Daje dostęp do danych, a dane są najważniejsze ”- powiedziała o Modernizing Medicine

Ogólnie czarnoskóre kobiety reprezentują bardzo wrażliwą populację, z wysokim wskaźnikiem wielu dolegliwości związanych z otyłością i brakiem aktywności fizycznej. Na przykład ponad 40% czarnoskórych kobiet w wieku powyżej 20 lat ma już nadciśnienie.

Wiele osób choruje również na cukrzycę, udar i raka piersi, a ich wskaźniki śmiertelności przewyższają umieralność białych z tych przyczyn. „Czarne kobiety również umierają w młodszym wieku z powodu tych chorób” – zauważa Tatum.

Przyczynia się do tego faktu, że mniej niż połowa czarnoskórych dziewcząt podejmuje jakąkolwiek aktywność fizyczną w czasie wolnym przed ukończeniem 17 roku życia, a często zaczyna się ona w okresie dojrzewania, jak zauważono przez National Institutes of Health.

„Wielu naszych uczniów ma już nadwagę lub otyłość i zapisuje się na studia z cukrzycą lub nadciśnieniem” – powiedział Tatum.

„Ta inicjatywa ma na celu pomóc naszym uczniom uczyć się, jak zachować zdrowie w szkole i poza nią, a także stać się ambasadorami zmian w lokalnych społecznościach” – powiedziała.

„Jesteśmy bardzo wrażliwi na nierówności zdrowotne, z jakimi borykają się młode czarnoskóre kobiety, takie jak życie na pustyniach żywności, z których wiele nie możemy nic zrobić” – kontynuuje Tatum. „Są jednak sposoby, dzięki którym możemy pomóc im zachować zdrowie w sposób, który pozwoli im czerpać maksymalne korzyści z ich edukacji”.

„Nie ma sensu inwestować tyle samo, ile robimy, w przygotowanie młodych kobiet do przywództwa tylko po to, by prowadziły niepotrzebnie skracane życie” – dodała.

,

Dermatolog z Long Island, Kavita Mariwalla, dobrze wie, jak leczyć trądzik, oparzenia i wysypki. Ale kiedy przyszedł pacjent z potencjalnie oszpecającym przypadkiem pęcherzowej pemfigoidu – rzadkiej choroby skóry, która powoduje duże, wodniste pęcherze – została zaskoczona.

Leki przepisywane zwykle przez lekarzy na chorobę autoimmunologiczną nie były dostępne. Zalogowała się więc do Modernizing Medicine, internetowego repozytorium informacji i spostrzeżeń medycznych, aby uzyskać pomoc.

W ciągu kilku sekund poznała nazwę innego leku, który działał w porównywalnych przypadkach.

„Daje dostęp do danych, a dane są królem” – powiedziała o Modernizing Medicine. „Było to bardzo pomocne, zwłaszcza w trudnych sytuacjach klinicznych”.

System, jedno z coraz większej liczby podobnych narzędzi w całym kraju, umożliwia jej wykorzystanie zbiorowej wiedzy 4000 lekarzy i 13 milionów pacjentów, a także danych na temat metod leczenia, które inni lekarze zapewniają pacjentom o podobnym profilu. Następnie wypluwa zalecenia.

Tytani technologiczni, tacy jak Google, Facebook, Microsoft i Apple, dokonali już ogromnych inwestycji w sztuczną inteligencję, aby dostarczać dostosowane wyniki wyszukiwania i tworzyć wirtualnych osobistych asystentów. Podejście to zaczyna również przenikać do opieki zdrowotnej, częściowo dzięki naciskom ustawy o reformie zdrowia, aby wykorzystać nowe technologie w celu poprawy wyników i zmniejszenia kosztów, a także dzięki dostępności tańszych i mocniejszych komputerów.

Komputery nie mogą zastąpić lekarzy przy łóżku, ale są w stanie przetwarzać ogromne ilości danych i identyfikować wzorce, których ludzie nie mogą. Sztuczna inteligencja może być narzędziem umożliwiającym pełne wykorzystanie elektronicznej dokumentacji medycznej, przekształcając ją ze zwykłych szafek elektronicznych w pełnoprawnych pomocników lekarzy, którzy mogą dostarczać istotne klinicznie dane wysokiej jakości w czasie rzeczywistym.

