KI-eksperter diskuterer hvordan man kan integrere robust KI i helsevesenet, hvorfor tverrfaglig samarbeid er avgjørende, og potensialet til generativ KI i forskning.
Feifei Li og Lloyd Minor holdt åpningstaler ved det første RAISE Health Symposium ved Stanford University School of Medicine 14. mai. Steve Fish
De fleste som har blitt fanget opp av kunstig intelligens har hatt et slags «aha»-øyeblikk, der de har åpnet sinnet for en verden av muligheter. På det første RAISE Health Symposium 14. mai delte Lloyd Minor, MD, dekan ved Stanford University School of Medicine og visepresident for medisinske saker ved Stanford University, sitt perspektiv.
Da en nysgjerrig tenåring ble bedt om å oppsummere funnene sine angående det indre øret, vendte han seg til generativ kunstig intelligens. «Jeg spurte: 'Hva er superior canal dehiscence syndrome?' fortalte Minor til nesten 4000 symposiedeltakere. I løpet av sekunder dukket flere avsnitt opp.
«De er flinke, virkelig flinke», sa han. «At denne informasjonen ble samlet til en konsis, generelt nøyaktig og tydelig prioritert beskrivelse av sykdommen. Dette er ganske bemerkelsesverdig.»
Mange delte Minors begeistring for halvdagsarrangementet, som var en utvekst av RAISE Health-initiativet, et prosjekt lansert av Stanford University School of Medicine og Stanford Institute for Human-Centered Artificial Intelligence (HAI) for å veilede ansvarlig bruk av kunstig intelligens i biomedisinsk forskning, utdanning og pasientbehandling. Talerne 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 transparent, rettferdig og likeverdig for pasienter.
«Vi tror dette er en teknologi som forbedrer menneskelige evner», sa Fei-Fei Li, professor i informatikk ved Stanford School of Engineering, direktør for RAISE Health with Minor-prosjektet og meddirektør for HAI. Generasjon etter generasjon kan nye teknologier dukke opp: fra nye molekylære sekvenser av antibiotika til kartlegging av biologisk mangfold og avsløring av skjulte deler av grunnleggende biologi, akselererer AI vitenskapelig oppdagelse. Men ikke alt dette er gunstig. «Alle disse bruksområdene kan ha utilsiktede konsekvenser, og vi trenger informatikere som utvikler og implementerer [kunstig intelligens] ansvarlig, og samarbeider med en rekke interessenter, fra leger og etikere ... til sikkerhetseksperter og mer», sier hun. «Initiativer som RAISE Health demonstrerer vår forpliktelse til dette.»
Konsolideringen av tre avdelinger ved Stanford Medicine – School of Medicine, Stanford Health Care og Stanford University School of Child Health Medicine – og forbindelsene til andre deler av Stanford University har satt det i en posisjon der eksperter sliter med utviklingen av kunstig intelligens. Ledelse og integrasjonsproblemer innen helsevesen og medisin. Medisin, lød sangen.
«Vi er godt posisjonert til å være en pioner innen utvikling og ansvarlig implementering av kunstig intelligens, fra grunnleggende biologiske oppdagelser til forbedring av legemiddelutvikling og effektivisering av kliniske studieprosesser, helt frem til selve leveransen av helsetjenester. Helsevesenet. Måten helsevesenet er satt opp på», sa han.
Flere talere la vekt på et enkelt konsept: fokus på brukeren (i dette tilfellet pasienten eller legen), så følger alt annet etter. «Det setter pasienten i sentrum for alt vi gjør», sa dr. Lisa Lehmann, direktør for bioetikk ved Brigham and Women's Hospital. «Vi må ta hensyn til deres behov og prioriteringer.»
Fra venstre til høyre: STAT News-anker Mohana Ravindranath; Jessica Peter Lee fra Microsoft Research; Sylvia Plevritis, professor i biomedisinsk datavitenskap, diskuterer rollen til kunstig intelligens i medisinsk forskning. Steve Fish
Panelforedragsholderne, som inkluderte Lehmann, medisinsk bioetiker Mildred Cho, MD, og Googles kliniske sjef Michael Howell, MD, bemerket kompleksiteten i sykehussystemer og understreket behovet for å forstå formålet med dem før man griper inn. Implementer systemene og sørg for at alle systemene som utvikles er inkluderende og lytter til menneskene de er utformet for å hjelpe.
En nøkkel er åpenhet: det gjør det klart hvor dataene som brukes til å trene algoritmen kommer fra, hva det opprinnelige formålet med algoritmen er, og om fremtidige pasientdata vil fortsette å hjelpe algoritmen med å lære, blant andre faktorer.
«Å prøve å forutsi etiske problemer før de blir alvorlige, [betyr] å finne det perfekte sweet spot der du vet nok om teknologien til å ha en viss tillit til den, men ikke før [problemet] sprer seg videre og løser det raskere.», sa Denton Char, kandidat i medisinske vitenskaper, førsteamanuensis ved Institutt for pediatrisk anestesiologi, perioperativ medisin og smertemedisin. Et viktig trinn, sier han, er å identifisere alle interessentene som kan bli berørt 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 adopsjonen av digitale helseverktøy, inkludert de som drives av kunstig intelligens. Er det effektivt? Vil dette fungere i min institusjon? Hvem betaler? Hvem er ansvarlig?
