Η τεχνητή νοημοσύνη θα αλλάξει την σχέση ιατρών και ασθενών. Αλλά οι περισσότεροι ασθενείς δεν θα αντιλαμβάνονται καν την ύπαρξή της. Ο λόγος είναι πως η βελτίωση της εμπειρίας του ασθενή, της παραγωγικότητας του παρόχου, της διαγνωστικής ακρίβειας και της συνολικής ποιότητας της φροντίδας δεν θα συμβούν σε μία νύχτα ή σαν μέρος μιας ριζικής μεταβολής.
Η βέλτιστη μορφή τεχνητής νοημοσύνης θα εξελιχθεί αόρατα, παράλληλα αλλά και εντός της υπάρχουσας φροντίδας υγείας – ενσωματωμένη στη ροή εργασιών, τις εφαρμογές και τις συσκευές που ήδη χρησιμοποιούνται σήμερα.
Στις μέρες μας, τα νοσοκομεία αποθηκεύουν εκατοντάδες εκατομμύρια ψηφιακών εικόνων, αριθμός που συνεχώς αυξάνεται καθώς τα απεικονιστικά συστήματα όπως οι μαγνητικοί και αξονικοί τομογράφοι βελτιώνουν τις δυνατότητες απεικόνισης όλο και λεπτότερων τομών του σώματος – και οι εικόνες 3D και 4D γίνονται ο κανόνας. Είναι αδύνατο οι άνθρωποι να μεταφράσουν όλα αυτά τα δεδομένα σε χρήσιμες πληροφορίες.
Τα νοσοκομεία ετησίως παράγουν 50 petabytes δεδομένων[1]. Ένα εντυπωσιακό 90% όλων των δεδομένων φροντίδας υγείας προέρχεται από την διαγνωστική απεικόνιση. Πρόκειται για μεγάλη ποσότητα πληροφορίας και πάνω από το 97% αυτής παραμένει ανεκμετάλλευτο.
Εδώ έρχεται η τεχνητή νοημοσύνη.
Η τεχνητή νοημοσύνη είναι ζωτικής σημασίας για την αντιμετώπιση αυτού του «καταιγισμού δεδομένων» στην υγεία – και η διαγνωστική απεικόνιση είναι το λογικό πεδίο για την τεχνητή νοημοσύνη να αποδείξει την αξία της. Για να γίνει αυτό, ο άνθρωπος και η μηχανή πρέπει να δουλέψουν μαζί, καθώς και οι ακτινολόγοι να αντιληφθούν πως οι ρόλοι τους θα αλλάξουν. Με την αποδοχή της μηχανής ως ένα αναπόσπαστο κομμάτι της ομάδας φροντίδας, επιτρέποντάς της να αυτοματοποιήσει τις καθημερινές διαδικασίες και διεργασίες, οι ιατροί θα μπορούν να εστιάζουν στις πιο περίπλοκες και ιδιάζουσες περιπτώσεις ασθενών και να παράσχουν διάγνωση και θεραπεία με πιο αποδοτικό και αποτελεσματικό τρόπο.
Τα συστήματα διαγνωστικής απεικόνισης που διαθέτουν εφαρμογές τεχνητής νοημοσύνης μπορούν να προσφέρουν σαρώσεις που βοηθούν τους ακτινολόγους να εντοπίζουν μοτίβα – και να τους βοηθούν στην παροχή πιο άμεσης φροντίδας για τους ασθενείς σε επείγουσα ή σοβαρή κατάσταση. Ο στόχος: περισσότερο ακριβής, ποιοτική φροντίδα.
Υγεία + Ψηφιοποίηση
Οι πάροχοι υγείας, οι κατασκευαστές ιατροτεχνολογικού εξοπλισμού και οι εταιρείες απεικονιστικών συστημάτων έχουν ένα σημαντικό ρόλο να διαδραματίσουν σχετικά με την υιοθέτηση και την εξέλιξη της τεχνητής νοημοσύνης στον τομέα της υγείας. Ειδικά για τους παρόχους, είναι σημαντικό να διασφαλίσουν ότι οι εφαρμογές αυτές καλύπτουν τις περιπτώσεις ασθενών στις οποίες μπορούν να επιφέρουν το μεγαλύτερο αποτέλεσμα και ότι ανταποκρίνονται στις ανεπάρκειες που εντοπίζονται στις ροές εργασιών των τμημάτων καθώς και να συνεισφέρουν στην επικύρωση αυτών των αλγορίθμων στο κλινικό περιβάλλον ώστε η τελική ενσωμάτωσή τους να είναι εφικτή.
