Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску
Рентген руки с автоматическим вычислением костного возраста компьютерным программным обеспечением

Искусственный интеллект в здравоохранении - это всеобъемлющий термин, используемый для описания использования алгоритмов машинного обучения и программного обеспечения или искусственного интеллекта (ИИ) для имитации человеческого познания при анализе, представлении и понимании сложных медицинских данных. В частности, ИИ - это способность компьютерных алгоритмов делать приблизительные выводы, основанные исключительно на входных данных.

Что отличает технологию искусственного интеллекта от традиционных технологий в здравоохранении, так это способность собирать данные, обрабатывать их и предоставлять конечному пользователю четко определенный результат. ИИ делает это с помощью алгоритмов машинного обучения и глубокого обучения . Эти алгоритмы могут распознавать закономерности в поведении и создавать свою собственную логику. Чтобы получить полезные сведения и прогнозы, модели машинного обучения необходимо обучать с использованием большого количества входных данных. Алгоритмы ИИ ведут себя иначе, чем люди, по двум причинам: (1) алгоритмы буквальны: как только цель установлена, алгоритм учится исключительно на входных данных и может понять только то, для чего он был запрограммирован, (2) и некоторое глубокое обучение алгоритмы - черные ящики; алгоритмы могут прогнозировать с чрезвычайной точностью, но практически не предлагают понятного объяснения логики, лежащей в основе его решений, кроме данных и типа используемого алгоритма. [1]

Основная цель приложений искусственного интеллекта, связанных со здоровьем, - анализ взаимосвязи между методами профилактики или лечения и результатами лечения пациентов. [2] Программы искусственного интеллекта применяются в таких практиках, как процессы диагностики , разработка протокола лечения, разработка лекарств , персонализированная медицина , а также мониторинг и уход за пациентами. Алгоритмы искусственного интеллекта также могут использоваться для анализа больших объемов данных с помощью электронных медицинских карт для профилактики и диагностики заболеваний. Медицинские учреждения , такие как The Mayo Clinic , Memorial Sloan Kettering Cancer Center , [3] [4] и британская Национальная служба здравоохранения, [5] разработали алгоритмы искусственного интеллекта для своих отделов. Крупные технологические компании , такие как IBM [6] и Google , [5] , также разработаны алгоритмы искусственного интеллекта для здравоохранения. Кроме того, больницы ищут программное обеспечение ИИ для поддержки операционных инициатив, которые увеличивают экономию затрат, повышают удовлетворенность пациентов и удовлетворяют их потребности в персонале и рабочей силе. [7] В настоящее время правительство США инвестирует миллиарды долларов в развитие искусственного интеллекта в здравоохранении. [1] Компании разрабатывают технологии, которые помогают менеджерам здравоохранения.улучшить бизнес-операции за счет увеличения использования, сокращения количества пациентов, находящихся в стационаре, сокращения продолжительности пребывания в клинике и оптимизации численности персонала. [8]

Поскольку широкое использование ИИ в здравоохранении является относительно новым явлением, существует ряд беспрецедентных этических проблем, связанных с его практикой, таких как конфиденциальность данных, автоматизация рабочих мест и предвзятость представления.

История [ править ]

Исследования 1960-х и 1970-х годов привели к созданию первой программы решения проблем или экспертной системы , известной как Dendral . [9] В то время как он был разработан для применения в органической химии, он послужил основой для последующей системы MYCIN , [10] считается одним из наиболее значимых ранних применений искусственного интеллекта в медицине. [10] [11] Однако MYCIN и другие системы, такие как INTERNIST-1 и CASNET, не получили широкого распространения среди практикующих врачей. [12]

1980-е и 1990-е годы принесли распространение микрокомпьютеров и новый уровень сетевых подключений. За это время исследователи и разработчики признали, что системы искусственного интеллекта в здравоохранении должны разрабатываться с учетом отсутствия точных данных и основываться на опыте врачей. [13] Подходы, включающие теорию нечетких множеств , [14] байесовские сети , [15] и искусственные нейронные сети , [16] [17] , были применены к интеллектуальным вычислительным системам в здравоохранении.

Медицинские и технологические достижения, произошедшие за этот полувековой период, позволили расширить применение ИИ в сфере здравоохранения, включая:

  • Повышение вычислительной мощности, приводящее к более быстрому сбору и обработке данных [18]
  • Рост баз данных геномного секвенирования [19]
  • Широкое внедрение электронных медицинских записей систем [20]
  • Улучшения в обработке естественного языка и компьютерного зрения , позволяющие машинам воспроизводить процессы восприятия человека [21] [22]
  • Повышена точность роботизированной хирургии [23]
  • Улучшения в методах глубокого обучения и журналах данных по редким заболеваниям

Текущее исследование [ править ]

В различных областях медицины наблюдается рост исследований в области ИИ. Поскольку новый коронавирус разрушает весь мир, Соединенные Штаты, по оценкам, вложат более 2 миллиардов долларов в исследования в области здравоохранения, связанные с ИИ, в течение следующих 5 лет, что более чем в 4 раза превышает сумму, потраченную в 2019 году (463 миллиона долларов). [24]

Дерматология [ править ]

Дерматология - это обширная специальность в области визуализации [25], и развитие глубокого обучения тесно связано с обработкой изображений . Таким образом, между дерматологией и глубоким обучением существует естественное совпадение. В дерматологии существует 3 основных типа визуализации: контекстные изображения, макро-изображения, микроизображения. [26] Для каждого метода глубокое обучение показало большой прогресс. [27] Han et. al. показали обнаружение кератиноцитарного рака кожи по фотографиям лиц. [28] Esteva et al. продемонстрировали классификацию рака кожи на уровне дерматологов по изображениям повреждений. [29] Ноян и др. al. продемонстрировал сверточную нейронную сетьЭто позволило достичь точности 94% при идентификации клеток кожи по микроскопическим изображениям мазков Цанка . [30]

Радиология [ править ]

ИИ изучается в области радиологии для обнаружения и диагностики заболеваний у пациентов с помощью компьютерной томографии (КТ) и магнитно-резонансной томографии (МРТ). [31] По данным Общества радиологов Северной Америки, в последние годы внимание к искусственному интеллекту в радиологии резко возросло, и в 2015–2018 годах их количество увеличилось с 0 до 3, 17 и в целом 10% от общего числа публикаций. [31] Исследование в Стэнфорде.разработал алгоритм, который может обнаруживать пневмонию у пациентов с лучшим средним показателем F1 (статистический показатель, основанный на точности и запоминании), чем рентгенологи, участвовавшие в исследовании. Благодаря визуализации в онкологии ИИ может хорошо служить для обнаружения аномалий и отслеживания изменений с течением времени; два ключевых фактора онкологического здоровья. [32] Многие компании и независимые от поставщиков системы, такие как icometrix, QUIBIM, Robovision и IMAGRT UMC Utrecht, стали доступны для предоставления обучаемой платформы машинного обучения для обнаружения широкого спектра заболеваний. Радиологическое общество Северной Америки осуществили презентации по ИИ в визуализации во время ежегодной конференции. [31]Многие профессионалы с оптимизмом смотрят на будущее обработки искусственного интеллекта в радиологии, поскольку это сократит необходимое время взаимодействия и позволит врачам видеть больше пациентов. [32] Хотя не всегда так хорошо, как натренированный глаз, при расшифровке вредоносных или доброкачественных образований, история медицинской визуализации показывает тенденцию к быстрому развитию как возможностей, так и надежности новых систем. [32] Появление технологии искусственного интеллекта в радиологии воспринимается некоторыми специалистами как угроза, поскольку в отдельных случаях она может улучшиться с помощью определенных статистических показателей, а специалисты не могут.