Michael Pfeffer, MD, IT-sjef i Stanford Health Care, viste til et nylig eksempel der mange av problemstillingene ble testet blant sykepleiere ved Stanford-sykehus. 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 deres.
«Vi fokuserer alltid på tre viktige ting: sikkerhet, effektivitet og inkludering. Vi er leger. Vi avlegger en ed om å «ikke gjøre skade», sa Nina Vasan, MD, klinisk assisterende professor i psykiatri og atferdsvitenskap, som ble med Char og Pfeffer i gruppen. «Dette bør være den første måten å evaluere disse verktøyene på.»
Nigam Shah, MBBS, Ph.D., professor i medisin og biomedisinsk datavitenskap, startet diskusjonen med en sjokkerende statistikk til tross for en berettiget advarsel til publikum. «Jeg snakker i generelle termer og tall, og noen ganger har de en tendens til å være veldig direkte», sa han.
Ifølge Shah avhenger suksessen til AI av vår evne til å skalere den. «Det tar omtrent 10 år å gjøre skikkelig vitenskapelig forskning på en modell, og hvis hvert av de 123 stipend- og residency-programmene ønsket å teste og distribuere modellen til det nivået av grundighet, ville det være veldig vanskelig å utføre riktig vitenskap slik vi for tiden organiserer innsatsen vår og [tester]]. Det ville kostet 138 milliarder dollar å sørge for at alle nettstedene våre fungerer som de skal», sa Shah. «Vi har ikke råd til dette. Så vi må finne en måte å ekspandere på, og vi må ekspandere og utføre god vitenskap. Grundighetsferdighetene er på ett sted og skaleringsferdighetene er på et annet, så vi trenger den typen partnerskap.»
Assosiert dekan Yuan Ashley og Mildred Cho (resepsjonen) deltok på RAISE Health Workshop. Steve Fish
Noen foredragsholdere på symposiet sa at dette kunne oppnås gjennom offentlig-private partnerskap, som for eksempel den nylige forordningen fra Det hvite hus om sikker, trygg og pålitelig utvikling og bruk av kunstig intelligens og konsortiet for kunstig intelligens i helsevesenet (CHAI).
«Det offentlig-private partnerskapet med størst potensial er et mellom akademia, privat sektor og offentlig sektor», sa Laura Adams, seniorrådgiver ved National Academy of Medicine. Hun bemerket at myndighetene 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 ikke kan be om å realisere potensialet til [kunstig intelligens] med mindre vi forstår hvordan vi skal samhandle med hverandre.»
Flere talere sa at AI også har en innvirkning på forskning, enten forskere bruker den til å utforske biologiske dogmer, 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 Alphabets Verily. Mega nevnte hyperspektral avbildning, som fanger opp bildefunksjoner som er usynlige for det menneskelige øyet. Ideen er å bruke kunstig intelligens til å oppdage mønstre i patologibilder som mennesker ikke ser, som indikerer sykdom. «Jeg oppfordrer folk til å omfavne det ukjente. Jeg tror alle her kjenner noen med en eller annen form for medisinsk tilstand som trenger noe utover det vi kan tilby i dag», sa Mejia.
Paneldeltakerne var også enige om at kunstig intelligens-systemer vil gi nye måter å identifisere og bekjempe partisk beslutningstaking på, enten det er tatt 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. Talere understreket at forskere ofte overser sosiale helsedeterminanter, som sosioøkonomisk status, postnummer, utdanningsnivå og rase og etnisitet, når de samler inn inkluderende data og rekrutterer deltakere til studier. «KI er bare så effektiv som dataene modellen er trent på», 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, må vi sørge for 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 ekskluderer data om gravide kvinner, noe som skaper uunngåelige skjevheter i modeller og forverrer eksisterende forskjeller i helsevesenet.
Dr. David Magnus, professor i pediatri og medisin, sa at som all ny teknologi, kan kunstig intelligens enten gjøre ting bedre på mange måter eller gjøre dem verre. Risikoen, sa Magnus, er at kunstig intelligens-systemer vil lære om urettferdige helseutfall drevet av sosiale helsedeterminanter og forsterke disse resultatene gjennom sine resultater. «Kunstig intelligens er et speil som reflekterer samfunnet vi lever i», sa han. «Jeg håper at hver gang vi har muligheten til å belyse et problem – å holde et speil opp for oss selv – vil det tjene som motivasjon til å forbedre situasjonen.»
Hvis du ikke kunne delta på RAISE Health-workshopen, finner du et opptak av økten her.
Stanford University School of Medicine er et integrert akademisk helsevesenssystem som består av Stanford University School of Medicine og helsevesenet for voksne og barn. Sammen realiserer de biomedisinens fulle potensial gjennom samarbeidende forskning, utdanning og klinisk pasientbehandling. For mer informasjon, besøk med.stanford.edu.
En ny modell for kunstig intelligens hjelper leger og sykepleiere ved Stanford Hospital med å samarbeide for å forbedre pasientbehandlingen.
Publisert: 19. juli 2024