warta

Saprak IBM Watson dimimitian dina 2007, manusa geus terus-terusan ngudag ngembangkeun kecerdasan jieunan médis (AI). Sistem AI médis anu tiasa dianggo sareng kuat ngagaduhan poténsi anu ageung pikeun ngarobih deui sagala aspek kadokteran modéren, ngamungkinkeun perawatan anu langkung pinter, langkung akurat, éfisién, sareng inklusif, mawa karaharjaan pikeun pagawé médis sareng pasien, sareng ku kituna ningkatkeun kaséhatan manusa. Dina 16 taun katukang, sanajan peneliti AI médis geus akumulasi dina sagala rupa widang leutik, dina tahap ieu, maranéhna teu acan bisa mawa fiksi ilmiah kana kanyataan.

Taun ieu, kalayan pamekaran révolusionér téknologi AI sapertos ChatGPT, AI médis parantos kamajuan hébat dina sababaraha aspék. Narabas unprecedented dina kamampuh AI médis: Jurnal alam geus terus dibuka panalungtikan model basa badag médis sarta modél dasar gambar médis; Google ngaluarkeun Med-PaLM sareng panerusna, ngahontal tingkat ahli dina patarosan ujian Praktisi médis AS. Jurnal akademik utama bakal difokuskeun AI médis: Alam ngaleupaskeun outlook dina modél dasar AI médis umum; Handap runtuyan ulasan ngeunaan AI dina Kedokteran saméméhna taun ieu, New England Journal of Medicine (NEJM) diterbitkeun review kaséhatan digital kahijina on November 30, sarta dibuka isu mimiti NEJM sub-jurnal NEJM AI on Désémber 12. Médis AI taneuh badarat téh salajengna dewasa: JAMA sub-jurnal diterbitkeun gambar médis global prakarsa babagi data; Administrasi Pangan sareng Narkoba AS (FDA) nuju ngembangkeun draf pedoman pikeun pangaturan AI médis.

Di handap ieu, urang marios kamajuan signifikan anu dilakukeun ku panaliti di sakumna dunya pikeun arah AI médis anu tiasa dianggo dina taun 2023.

Médis AI Modél Dasar

Pangwangunan modél dasar AI médis teu diragukeun mangrupikeun fokus panalungtikan anu paling panas taun ieu. Jurnal Alam parantos nyebarkeun tulisan ulasan ngeunaan modél Universal Basic of Podomoro sareng modél basa ageung pikeun kasehatan salami sataun. Analisis Gambar Médis, jurnal luhur di industri, reviewed sarta kasampak maju ka tantangan jeung kasempetan panalungtikan model dasar dina analisis gambar médis, sarta ngajukeun konsép "silsilah model dasar" pikeun nyimpulkeun jeung pituduh ngembangkeun panalungtikan model dasar AI médis . Masa depan model AI dasar pikeun kasehatan janten langkung jelas. Ngagambar conto suksés modél basa ageung sapertos ChatGPT, ngagunakeun metode pra-latihan mandiri anu langkung maju sareng akumulasi data pelatihan anu ageung, panalungtik dina widang AI médis nyobian ngawangun 1) model dasar khusus panyakit, 2) model dasar umum, sareng 3) model ageung multimodal anu ngahijikeun sajumlah ageung parameter sareng modeu unggul.

Modél AI Akuisisi Data Médis

Salian model AI badag anu maénkeun peran hébat dina tugas analisis data klinis hilir, dina akuisisi data klinis hulu, téhnologi digambarkeun ku model AI generative ogé geus mecenghul. Prosés, laju, sareng kualitas akuisisi data tiasa ningkat sacara signifikan ku algoritma AI.

Baheula taun ieu, Nature Biomedical Engineering medalkeun panilitian ti Universitas Selat Turki anu museurkeun kana ngagunakeun AI generatif pikeun ngajawab masalah diagnosis dibantuan gambar patologis dina aplikasi klinis. Artefak dina jaringan bagian beku salila bedah mangrupa halangan pikeun meunteun diagnostik gancang. Sanaos jaringan formalin sareng parafin embedded (FFPE) nyayogikeun conto kualitas anu langkung luhur, prosés produksina nyéépkeun waktos sareng sering nyandak 12-48 jam, janten henteu cocog pikeun dianggo dina bedah. Ku alatan éta, tim peneliti ngusulkeun algoritma anu disebut AI-FFPE, anu tiasa ngadamel penampilan jaringan dina bagian beku anu sami sareng FFPE. Algoritma éta hasil ngabenerkeun artefak bagian beku, ningkatkeun kualitas gambar, sareng nahan fitur anu relevan sacara klinis dina waktos anu sami. Dina validasi klinis, algoritma AI-FFPE sacara signifikan ningkatkeun akurasi diagnostik para ahli patologi pikeun subtipe tumor, bari nyepetkeun waktos diagnosis klinis.

