Görüntüleme Bölümü'nden Profesör Liu Zaiyi: Hassas Tıbbı Arttırmak, Yapay Zekanın "Yapabilirliği" ve "Yapamayacağı"
Mevcut yapay zeka kavramı, özellikle tıp alanında oldukça popüler. Yapay zeka ve doktorlar arasındaki ilişki, gelecekte bilim ve teknoloji çevrelerinde ve tıp camiasında sıcak bir konu haline geldi.
Bu konuya odaklanan Lei Feng.com, daha önce Guangdong Eyaleti Halk Hastanesi Görüntüleme Departmanı müdür yardımcısı Profesör Liu Zaiyi ile özel bir röportaj gerçekleştirdi. Görüşme sırasında Profesör Liu Zaiyi, mevcut tıbbi yapay zeka ile ilgili birçok soruna dikkat çekti (Görüntüleme Bölümü'nden Profesör Liu Zaiyi: Neden bir yapay zeka tıbbıyım "Seyirci"?).
Son zamanlarda, 2017 Xiaomanyao Teknoloji Konferansı Küresel Mobil Geliştiriciler Konferansı ve Yapay Zeka Zirvesi Forumu'nda Profesör Liu Zaiyi, tıbbi yapay zeka anlayışından ve bilgisinden bir kez daha bahsetti. Gelecekte yapay zeka ve doktorlar arasındaki ilişkiyi anlamak için önce radyologların ne yaptığını bulmamız gerektiğini söyledi.
Profesör Liu Zaiyi, radyologların görevinin klinisyenlere klinik kararlar vermeleri için yardımcı rehberlik sağlamak olduğuna inanıyor. Spesifik olarak, aşağıdaki hususlar vardır:
Lezyon tespit edildi. Örneğin, hastanın akciğerlerinin hastalıklı olup olmadığını gözlemlemek için patolojik görüntülere göre, birçok görüntüleme şirketi akciğer nodüllerini taramak için yapay zeka kullanmaya çalışıyor.
Nitel teşhis. İyi huylu ve kötü huylu lezyonların yargılanması; erken veya geç olsun, hastanın durumunun ciddiyeti gibi.
Tedavi planlaması. Örneğin, bir hastanın karaciğer radyografisinde anormal bir kan damarı vardır, ancak bu bir lezyon değil mutasyondur. Ardından radyolog, klinisyene dikkat etmesi gerektiğini hatırlatmalıdır, aksi takdirde klinisyen yanlışlıkla onu çıkarırsa, sonuçları çok ciddi olacaktır.
Bunun yanında var Etkinlik değerlendirmesi, rehberli biyopsi ve daha fazlası. Bunların hepsi radyologların çıplak gözle gözlem yapmasını ve karar vermesini gerektirir. Yapay zeka, radyologların yerini almaktan çok uzak.
Tıbbi büyük veri madenciliği nasıl yapılır
Peki tıbbi alanda yapay zekanın uygulanmasını inceleyen neden bu kadar çok insan var? Hassas tıp çağına girdiğimiz için, doktorlar sadece bir hastanın hangi hastalığa sahip olduğuna karar vermemeli, aynı zamanda kesin tedavi planları sunmalıdır. 2015 yılında Obama "Hassas Tıp Planı" nı önerdi. Pek çok uzman, doku geni sıralaması, klinik patolojik bilgiler ve giyilebilir cihazlar tarafından toplanan kişisel bilgileri analiz etmenin ve bunu başarmak için tıbbi büyük verileri araştırmanın gerekli olduğunu söyledi. Hassas ilaç. Ve bu süreç yapay zeka gerektirebilir.
Peki, doktorlar hastalara kesin tedavi planları sağlamak için büyük veri madenciliğini tam olarak nasıl kullanıyor? Açıklamak için bir örnek kullanalım.
Yukarıdaki görüntü, küçük hücreli olmayan akciğer kanseri olan iki hastanın bir CT tarama görüntüsüdür. İki hasta aynı yaştadır ve klinik evreler hem evre IB'dir ve bu hastalar için ameliyat gereklidir. Bununla birlikte, hassas tıbbı savunan bir çağda, bir hastanın ameliyatından sonra, doktorların hala hastanın prognozunu değerlendirmesi gerekir: Ne zaman nüks etme olasılığı vardır? Ne zaman ölmek mümkün? Doktorlar nüks olasılığını doğru bir şekilde tahmin edebilirlerse, hastalara aktif olarak müdahale edebilir ve tedavi edebilirler.