Скрининг [ править ]

Недавние достижения предложили использовать ИИ для описания и оценки результатов челюстно-лицевой хирургии или оценки лечения расщелины неба с точки зрения привлекательности лица или возрастной внешности. [33] [34]

В 2018 году в статье, опубликованной в журнале Annals of Oncology, упоминалось, что рак кожи может быть более точно обнаружен системой искусственного интеллекта (которая использует сверточную нейронную сеть с глубоким обучением), чем дерматологами . В среднем дерматологи точно выявляли 86,6% рака кожи по изображениям по сравнению с 95% для машины CNN. [35]

В январе 2020 года исследователи демонстрируют систему искусственного интеллекта, основанную на алгоритме Google DeepMind , которая способна превзойти человеческих экспертов в области обнаружения рака груди . [36] [37]

В июле 2020 года сообщалось, что алгоритм искусственного интеллекта Питтсбургского университета достигает наивысшей на сегодняшний день точности в идентификации рака простаты с чувствительностью 98% и специфичностью 97%. [38] [39]

Психиатрия [ править ]

В психиатрии приложения ИИ все еще находятся на стадии проверки концепции. [40] Сферы, в которых количество доказательств быстро увеличивается, включают чат-ботов, переговорных агентов, которые имитируют поведение человека и которые были изучены на предмет тревожности и депрессии. [41]

Проблемы включают тот факт, что многие приложения в этой области разрабатываются и предлагаются частными корпорациями, например, скрининг на суицидальные мысли, внедренный Facebook в 2017 году. [42] Такие приложения вне системы здравоохранения вызывают различные профессиональные, этические и нормативные вопросы. [43]

Первичная помощь [ править ]

Первичная медицинская помощь стала одной из ключевых областей развития технологий искусственного интеллекта. [44] [45] ИИ в первичной медико-санитарной помощи использовался для поддержки принятия решений, прогнозного моделирования и бизнес-аналитики. [46] Несмотря на быстрое развитие технологий искусственного интеллекта, взгляды врачей общей практики на роль искусственного интеллекта в первичной медико-санитарной помощи очень ограничены - в основном они сосредоточены на административных задачах и рутинных задачах документации. [45] [47]

Диагностика болезни [ править ]

Статья Цзян и др. (2017) продемонстрировали, что существует несколько типов методов искусственного интеллекта, которые используются для лечения множества различных заболеваний, таких как вспомогательные векторные машины, нейронные сети и деревья решений. Каждый из этих методов описывается как имеющий «тренировочную цель», поэтому «классификации в максимально возможной степени соответствуют результатам…».

Чтобы продемонстрировать некоторые особенности диагностики / классификации заболеваний, при классификации этих заболеваний используются два различных метода, включая использование «искусственных нейронных сетей (ИНС) и байесовских сетей (BN)». Было обнаружено, что ИНС лучше и может более точно классифицировать диабет и сердечно-сосудистые заболевания.

Благодаря использованию медицинских обучающих классификаторов (MLC), искусственный интеллект смог существенно помочь врачам в диагностике пациентов, манипулируя массовыми электронными медицинскими записями (EHR). [48] Медицинские условия стали более сложными, и с учетом обширной истории создания электронных медицинских карт вероятность дублирования случаев высока. [48] Несмотря на то, что сегодня человек с редким заболеванием с меньшей вероятностью будет единственным человеком, который страдал каким-либо заболеванием, невозможность получить доступ к случаям с аналогичным симптоматическим происхождением является серьезным препятствием для врачей. [48]Внедрение искусственного интеллекта, которое не только помогает найти похожие случаи и методы лечения, но также учитывает основные симптомы и помогает врачам задавать наиболее подходящие вопросы, помогает пациенту получить наиболее точный диагноз и лечение. [48]

Телемедицина [ править ]

Пожилой мужчина измеряет уровень кислорода в крови с помощью пульсоксиметра

Распространение телемедицины , дистанционного лечения пациентов, продемонстрировало рост возможных приложений искусственного интеллекта. [49] ИИ может помочь в уходе за пациентами удаленно, отслеживая их информацию с помощью датчиков. [50] Носимое устройство может обеспечить постоянное наблюдение за пациентом и возможность замечать изменения, которые могут быть менее различимы людьми. Информацию можно сравнить с другими данными, которые уже были собраны с использованием алгоритмов искусственного интеллекта, которые предупреждают врачей, если есть какие-либо проблемы, о которых следует знать. [50]

Еще одно применение искусственного интеллекта - терапия чат-ботами. Некоторые исследователи утверждают, что использование чат-ботов для оказания психиатрической помощи не предполагает взаимности и подотчетности в оказании помощи, которые должны существовать в отношениях между потребителем психиатрической помощи и поставщиком услуг (будь то чат-бот или психолог), хотя . [51]

Поскольку средний возраст вырос из-за увеличения продолжительности жизни, искусственный интеллект может быть полезен для помощи пожилым людям. [52] Такие инструменты, как окружающая среда и персональные датчики, могут определять регулярную деятельность человека и предупреждать опекуна, если поведение или измеряемый жизненный цикл являются ненормальными. [52] Несмотря на то, что технология полезна, также ведутся дискуссии об ограничениях мониторинга, чтобы уважать частную жизнь человека, поскольку существуют технологии, предназначенные для составления схемы расположения домов и обнаружения человеческих взаимодействий. [52]

Электронные медицинские карты [ править ]

Электронные медицинские карты (EHR) имеют решающее значение для цифровизации и распространения информации в отрасли здравоохранения. Теперь, когда около 80% медицинских практик используют EHR, следующим шагом будет использование искусственного интеллекта для интерпретации записей и предоставления новой информации врачам. [53] Одно приложение использует обработку естественного языка (NLP) для составления более сжатых отчетов, которые ограничивают различия между медицинскими терминами путем сопоставления схожих медицинских терминов. [53] Например, термины « инфаркт миокарда» и « инфаркт миокарда» означают одно и то же, но врачи могут использовать одно слово в зависимости от личных предпочтений. [53] Алгоритмы НЛП объединяют эти различия, чтобы можно было анализировать большие наборы данных. [53]Другое использование НЛП позволяет идентифицировать фразы, которые являются избыточными из-за повторения в записях врача, и сохраняет соответствующую информацию, чтобы ее было легче читать. [53]

Помимо редактирования содержимого EHR, существуют алгоритмы искусственного интеллекта, которые оценивают историю болезни отдельного пациента и прогнозируют риск заболевания на основе его предыдущей информации и семейного анамнеза. [54] Один общий алгоритм - это система, основанная на правилах, которая принимает решения аналогично тому, как люди используют блок-схемы. [55] Эта система принимает большие объемы данных и создает набор правил, которые связывают конкретные наблюдения с заключенными диагнозами. [55] Таким образом, алгоритм может принять данные нового пациента и попытаться предсказать вероятность того, что у него будет определенное состояние или заболевание. [55]Поскольку алгоритмы могут оценивать информацию о пациенте на основе коллективных данных, они могут найти любые нерешенные проблемы, чтобы привлечь внимание врача и сэкономить время. [54] Одно исследование, проведенное исследовательским институтом Centerstone, показало, что прогнозирующее моделирование данных EHR достигло точности 70–72% при прогнозировании индивидуального ответа на лечение. [56] Эти методы полезны тем, что количество медицинских карт в Интернете удваивается каждые пять лет. [54] У врачей нет пропускной способности для обработки всех этих данных вручную, и ИИ может использовать эти данные, чтобы помочь врачам в лечении своих пациентов. [54]

