AI -eksperter diskuterer hvordan man integrerer robust AI i helsevesenet, hvorfor tverrfaglig samarbeid er kritisk, og potensialet til generativ AI i forskning.
Feifei Li og Lloyd Minor ga åpningsanmerkninger på det første helsesymposiet ved Stanford University School of Medicine 14. mai. Steve Fish
De fleste som er fanget av kunstig intelligens har hatt et slags "aha" -øyeblikk, og åpnet tankene for en verden av muligheter. På det første helsesymposiet 14. mai delte Lloyd Minor, MD, dekan ved Stanford University School of Medicine and Vice President for Medical Affairs ved Stanford University, sitt perspektiv.
Da en nysgjerrig tenåring ble bedt om å oppsummere funnene hans angående det indre øret, vendte han seg til generativ kunstig intelligens. "Jeg spurte: 'Hva er overlegen kanal dehiscence syndrom?' Minor fortalte nesten 4000 symposiumdeltakere. I løpet av sekunder dukket det opp flere avsnitt.
"De er gode, veldig gode," sa han. "At denne informasjonen ble samlet til en kortfattet, generelt nøyaktig og tydelig prioritert beskrivelse av sykdommen. Dette er ganske bemerkelsesverdig. ”
Mange delte mindreåriges spenning for halvdagsarrangementet, som var en vekst av Raise Health Initiative, et prosjekt lansert av Stanford University School of Medicine og Stanford Institute for Human-Centered Artificial Intelligence (HAI) for å veilede den ansvarlige bruken av kunstig kunstig intelligens. Intelligens innen biomedisinsk forskning, utdanning og pasientbehandling. Foredragsholderne undersøkte hva det vil si å implementere kunstig intelligens i medisin på en måte som ikke bare er nyttig for leger og forskere, men også gjennomsiktig, rettferdig og rettferdig for pasienter.
"Vi mener dette er en teknologi som forbedrer menneskelige evner," sa Fei-Fei Li, professor i informatikk ved Stanford School of Engineering, direktør for Raise Health med mindre prosjekt og meddirektør for HAI. Generasjon Etter generasjon kan nye teknologier dukke opp: fra nye molekylære sekvenser av antibiotika til å kartlegge biologisk mangfold og avsløre skjulte deler av grunnleggende biologi, akselererer AI vitenskapelig oppdagelse. Men ikke alt dette er gunstig. "Alle disse applikasjonene kan ha utilsiktede konsekvenser, og vi trenger dataforskere som utvikler og implementerer [kunstig intelligens] ansvarlig, og jobber med en rekke interessenter, fra leger og etikere ... til sikkerhetseksperter og utover," sier hun. "Initiativer som Raise Health demonstrerer vårt engasjement for dette."
Konsolideringen av tre divisjoner av Stanford Medicine - School of Medicine, Stanford Health Care og Stanford University School of Child Health Medicine - og det Kunstig intelligens. Ledelses- og integrasjonsproblemer innen helsevesen og medisin. Medisin, sangen gikk.
"Vi er godt posisjonert til å være en pioner innen utvikling og ansvarlig implementering av kunstig intelligens, fra grunnleggende biologiske funn til forbedring av medikamentutvikling og gjøre kliniske studieprosesser mer effektive, helt til selve levering av helsetjenester. Helsetjenester. Måten helsevesenet er satt opp, ”sa han.
Flere høyttalere la vekt på et enkelt konsept: fokus på brukeren (i dette tilfellet pasienten eller legen) og alt annet vil følge. "Det setter pasienten i sentrum for alt vi gjør," sa Dr. Lisa Lehmann, direktør for bioetikk ved Brigham og Women's Hospital. "Vi må vurdere deres behov og prioriteringer."