Öyleyse, doktorlar nasıl tahmin etmelidir? Profesör Liu Zaiyi şunları söyledi: "Biraz araştırma yaptık. Hastanın görüntüleme verilerini inceleyerek, hastanın görüntüleme fenotipinin genler tarafından belirlendiğini gördük. Buna karşılık, görüntüleme fenotipine dayanarak hastanın genetik durumunu da çıkarabiliriz. Böylelikle, hasta prognozunun kişiselleştirilmiş tahminlerini yapmak için görüntüler ve klinik bilgiler çıkarılabilir. "
Doktorlar veya mühendisler görüntü verilerini aldıktan sonra, önce ilgili modeli oluşturmalı ve ardından belirli bir hastanın kanser metastazı olasılığının% 95 veya% 5 olup olmadığını tahmin edebilmelidirler. Bu, doktorların öznel yargılarından tamamen farklıdır, ancak büyük önem taşımaktadır. İlgili araştırma sonuçları en iyi tıp dergilerinde yayınlandı.
Geçen yıl, endüstri tıbbi veri madenciliği için derin öğrenmenin kullanımına ilişkin iki makale yayınladı. Bunlardan biri cilt hastalıkları üzerine yapılan bir araştırma ve araştırma sonuçları çok güçlü olan 21 profesyonel dermatolog seviyesine ulaştı. Diğeri ise Google ekibi tarafından JAMA dergisinde yayınlanan diyabetik retinopati üzerine yapılan bir araştırmadır. Yazıda belirtildiği gibi, AI% 97-98 doğruluğa ulaşabilir. Ancak bu, AI'nın doktorların yerini alabileceği anlamına mı geliyor?
Yukarıda, ortaya çıkan teknolojinin Hype Cycle grafiği bulunmaktadır. Eğri, derin öğrenmenin gelişiminin hala ikinci aşamada olduğunu ve olgun uygulamalardan hala 2-5 yıl uzakta olduğunu göstermektedir. Ancak, kendi araştırma deneyimine dayanarak Profesör Liu Zaiyi, görüntülerin ve klinik verilerin madenciliğinin çok karmaşık ve zahmetli olduğuna ve birçok kontrol edilemeyen faktör içerdiğine inanıyor. Örneğin CT görüntüleri için farklı modeller ve tarama yöntemlerinin sonuçlar üzerinde çok büyük bir etkisi olacaktır. Bu nedenle tıbbi alanda derin öğrenmenin uygulanmasında dikkatli olunması gerekir ve 5-10 yıl sürebilir.
The New Medical Journal çok iyi bir tıp dergisidir. Son zamanlarda, dergi tıp endüstrisinin yapay zekanın eksikliklerini ve avantajlarını kliniğe gerçekten uygulayabilmek için tam olarak anlaması gereken bir makale yayınladı.
Tıbbi yapay zekada birkaç eksiklik var
Daha önce de belirtildiği gibi, Google ekibinin diyabetik retinopati ile ilgili araştırma sonuçları çok etkileyicidir. Ancak Leifeng.com'a göre JAMA dergisi birkaç soruna da dikkat çekti:
Birincisi, veri hacmi sorunudur. Lei Feng'in anlayışına göre, bu çalışmada 128.000 resim kullanıldı ve bunun çok sayıda olduğu söylenebilir. Ama aslında, sadece 200'den fazla ciddi lezyon var, bu da yeterli olmaktan uzak.
O kadar çok hastalık var ki, bunun şeker ağı olmadığını tespit ettikten sonra hastaların doktora görünmesine gerek olmadığını kim garanti edebilir? Bir model tüm sorunları çözemez ve daha büyük miktarda veriye ihtiyacımız var.
ve, Bir araştırma sonucunun iyi olup olmadığı, mühendisin son sözü değildir ya da veriler güzeldir, ancak bir dizi doğrulamadır. Herhangi bir yeni ilaç klinik olarak uygulanmadan önce, bir dizi çalışma ve doğrulamadan geçmeli ve klinikte uygulanmadan önce güvenli ve etkili olduğu kanıtlanmalıdır. Aynı şey yapay zeka için de geçerli.