Взаимодействие с наркотиками [ править ]

Усовершенствования в обработке естественного языка привели к разработке алгоритмов для определения лекарственного взаимодействия в медицинской литературе. [57] [58] [59] [60] Лекарственные взаимодействия представляют собой угрозу для тех, кто принимает несколько лекарств одновременно, и опасность возрастает с увеличением количества принимаемых лекарств. [61] Чтобы решить проблему отслеживания всех известных или предполагаемых взаимодействий между лекарственными средствами, были созданы алгоритмы машинного обучения для извлечения информации о взаимодействующих лекарствах и их возможных эффектах из медицинской литературы. В 2013 году усилия были объединены в программе DDIExtraction Challenge, в которой группа исследователей из Университета Карлоса IIIсобрал корпус литературы по лекарственным взаимодействиям, чтобы сформировать стандартизированный тест для таких алгоритмов. [62] Конкуренты были проверены на их способность точно определять по тексту, какие наркотики взаимодействуют друг с другом и каковы характеристики их взаимодействия. [63] Исследователи продолжают использовать этот корпус для стандартизации измерения эффективности своих алгоритмов. [57] [58] [60]

Другие алгоритмы идентифицируют взаимодействие лекарств с лекарственными средствами по шаблонам в пользовательском контенте, особенно в электронных медицинских записях и / или отчетах о побочных эффектах. [58] [59] Организации , такие как системы FDA Неблагоприятные события отчетности (FAERS) и Всемирной организации здравоохранения VigiBase позволяют врачам представлять отчеты о возможных реакций отрицательных на лекарства. Алгоритмы глубокого обучения были разработаны для анализа этих отчетов и выявления закономерностей, которые предполагают взаимодействие лекарств. [64]

Создание новых лекарств [ править ]

DSP-1181, молекула препарата для лечения ОКР (обсессивно-компульсивного расстройства), была изобретена искусственным интеллектом совместными усилиями Exscientia (британский стартап) и Sumitomo Dainippon Pharma (японская фармацевтическая фирма). На разработку препарата ушел один год, в то время как фармацевтические компании обычно тратят на аналогичные проекты около пяти лет. DSP-1181 был принят для испытаний на людях. [65]

В сентябре 2019 года Insilico Medicine сообщает о создании с помощью искусственного интеллекта шести новых ингибиторов гена DDR1 , мишени киназы, участвующей в фиброзе и других заболеваниях. Система, известная как Generative Tensorial Reinforcement Learning (GENTRL), разработала новые соединения за 21 день, при этом ведущий кандидат был протестирован и показал положительные результаты на мышах. [66] [67] [68]

В том же месяце канадская компания Deep Genomics объявляет, что ее платформа для поиска лекарств на основе искусственного интеллекта определила цель и лекарство-кандидат от болезни Вильсона . Кандидат, DG12P1, разработан для коррекции эффекта пропуска экзонов Met645Arg, генетической мутации, влияющей на медь-связывающий белок ATP7B. [69]

Промышленность [ править ]

Тенденция слияния крупных медицинских компаний делает данные о здоровье более доступными. Более подробные данные о состоянии здоровья закладывают основу для реализации алгоритмов искусственного интеллекта.

Внедрение ИИ в секторе здравоохранения в значительной степени сосредоточено на системах поддержки принятия клинических решений . По мере сбора большего количества данных алгоритмы машинного обучения адаптируются и позволяют принимать более надежные ответы и решения. [31] Многие компании изучают возможности внедрения больших данных в отрасль здравоохранения. Многие компании исследуют рыночные возможности с помощью «технологий оценки, хранения, управления и анализа данных», которые являются ключевыми составляющими отрасли здравоохранения. [70]

Ниже приведены примеры крупных компаний, которые внесли свой вклад в алгоритмы искусственного интеллекта для использования в здравоохранении:

  • IBM Watson Oncology разрабатывается в онкологическом центре Memorial Sloan Kettering и в клинике Кливленда . IBM также работает с CVS Health над приложениями искусственного интеллекта для лечения хронических заболеваний и с Johnson & Johnson над анализом научных статей, чтобы найти новые связи для разработки лекарств. В мае 2017 года IBM и Политехнический институт Ренсселера начали совместный проект под названием Health Empowerment by Analytics, Learning and Semantics (HEALS), посвященный изучению использования технологий искусственного интеллекта для улучшения здравоохранения.
  • В рамках проекта Microsoft в Ганновере в партнерстве с Институтом рака Knight при Орегонском университете здоровья и науки анализируются медицинские исследования с целью прогнозирования наиболее эффективных вариантов лекарственного лечения рака для пациентов. Другие проекты включают анализ медицинских изображений прогрессирования опухоли и разработку программируемых клеток.
  • Google «s DeepMind платформа используется в Великобритании Национальной службы здравоохранения для выявления определенных рисков для здоровья на основе данных , собранных с помощью мобильного приложения. Второй проект с NHS включает анализ медицинских изображений, полученных от пациентов NHS, для разработки алгоритмов компьютерного зрения для обнаружения раковых тканей.
  • Tencent работает над несколькими медицинскими системами и услугами. К ним относятся AI Medical Innovation System (AIMIS), служба диагностической медицинской визуализации на базе искусственного интеллекта; WeChat Intelligent Healthcare; и Tencent Doctorwork
  • Подразделение венчурного капитала Intel, Intel Capital, недавно инвестировало в стартап Lumiata, который использует искусственный интеллект для выявления пациентов из группы риска и разработки вариантов лечения.
  • Kheiron Medical разработала программное обеспечение для глубокого обучения для обнаружения рака груди на маммограммах .
  • Компания Fractal Analytics создала инкубатор Qure.ai, который фокусируется на использовании глубокого обучения и искусственного интеллекта для улучшения радиологии и ускорения анализа диагностических рентгеновских снимков.
  • Илон Маск представляет хирургического робота, который имплантирует мозговой чип Neuralink
    Neuralink разработала нейропротез следующего поколения, который замысловато взаимодействует с тысячами нервных путей в головном мозге. [31] Их процесс позволяет высокоточному хирургическому роботу вставить чип размером примерно с четверть вместо фрагмента черепа, чтобы избежать случайной травмы. [31]

Приложения цифровых консультантов, такие как Babylon Health's GP at Hand , Ada Health , AliHealth Doctor You , KareXpert и Your.MD, используют ИИ для предоставления медицинских консультаций на основе личной истории болезни и общих медицинских знаний. Пользователи сообщают о своих симптомах в приложение, которое использует распознавание речи для сравнения с базой данных болезней. Затем Вавилон предлагает рекомендованное действие с учетом истории болезни пользователя. Предприниматели в сфере здравоохранения эффективно использовали семь архетипов бизнес-моделей, чтобы внедрить решения на основе искусственного интеллекта [ модное слово] на рынок. Эти архетипы зависят от ценности, созданной для целевого пользователя (например, ориентация на пациента или поставщика медицинских услуг и ориентация на плательщика) и механизмов сбора ценности (например, предоставление информации или соединение заинтересованных сторон).