Fra venstre til høyre: Stat News Anchor Mohana Ravindranath; Jessica Peter Lee fra Microsoft Research; Sylvia Plevritis, professor i biomedisinsk datavitenskap, diskuterer rollen som kunstig intelligens i medisinsk forskning. Steve Fish
Foredragsholdere på panelet, som inkluderte Lehmann, Stanford University Medical Bioethicist Mildred Cho, MD og Google Chief Clinical Officer Michael Howell, MD, bemerket kompleksiteten i sykehussystemer, og understreket behovet for å forstå deres formål før noen inngripen. Implementere den og sikre at alle utviklede systemer er inkluderende og lytter til menneskene de er designet for å hjelpe.
En nøkkel er åpenhet: det gjør det klart hvor dataene som brukes til å trene algoritmen kommer fra, hva den opprinnelige formålet med algoritmen er, og om fremtidige pasientdata vil fortsette å hjelpe algoritmen til å lære, blant andre faktorer.
"Å prøve å forutsi etiske problemer før de blir alvorlige [betyr] å finne det perfekte søte stedet der du vet nok om teknologien til å ha litt tillit til det, men ikke før [problemet] sprer seg ytterligere og løse det før." , Sa Denton Char. Kandidat for medisinsk vitenskap, førsteamanuensis ved Institutt for pediatrisk anestesiologi, perioperativ medisin og smertemedisin. Et sentralt trinn, sier han, er å identifisere alle interessentene som kan bli påvirket av teknologien og bestemme hvordan de selv ønsker å svare på disse spørsmålene.
Jesse Ehrenfeld, MD, president i American Medical Association, diskuterer fire faktorer som driver adopsjon av ethvert digitalt helseverktøy, inkludert de som er drevet av kunstig intelligens. Er det effektivt? Vil dette fungere i institusjonen min? Hvem betaler? Hvem er ansvarlig?
Michael Pfeffer, MD, informasjonssjef for Stanford Health Care, siterte et nylig eksempel der mange av problemene ble testet blant sykepleiere ved Stanford Hospital. Klinikere støttes av store språkmodeller som gir innledende merknader for innkommende pasientmeldinger. Selv om prosjektet ikke er perfekt, rapporterer leger som hjalp til med å utvikle teknologien at modellen letter arbeidsmengden.
”Vi fokuserer alltid på tre viktige ting: sikkerhet, effektivitet og inkludering. Vi er leger. Vi tar en ed om å "ikke skade," sa Nina Vasan, MD, klinisk assistentprofessor i psykiatri og atferdsvitenskap, som begynte i Char og Pfeffer ble med i gruppen. "Dette skal være den første måten å evaluere disse verktøyene på."
Nigam Shah, MBBS, doktorgrad, professor i medisin og biomedisinsk datavitenskap, begynte diskusjonen med en sjokkerende statistikk til tross for rettferdig advarsel til publikum. "Jeg snakker generelt sett og tall, og noen ganger har de en tendens til å være veldig direkte," sa han.
I følge Shah avhenger AI -suksessen av vår evne til å skalere den. "Å gjøre riktig vitenskapelig forskning på en modell tar omtrent 10 år, og hvis hvert av de 123 stipendiat- og bostedsprogrammene ønsket å teste og distribuere modellen til det nivået av strenghet, ville det være veldig vanskelig å gjøre riktig vitenskap når vi for øyeblikket organiserer Vår innsats og [test]] det vil koste 138 milliarder dollar å sikre at hvert av nettstedene våre fungerer riktig, ”sa Shah. “Vi har ikke råd til dette. Så vi må finne en måte å utvide på, og vi må utvide og gjøre god vitenskap. Store ferdighetene er på ett sted og skaleringsevnen er i et annet, så vi kommer til å trenge den typen partnerskap. ”
Assisterende Dean Yuan Ashley og Mildred Cho (mottak) deltok på Raise Health Workshop. Steve Fish
Noen foredragsholdere på symposiet sa at dette kan oppnås gjennom offentlig-private partnerskap, for eksempel den nylige utøvende ordren i Det hvite hus om sikker, sikker og pålitelig utvikling og bruk av kunstig intelligens og konsortiet for kunstig intelligens (CHAI). ).