AI sistemi - örneğin, şeker ağı tanı sistemi hastanenin tanı sürecine uygulandıktan sonra, doktorlar tanıya inanmalı mı? Sistem lezyon sonucu verirse doktorun tekrar okuması gerekir mi? Bu konular endüstri düşüncesine değer.
Profesör Liu Zaiyi örnek olarak akciğer nodülü taramasını aldı ve çok canlı bir örnek verdi: bir hasta bu yılın başlarında akciğer BT fizik muayenesi yaptırdı ve doktor akciğerde anormallik olmadığını bildirdi. Testi yapmak için sektördeki birçok şirket tarafından yapılan akciğer nodül tarama sistemini kullanırsanız, akciğer taramasının normal sonuçlarını göstereceği tahmin edilir (çünkü yazılımları çoğunlukla akciğerleri analiz eder). Ama aslında akciğer görüntüsü şuna benziyor:
Yapay zeka sistemini geliştiren personelin bu görüntüleri anlaması çok önemli çünkü geliştirilen sistem sadece akciğerleri kontrol etmekle kalmıyor, başka yerlerde de sorun olmamasını sağlıyor. Mevcut akciğer nodülü tarama sistemlerinin çoğu sadece ilk resme odaklanır ve sadece akciğerlere bakar. Bununla birlikte, doktorun muayene sırasında yumuşak dokuların ve mediastende şişmiş lenf düğümleri olup olmadığını gözlemlemek için ikinci resme de bakması gerekir. Ek olarak, metastaz veya başka lezyonlar olup olmadığını görmek için kemikleri (üçüncü görüntü kemik penceresidir) gözlemleyin. Tüm senaryolar ve durumlar dikkate alınmalıdır, çünkü testi kaçırdığınızda sorumlu doktordur.
Örneğin yukarıdaki resimdeki son görüntüde tecrübeli bir doktor pankreas kuyruğunda bir problem olduğunu bilecektir. Ancak o sırada doktor sadece akciğerlere baktı ve diğer kısımlara dikkat etmedi, bu yüzden test kaçırıldı. AI sistemi sadece akciğer tespiti için ise, pankreas lezyonlarının tespit edilemediği tahmin edilmektedir.
Bu, AI için hem bir fırsat hem de bir zorluktur. Gelecekte, doktorların yukarıdaki resimde görülen lezyonları bulmalarına yardımcı olmak için yapay zekayı kullanabilir miyiz? Teşhis mümkün olmasa bile, doktorlara hatırlatabilmekte fayda var.
Profesör Liu Zaiyi daha önce Leifeng.com ile yaptığı bir röportajda şunları söyledi: Yapay zekanın tıp alanında uygulanması, sadece tek bir senaryo için değil, tamamen kapsamlı olmalıdır. Tıbbi tedavinin amacı insanlar olduğu için, insanların sadece bir hayatı vardır ve bir hata yaptıklarında bunu telafi edemezler.
Öyleyse, gelecekte çok iyi robotlar geliştirebileceğimizi varsayalım - "Uzaylı" filminde gösterildiği gibi, hasta makinede yatacak ve makine işlemi otomatik olarak tamamlayabilecektir. Şu anda yapay zeka, doktorların yerini alabilir mi?
Profesör Liu Zaiyi bunun yeterli olmadığına inanıyor. Dedi ki: " Doktorlar ve tıp insani duygular ve sıcaklıkla dolu olmalı ve bunlar makinede eksiktir. "
Doktorların sıklıkla hastaları rahatlatması gerekir. Örneğin iki yaşında bir kız çocuğu vardı ve ameliyat olmak zorunda kaldı, ameliyathaneye girdiğinde panikledi. Operasyon bu durumda yapılırsa etki kesinlikle ideal değildir ve küçük kıza psikolojik bir gölge oluşturarak gelecekteki büyümesini etkileyebilir. Bu sırada doktor, küçük kıza babasının çektiği videoyu göstermenin ve dikkati dağıldığında ona anestezi vermenin bir yolunu düşündü. Sonuçta operasyonun etkisi çok iyiydi.