Kedokteran Laporan Sél ngalaporkeun hasil panalungtikan ku tim ti Klinis Katilu College of Jilin University, Departemen Radiologi, Rumah Sakit Zhongshan Affiliate ka Universitas Fudan, sareng Universitas Sains jeung Teknologi Shanghai [25]. Ulikan ieu ngajukeun tujuan umum diajar jero sareng kerangka fusi rekonstruksi iteratif (Hybrid DL-IR) kalayan versatility sareng kalenturan anu luhur, nunjukkeun kinerja rekonstruksi gambar anu saé dina MRI gancang, CT dosis rendah, sareng PET gancang. Algoritma bisa ngahontal MR Single-organ multi-urutan scanning dina 100 detik, ngurangan dosis radiasi ka ukur 10% tina gambar CT, sarta ngaleungitkeun noise, sarta bisa ngarekonstruksikeun lesions leutik tina akuisisi PET kalawan 2 nepi ka 4 kali akselerasi, bari ngurangan pangaruh artefak gerak.

AI Médis dina Kolaborasi sareng Pagawe Médis

Pangembangan gancang AI médis ogé nyababkeun para ahli médis sacara serius mertimbangkeun sareng ngajalajah kumaha kolaborasi sareng AI pikeun ningkatkeun prosés klinis. Dina Juli taun ieu, DeepMind sareng tim panaliti multi-institusional babarengan ngusulkeun sistem AI anu disebut Complementary Driven Clinical Workflow Delay (CoDoC). Prosés diagnostik munggaran didiagnosis ku sistem AI duga, lajeng judged ku sistem AI sejen dina hasil saméméhna, sarta lamun aya ragu, diagnosis nu tungtungna dijieun ku clinician pikeun ngaronjatkeun akurasi diagnostik jeung efisiensi kasaimbangan. Nalika ngeunaan saringan kanker payudara, CoDoC ngirangan tingkat positip palsu ku 25% kalayan tingkat négatip palsu anu sami, bari ngirangan beban kerja dokter ku 66%, dibandingkeun sareng prosés "arbitrase ganda-baca" ayeuna di Inggris. Dina hal klasifikasi TB, ongkos positip palsu dikirangan ku 5 dugi ka 15 persén kalayan tingkat négatip palsu anu sami dibandingkeun sareng AI mandiri sareng alur kerja klinis.

Nya kitu, Annie Y. Ng et al., Kheiron Company di London, Inggris, ngenalkeun pamiarsa AI tambahan (migawé bareng kalayan pamariksaan manusa) pikeun mariksa deui hasil nalika teu aya hasil pangémutan dina prosés arbitrase anu dibaca dua kali, anu ningkatkeun masalah deteksi lasut dina saringan kanker payudara awal, sareng prosésna ampir henteu aya positip palsu. Ulikan sejen, dipingpin ku tim di Universitas Texas McGovern Médis Sakola sarta réngsé dina opat puseur stroke, dilarapkeun computed tomography angiography (CTA) -based téhnologi AI pikeun ngajadikeun otomatis deteksi badag vascular occlusive ischemic stroke (LVO). Dokter sareng ahli radiologi nampi panggeuing waktos-ayeuna dina telepon sélulérna dina sababaraha menit saatos pencitraan CT réngsé, ngabéjaan aranjeunna ngeunaan kamungkinan ayana LVO. Prosés AI ieu ningkatkeun alur kerja di rumah sakit pikeun stroke iskemik akut, ngirangan waktos panto-ka-pangkal paha tina pangakuan kana perawatan sareng nyayogikeun kasempetan pikeun nyalametkeun anu suksés. Papanggihan diterbitkeun dina JAMA Neurology.