Ο εκσυγχρονισμός της Απεικόνισης μπορεί να βοηθήσει στην βελτίωση της συνολικής ροής των πληροφοριών στα σημερινά πολύπλοκα δίκτυα υγείας. Θα βοηθήσει επίσης στη δημιουργία μίας βάσης συγχωνευμένων δεδομένων η οποία είναι αναγκαία για την αποτελεσματική χρήση των νέων λύσεων τεχνητής νοημοσύνης και άλλων εργαλείων ανάλυσης.
Για το λόγο αυτό η GE Healthcare και η Intel συνεργάστηκαν για τον σχεδιασμό της νέας γενιάς απεικονιστικής τεχνολογίας.
Σε ένα από τα πρώτα του είδους του εργαστήρια ψηφιακής ανάπτυξης για την απεικονιστική τεχνολογία στην υγεία, προγραμματιστές της Intel και της GE Healthcare, αναπτύσσουν, ελέγχουν και πιστοποιούν καινοτομίες ιατρικής απεικόνισης με τη χρήση μηχανών υλισμικού και λογισμικού (hardware & software), υπολογιστικού νέφους (cloud) και τεχνολογιών αιχμής καθώς και της χρήσης της νέας πλατφόρμας Intel Xeon Scalable. Στόχος είναι η δημιουργία λύσεων που θα προσφέρουν μεγαλύτερη νοσοκομειακή αποδοτικότητα μέσω αυξημένης παραγωγικότητας, μειωμένου κινδύνου και έκθεσης στην ακτινοβολία για τον ασθενή – με ταχύτερη επεξεργασία εικόνας – και συντομότερου χρόνου διάγνωσης και θεραπείας. Συγκεκριμένα, η Intel και η GE στοχεύουν στο να βοηθήσουν τους ακτινολόγους να διαβάζουν ταχύτερα τις εικόνες και να μειώσουν το συνολικό κόστος του κύκλου λειτουργίας των απεικονιστικών συσκευών έως και 25%.[2]
Ιατροί + Κωδικοποίηση
Επιπλέον των προσπαθειών για την βέλτιστη αξιοποίηση των πληροφοριών μεγάλων δεδομένων από τις ιατρικές εικόνες, η GE Healthcare στρέφεται και στα μικρά δεδομένα – πηγές δεδομένων προσβάσιμων σε τοπικό επίπεδο ή επίπεδο τμήματος – για την απόκτηση πολύτιμων πληροφοριών σε πραγματικό χρόνο που αφορούν στις πρακτικές της φροντίδας του ασθενή ώστε να αντιμετωπιστούν προβλήματα στη ροή εργασιών.
Η παλαιότερη μορφή ιατρικής απεικόνισης, τα ακτινολογικά συστήματα X-ray, διεξάγουν τα τρία πέμπτα του συνόλου των ιατρικών απεικονίσεων[3]. Όμως, οι «δείκτες απόρριψης» των συστημάτων X-ray – δηλαδή ο αριθμός των εικόνων που δεν μπορούν να αξιοποιηθούν λόγω χαμηλής ποιότητας εικόνας ή τοποθέτησης του ασθενή – μπορούν να φτάσουν το 25 τοις εκατό. [4] Μειώνοντας αυτούς τους «δείκτες απόρριψης» θα μπορούσαμε να εξοικονομήσουμε χρόνο και πόρους, βελτιώνοντας ταυτόχρονα την εμπειρία του ασθενή.