„Elektroniczne dokumenty medyczne [są] jak duże kamieniołomy, w których jest dużo złota, a my dopiero zaczynamy je wydobywać” – powiedział dr Eric Horvitz, dyrektor zarządzający Microsoft Research i specjalizujący się w stosowaniu sztucznej inteligencji w placówkach opieki zdrowotnej .

Coraz częściej gabinety lekarskie i szpitale w całym kraju używają superkomputerów i systemów domowych do identyfikacji pacjentów, którzy mogą być zagrożeni niewydolnością nerek, chorobami serca lub infekcjami pooperacyjnymi, a także w celu zapobiegania ponownym hospitalizacjom, co jest kolejnym kluczowym zagadnieniem reformy zdrowia.

Zaczynają łączyć indywidualne dane zdrowotne pacjentów – w tym informacje genetyczne – z bogactwem materiałów dostępnych w publicznych bazach danych, podręcznikach i czasopismach, aby pomóc w opracowaniu bardziej spersonalizowanych metod leczenia.

Na razie zalecenia Modernizing Medicine opierają się w dużej mierze na tym, co jest najpopularniejsze wśród innych specjalistów – powiedz, jak często lekarze na platformie przepisują dany lek lub zlecają badanie laboratoryjne. Ale w przyszłym miesiącu system wyświetli dane o wynikach pacjentów, które firma zebrała od swoich abonentów w ciągu ostatniego roku. Lekarze będą również mogli dwukrotnie porównać te informacje z wynikami najnowszych badań klinicznych, wysyłając zapytania do Watsona, sztucznie inteligentnego superkomputera IBM.

„To, co dzieje się w prawdziwym świecie, powinno być informowane o tym, co dzieje się w czasopismach medycznych” – powiedział Daniel Cane, dyrektor generalny Modernizing Medicine z siedzibą na Florydzie. „Ta informacja musi dotrzeć do dostawcy w miejscu opieki”.

“ Szybko i bezproblemowo ”

Korzystając z systemów domowych, lekarze z Vanderbilt University Medical Center w Nashville i St. Jude’s Medical Center w Memphis otrzymują wyskakujące powiadomienia – podobnie jak te na iPhonie – w elektronicznej dokumentacji medycznej poszczególnych pacjentów.

Ostrzeżenia informują ich, na przykład, kiedy lek może nie działać u pacjenta z określonymi cechami genetycznymi. Pojawia się w jasnożółtym kolorze na górze ekranu komputera lekarza – trudno nie zauważyć.

„Jednym kliknięciem lekarz może przepisać inny lek. To bardzo szybki i bezproblemowy proces” – powiedział dr Joshua Denny z Vanderbilta, jeden z naukowców, który opracował tam system.

Denny i inni wykorzystali e-medyczne rejestry 16 000 pacjentów, aby pomóc komputerom przewidzieć, którzy pacjenci będą prawdopodobnie potrzebować określonych leków w przyszłości.

Weź lek przeciwzakrzepowy Plavix. Niektórzy ludzie nie potrafią tego rozłożyć. System Vanderbilt ostrzega lekarzy, aby przepisywali pacjentom, którzy mogą potrzebować leku, testy genetyczne, aby sprawdzić, czy mogą. Jeśli nie, daje lekarzom sugestie dotyczące alternatywnych leków.

Lekarze kierują się zaleceniami komputera przez około dwie trzecie czasu, biorąc pod uwagę na przykład ryzyko związane z alternatywnymi lekami.

„Algorytm jest całkiem niezły” – mówi Denny, odnosząc się do jego zdolności do przewidywania, kto będzie potrzebował określonego leku. „To było mądrzejsze niż moja intuicja”.

Jak dotąd komputery naprawdę dobrze radziły sobie z analizowaniem tak zwanych danych strukturalnych – informacji, które można łatwo zmieścić w zasobnikach lub kategoriach. W służbie zdrowia dane te są często przechowywane jako kody rozliczeniowe lub wartości testów laboratoryjnych.

Ale te dane nie obejmują pełnego zakresu objawów pacjentów, a nawet ich leczenia. Obrazy, raporty radiologiczne i notatki, które lekarze piszą o każdym pacjencie, mogą być bardziej przydatne. To nieustrukturyzowane dane, a komputery są mniej doświadczone w obsłudze, ponieważ wymaga wyciągania wniosków i pewnego zrozumienia kontekstu i intencji.