"Det offentlig-private partnerskapet med det største potensialet er et mellom akademia, privat sektor og offentlig sektor," sa Laura Adams, seniorrådgiver for National Academy of Medicine. Hun bemerket at regjeringen kan sikre offentlig tillit, og akademiske medisinske sentre kan. Gi legitimitet, og teknisk ekspertise og datatid kan leveres av privat sektor. "Vi er alle bedre enn noen av oss, og vi erkjenner at ... vi kan ikke be om å innse potensialet i [kunstig intelligens] med mindre vi forstår hvordan vi skal samhandle med hverandre."
Flere foredragsholdere sa at AI også har innvirkning på forskning, enten forskere bruker den for å utforske biologisk dogme, forutsi nye sekvenser og strukturer av syntetiske molekyler for å støtte nye behandlinger, eller til og med hjelpe dem med å oppsummere eller skrive vitenskapelige artikler.
"Dette er en mulighet til å se det ukjente," sa Jessica Mega, MD, kardiolog ved Stanford University School of Medicine og medgründer av Alphabet's Sannily. Mega nevnte hyperspektral avbildning, som fanger bilde har usynlige for det menneskelige øyet. Tanken er å bruke kunstig intelligens for å oppdage mønstre i patologi -lysbilder som mennesker ikke ser som indikerer sykdom. ”Jeg oppfordrer folk til å omfavne det ukjente. Jeg tror alle her kjenner noen med en slags medisinsk tilstand som trenger noe utover det vi kan gi i dag, ”sa Mejia.
Paneldeltakerne var også enige om at kunstige intelligenssystemer vil gi nye måter å identifisere og bekjempe partiske beslutninger, enten de er gjort av mennesker eller kunstig intelligens, med evnen til å identifisere kilden til skjevheten.
"Helse er mer enn bare medisinsk behandling," var flere paneldeltakere enige om. Foredragsholdere la vekt på at forskere ofte overser sosiale determinanter for helse, for eksempel sosioøkonomisk status, postnummer, utdanningsnivå og rase og etnisitet, når de samler inn inkluderende data og rekrutterer deltakere til studier. "AI er bare like effektiv som dataene som modellen er opplært til," sa Michelle Williams, professor i epidemiologi ved Harvard University og førsteamanuensis i epidemiologi og befolkningshelse ved Stanford University School of Medicine. “Hvis vi gjør det vi streber etter å gjøre. Forbedre helseutfall og eliminere ulikheter, vi må sikre at vi samler inn data av høy kvalitet om menneskelig atferd og det sosiale og naturlige miljøet. ”
Natalie Pageler, MD, klinisk professor i pediatri og medisin, sa at aggregerte kreftdata ofte utelukker data om gravide, og skaper uunngåelige skjevheter i modeller og forverrer eksisterende forskjeller i helsehjelpen.
Dr. David Magnus, professor i pediatri og medisin, sa at som enhver ny teknologi, kan kunstig intelligens enten gjøre ting bedre på mange måter eller gjøre dem verre. Risikoen, sa Magnus, er at kunstige intelligenssystemer vil lære om ulikelige helseutfall drevet av sosiale determinanter for helse og forsterke resultatene gjennom produksjonen. "Kunstig intelligens er et speil som gjenspeiler samfunnet vi lever i," sa han. "Jeg håper at hver gang vi har muligheten til å skinne et lys over et spørsmål - å holde et speil opp til oss selv - det vil tjene som motivasjon for å forbedre situasjonen."
Hvis du ikke klarte å delta på Raise Health Workshop, finner du en innspilling av økten her.
Stanford University School of Medicine er et integrert akademisk helsevesen som består av Stanford University School of Medicine og voksen- og pediatriske leveringssystemer for helsevesenet. Sammen innser de det fulle potensialet i biomedisin gjennom samarbeidsforskning, utdanning og klinisk pasientbehandling. For mer informasjon, besøk Med.stanford.edu.
En ny kunstig intelligensmodell hjelper leger og sykepleiere ved Stanford Hospital å jobbe sammen for å forbedre pasientbehandlingen.
Post Time: Jul-19-2024