IFlytek запустила сервисного робота Xiao Man, который интегрировал технологию искусственного интеллекта для идентификации зарегистрированного клиента и предоставления персонализированных рекомендаций в медицинских областях. Он также работает в области медицинской визуализации. Подобные роботы также производятся такими компаниями, как UBTECH («Крузр») и Softbank Robotics («Пеппер»).

Индийский стартап Haptik недавно разработал чат-бота WhatsApp, который отвечает на вопросы, связанные со смертельным коронавирусом в Индии .

Рынок ИИ постоянно расширяется, и крупные технологические компании, такие как Apple, Google, Amazon и Baidu, имеют свои собственные исследовательские подразделения в области ИИ, а также выделяют миллионы долларов на приобретение более мелких компаний, основанных на ИИ. [70] Многие производители автомобилей также начинают использовать машинное обучение для здравоохранения в своих автомобилях. [70] Такие компании, как BMW , GE , Tesla , Toyota и Volvo, проводят новые исследовательские кампании, чтобы найти способы узнать жизненную статистику водителя, чтобы убедиться, что он бодрствует, обращает внимание на дорогу и не находится под воздействием веществ или в эмоциональном стрессе. [70]

Последствия [ править ]

Предполагается, что использование ИИ снизит медицинские расходы, поскольку будет более точный диагноз и более точные прогнозы в плане лечения, а также более эффективная профилактика заболеваний.

Другие варианты использования ИИ в будущем включают интерфейсы мозг-компьютер (BCI), которые, по прогнозам, помогут тем, у кого проблемы с движением, речью или с травмой спинного мозга. BCI будут использовать ИИ, чтобы помочь этим пациентам двигаться и общаться, расшифровывая нейронные активации. [71]

Искусственный интеллект привел к значительным улучшениям в таких областях здравоохранения, как медицинская визуализация, автоматизированное принятие клинических решений, диагностика, прогноз и многое другое. Хотя ИИ способен произвести революцию в нескольких областях медицины, он все еще имеет ограничения и не может заменить прикроватного врача. [72]

Здравоохранение - сложная наука, связанная с юридическими, этическими, нормативными, экономическими и социальными ограничениями. Чтобы полностью внедрить ИИ в здравоохранении, должны произойти «параллельные изменения в глобальной среде с многочисленными заинтересованными сторонами, включая граждан и общество». [73]

Забота о развивающихся странах [ править ]

Искусственный интеллект продолжает расширяться в своих способностях ставить точный диагноз большему количеству людей в странах, где меньше врачей доступны для общественности. Многие новые технологические компании, такие как Spacex и Raspberry Pi Foundation , позволили большему количеству развивающихся стран получить доступ к компьютерам и Интернету, чем когда-либо прежде. [74] С расширением возможностей искусственного интеллекта в Интернете передовые алгоритмы машинного обучения могут позволить пациентам ставить точный диагноз, когда у них раньше не было возможности узнать, есть ли у них опасное для жизни заболевание или нет. [74]

Использование ИИ в развивающихся странах, у которых нет ресурсов, уменьшит потребность в аутсорсинге и может улучшить уход за пациентами. ИИ может позволить не только диагностировать пациентов в областях, где не хватает здравоохранения, но и обеспечить хорошее обслуживание пациентов, предоставив файлы для поиска лучшего лечения для пациента. [75] Способность ИИ корректировать курс по мере его продвижения также позволяет пациенту изменять свое лечение в зависимости от того, что для него работает; уровень индивидуального ухода, который практически отсутствует в развивающихся странах. [75]

Регламент [ править ]

Хотя исследование использования ИИ в здравоохранении направлено на проверку его эффективности в улучшении результатов лечения пациентов до его более широкого распространения, его использование, тем не менее, может создать несколько новых типов риска для пациентов и поставщиков медицинских услуг, таких как алгоритмическая систематическая ошибка , последствия не реанимировать и другие вопросы морали машины . Эти проблемы клинического использования искусственного интеллекта вызвали потенциальную необходимость в регулировании.

Мужчина выступает на семинаре по соблюдению GDPR на Саммите предпринимателей 2019 года.

В настоящее время существуют правила, касающиеся сбора данных о пациентах. Сюда входят такие политики, как Закон о переносимости и подотчетности в медицинском страховании ( HIPPA ) и Европейский общий регламент по защите данных ( GDPR ). [76] GDPR относится к пациентам в ЕС и детализирует требования согласия на использование данных пациентов, когда организации собирают данные о здоровье пациентов. Аналогичным образом HIPPA защищает медицинские данные из историй болезни пациентов в США. [76] В мае 2016 года Белый дом объявил о своем плане провести серию семинаров и создать Национальный совет по науке и технологиям.(NSTC) Подкомитет по машинному обучению и искусственному интеллекту. В октябре 2016 года группа опубликовала Национальный стратегический план исследований и разработок в области искусственного интеллекта, в котором излагаются предлагаемые приоритеты для исследований и разработок в области ИИ, финансируемых из федерального бюджета (в рамках правительства и академических кругов). В отчете отмечается, что стратегический план НИОКР в области информационных технологий здравоохранения находится в стадии разработки.

Единственное агентство, выразившее озабоченность, - это FDA. Бакул Патель, заместитель директора центра цифрового здравоохранения FDA, цитирует слова в мае 2017 года:

«Мы пытаемся привлечь людей, которые имеют практический опыт разработки, к полному жизненному циклу продукта. У нас уже есть ученые, которые разбираются в искусственном интеллекте и машинном обучении, но нам нужны дополнительные люди, которые могут смотреть вперед и видеть, как эта технология будет развиваться ».

Совместная Оперативная группа МСЭ и ВОЗ по искусственному интеллекту для здоровья (FG-AI4H) создала платформу для тестирования и сравнительного анализа приложений искусственного интеллекта в области здравоохранения. По состоянию на ноябрь 2018 года проводится сравнительный анализ восьми вариантов использования, включая оценку риска рака груди по гистопатологическим изображениям, выбор противоядия по изображениям змей и диагностику кожных повреждений.

Этические проблемы [ править ]

Сбор данных [ править ]

Чтобы эффективно обучать машинному обучению и использовать ИИ в здравоохранении, необходимо собрать огромные объемы данных. Однако получение этих данных в большинстве случаев связано с сохранением конфиденциальности пациентов и не приветствуется публично. Например, опрос, проведенный в Великобритании, показал, что 63% населения не хотят делиться своими личными данными с целью улучшения технологий искусственного интеллекта. [76] Нехватка реальных и доступных данных о пациентах является препятствием, сдерживающим прогресс в разработке и внедрении искусственного интеллекта в здравоохранении.