Modél Perawatan Kaséhatan AI pikeun Kauntungan Universal

2023 ogé bakal ningali seueur padamelan anu saé anu ngagunakeun AI médis pikeun milarian fitur anu teu katingali ku panon manusa tina data anu langkung gampang sayogi, ngamungkinkeun diagnosis universal sareng saringan awal dina skala. Dina awal taun, Nature Medicine medalkeun studi anu dilakukeun ku Pusat Mata Zhongshan Universitas Sun Yat-sen sareng Rumah Sakit Gabungan Kadua Universitas Médis Fujian. Ngagunakeun smartphone salaku terminal aplikasi, aranjeunna ngagunakeun gambar video kartun-kawas pikeun ngainduksi gaze barudak sarta ngarekam kabiasaan gaze barudak sarta fitur raray, sarta salajengna dianalisis model abnormal ngagunakeun model learning jero pikeun hasil ngaidentipikasi 16 kasakit panon, kaasup katarak bawaan, ptosis bawaan sarta glaucoma bawaan, kalawan akurasi screening rata-rata leuwih ti 85%. Ieu nyadiakeun sarana téknis éféktif jeung gampang popularize pikeun screening mimiti badag skala fungsi visual orok impairment sarta panyakit panon patali.

Dina ahir taun, Nature Medicine ngalaporkeun karya anu dilakukeun ku langkung ti 10 lembaga médis sareng panalungtikan di sakumna dunya, kalebet Institut Panyakit Pankréas Shanghai sareng Rumah Sakit Gabungan Pertama Universitas Zhejiang. Panulis nerapkeun AI kana saringan kanker pankreas jalma asimtomatik di pusat pamariksaan fisik, rumah sakit, sareng sajabana, pikeun ngadeteksi fitur lesi dina gambar CT scan polos anu hese dideteksi ku mata taranjang nyalira, ku kituna pikeun ngahontal deteksi awal anu efisien sareng non-invasif kanker pankreas. Dina marios data ti langkung ti 20,000 pasien, modél éta ogé ngaidentipikasi 31 kasus lesi anu sono sacara klinis, anu sacara signifikan ningkatkeun hasil klinis.

Ngabagikeun Data Médis

Taun 2023, seueur mékanisme babagi data anu langkung sampurna sareng kasus anu suksés muncul di sakumna dunya, ngajamin kerjasama multi-pusat sareng kabuka data dina premis ngajagaan privasi sareng kaamanan data.

Kahiji, kalayan bantuan téhnologi AI sorangan, peneliti AI geus nyumbang kana babagi data médis. Qi Chang sareng anu sanés ti Universitas Rutgers di Amérika Serikat nyebarkeun tulisan dina Nature Communications, ngajukeun kerangka pembelajaran féderal DSL dumasar kana jaringan adversarial sintétik anu disebarkeun, anu ngagunakeun AI generatif pikeun ngalatih data anu dihasilkeun tina sababaraha pusat, teras ngagentos data nyata multi-pusat sareng data anu dihasilkeun. Mastikeun latihan AI dumasar kana data badag multicentre bari ngajaga privasi data. Tim anu sami ogé muka sumber data tina gambar patologis anu dihasilkeun sareng anotasi anu saluyu. Modél segmentasi dilatih dina set data dihasilkeun bisa ngahontal hasil nu sarupa jeung data nyata.

Tim Dai Qionghai ti Universitas Tsinghua nyebarkeun makalah ngeunaan npj Digital Health, ngusulkeun Relay Learning, anu ngagunakeun data gedé multi-situs pikeun ngalatih modél AI dina premis kadaulatan data lokal sareng henteu aya sambungan jaringan lintas-situs. Éta nyaimbangkeun kaamanan data sareng masalah privasi sareng ngudag kinerja AI. Tim anu sami saterasna babarengan ngembangkeun sareng ngasahkeun CAIMEN, sistem diagnosis tumor pan-mediastinal dada CT dumasar kana pangajaran féderal, kolaborasi sareng Rumah Sakit Gabungan Pertama Universitas Médis Guangzhou sareng 24 rumah sakit di seluruh nagara. Sistem, anu tiasa diterapkeun kana 12 tumor mediastinum umum, ngahontal akurasi 44,9 persén langkung saé nalika dianggo nyalira tibatan nalika dianggo ku ahli manusa nyalira, sareng akurasi diagnosis 19 persén langkung saé nalika para ahli manusa ditulungan ku éta.

