Watson idzie do pracy w szpitalu

Zaprojektowany, aby odpowiedzieć Niebezpieczeństwo! pytania, Watson IBM jest mało przydatny poza zestawem teleturnieju. Ale niektóre techniki, które pomogły komputerowi pokonać dwoje ludzi Niebezpieczeństwo ! mistrzowie w lutym zapowiadają się w nowym kontekście: szpitalu. Naukowcy z Kanady korzystają z analiz, takich jak te, które pomogły komputerowi rozszyfrować język wskazówek, aby zapewnić wczesne ostrzeżenie, gdy dzieci na oddziale intensywnej terapii zarażą się infekcją szpitalną.

Zalew danych: Strumienie danych medycznych od dzieci przebywających na OIOM-ie mogą zapewnić wczesne ostrzeżenie o infekcji.

Jak można się spodziewać, dzieci przebywające na OIOM-ie są otoczone sprzętem, który śledzi ich parametry życiowe, ale wiele z tych danych jest marnowanych, mówi Carolyn McGregor , naukowiec z Instytutu Technologii Uniwersytetu Ontario. Mówi, że wytwarzają ciągłe strumienie danych, ale informacje te są często sprowadzane do punktu [pielęgniarki] czytane co 60 minut, zapisywane na papierze.

McGregor kieruje projektem, który opracował oprogramowanie, które ma zapewnić, że żaden skrawek tych danych nie zostanie zmarnowany. Na noworodkowym OIOM-ie Hospital for Sick Children w Toronto oprogramowanie, nazwane Artemis, zbiera dane z ośmiu łóżeczek dziecięcych. System może monitorować elektrokardiogram dziecka, tętno, częstość oddechów, poziom tlenu we krwi, temperaturę i ciśnienie krwi. Może również uzyskać dostęp do danych z dokumentacji medycznej, takich jak waga urodzeniowa dziecka. McGregor i współpracownicy opracowują algorytmy, które wykorzystują te sygnały do ​​wykrywania oznak infekcji szpitalnej, zanim zrobią to lekarze i pielęgniarki.

Obecna praktyka stosowana do diagnozowania infekcji na OIOM ma wysoki odsetek wyników fałszywie dodatnich, co oznacza, że ​​wiele dzieci jest błędnie diagnozowanych i otrzymuje leki, których nie potrzebują lub przebywa na łóżku na OIOM-ie dłużej niż to konieczne. Jak mówi McGregor, dzieci, u których zdiagnozowano infekcję, mają średnio dwa razy więcej czasu na pobyt. Chcemy to zmniejszyć.

Naukowcy wykazali już, że Artemis może wykorzystać niektóre z tych samych obserwacji klinicznych, których używają lekarze do diagnozowania niemowląt. Na przykład system może wykrywać epizody bezdechu (przerwa w oddychaniu), który, jak się uważa, zwiększa się, gdy pojawia się infekcja, mówi McGregor. Inne badania wykazały, że zmiana częstości akcji serca może ostrzegać przed infekcją na 24 godziny przed wystąpieniem większości innych objawów. Zaproponowaliśmy nasz własny algorytm, który wykorzystuje te i szerszy zakres danych do wykrywania oznak infekcji, mówi McGregor.

Dwie nieco różne wersje tego algorytmu są testowane na OIOM-ie. Wyniki mają zostać opublikowane jeszcze w tym roku. Skuteczność oprogramowania będzie oceniana porównując jego decyzje i obserwacje z tymi poczynionymi przez personel medyczny. Testowane są również algorytmy, które próbują nauczyć się nowych sygnałów ostrzegawczych infekcji. Nikt wcześniej nie miał dostępu do wszystkich tych danych, więc nie zawsze możemy odwoływać się do wcześniejszych badań, mówi McGregor.

Artemis jest zbudowany na platformie analitycznej InfoSphere Streams, która, podobnie jak Watson, wyłoniła się z badań IBM nad sposobami podejmowania przez oprogramowanie decyzji na miejscu przy użyciu danych przychodzących z dużą prędkością z wielu różnych źródeł.

Paradygmaty przetwarzania, które mieliśmy wcześniej, po prostu nie pasowały do ​​rodzaju danych strumieniowych, z którymi mamy do czynienia, mówi McGregor. Oprogramowanie tradycyjnie przeprowadza analizę, systematycznie przeszukując stały, dobrze zorganizowany magazyn danych, tak jak osoba poruszająca się po stosach biblioteki, wyjaśnia.

Natomiast InfoSphere Streams opiera się na nowszym, alternatywnym modelu znanym jako przetwarzanie strumieniowe. Informacje nieustannie napływają do oprogramowania, gdzie algorytmy odpowiedzi na pytania działają jak filtry, wyciągając odpowiedzi z informacji dostępnych w danym momencie.

Dzięki temu możliwe jest przyjmowanie danych, które poruszają się zbyt szybko, aby można je było zapisać na dyskach twardych, które są stosunkowo powolne, mówi Lipieow Lim , naukowiec z University of Hawaii, który wcześniej pracował w laboratorium IBM TJ Watson. Kiedy pojawiają się dane, chcesz spojrzeć na nie tylko raz, a potem odpuścić, mówi. InfoSphere Streams zapewnia rodzaj systemu operacyjnego do tego podejścia, mówi Lim, dzieląc pracę nad implementacją określonego programu na wielu komputerach, dzięki czemu system jako całość może generować odpowiedzi bez umieszczania jakichkolwiek danych na dysku.

Dzięki temu klaster komputerów, z których składa się Artemis, może nadążyć za wszystkimi różnymi źródłami danych przesyłanych strumieniowo dla różnych dzieci. Monitorowanie jednego dziecka, które prawdopodobnie można by zrobić za pomocą tradycyjnego systemu i projektu przechowywania, mówi Lim. Wyzwanie pojawia się, gdy chcesz monitorować wiele z nich.

To samo podejście umożliwiło Watsonowi odpowiadanie na pytania wystarczająco szybko, aby konkurować z ludzkimi ekspertami. Gdy tylko pojawiła się nowa wskazówka, wiele różnych algorytmów przetwarzania języka naturalnego zaczęło działać równolegle. Ich wyniki były przesyłane strumieniowo do silnika analitycznego podobnego do tego w InfoSphere Streams, który uzgadniał różne odpowiedzi i decydował o najlepszej odpowiedzi Watsona.

McGregor wykorzystuje zdolność Artemis do przetwarzania dużych ilości danych, aby przekształcić je w rodzaj zdalnej diagnozy, która może służyć oddziałom intensywnej terapii noworodków na całym świecie. Wdrożyliśmy wersję w chmurze, aby szpital dla kobiet w Rhode Island przesyłał dane do mojego laboratorium przez bezpieczne łącze internetowe, mówi. Jeszcze w tym roku dwa szpitale w Chinach połączą swoje oddziały OIOM-u noworodków za pomocą tej technologii.

Tymczasem maszyny, które bardziej przypominają Watsona, który zachwycał Niebezpieczeństwo ! widzowie podążają własną, wolniejszą drogą do szpitala. IBM rozpoczął współpracę z firmą Nuance zajmującą się rozpoznawaniem głosu, aby zbadać, w jaki sposób system podobny do Watsona, który analizuje literaturę badawczą, dokumentację medyczną i notatki lekarskie, może doradzać klinicystom.

ukryć