Αυτός είναι ο λόγος που η GE Healthcare ανέπτυξε μία εφαρμογή αναλύσεων για τα ακτινολογικά συστήματα X-ray που βοηθά τους ιατρούς να αυτοματοποιούν τη συλλογή δεδομένων προκειμένου να κατανοούν την αιτία των μη αποδεκτών εικόνων. Αφού δοκιμάστηκε πιλοτικά στο Πανεπιστήμιο της Washington, η εφαρμογή απέδειξε πως επιφέρει εξοικονόμηση μετρήσιμου χρόνου και πόρων για το ακτινολογικό τμήμα (έως 230 mouse clicks και 7 ώρες χρόνου) και δίνει στους τεχνολόγους άμεσα διαθέσιμη πληροφορία που τους βοηθά στο να εργαστούν πιο αποτελεσματικά. [5]
Το έργο αυτό βοηθά τελικά τους ακτινολόγους και τους τεχνολόγους να λαμβάνουν την σωστή εικόνα με την πρώτη προσπάθεια – βελτιώνοντας έτσι την παραγωγικότητα του τμήματος και απελευθερώνοντας περισσότερο χρόνο για την κλινική αξιολόγηση και την επικοινωνία με τον ασθενή. Αξιοποιώντας μικρά δεδομένα για συγκεκριμένους σκοπούς μπορούμε να οδηγηθούμε σε μεγάλες νίκες που κινούν τους οργανισμούς σε ουσιαστική αλλαγή.
Το μέλλον πέρα από την απεικόνιση
Η τεχνητή νοημοσύνη δεν είναι μία λύση που αντιμετωπίζει όλα τα προβλήματα. Η τεχνητή νοημοσύνη αφορά το να πηγαίνει κανείς πέρα από τα απεικονιστικά μηχανήματα και να τα κάνει έξυπνα με τη χρήση λογισμικών και αναλύσεων. Οι συνεργασίες που αφορούν στην τεχνητή νοημοσύνη και οι ομάδες εξελιγμένων αναλύσεων έχουν πραγματοποιήσει αξιοσημείωτη πρόοδο τα τελευταία χρόνια. Όμως η δουλειά και τα αποτελέσματά της έχουν μόλις ξεκινήσει να διαφαίνονται.
Αυτά τα εργαλεία τεχνητής νοημοσύνης σύντομα θα περνούν απαρατήρητα, δημιουργώντας χώρο για μία πιο προσωπική εμπειρία ιατρού και ασθενή. Η τεχνητή νοημοσύνη μπορεί να δώσει τη δυνατότητα στους ιατρούς να κάνουν καλύτερα τη δουλειά τους στρέφοντας την προσοχή τους σε εκείνα μόνο ο άνθρωπος μπορεί να κάνει.
[1]“The Digital Universe Driving Data Growth in Healthcare,” δημοσιευμένο από την EMC με έρευνα και ανάλυση από το IDC (12/13)
[2] Τεχνολογία σε ανάπτυξη που αντιπροσωπεύει συνεχιζόμενη έρευνα και αναπτυξιακές προσπάθειες. Οι τεχνολογίες αυτές δεν αποτελούν προϊόντα και ίσως να μην γίνουν ποτέ. Όχι για πώληση. Δεν είναι εγκεκριμένα από τον U.S. FDA ή οποιοδήποτε άλλο φορέα έγκρισης για εμπορική διαθεσιμότητα.
[3] Προηγμένη έρευνα αγοράς. Βασισμένη σε εκτιμήσεις μέσου εισοδήματος. Δεδομένα από το US EU 5
[4] Little, Kevin J., et al. “Unified database for rejected image analysis across multiple vendors in radiography.” Journal of the American College of Radiology 14.2 (2017): 208-216
[5] Τα αποτελέσματα που διατυπώνονται σε αυτό το άρθρο ίσως να μην επαληθεύονται σε συγκεκριμένα κέντρα ή τα αποτελέσματα πιθανόν να ποικίλουν. Το άρθρο αυτό και τα περιεχόμενά του εξυπηρετούν μονάχα σκοπούς πληροφόρησης και δεν αποτελούν παρουσίαση ή εγγύηση. Η GE αποποιείται κάθε ευθύνης για οποιαδήποτε αποτυχία, που πιθανόν να προκύπτει από την εμπιστοσύνη ή χρήση πληροφορίας που περιέχεται στο παρόν άρθρο.
Μετάφραση από το πρωτότυπο κείμενο: “Beyond Imaging: the paradox of AI and medical imaging innovation”, GE Healthcare Newsroom