Автоматизация [ править ]

Согласно недавнему исследованию, ИИ может заменить до 35% рабочих мест в Великобритании в течение следующих 10-20 лет. [77] Однако из этих рабочих мест был сделан вывод, что ИИ пока не устранил ни одной работы в сфере здравоохранения. Хотя, если бы ИИ автоматизировал работу, связанную со здравоохранением, наиболее уязвимыми для автоматизации были бы те, которые связаны с цифровой информацией, радиологией и патологией, в отличие от тех, которые связаны с взаимодействием врача с пациентом. [77]

Автоматизация может принести пользу и врачам. Ожидается, что врачи, использующие ИИ в здравоохранении, будут предоставлять более качественное медицинское обслуживание, чем врачи и медицинские учреждения, которые этого не делают. [78] ИИ, скорее всего, не заменит полностью медицинских работников, а скорее даст им больше времени для ухода за пациентами. ИИ может предотвратить выгорание медицинских работников и когнитивные перегрузки

ИИ в конечном итоге будет способствовать достижению социальных целей, которые включают улучшение коммуникации, улучшение качества здравоохранения и автономию. [79]

Предвзятость [ править ]

Поскольку ИИ принимает решения исключительно на основе данных, которые он получает в качестве входных данных, важно, чтобы эти данные отражали точные демографические данные пациента. В условиях больницы пациенты не имеют полного представления о том, как создаются или калибруются алгоритмы прогнозирования. Следовательно, эти медицинские учреждения могут несправедливо кодировать свои алгоритмы, чтобы дискриминировать меньшинства и отдавать приоритет прибыли, а не обеспечивать оптимальную помощь. [80]

В этих алгоритмах также может быть непреднамеренная предвзятость, которая может усугубить социальное неравенство и неравенство в сфере здравоохранения. [80]  Поскольку решения AI являются прямым отражением его входных данных, данные, которые он получает, должны точно отражать демографические данные пациента. Белые мужчины чрезмерно представлены в медицинских наборах данных. [81] Таким образом, наличие минимальных данных о пациентах из числа меньшинств может привести к тому, что ИИ будет делать более точные прогнозы для большинства популяций, что приведет к непреднамеренным худшим медицинским результатам для меньшинств. [82] Сбор данных от общин меньшинств также может привести к медицинской дискриминации. Например, ВИЧ - распространенный вирус среди меньшинств, и ВИЧ-статус может использоваться для дискриминации пациентов. [81]  Однако эти предубеждения можно устранить путем тщательной реализации и методичного сбора репрезентативных данных.

См. Также [ править ]

  • Искусственный интеллект
  • Глоссарий искусственного интеллекта
  • Сканер всего тела (например, Dermascanner , ...)
  • BlueDot
  • Система поддержки принятия клинических решений
  • Компьютерная диагностика
  • Компьютерная простая сортировка
  • Google DeepMind
  • IBM Watson Health
  • Вычисление медицинских изображений
  • Михал Розен-Цви
  • Программное обеспечение для распознавания речи в здравоохранении
  • Общество MICCAI

Ссылки [ править ]

