārās aprūpes ārsts, jautāja, kad viņš sagaida, ka viņa atgriezīsies ierastajā dzīvē, ņemot vērā viņa pieredzi ar tādiem pacientiem kā viņa. Ķirurgs turpināja sniegt neskaidras neatbildes. Beidzot tas mani piemeklēja, saka Tans. Viņš nezināja. Tangs drīz uzzinās, ka lielākā daļa ārstu nezina, kā viņu pacientiem klājas parastajos dzīves apstākļos mājās un darbā. — pasākumi, kas pacientiem ir vissvarīgākie.
Tangs joprojām uzskata pacientus par ārstu, taču viņš ir arī IBM Watson Health galvenais veselības pārveidošanas speciālists (skatiet “50 viedākie uzņēmumi 2017. gadā”). Tā ir biznesa grupa, kas izstrādā veselības aprūpes lietojumprogrammas Watson — mašīnmācības sistēmai, kas būtībā ir IBM. liekot uz savu nākotni. Vatsons varētu sniegt informāciju, ko ārsti šobrīd nesaņem, saka Tans. Piemēram, tas varētu pastāstīt ārstam, cik ilgs laiks bija nepieciešams, līdz pacienti, kas ir līdzīgi Tanga sievai, varēja staigāt bez sāpēm vai kāpt pa kāpnēm. Tas pat varētu palīdzēt analizēt attēlus un audu paraugus un noteikt labāko ārstēšanu katram pacientam.
Šis stāsts bija daļa no mūsu 2017. gada jūlija numura
- Skatiet pārējo izdevuma daļu
- Abonēt
Tieši šādu iespēju dēļ veselības aprūpe ir viens no karstākajiem mašīnmācības tehnoloģiju tirgus segmentiem. Pētījumu firma CB Insights uzskaita vismaz 106 jaunuzņēmumus, kas ir izveidojušies kopš 2013. gada un joprojām darbojas.
Pateicoties uzvarai televīzijas viktorīnas šovā, neviena no šīm kompānijām nav izpelnījusies ne tuvu tādu uzmanību, kādu ir izpelnījies Vatsons. Apdraudējums! 2011. gadā, un kopš tā laika IBM ir dedzīgs mārketings. Taču pēdējā laikā liela daļa Vatsona preses ir bijusi slikta. Spēcīgi veicinātā sadarbība ar M.D. Andersona vēža centru Hjūstonā šogad izjuka. Tā kā IBM ieņēmumi ir samazinājušies un tā akciju cena svārstās, analītiķi ir apšaubījuši, kad Vatsons patiešām sniegs lielu vērtību. Vatsons ir joks, sacīja Chamath Palihapitiya, ietekmīgs tehnoloģiju investors, kurš nodibināja riska kapitāla uzņēmumu Social Capital. CNBC Maijā.
Tomēr lielākā daļa Vatsona kritikas, pat no M.D. Andersona, nešķiet sakņojas kādā īpašā tehnoloģijā. Tā vietā tā ir reakcija uz IBM pārāk optimistiskajiem apgalvojumiem par to, cik tālu Vatsons būtu līdz šim. Faktiski joprojām šķiet iespējams, ka Watson Health būs līderis AI piemērošanā veselības aprūpes likstām. Ja Vatsons šajā jomā vēl nav daudz paveicis, viens no galvenajiem iemesliem ir tas, ka tam ir jāapmāca noteikta veida dati. Un daudzos gadījumos šādu datu ir ļoti maz vai tiem ir grūti piekļūt. Tā nav tikai Vatsona problēma. Tas ir 22. gadījums, kas saskaras ar visu veselības aprūpes mašīnmācības jomu.
Lai gan trūkstošo un nepieejamo datu problēma var palēnināt Vatsona darbību, tā var vairāk kaitēt IBM konkurentiem. Tas ir tāpēc, ka vislabākā iespēja iegūt datus ir ciešā partnerībā ar lielām veselības aprūpes organizācijām, kuras mēdz būt tehnoloģiski konservatīvas. Un viena lieta, ko IBM joprojām dara ļoti labi salīdzinājumā ar jaunizveidotiem uzņēmumiem vai pat tādiem milzīgiem konkurentiem kā Apple un Google, ir iegūt lielu organizāciju vadītāju un IT vadītāju uzticību. Neskatoties uz M.D. Andersona projekta īpašajām problēmām, IBM ir būtiska priekšrocība. Tas iesaista Vatsonu daudzos medicīnas centros, veselības aprūpes administrācijas grupās un dzīvības zinātnes uzņēmumos, kuri visi ir gatavi sniegt kritiskos datus, kas nepieciešami, lai veidotu mākslīgā intelekta nākotni medicīnā.