Di sisi anu sanés, sababaraha inisiatif nuju nuju ngawangun set data médis anu aman, global, skala ageung. Dina bulan Nopémber 2023, Agustina Saenz sareng anu sanés ti Departemen Informatika Biomédis di Harvard Medical School diterbitkeun sacara online di Lancet Digital Health kerangka global pikeun ngabagi data gambar médis anu disebut Artificial Intelligence Data for All Healthcare (MAIDA). Aranjeunna damel sareng organisasi kasehatan di sakumna dunya pikeun nyayogikeun pitunjuk anu komprehensif ngeunaan pangumpulan data sareng de-identifikasi, nganggo template AS Federal Demonstration Partner (FDP) pikeun ngabakukeun ngabagi data. Aranjeunna ngarencanakeun pikeun laun ngaleupaskeun set data anu dikumpulkeun di daérah anu béda sareng Setélan klinis di sakumna dunya. Dataset munggaran diperkirakeun dileupaskeun dina awal 2024, sareng seueur deui anu bakal datang nalika kemitraan ngembang. Proyék ieu mangrupikeun usaha penting pikeun ngawangun set data AI global, skala ageung sareng rupa-rupa data AI anu sayogi pikeun umum.

Saatos proposal, UK Biobank parantos masihan conto. The UK Biobank ngarilis data anyar dina 30 Nopémber tina sakabeh sequencing génom 500.000 pamilon na. Basis data, anu nyebarkeun sekuen génom lengkep unggal 500,000 sukarelawan Inggris, mangrupikeun pangkalan data génom manusa lengkep panggedéna di dunya. Panaliti di sakumna dunya tiasa nyuhunkeun aksés kana data anu teu diidentipikasi ieu sareng ngagunakeunana pikeun nalungtik dasar genetik kaséhatan sareng panyakit. Data genetik geus salawasna geus kacida sénsitip pikeun verifikasi nu geus kaliwat, sarta prestasi bersejarah ieu UK Biobank ngabuktikeun yén kasebut nyaéta dimungkinkeun pikeun ngawangun hiji buka, database badag skala global bébas privasi. Kalayan téknologi sareng pangkalan data ieu, AI médis pasti bakal ngiringan kabisat salajengna.

Verifikasi jeung Evaluasi Médis AI

Dibandingkeun sareng pamekaran gancang téknologi AI médis sorangan, pamekaran verifikasi sareng évaluasi AI médis rada laun. Validasi jeung evaluasi dina widang AI umum mindeng malire sarat nyata clinicians sarta penderita AI. Uji klinis anu dikontrol sacara acak tradisional teuing susah pikeun cocog sareng iterasi gancang tina alat AI. Ningkatkeun sistem verifikasi sareng évaluasi anu pas pikeun alat AI médis pas mungkin mangrupikeun hal anu paling penting pikeun ngamajukeun AI médis pikeun leres-leres ngaluncat panalungtikan sareng pamekaran kana badarat klinis.

Dina makalah panalungtikan Google ngeunaan Med-PaLM, diterbitkeun di Alam, tim ogé nyebarkeun patokan evaluasi MultiMedQA, anu dianggo pikeun meunteun kamampuan modél basa ageung pikeun nampi pangaweruh klinis. Patokan ieu ngagabungkeun genep set data Q&A médis profésional anu aya, nyertakeun pangaweruh médis profésional, panalitian sareng aspék-aspék anu sanés, ogé databés databés patarosan médis milarian online, merhatikeun Q&A online dokter-pasien, nyobian ngalatih AI janten dokter anu mumpuni tina seueur aspék. Salaku tambahan, tim ngajukeun kerangka dumasar kana penilaian manusa anu nganggap sababaraha dimensi kanyataan, pamahaman, penalaran, sareng kamungkinan bias. Ieu mangrupikeun salah sahiji usaha panilitian anu paling representatif pikeun meunteun AI dina kasehatan anu diterbitkeun taun ieu.