  1. ^ a b Лука М., Кляйнберг Дж., Муллайнатан С. (январь – февраль 2016 г.). «Алгоритмам тоже нужны менеджеры» . Harvard Business Review . Проверено 8 октября 2018 .
  2. ^ Coiera E (1997). Справочник по медицинской информатике, Интернету и телемедицине . Chapman & Hall, Ltd.
  3. ↑ Power B (19 марта 2015 г.). «Искусственный интеллект почти готов для бизнеса» . Массачусетская больница общего профиля .
  4. ^ Баль M, Barzilay R, Yedidia AB, Locascio NJ, Ю.Л., Леман CD (март 2018). «Поражения груди с высоким риском: модель машинного обучения для прогнозирования патологического обновления и уменьшения количества ненужных хирургических вмешательств» . Радиология . 286 (3): 810–818. DOI : 10,1148 / radiol.2017170549 . PMID 29039725 . 
  5. ^ a b Bloch-Budzier S (22 ноября 2016 г.). «NHS использует технологию Google для лечения пациентов» .
  6. ↑ Lorenzetti L (5 апреля 2016 г.). «Вот как IBM Watson Health трансформирует отрасль здравоохранения» . Удача .
  7. ^ Кент Дж (2018-08-08). «Провайдеры используют прогнозную аналитику для получения клинической и финансовой выгоды» . HealthITAnalytics . Проверено 16 января 2019 .
  8. ↑ Lee K (4 января 2016 г.). «Прогностическая аналитика в здравоохранении помогает улучшить использование операционных» . SearchHealthIT . Проверено 16 января 2019 .
  9. ^ Линдси Р.К., Бьюкенен Б.Г., Фейгенбаум Е.А., Ледерберг Дж. (1993). «DENDRAL: на примере первой экспертной системы формирования научных гипотез» . Искусственный интеллект . 61 (2): 209–261. DOI : 10.1016 / 0004-3702 (93) 90068-м . ЛВП : 2027,42 / 30758 .
  10. ^ a b Clancey WJ, Shortliffe EH (1984). Хрестоматия по медицинскому искусственному интеллекту: первое десятилетие . Addison-Wesley Longman Publishing Co., Inc.
  11. ^ Bruce G, Buchanan BG, Shortliffe ED (1984). Экспертные системы на основе правил: эксперименты MYCIN Стэнфордского проекта эвристического программирования .
  12. ^ Дуда RO, Shortliffe EH (апрель 1983). «Исследование экспертных систем». Наука . 220 (4594): 261–8. Bibcode : 1983Sci ... 220..261D . DOI : 10.1126 / science.6340198 . PMID 6340198 . 
  13. Перейти ↑ Miller RA (1994). «Медицинские диагностические системы поддержки принятия решений - прошлое, настоящее и будущее: библиография и краткий комментарий» . Журнал Американской ассоциации медицинской информатики . 1 (1): 8–27. DOI : 10.1136 / jamia.1994.95236141 . PMC 116181 . PMID 7719792 .  
  14. ^ Adlassnig КП (июль 1980). «Нечеткая логическая модель компьютерной медицинской диагностики» (PDF) . Методы информации в медицине . 19 (3): 141–8. DOI : 10,1055 / с-0038-1636674 . PMID 6997678 .  
  15. ^ Реджия JA, Peng Y (сентябрь 1987). «Моделирование диагностических рассуждений: краткое изложение теории бережливого покрытия» . Компьютерные методы и программы в биомедицине . 25 (2): 125–34. DOI : 10.1016 / 0169-2607 (87) 90048-4 . PMC 2244953 . PMID 3315427 .  
  16. ^ Baxt WG (декабрь 1991). «Использование искусственной нейронной сети для диагностики инфаркта миокарда». Анналы внутренней медицины . 115 (11): 843–8. DOI : 10.7326 / 0003-4819-115-11-843 . PMID 1952470 . 
  17. ^ Maclin PS, Dempsey J, J Brooks, Rand J (февраль 1991). «Использование нейронных сетей для диагностики рака». Журнал медицинских систем . 15 (1): 11–9. DOI : 10.1007 / bf00993877 . PMID 1748845 . S2CID 10189561 .  
  18. ^ Koomey Дж, Берар S, Санчес М, Н Вонг (март 2010 г.). «Последствия исторических тенденций в области электрической эффективности вычислений». IEEE Annals of the History of Computing . 33 (3): 46–54. CiteSeerX 10.1.1.323.9505 . DOI : 10.1109 / MAHC.2010.28 . S2CID 8305701 .  
  19. Перейти ↑ Barnes B, Dupré J (2009). Геномы и что с ними делать . Издательство Чикагского университета.[ требуется страница ]
  20. ^ Jha AK, DesRoches CM, Campbell EG, Donelan K, Rao SR, Ferris TG и др. (Апрель 2009 г.). «Использование электронных медицинских карт в больницах США». Медицинский журнал Новой Англии . 360 (16): 1628–38. DOI : 10.1056 / NEJMsa0900592 . PMID 19321858 . S2CID 19914056 .  
  21. ^ Банко M, Brill E (июль 2001). «Масштабирование до очень больших корпусов для устранения неоднозначности естественного языка]» (PDF) . Труды 39-го ежегодного собрания ассоциации компьютерной лингвистики . Ассоциация компьютерной лингвистики: 26–33. Архивировано из оригинального (PDF) 2019-04-07 . Проверено 7 апреля 2019 .
  22. ^ Догерти G (2009). Цифровая обработка изображений для медицинских приложений . Издательство Кембриджского университета.
  23. ^ «Искусственный интеллект и машинное обучение для здравоохранения» . Сигмоидальный . 21 декабря 2017.
  24. ^ «Влияние пандемии COVID-19: глобальные расходы на НИОКР для ИИ в здравоохранении и фармацевтике увеличатся на 1,5 миллиарда долларов США к 2025 году». Медицинское письмо от CDC и FDA. 3 мая 2020 г. - через Gale Academic OneFile.
  25. ^ Хиблер, Брайан П .; Ци, Цяочу; Росси, Энтони М. (март 2016 г.). «Современное состояние визуализации в дерматологии» . Семинары по кожной медицине и хирургии . 35 (1): 2–8. DOI : 10,12788 / j.sder.2016.001 . ISSN 1085-5629 . PMID 26963110 .  
  26. ^ "Получение изображений в дерматологии | DermNet NZ" . dermnetnz.org . Проверено 23 февраля 2021 .
  27. ^ Чан, Стефани; Редди, Видхата; Майерс, Бриджит; Тибодо, Куинн; Браунстоун, Николас; Ляо, Уилсон (2020-04-06). «Машинное обучение в дерматологии: современные приложения, возможности и ограничения» . Дерматология и терапия . 10 (3): 365–386. DOI : 10.1007 / s13555-020-00372-0 . ISSN 2193-8210 . PMC 7211783 . PMID 32253623 .   
  28. ^ Хан, Сын Сог; Луна, Ик Джун; Лим, Ухён; Suh, In Suck; Ли, Сэм Ён; На, Юнг-Им; Ким, Сон Хван; Чанг, Сон Ын (01.01.2020). «Обнаружение кератиноцитарного рака кожи на лице с использованием региональной сверточной нейронной сети» . JAMA Dermatology . 156 (1): 29. DOI : 10,1001 / jamadermatol.2019.3807 . ISSN 2168-6068 . PMC 6902187 . PMID 31799995 .   
  29. ^ Эстева, Андре; Купрел, Бретт; Novoa, Roberto A .; Ко, Джастин; Swetter, Susan M .; Blau, Helen M .; Трун, Себастьян (февраль 2017 г.). «Классификация рака кожи на уровне дерматологов с использованием глубоких нейронных сетей» . Природа . 542 (7639): 115–118. DOI : 10,1038 / природа21056 . ISSN 1476-4687 . 
  30. ^ Ноян, Мехмет Аликан; Дурду, Мурат; Эскиокак, Али Хайдар (27.10.2020). «TzanckNet: сверточная нейронная сеть для идентификации клеток в цитологии эрозивно-пузырно-буллезных заболеваний» . Научные отчеты . 10 (1): 18314. DOI : 10.1038 / s41598-020-75546-г . ISSN 2045-2322 . 
  31. ^ Б с д е е Писарчик А.Н., Максименко В.А., Храмов А.Е. (октябрь 2019). «От новых технологий к новым приложениям: комментарий к« Интегрированной платформе интерфейса мозг-машина с тысячами каналов »Илона Маска и Neuralink» . Журнал медицинских интернет-исследований . 21 (10): e16356. DOI : 10.2196 / 16356 . PMC 6914250 . PMID 31674923 . S2CID 207818415 .   
  32. ^ a b c Хосни А., Пармар С., Квакенбуш Дж., Шварц Л. Х., Аэртс Г. Дж. (август 2018 г.). «Искусственный интеллект в радиологии» . Обзоры природы. Рак . 18 (8): 500–510. DOI : 10.1038 / s41568-018-0016-5 . PMC 6268174 . PMID 29777175 .  