Bu hikayeyi okuduktan sonra kendimize sormadan edemeyiz, makineler gerçekten doktorların yerini alabilir mi? Gelecekte bir doktora görünmeye gidersem, doktora mı yoksa soğuk makineye mi güvenmeyi seçmeliyim? Cevap apaçık ortada.
Yapay zeka tıp sektörüne kesinlikle değişiklikler getirecek
Ancak bu, yapay zekanın işe yaramaz olduğu anlamına gelmez. Profesör Liu Zaiyi, Maryland Üniversitesi'nde profesör olan Eliot Siegel'in şu sözlerini aktardı: "Yapay zekanın kısa vadede doktorların yerini alması olası değil, ancak kesinlikle tıp endüstrisine, hastanelerin iş akışını değiştirmek gibi değişiklikler getirecek."
Günümüzde hastalar hastanede doktora göründüklerinde bir yandan üç saat kuyruğa girip üç dakika doktora görünmekten şikayet ederken, diğer yandan doktorlar da çok yorgun ve çok sayıda vaka görüp çok malzeme yazmaları gerekiyor. Yapay zeka, doktorların bilgi toplamasına ve analiz etmesine yardımcı olabilirse, doktorlar hastalarla iletişim kurmak için daha fazla zaman ayırabilir. 3 dakika veya 10 dakika daha iletişim kurarsanız, nihai etki kesinlikle farklı olacaktır. Doktorların iş akışını değiştirmek aynı zamanda yapay zekanın anlamıdır.
Ayrıca yapay zeka, hassas tıbbın gelişimini de teşvik edebilir. Sözde hassas tıp, her hasta için bir ekipman setinin veya bir ilacın geliştirilmesine değil, hastanın durumunu doğru bir şekilde ölçmek ve kişiselleştirilmiş tedavi planları sağlamak için kullanılır. Örneğin, yüksek riskli akciğer kanseri hastaları kemoterapiye ihtiyaç duyarken, düşük riskli akciğer kanseri hastalarının kemoterapiye ihtiyacı yoktur.
Özellikle tıbbi görüntüleme alanında, görüntüler, genler ve patoloji gibi klinik bilgileri araştırarak ve birleştirerek klinik karar vermeye rehberlik eden görüntülerin nicelendirilmesidir. Görüntü analiziyle uğraşan birçok şirket şu anda bu alanda araştırma yapıyor ve gelecek beklentileri çok parlak.
Son olarak, yapay zeka, genetik belirteçleri keşfetmek için de kullanılabilir. Örneğin, yalnızca EGFR mutasyonu olan hastalar TKI ile tedavi edilebilir, ancak bazı genetik belirteçler doktorlar için mevcut değildir ve her zaman ponksiyon yapamaz. Şu anda yapay zeka görüntüleme yoluyla genetik belirteçler elde edilebiliyor ve buna karşılık gelen tedaviler gerçekleştirilebiliyor ki bu çok değerli. Profesör Liu Zaiyi, yapay zekanın doktorların işini ve yaşamını değiştireceğine ve tamamlayıcı bir rol oynayacağına inanıyor.
Tıbbi görüntüleme endüstrisi yalnızca 100 yıldan fazla bir süredir gelişmiştir. 100 yıldan biraz daha uzun bir süre içinde, yapısal görüntülemeden işlevsel görüntülemeye geçiş, tıp endüstrisinin gidişatını tamamen değiştirmiştir. Günümüzde cerrahın görüntüleme olmadan ameliyat yapmaya cesaret edememesi de önemini göstermektedir. Bununla birlikte, tıbbi görüntüleme hala temel olarak bilgi toplama ve analizine dayanmaktadır ve zaman geçtikçe veri madenciliği aşamasına girecektir.
O zaman görüntüleme, patoloji, genetik, klinik muayene ve diğer verileri birleştirebilir, analiz ve madencilik için yapay zeka kullanabilir ve nihayet hassas tıbbın vizyonunu gerçekleştirebiliriz.
Geçmişte sık sık tartıştık, yapay zeka çağı geldi, kazanan kim? Doktor mu şirket mi? Hayır. Aslında en çok fayda gören hastalar. Ancak hastalar yapay zekadan yararlanabildiğinde hepimizin sıkı çalışması ve çalışması değer kazanabilir.
