AI nie może zastąpić lekarzy. Ale może je poprawić.

Rysunek dziecka gabinetu lekarskiego przedstawiający dziecko na stole egzaminacyjnym i lekarza przy komputerze. Rysunek Ag, Age 7, prawa autorskie Thomas G. Murphy MD 2011

Kilka lat temu Vinod Khosla, inwestor Doliny Krzemowej, napisał prowokacyjny artykuł zatytułowany Czy potrzebujemy lekarzy czy algorytmów? Khosla twierdził, że lekarze nie mogą się równać ze sztuczną inteligencją. Lekarze przekomarzają się z pacjentami, zbierają kilka symptomów, polują po ciele w poszukiwaniu wskazówek i wysyłają pacjenta z receptą. To czasami (przypadkowo może) prowadzi do właściwego leczenia, ale lekarze działają tylko na podstawie ułamka dostępnych informacji. Napisał, że algorytm mógłby działać lepiej.

Jestem pediatrą i młodocianym lekarzem w rejonie zatoki San Francisco, gdzie przedsiębiorcy tacy jak Khosla od lat pukają do drzwi lekarzy ze swoimi pilotażowymi technologiami, oprogramowaniem i sprzętem. Mogę z pewnym autorytetem powiedzieć, że Khosla jest głosem bystrego outsidera, który wie to, co wie – co nie jest opieką zdrowotną.

Ta historia była częścią naszego wydania z listopada 2018 r.

• Zobacz resztę numeru
• Subskrybuj

Tak, sztuczna inteligencja może nam pomóc w diagnozowaniu i leczeniu chorób. Może zestawiać i udostępniać szeroki zakres danych w jasny i zwięzły sposób, ograniczając nieprecyzyjne osądy dokonywane przez lekarzy z powodu presji i złożoności naszych praktyk. Nie ma wątpliwości, że dla niektórych lekarzy, których praca jest mocno skoncentrowana na diagnostyce (np. radiolodzy czy patolodzy), ten przełom może okazać się zagrożeniem egzystencjalnym. Na przykład dekadę temu naukowcy wykazali, że sztuczna inteligencja była tak dobra jak radiolodzy w wykrywaniu raka piersi.

Ale dla lekarzy takich jak ja w podstawowej opiece zdrowotnej, obsługujących 1500 do 2000 pacjentów, sztuczna inteligencja stanowi szansę. Poszedłem do szkoły medycznej, aby nawiązać kontakt z ludźmi i coś zmienić. Dziś często czuję się jak przepłacany księgowy, który przyjmuje informacje i wypluwa je z powrotem pacjentom, przepisując leki i dostosowując dawki, zlecając badania. Ale sztuczna inteligencja w sali egzaminacyjnej otwiera szansę na odzyskanie sztuki medycznej. Mogłabym lepiej poznać moich pacjentów, dowiedzieć się, jak choroba wpływa na nich wyjątkowo i dać mi czas na szkolenie ich w kierunku lepszego wyniku.

Zastanów się, co sztuczna inteligencja może zrobić w przypadku astmy, najczęstszej przewlekłej choroby wieku dziecięcego. Cierpi na to sześć milionów amerykańskich dzieci. W 2013 r. wspólnie opuścili 14 milionów dni nauki w szkole. Koszt leków, wizyt u lekarza i izby przyjęć oraz hospitalizacji zbliża się do 60 miliardów dolarów rocznie.

Rozpoznaję astmę według zasady, która została przekazana z biegiem czasu: jeśli miałeś trzy lub więcej epizodów świszczącego oddechu, a leki na astmę pomagają, masz chorobę. Po zdiagnozowaniu proszę rodziców, aby pamiętali – najlepiej jak potrafią – jak często podają dziecku leki. Pytam: Co wydaje się wyzwalać epizody? Czy dziecko jest narażone na kontakt z każdym, kto pali w domu? Mogę również przejrzeć ich dokumentację, aby policzyć, ile odwiedzin na izbie przyjęć odbyli lub ile razy uzupełnili swoje recepty.

Ale nawet z najdokładniejszymi wspomnieniami rodziców i pacjentów oraz najdokładniejszymi zapisami elektronicznymi, nadal jest to tylko wiedza retrospektywna. Nie ma proaktywnej, przewidującej strategii.

Nie chodzi o to, że nie mamy danych; po prostu jest bałagan. Spędzamy dużo czasu próbując to zrozumieć.