  33. ^ Patcas R, Бернини Д.А., Волокитин А, Agustsson Е, Роте R, Тимофте R (январь 2019). «Применение искусственного интеллекта для оценки влияния ортогнатического лечения на привлекательность лица и предполагаемый возраст» . Международный журнал оральной и челюстно-лицевой хирургии . 48 (1): 77–83. DOI : 10.1016 / j.ijom.2018.07.010 . PMID 30087062 . 
  34. ^ Patcas R, R Тимофте, Волокитин А, Agustsson Е, Eliades Т, Айхенбергер М, Борнстейн ММ (август 2019). «Привлекательность лица пациентов с расщелиной: прямое сравнение оценок на основе искусственного интеллекта и обычных групп экспертов». Европейский журнал ортодонтии . 41 (4): 428–433. DOI : 10,1093 / Эдзё / cjz007 . PMID 30788496 . S2CID 73507799 .  
  35. ^ «Компьютер учится обнаруживать рак кожи точнее, чем врачи» . Хранитель . 29 мая 2018.
  36. ^ Kobie N (1 января 2020). «Новый ИИ DeepMind может обнаружить рак груди так же хорошо, как и ваш врач» . Проводная Великобритания . Проводной . Проверено 1 января 2020 года .
  37. ^ МакКинни С.М., Sieniek М, Godbole В, Гудвин Дж, Антропова Н, Ashrafian Н, и др. (Январь 2020 г.). «Международная оценка системы искусственного интеллекта для скрининга рака груди» . Природа . 577 (7788): 89–94. Bibcode : 2020Natur.577 ... 89M . DOI : 10.1038 / s41586-019-1799-6 . PMID 31894144 . S2CID 209523468 .  
  38. ^ «Искусственный интеллект идентифицирует рак простаты с почти идеальной точностью» . EurekAlert! . 27 июля 2020 . Проверено 29 июля 2020 .
  39. ^ Пантановиц Л., Кирога-Гарза GM, Бьен Л., Хелед Р., Лайфенфельд Д., Линхарт С. и др. (1 августа 2020 г.). «Алгоритм искусственного интеллекта для диагностики рака простаты на полных изображениях слайдов биопсии стержневой иглы: слепое клиническое исследование для проверки и внедрения» . The Lancet Digital Health . 2 (8): e407 – e416. DOI : 10.1016 / S2589-7500 (20) 30159-X . ISSN 2589-7500 . PMID 33328045 . Дата обращения 17 августа 2020 .  
  40. ^ Graham S, Depp C, Ли EE, Nebeker C, Tu X, Ким HC, Jeste DV (ноябрь 2019). «Искусственный интеллект для психического здоровья и психических заболеваний: обзор» . Текущие отчеты психиатрии . 21 (11): 116. DOI : 10.1007 / s11920-019-1094-0 . PMC 7274446 . PMID 31701320 .  
  41. ^ Фулмер R, Joerin А, Б Джентиле, Lakerink л, Rauws М (декабрь 2018). «Использование психологического искусственного интеллекта (Tess) для облегчения симптомов депрессии и тревоги: рандомизированное контролируемое испытание» . JMIR Психическое здоровье . 5 (4): e64. DOI : 10.2196 / mental.9782 . PMC 6315222 . PMID 30545815 .  
  42. ^ Копперсмит G, Лири R, Кратчел P, Fine A (январь 2018). «Обработка естественного языка социальных сетей как средство проверки на суицидальный риск» . Биомедицинская информатика Insights . 10 : 1178222618792860. дои : 10,1177 / 1178222618792860 . PMC 6111391 . PMID 30158822 .  
  43. ^ Брунна М, Diefenbacher А, Courtet Р, Genieys Вт (август 2020). «Будущее стучится: как искусственный интеллект коренным образом изменит психиатрию» . Академическая психиатрия . 44 (4): 461–466. DOI : 10.1007 / s40596-020-01243-8 . PMID 32424706 . S2CID 218682746 .  
  44. ^ Мистри P (сентябрь 2019). «Искусственный интеллект в первичной медико-санитарной помощи» . Британский журнал общей практики . 69 (686): 422–423. DOI : 10.3399 / bjgp19X705137 . PMC 6715470 . PMID 31467001 .  
  45. ^ a b Blease C, Kaptchuk TJ, Bernstein MH, Mandl KD, Halamka JD, DesRoches CM (март 2019 г.). «Искусственный интеллект и будущее первичной медицинской помощи: качественное исследование взглядов врачей общей практики Великобритании» . Журнал медицинских интернет-исследований . 21 (3): e12802. DOI : 10.2196 / 12802 . PMC 6446158 . PMID 30892270 . S2CID 59175658 .   
  46. ^ Liyanage Н, Liaw СТ, Jonnagaddala Дж, Шрайбер R, Kuziemsky С, Терри Л., де Лузиньян S (август 2019). «Искусственный интеллект в первичной медико-санитарной помощи: восприятие, проблемы и проблемы» . Ежегодник медицинской информатики . 28 (1): 41–46. DOI : 10,1055 / с-0039-1677901 . PMC 6697547 . PMID 31022751 .  
  47. ^ Kocaballi AB, Ijaz K, Laranjo L, Quiroz JC, Rezazadegan D, Tong HL и др. (Ноябрь 2020 г.). «Представление помощника по документации искусственного интеллекта для будущих консультаций первичной медико-санитарной помощи: совместное исследование с врачами общей практики» . Журнал Американской ассоциации медицинской информатики . 27 (11): 1695–1704. DOI : 10.1093 / Jamia / ocaa131 . PMC 7671614 . PMID 32845984 .  
  48. ^ a b c d Лян Х., Цуй BY, Ни Х, Валентим С.С., Бакстер С.Л., Лю Г. и др. (Март 2019 г.). «Оценка и точная диагностика детских заболеваний с использованием искусственного интеллекта» . Природная медицина . 25 (3): 433–438. DOI : 10.1038 / s41591-018-0335-9 . PMID 30742121 . S2CID 59945159 .  
  49. ^ Hamet P, Tremblay J (апрель 2017 г.). «Искусственный интеллект в медицине» . Обмен веществ . Взгляд в будущее медицины: технологии, концепции и интеграция. 69S : S36 – S40. DOI : 10.1016 / j.metabol.2017.01.011 . PMID 28126242 . 
  50. ^ a b Пивоваров Р., Эльхадад Н. (сентябрь 2015 г.). «Автоматизированные методы обобщения электронных медицинских карт» . Журнал Американской ассоциации медицинской информатики . 22 (5): 938–47. DOI : 10.1093 / Jamia / ocv032 . PMC 4986665 . PMID 25882031 . Кириллович 1452 .   
  51. ^ Ян М (2020-08-19). «Болезненные разговоры: терапевтические чат-боты и публичные возможности» . Коммуникация и общественность . 5 (1–2): 35–44. DOI : 10.1177 / 2057047320950636 . PMC 7441483 . 
  52. ^ a b c Pouke M, Häkkilä J (декабрь 2013 г.). «Наблюдение за состоянием здоровья пожилых людей с использованием виртуальной трехмерной среды на основе аватаров» . Международный журнал исследований окружающей среды и общественного здравоохранения . 10 (12): 7283–98. DOI : 10.3390 / ijerph10127283 . PMC 3881167 . PMID 24351747 . S2CID 18535954 .   
  53. ^ a b c d e Ferrante FE (июнь 2005 г.). «Развитие телемедицины / технологий электронного здравоохранения» . Журнал телемедицины и электронное здоровье . 11 (3): 370–83. DOI : 10.1089 / tmj.2005.11.370 . PMID 16035932 . 
  54. ^ a b c d Medrano IH, Guijarro JT, Belda C, Ureña A, Salcedo I, Anke LE, Saggion H (2018). «Савана: повторное использование электронных медицинских карт с искусственным интеллектом» . Международный журнал интерактивных мультимедиа и искусственного интеллекта . 4 (7): 8–12. DOI : 10.9781 / ijimai.2017.03.001 . ISSN 1989-1660 . 
  55. ^ a b c Эрен А., Субаси А., Кошкун О. (февраль 2008 г.). «Система поддержки принятия решений для телемедицины через платформу мобильной связи» . Журнал медицинских систем . 32 (1): 31–5. DOI : 10.1007 / s10916-007-9104-х . PMID 18333403 . S2CID 11082133 .  
  56. ^ Bennett CC, Doub TW, Selove R (апрель 2012). «EHR объединяют исследования и практику: там, где пересекаются прогнозное моделирование, искусственный интеллект и поддержка принятия клинических решений». Политика и технологии здравоохранения . 1 (2): 105–114. arXiv : 1204,4927 . DOI : 10.1016 / j.hlpt.2012.03.001 . ISSN 2211-8837 . S2CID 25022446 .  
  57. ^ a b Бухарский B, Диаз A, Chitsaz H (2016). «Улучшение извлечения наркотиков взаимодействия из литературы с использованием нейтральных кандидатов, отрицания и зависимости клаузулы» . PLOS ONE . 11 (10): e0163480. Bibcode : 2016PLoSO..1163480B . DOI : 10.1371 / journal.pone.0163480 . PMC 5047471 . PMID 27695078 .  