To są rzeczy, w których ludzie są naprawdę dobrzy – i to właśnie naukowcy próbują nauczyć maszyny, aby działały lepiej.

„Komputery notorycznie słabo rozumieją język angielski” – powiedział Peter Szolovits, dyrektor Clinical Decision Making Group w MIT. „To powolna podróż, ale nadal jestem optymistą”.

Komputery coraz lepiej odczytują nieustrukturyzowane informacje. Przypuśćmy, że pacjent mówi, że nie pali. Jego lekarz sprawdza „nie” w ramce – ustrukturyzowane dane, łatwo przechwycone przez maszynę.

Ale potem lekarz zauważa, że ​​zęby pacjenta są odbarwione lub że na jego palcach są plamy nikotynowe – wskazówka, że ​​pacjent faktycznie pali. Wkrótce komputer może być w stanie wskazać takie rozbieżności, wysuwając na pierwszy plan informacje, które w przeciwnym razie mogłyby zostać przeoczone.

W ostatnich latach uniwersytety, firmy technologiczne i firmy venture capital zainwestowały miliony w ulepszenie komputerów pod kątem analizowania obrazów i słów. Firmy pojawiają się, aby czerpać korzyści z wyników badań sugerujących, że sztuczna inteligencja może być wykorzystana do poprawy opieki.

„Sztuczna inteligencja – ostatecznie to właśnie tam zostaną wprowadzone największe ulepszenia jakościowe” – powiedział Euan Thomson, partner w firmie venture capital Khosla Ventures.

Eksperci twierdzą, że pozostaje jednak wiele wyzwań. Wśród nich są olbrzymie koszty i trudności związane z uzyskaniem dostępu do wysokiej jakości danych oraz opracowaniem inteligentnych modeli i przeszkoleniem ich w zakresie wychwytywania wzorców.

Większość elektronicznych systemów prowadzenia dokumentacji medycznej nie jest ze sobą kompatybilna. Dane są często przechowywane na serwerach w poszczególnych przychodniach lub szpitalach, co utrudnia zbudowanie kompleksowego zbioru informacji medycznych.

Co więcej, systemy często nie są podłączone do Internetu i dlatego nie mogą być szeroko rozpowszechniane ani dostępne, jak inne informacje w chmurze. Tak więc, w przeciwieństwie do ogromnej ilości danych w Google i Facebooku, informacje nie mogą być wydobywane z dowolnego miejsca przez osoby zainteresowane ich analizą.

Z punktu widzenia obrońców prywatności ma to sens: skarbnica badacza to plac zabaw dla hakerów.

“To nie jest najlepszy czas na rozmowę o” danych zdrowotnych w Internecie, biorąc pod uwagę skandale związane z bezpieczeństwem, takie jak wycieki Edwarda Snowdena i błąd Heartbleed, powiedział dr Russ Altman, dyrektor programu szkolenia informatyki biomedycznej Uniwersytetu Stanforda.

Rysowanie linii

Na przeszkodzie stoją również obawy o to, jak daleko komputery powinny wkraczać na teren lekarzy. Eksperci twierdzą, że w miarę jak systemy sztucznej inteligencji stają się inteligentniejsze, granica między wydawaniem zaleceń a podejmowaniem decyzji może stać się bardziej niejasna. Może to spowodować, że organy regulacyjne będą postrzegać systemy jako urządzenia medyczne, z zastrzeżenie flex optima lek cenam przeglądu amerykańskiej Agencji ds.Żywności i Leków.

Obawiając się czasu i kosztów wymaganych do zatwierdzenia przez FDA, firmy konstruujące systemy – przynajmniej na razie – starają się nie opisywać ich jako narzędzi diagnostycznych, ale raczej jako banki informacji.

„FDA rzuciłaby się na nich jak tona cegieł, ponieważ wtedy twierdziliby, że uprawiają medycynę” – mówi Szolovits z MIT.

W tej chwili, powiedział, technologia nie jest wystarczająco dobra, aby powiedzieć lekarzom ze stuprocentową pewnością, jaki może być najlepszy sposób leczenia pacjenta.