Nereāli laika grafiki
Šķiet, ka šķiršanās ar M.D. Andersonu liecināja par to, ka IBM aizrās ar savu ažiotāžu par Vatsonu.
Vēža centrs un IBM sadarbojās 2012. gadā. Vatsona mērķis bija nolasīt datus par jebkura pacienta simptomiem, gēnu secību un patoloģijas ziņojumiem, apvienot tos ar ārstu piezīmēm par pacientu un attiecīgajiem žurnālu rakstiem un pēc tam palīdzēt ārstiem diagnozes un ārstēšana. Bet gan IBM, gan M.D. Andersons pārspīlēja cerības uz šo tehnoloģiju. IBM apgalvoja 2013. gadā, ka ir parādījies un devis jauns skaitļošanas laikmets Forbes iespaids, ka Vatsons tagad pievēršas klīniskajiem pētījumiem un tas tiks izmantots pacientiem tikai dažu mēnešu laikā. 2015. gadā Washington Post citēja IBM Watson menedžeri, aprakstot, kā Vatsons bija aizņemts ar kolektīvā intelekta modeļa izveidi starp mašīnu un cilvēku. The Post teica, ka datorsistēma kopā ar ārstiem mācās darīt to, ko viņi nevar.
Veselības aprūpe ir bijusi apkaunojoši novēlota tehnoloģiju ieviesēja, saka Manišs Kolli, ārsts un veselības aprūpes informātikas eksperts no Klīvlendas klīnikas.
Šā gada februārī Teksasas Universitāte, kas vada M.D. Andersonu, paziņoja, ka ir pārtraukusi projektu, atstājot medicīnas centram 39 miljonus USD maksājumus IBM. — par projektu, kura līgums sākotnēji bija 2,4 miljoni USD. Pēc četriem gadiem tas nebija radījis rīku lietošanai pacientiem, kas būtu gatavs veikt tālākus izmēģinājuma testus. M.D. Andersons man nekomentētu par Vatsonu, taču šķiet, ka problēmas galvenokārt izraisīja iekšējās cīņas par to, kā projekts tika pārvaldīts un finansēts.
Tas nenozīmē, ka IBM nav problēmu ar Vatsonu. Tie patiešām ir lielāki par to, ko atklāj jebkura ieviešana.
Lai saprastu, kas palēnina progresu, jums ir jāsaprot, kā tiek apmācītas tādas mašīnmācības sistēmas kā Watson. Vatsons mācās, nepārtraukti pārveidojot savas iekšējās apstrādes rutīnas, lai iegūtu pēc iespējas lielāku pareizo atbilžu procentuālo daļu uz noteiktu problēmu kopumu, piemēram, kuri radioloģiskie attēli atklāj vēzi. Pareizajām atbildēm jau ir jābūt zināmām, lai sistēma varētu pateikt, kad tai kaut kas ir kārtībā un kad kaut kas nav kārtībā. Jo vairāk treniņu problēmu sistēma var pārvarēt, jo labāks kļūst tās trāpījumu līmenis.
Tas ir salīdzinoši vienkārši, ja runa ir par sistēmas apmācību ļaundabīgo audzēju identificēšanai rentgena staros. Bet potenciāli revolucionārām mīklām, kas pārsniedz to, ko jau dara cilvēki, piemēram, sakarību noteikšana starp gēnu variācijām un slimībām, Vatsonam ir vistas un olas problēma: kā tas mācās, izmantojot datus, kurus neviens eksperts vēl nav izsijājis un pareizi sakārtojis. ? Ja jūs mācāt pašbraucošu automašīnu, ikviens var apzīmēt koku vai zīmi, lai sistēma varētu iemācīties to atpazīt, saka Tomass Fukss, Ņujorkas vēža centra Memorial Sloan-Kettering skaitļošanas patologs. Taču specializētā medicīnas jomā jums var būt nepieciešami eksperti, kas ir apmācīti gadu desmitiem, lai pareizi marķētu datorā ievadīto informāciju.
Šī klupšanas akmens versija parādās katrā jomā, kurā IBM cer, ka Vatsons piedalīsies — tāpat kā jebkura uzņēmuma mašīnmācības risinājumam. Lai apmācītu Vatsonu iziet cauri milzīgiem datu kopumiem un izvilkt dažas vienam pacientam svarīgās informācijas daļas, kādam tas vispirms ir jādara ar roku tūkstošiem un tūkstošiem gadījumu. Lai atpazītu ar slimībām saistītos gēnus, Vatsonam ir vajadzīgi tūkstošiem pacientu ierakstu, kuriem ir noteiktas slimības un kuru DNS ir analizēta. Taču šīs gēnu un pacienta ierakstu kombinācijas var būt grūti atrast. Daudzos gadījumos dati vienkārši nepastāv pareizajā formātā — vai vispār jebkurā formā. Vai arī dati var būt izkaisīti pa desmitiem dažādu sistēmu, un ar tiem ir grūti strādāt.