Nanging, naha kanyataan yén modél basa ageung nunjukkeun tingkat pengetahuan klinis encoding anu luhur hartosna yén modél basa ageung kompeten pikeun tugas klinis dunya nyata? Sapertos mahasiswa kedokteran anu lulus ujian dokter profésional kalayan skor sampurna masih jauh ti kapala dokter solo, kriteria evaluasi anu diusulkeun ku Google panginten henteu janten jawaban anu sampurna pikeun topik evaluasi AI médis pikeun modél AI. Awal taun 2021 sareng 2022, panaliti parantos ngusulkeun pedoman ngalaporkeun sapertos Decid-AI, SPIRIT-AI, sareng INTRPRT, ngaharepkeun pikeun nungtun pamekaran awal sareng validasi AI médis dina kaayaan mertimbangkeun faktor sapertos praktis klinis, kaamanan, faktor manusa, sareng transparansi / interpretasi. Nembé nembé, jurnal Nature Medicine medalkeun panilitian ku panalungtik ti Universitas Oxford sareng Universitas Stanford ngeunaan naha ngagunakeun "validasi éksternal" atanapi "validasi lokal anu ngulang. "Pikeun validasi alat AI.

Sifat teu bias alat AI ogé mangrupa arah evaluasi penting anu geus narima perhatian taun ieu duanana Élmu sarta artikel NEJM. AI sering nunjukkeun bias sabab dugi ka data latihan. bias ieu bisa ngagambarkeun kateusaruaan sosial, nu salajengna evolves kana diskriminasi algorithmic. National Institutes of Health nembé ngaluncurkeun inisiatif Bridge2AI, diperkirakeun hargana $ 130 juta, pikeun ngawangun set data anu rupa-rupa (saluyu sareng tujuan inisiatif MAIDA anu disebatkeun di luhur) anu tiasa dianggo pikeun ngesahkeun henteu biasa alat AI médis. Aspék ieu henteu dianggap ku MultiMedQA. Patarosan kumaha ngukur sareng nga-validasi modél AI médis masih peryogi diskusi anu éksténsif sareng jero.

Dina Januari, Nature Medicine nyebarkeun potongan pendapat anu disebut "The Next Generation of Evidence-Based Medicine" ti Vivek Subbiah of the University of Texas MD Anderson Cancer Center, marios watesan uji klinis anu kakeunaan dina konteks pandémik COVID-19 sareng nunjukkeun kontradiksi antara inovasi sareng patuh kana prosés panalungtikan klinis. Tungtungna, éta nunjuk kaluar masa depan restructuring percobaan klinis - generasi saterusna percobaan klinis ngagunakeun kecerdasan jieunan, nyaeta, pamakéan kecerdasan jieunan tina angka nu gede ngarupakeun data panalungtikan sajarah, data dunya nyata, data klinis multi-modal, data alat wearable pikeun manggihan bukti konci. Naha ieu hartosna téknologi AI sareng prosés validasi klinis AI tiasa silih nguatkeun sareng mekar babarengan dina mangsa nu bakal datang? Ieu mangrupikeun patarosan anu kabuka sareng pikasieuneun taun 2023.

Regulasi Médis AI

Kamajuan téknologi AI ogé nyababkeun tangtangan pikeun pangaturan AI, sareng para pembuat kawijakan di sakumna dunya ngaréspon sacara saksama sareng taliti. Taun 2019, FDA mimiti nyebarkeun Rangka Regulasi anu Diusulkeun pikeun Parobahan Parangkat Lunak kana Alat Médis Kecerdasan Buatan (Draf Diskusi), ngajéntrékeun pendekatan poténsina pikeun tinjauan premarket ngeunaan AI sareng modifikasi parangkat lunak anu didorong ku mesin. Taun 2021, FDA ngusulkeun "Software Berbasis Kecerdasan Buatan/Mesin salaku Rencana Aksi Alat Médis", anu ngajelaskeun lima ukuran pangaturan médis AI khusus. Taun ieu, FDA ngaluarkeun deui Pangiriman Premarket pikeun Fitur Perangkat Lunak pikeun masihan inpormasi ngeunaan saran kiriman premarket pikeun evaluasi FDA ngeunaan kasalametan sareng efficacy fitur parangkat lunak, kalebet sababaraha fitur parangkat lunak anu ngagunakeun modél pembelajaran mesin anu dilatih ngaliwatan metode pembelajaran mesin. Kabijakan pangaturan FDA parantos mekar tina usul awal dugi ka pedoman praktis.