Nie chodzi o to, że nie mamy danych; po prostu jest bałagan. Ryzyka danych zapychają skrzynkę odbiorczą lekarza. Przychodzą w wielu formach i z różnych kierunków: obiektywne informacje, takie jak wyniki laboratoryjne i parametry życiowe, subiektywne obawy, które przychodzą w postaci wiadomości telefonicznych lub e-maili od pacjentów. Wszystko jest podzielone i spędzamy dużo czasu jako lekarze, próbując to zrozumieć. Firmy technologiczne i raczkujące start-upy chcą jeszcze bardziej otworzyć kanał danych, pozwalając swoim urządzeniom bezpośrednio do konsumentów — telefonowi, zegarkowi, ciśnieniomierzowi, glukometrowi — wysyłać ciągłe strumienie danych bezpośrednio do nas. Staramy się za tym nadążyć, a wskaźniki wypalenia wśród lekarzy wciąż rosną.

Jak AI może to naprawić? Zacznijmy od diagnozy. Chociaż kliniczne objawy astmy są łatwe do zauważenia, choroba jest znacznie bardziej złożona na poziomie molekularnym i komórkowym. Geny, białka, enzymy i inne czynniki wywołujące astmę są bardzo zróżnicowane, nawet jeśli ich czynniki środowiskowe nakładają się na siebie. Wielu ekspertów myśli teraz o astmie w ten sam sposób, w jaki myślą o raku – ogólnym terminie określającym chorobę, która różni się w zależności od lokalizacji guza i cech komórkowych. Ian Adock z National Heart & Lung Institute w Imperial College w Londynie bada związek między astmą a środowiskiem. On i jego zespół zbierają próbki biologiczne z krwi, moczu i tkanki płuc pacjentów z astmą i organizują odnalezione markery genetyczne i molekularne w podtypy astmy. Hipoteza jest taka, że ​​mając taką wiedzę, pacjenci mogą otrzymać lek, który jest dla nich najlepszy.

AI może również pomóc w opanowaniu zaostrzeń astmy. U wielu pacjentów astma pogarsza się wraz ze wzrostem poziomu zanieczyszczenia powietrza, jak to miało miejsce zeszłego lata, kiedy pożary zarośli przetoczyły się przez Północną Kalifornię. Sztuczna inteligencja może nam pozwolić na zbieranie informacji o środowisku i proaktywne reagowanie. W 2015 roku naukowcy opublikowali badanie pokazujące, że mogą przewidzieć liczbę wizyt na izbie przyjęć związanych z astmą w szpitalu w Dallas-Fort Worth. Pobrali dane z rejestrów pacjentów, a także dane dotyczące zanieczyszczenia powietrza z czujników EPA, wyszukiwarek Google i tweetów, w których używano terminów takich jak świszczący oddech lub astma. Dane Google i Twittera były powiązane z danymi o lokalizacji użytkownika.

Gdybym miał tego rodzaju dane, mógłbym powiedzieć, Alexa, powiedz mi, którymi pacjentami z astmą muszę się dzisiaj martwić. Mogłabym uprzedzić poszkodowane rodziny. A gdybym miał też jakieś dane genetyczne, takie jak Adock, mógłbym zdiagnozować astmę, zanim pacjent miał trzy napady świszczącego oddechu, zlecając badania krwi i porównując wyniki z tymi markerami molekularnymi.

Tego rodzaju inteligencja oszczędzająca czas pozwala mi spędzać więcej czasu z moimi pacjentami. Jedno z badań wykazało, że dzieci z astmą przyjmowały lub otrzymywały leki wziewne tylko przez połowę czasu. Sztuczna inteligencja może dać mi więcej czasu na osobistą interakcję z tymi dziećmi i uzyskać lepsze wyniki.

Przed nami wiele pytań. Czy pacjenci są skłonni udostępnić nam więcej swoich danych osobowych? Jeśli sztuczna inteligencja wykaże, że twoja opieka jest lepsza w jeden sposób, ale ty lub twój lekarz czujecie inaczej, czy firma ubezpieczeniowa to zaakceptuje? Co się stanie, jeśli algorytm coś przeoczy lub zostanie zastosowany niepoprawnie? Kto ponosi odpowiedzialność, lekarz czy producent maszyny?

Nie tak dawno, w Dziennik Amerykańskiego Towarzystwa Medycznego , zobaczyłem kolorowy obrazek narysowany kredką przez dziecko. Przedstawiał jej pediatrę z oczami przyklejonymi do komputera, podczas gdy ona siedziała na stole do badań z szeroko otwartymi oczami. Mam nadzieję, że sztuczna inteligencja już niedługo pozwoli mi ponownie zwrócić uwagę na tę małą dziewczynkę.

Rahul Parikh jest pediatrą w rejonie Zatoki San Francisco.

ukryć