  58. ^ a b c Цай Р., Лю М., Ху Y, Мелтон Б.Л., Матени М.Э., Сюй Х. и др. (Февраль 2017 г.). «Идентификация неблагоприятных лекарственных взаимодействий посредством обнаружения правила причинно-следственной связи из отчетов о спонтанных нежелательных явлениях» . Искусственный интеллект в медицине . 76 : 7–15. DOI : 10.1016 / j.artmed.2017.01.004 . PMC 6438384 . PMID 28363289 .  
  59. ^ a b Christopoulou F, Tran TT, Sahu SK, Miwa M, Ananiadou S (январь 2020 г.). «Нежелательные явления с наркотиками и извлечение взаимосвязи с лекарствами в электронных медицинских картах с помощью ансамблевых методов глубокого обучения» . Журнал Американской ассоциации медицинской информатики . 27 (1): 39–46. DOI : 10.1093 / Jamia / ocz101 . PMC 6913215 . PMID 31390003 .  
  60. ^ а б Чжоу Д., Мяо Л., Хе И (май 2018 г.). «Глубокое многозадачное обучение с учетом положения для извлечения взаимодействия лекарств» (PDF) . Искусственный интеллект в медицине . 87 : 1–8. DOI : 10.1016 / j.artmed.2018.03.001 . PMID 29559249 .  
  61. ^ Гарсиа JS (2013-04-14). Optimización del tratamiento de enfermos pluripatológicos en atención primaria UCAMI HHUU Virgen del Rocio (Отчет). Севилья. Испания - via ponencias de la II Reunión de Paciente Pluripatológico y Edad Avanzada В архиве.
  62. ↑ Herrero-Zazo M, Segura-Bedmar I, Martínez P, Declerck T (октябрь 2013 г.). «Корпус DDI: аннотированный корпус с фармакологическими веществами и лекарственными взаимодействиями» . Журнал биомедицинской информатики . 46 (5): 914–20. DOI : 10.1016 / j.jbi.2013.07.011 . PMID 23906817 . 
  63. ^ Сегура Bedmar I, P Мартинеса, Герреро Zazo M (июнь 2013). Семевал-2013, задание 9: Извлечение лекарств-взаимодействий из биомедицинских текстов (ddiextraction 2013) . Вторая совместная конференция по лексической и вычислительной семантике. 2 . Ассоциация компьютерной лингвистики. С. 341–350.
  64. ^ Сюй Б, Ши Х, Инь И, Чжао З, Чжэн В, Линь Х и др. (Июль 2019 г.). «Включение пользовательского контента для выявления лекарственного взаимодействия с наркотиками на основе механизма полного внимания». IEEE Transactions по NanoBioscience . 18 (3): 360–367. DOI : 10.1109 / TNB.2019.2919188 . PMID 31144641 . S2CID 169038906 .  
  65. ↑ Wakefield J (30 января 2020 г.). «Созданное искусственным интеллектом лекарство будет впервые использовано на людях» . BBC News .
  66. ^ «Новые молекулы, созданные искусственным интеллектом за 21 день, проверены на мышах» . EurekAlert! . 2 сентября 2019 . Дата обращения 5 сентября 2019 .
  67. ^ «AI обнаружил наркотик сейчас? Угадайте» . Наука . 4 сентября 2019 . Дата обращения 5 сентября 2019 .
  68. ^ Жаворонков А, Иваненков Ю.А., Алипер А, Веселов М.С., Aladinskiy В.А., Aladinskaya А.В. и др. (Сентябрь 2019 г.). «Глубокое обучение позволяет быстро идентифицировать сильные ингибиторы киназы DDR1». Природа Биотехнологии . 37 (9): 1038–1040. DOI : 10.1038 / s41587-019-0224-х . PMID 31477924 . S2CID 201716327 .  
  69. ^ «Deep Genomics номинирует первого терапевтического кандидата в отрасли, обнаруженного искусственным интеллектом» . Глубокая геномика. 25 сентября 2019 . Проверено 25 сентября 2019 .
  70. ^ а б в г Куан XI, Сандерсон Дж. (декабрь 2018 г.). «Понимание бизнес-экосистемы искусственного интеллекта» . Обзор инженерного менеджмента IEEE . 46 (4): 22–25. DOI : 10,1109 / EMR.2018.2882430 . ISSN 0360-8581 . S2CID 59525052 .  
  71. ^ Bresnick J (30 апреля 2018). «12 основных способов воздействия искусственного интеллекта на здравоохранение» . HealthITAnalytics .
  72. ^ Bhattad РВ, джайнская V (май 2020). «Искусственный интеллект в современной медицине - растущая необходимость настоящего и роль в преобразовании будущего медицинской помощи» . Cureus . 12 (5): e8041. DOI : 10,7759 / cureus.8041 . PMC 7282357 . PMID 32528777 .  
  73. ↑ Lovis C (ноябрь 2019 г.). «Раскрытие возможностей искусственного интеллекта и больших данных в медицине» . Журнал медицинских интернет-исследований . 21 (11): e16607. DOI : 10.2196 / 16607 . PMC 6874800 . PMID 31702565 .  
  74. ↑ a b Abou-Zahra S, Brewer J, Cooper M (23.04.2018). «Искусственный интеллект (ИИ) для веб-доступности: можно ли продвинуться в оценке соответствия?» . Труды Интернета доступных вещей . W4A '18. Лион, Франция: Ассоциация вычислительной техники: 1–4. DOI : 10.1145 / 3192714.3192834 . ISBN 978-1-4503-5651-0. S2CID  49863409 .
  75. ^ а б Го Дж, Ли Б (2018-08-01). «Применение медицинских технологий искусственного интеллекта в сельских районах развивающихся стран» . Справедливость в отношении здоровья . 2 (1): 174–181. DOI : 10,1089 / heq.2018.0037 . PMC 6110188 . PMID 30283865 .  
  76. ^ a b c Lacassie E, Marquet P, Martin-Dupont S, Gaulier JM, Lachâtre G (сентябрь 2000 г.). «Несмертельный случай отравления наперстянкой, задокументированный с помощью жидкостной хроматографии, электроспрей-масс-спектрометрии». Журнал судебной медицины . 45 (5): 1154–8. DOI : 10,1520 / JFS14845J . PMID 11005196 . 
  77. ^ а б Давенпорт Т., Калакота Р. (июнь 2019 г.). «Возможности искусственного интеллекта в здравоохранении» . Журнал «Здравоохранение будущего» . 6 (2): 94–98. DOI : 10.7861 / futurehosp.6-2-94 . PMC 6616181 . PMID 31363513 .  
  78. ^ Служба новостей США (2018-09-20). «Искусственный интеллект продолжает менять здравоохранение». Новости США.
  79. ^ «ИИ для здравоохранения. Искусственный интеллект для здравоохранения». GrayRipples.com | AI | iOS | Android | PowerApps. 2020-03-04. Проверено 4 ноября 2020.
  80. ^ a b Барик-Паркер Дж, Андерсон Э. (ноябрь 2020 г.). «Обмен данными о пациентах для искусственного интеллекта: этические проблемы, католические решения» . Ежеквартальный журнал Linacre . 87 (4): 471–481. DOI : 10.1177 / 0024363920922690 . PMC 7551527 . PMID 33100395 .  
  81. ^ a b Nordling L (сентябрь 2019 г.). «Более справедливый путь для ИИ в здравоохранении» . Природа . 573 (7775): S103 – S105. Bibcode : 2019Natur.573S.103N . DOI : 10.1038 / d41586-019-02872-2 . PMID 31554993 . S2CID 202749329 .  
  82. ↑ Reddy S, Allan S, Coghlan S, Cooper P (март 2020 г.). «Модель управления для применения ИИ в здравоохранении» . Журнал Американской ассоциации медицинской информатики: JAMIA . 27 (3): 491–497. DOI : 10.1093 / Jamia / ocz192 . PMC 7647243 . PMID 31682262 .  

Дальнейшее чтение [ править ]

  • Беннет CC, Doub TW, Selove R (июнь 2012 г.). «EHR объединяют исследования и практику: там, где пересекаются прогнозное моделирование, искусственный интеллект и поддержка принятия клинических решений». Политика и технологии здравоохранения . 1 (2): 105–14. arXiv : 1204,4927 . DOI : 10.1016 / j.hlpt.2012.03.001 . S2CID  25022446 .
  • Валь Б., Косси-Гантнер А., Германн С., Швальбе Н.Р. (2018). «Искусственный интеллект (ИИ) и глобальное здоровье: как ИИ может способствовать здоровью в условиях ограниченных ресурсов?» . BMJ Global Health . 3 (4): e000798. DOI : 10.1136 / bmjgh-2018-000798 . PMC  6135465 . PMID  30233828 .
  • де Хесус А (21 ноября 2019 г.). «Искусственный интеллект в эпидемиологии» . Emerj . Исследовательская и консультационная компания AI.
  • «Ускорение лидерства Америки в области искусственного интеллекта» . whitehouse.gov . 11 февраля 2019 г. - через Национальный архив .