Saatos publikasi Spasi Data Kaséhatan Éropa dina bulan Juli taun ka tukang, EU sakali deui ngadamel Undang-Undang Kecerdasan Buatan. Urut boga tujuan pikeun ngamangpaatkeun pangalusna data kaséhatan pikeun nyadiakeun kaséhatan kualitas luhur, ngurangan kateusaruaan, sarta ngarojong data pikeun pencegahan, diagnosis, perlakuan, inovasi ilmiah,-nyieun kaputusan jeung panerapan, bari mastikeun yén warga EU boga kontrol gede kana data kaséhatan pribadi maranéhanana. Anu terakhir ngajelaskeun yén sistem diagnosis médis mangrupikeun sistem AI anu berisiko tinggi, sareng éta kedah ngadopsi pangawasan kuat anu ditargetkeun, pangawasan siklus saumur hirup sareng pangawasan pra-evaluasi. Badan Obat Éropa (EMA) parantos nyebarkeun Draft Reflection Paper ngeunaan panggunaan AI pikeun ngadukung pamekaran, pangaturan sareng panggunaan narkoba, kalayan tekenan kana ningkatkeun kredibilitas AI pikeun mastikeun kasalametan pasien sareng integritas hasil panalungtikan klinis. Gemblengna, pendekatan pangaturan EU laun-laun ngawangun, sareng detil palaksanaan ahir tiasa langkung rinci sareng ketat. Kontras pisan sareng pangaturan ketat EU, blueprint pangaturan AI Inggris ngajelaskeun yén pamaréntah ngarencanakeun nyandak pendekatan anu lembut sareng henteu ngadamel tagihan énggal atanapi nyetél régulator énggal ayeuna.

Di Cina, Pusat Tinjauan Téknis Alat Médis (NMPA) tina Administrasi Produk Médis Nasional sateuacana ngaluarkeun dokumén sapertos "Tinjauan Poin ngeunaan Perangkat Lunak Kaputusan Dibantuan Pembelajaran Jero", "Prinsip Panuntun pikeun Pendaptaran Pendaptaran Alat Médis Kecerdasan Buatan (Draft pikeun Koméntar)" sareng "Circular on Prinsip Panduan pikeun Klasifikasi Produk Médis 4.2". Taun ieu, "Ringkesan hasil klasifikasi produk alat médis munggaran di 2023" dileupaskeun deui. Runtuyan dokumén ieu ngajadikeun definisi, klasifikasi sareng pangaturan produk perangkat lunak médis intelijen buatan langkung jelas sareng langkung gampang dioperasikeun, sareng masihan pituduh anu jelas pikeun posisi produk sareng strategi pendaptaran tina sagala rupa perusahaan di industri. Konferensi Kecerdasan Buatan anu diayakeun di Hangzhou ti 21 nepi ka 23 Désémber nyetél forum khusus ngeunaan pamaréntahan médis digital sareng pamekaran kualitas luhur rumah sakit umum sareng uji alat médis intelijen buatan sareng forum pangembangan industri standarisasi téknologi Dina waktos éta, pejabat ti Komisi Pangwangunan sareng Reformasi Nasional sareng NMPA bakal ngahadiran rapat sareng tiasa ngaluarkeun inpormasi anyar.

kacindekan

Dina 2023, AI médis geus mimiti ngahijikeun kana sakabéh prosés hulu jeung hilir médis, ngawengku pangumpulan data rumah sakit, fusi, analisis, diagnosis jeung perlakuan, sarta screening masarakat, sarta sacara organik kolaborasi jeung pagawe médis / kontrol kasakit, némbongkeun potensi pikeun mawa well-mahluk pikeun kaséhatan manusa. Panaliti AI médis anu tiasa dianggo mimiti subuh. Dina mangsa nu bakal datang, kamajuan AI médis teu ngan gumantung kana ngembangkeun téhnologis sorangan, tapi ogé merlukeun gawé babarengan pinuh ku industri, universitas jeung panalungtikan médis sarta rojongan ti makers kawijakan jeung régulator. Kolaborasi lintas domain ieu mangrupikeun konci pikeun ngahontal jasa médis anu terintegrasi AI, sareng pasti bakal ngamajukeun kamekaran kaséhatan manusa.