Apsveriet, piemēram, mērķi uzlabot primāro aprūpi, sniedzot labākus datus klīnicistiem. Ja ārsti ikdienišķās primārās aprūpes apmeklējuma laikā palaiž garām iespēju ārstēt salīdzinoši nelielas problēmas, pirms kāda progresīvāka problēma nosūta pacientus neatliekamās palīdzības nodaļā vai pie speciālista, viņu veselība cieš un izmaksas strauji pieaug. Apmēram viena trešdaļa no katra veselībai iztērētā dolāra, iespējams, nav vajadzīga, saka Anils Džeins, IBM Watson Health galvenais medicīnas darbinieks, kurš ir arī praktizējošais primārās aprūpes ārsts. Mašīnmācība ir plaši atzīta kā iespēja risināt šo problēmu.
Tomēr, lai patiešām palīdzētu ārstiem sasniegt labākus rezultātus pacientiem, Vatsonam būs jāatrod korelācijas starp to, kas lasāms veselības ierakstos, un to, ko Tans sauc par visiem veselības sociālajiem faktoriem. Šie faktori ietver to, vai pacienti ir bez narkotikām, izvairās no nepareizas pārtikas, tīra gaisa elpošanu un vēl un vēl. Taču Tanga atzīst, ka mūsdienās gandrīz neviena slimnīca vai medicīnas prakse neiegūst šos datus ticami par ievērojamu pacientu daļu. Daļa no problēmas ir tā, ka slimnīcas ir lēni ieviesušas modernu, uz datiem balstītu praksi. Veselības aprūpe ir bijusi apkaunojoši novēlota tehnoloģiju ieviesēja, saka Manišs Kolli, ārsts un veselības aprūpes informātikas eksperts no Klīvlendas klīnikas.
Vietās, kur dati pastāv, IBM bieži vien ir izgājis un tos iegādājies. Tā ir iegādājusies tādus uzņēmumus kā Truven Health Analytics, Explorys un Phytel, kas visi aktīvi strādāja ar lielām datu kopām slimnīcās un pacientu grupās. Un pat pēc M.D. Andersona darījuma izbeigšanās IBM ir dažas svarīgas partnerības, kas veicina piekļuvi pacientu datiem.
Viens no tiem ir Atrius Health, gandrīz 900 galvenokārt primārās aprūpes ārstu tīkls visā Bostonas apgabalā. Partnerības mērķis ir izstrādāt un pārbaudīt uz Vatsonu balstītu sistēmu, kas spēj no piezīmju, ierakstu un rakstu okeāna izvilkt konkrētam pacientam svarīgas informācijas tīrradņus. Visas atbilstošās informācijas meklēšana ir apgrūtinošs darbs primārās aprūpes ārstiem, jo tas pastāv šodien, saka Atrius galvenais medicīnas darbinieks Džo Kimura. Viņš piebilst, ka elektroniskās veselības kartes var būt vēl vairāk pasliktinājušas problēmu, jo šādu sistēmu parādīšanās ir ļoti palielinājusi katrā vizītē ģenerēto datu apjomu, nenodrošinot standarta formātu, kas ļautu viegli izgūt.
Būtiski, ka daudzas no vissvarīgākajām piezīmēm pacientu ierakstos ir teikumi, kurus parastā IT sistēma nevar saprast. Bet Vatsons var pielietot dabiskās valodas apstrādes prasmes, kas izstrādātas Apdraudējums! lai iegūtu no tiem nozīmi. Ideālā gadījumā tas varētu ieteikt veidus, kā ārsti var palīdzēt pacientiem izvairīties no nepieciešamības pēc plašas aprūpes. Kāpēc mums būtu jākoncentrējas tikai uz to, lai būtu pēc iespējas labāks darbs ar pacientiem, kuri salauž gurnus, jautā Kimura, kad varam mēģināt paredzēt, kuriem pacientiem draud kritiens, un palīdzēt viņiem nemaz nesalauzt gurnu. ? Mums ir jāvirza sava aprūpe augšup pa straumi.
Leikēmijas ārsts M.D. Andersonā Kortnija DiNardo izmantoja IBM Watson sistēmu, konsultējoties ar pacientu 2013. gadā.
IBM 2015. gadā paziņoja, ka Vatsona diagnostikas iespējas tiks uzlabotas, izmantojot datus, kas iegūti no medicīnas attēlveidošanas pārvaldības uzņēmuma Merge Healthcare, kuru IBM iegādājās par aptuveni 1 miljardu ASV dolāru.
Watson Health sadarbojas arī ar Central New York Care Collaborative, valsts valdības finansētu aģentūru, kas sadarbojas ar aptuveni 2000 veselības aprūpes sniedzējiem sešos apgabalos. Partnerība ir paredzēta, lai atbalstītu mērķi par 25 procentiem samazināt neatliekamās palīdzības numuru un slimnīcas atpakaļuzņemšanu, kad pacientiem, kuri ir izrakstīti no slimnīcas, ir jāatgriežas, lai risinātu saistītās problēmas. Tas arī nodrošina potenciālu piekļuvi lielam pacientu datu apjomam.
Ir arī citi veidi, kā iegūt šādus datus. Viens no Google māsas uzņēmumiem cenšas to iegūt tieši no pašiem pacientiem. Verily Life Sciences, Alphabet veselības aprūpes nodaļa, sadarbojas ar Djūku un Stenfordu, lai izstrādātu augsti strukturētu veselības datubāzi par aptuveni 10 000 brīvprātīgo. Datubāze tiks aizpildīta ar informāciju ne tikai no viņu klīniskajām vizītēm, bet arī no valkājamām veselības uzraudzības ierīcēm. Tas varētu būt daudzsološs lēciens datu piekļuvei, lai gan var paiet desmit gadi vai vairāk, lai iegūtu ļoti izmantojamus rezultātus.
Fuksa grupa pie Memorial Sloan-Kettering cer apmācīt AI sistēmu, lai nolasītu audu traipu priekšmetstikliņus, un šim procesam būs nepieciešama liela digitāli anotētu priekšmetstikliņu bibliotēka ar apstiprinātām diagnozēm un citiem svarīgiem datiem. Tāpēc grupa gatavojas viena pati ražot 40 000 šādu slaidu mēnesī. Tas ir daudz vairāk nekā jebkurš cits, saka Fukss. Tas ir milzīgs uzdevums visu bioloģijas mainīgumu dēļ.
Pat M.D. Andersons, neskatoties uz Vatsona projekta likteni, turpina apjomīgu programmu, kas aizsākās aptuveni tajā pašā laikā un kuras mērķis ir apkopot 1700 veidu klīniskos datus par katru pacientu, kurš ieiet tā durvīm. Endijs Futreāls, zinātnieks, kurš vada programmu, saka, ka pacienta informācijas apvienošana ar pētījumu datiem būs ļoti svarīga, lai nodrošinātu iespējas, ko varētu nodrošināt tādas sistēmas kā Watson. Kad mums ir pieejami dati, tagad jūs varat iesaistīties mākslīgā intelekta mašīnmācīšanās biznesā, atklājot faktorus, kas nosaka, kuram un kam neveicas ar dažādām ārstēšanas metodēm, saka Futreal.
IBM, savukārt, turpina vākt datus no partnerattiecībām. Tikai vēža diagnostikas un aprūpes jomā uzņēmums ir sadarbojies ar Memorial Sloan-Kettering, Mayo Clinic, ar Hārvardu un MIT saistīto Broad Institute un medicīnas testu gigantu Quest Diagnostics. Memorial Sloan-Kettering sadarbība jau ir radījusi sistēmu, kas izsijā žurnālu literatūru, lai informētu par ārstēšanas lēmumiem, un tā ir ieviesta Jupitera medicīnas centrā Floridā un slimnīcu ķēdē Indijā. Narkotiku atklāšanas jomā Watson Health sadarbojas ar Barrow Neirological Institute, kur Vatsons palīdzēja atrast piecus ar ALS saistītus gēnus, kas nekad agrāk nebija saistīti ar šo slimību, un ar Ontario Brain Institute, kur Vatsons identificēja 21 daudzsološu potenciālu medikamentu. kandidātiem.
Vai Vatsons galu galā uzlabos veselības rezultātus un samazinās izmaksas? Iespējams, saka Stīvens Krauss, riska kapitāla uzņēmuma Bessemer Venture Partners partneris, kurš koncentrējas uz veselības aprūpi un ir ieguldījis AI veselības aprūpes jaunizveidotajos uzņēmumos. Tas viss ir pa īstam, saka Krauss. Tas nav saistīts ar iztvaikošanas iekārtu izplatīšanu, lai paaugstinātu akciju cenas. Taču Krauss pievienojas lielākajai daļai ekspertu, brīdinot pret nereāliem laika grafikiem vai solījumiem — daži no tiem ir nākuši no paša IBM. Tas ir grūti, viņš saka. Tas nenotiek šodien un, iespējams, nenotiks pēc pieciem gadiem. Un tas neaizstās ārstus.