Watson hakuuma daktari, na vizuri sana

Ingawa, kama katika nyanja nyingine nyingi, shauku ya kuchukua nafasi ya madaktari na AI imepungua kwa kiasi fulani baada ya kushindwa kwa uchunguzi, kazi ya maendeleo ya dawa inayotegemea AI bado inaendelea. Kwa sababu, hata hivyo, bado hutoa fursa kubwa na nafasi ya kuboresha ufanisi wa shughuli katika maeneo yake mengi.

IBM ilitangazwa mnamo 2015, na mnamo 2016 ilipata ufikiaji wa data kutoka kwa kampuni nne kuu za data za wagonjwa (1). Maarufu zaidi, shukrani kwa ripoti nyingi za vyombo vya habari, na wakati huo huo mradi mkubwa zaidi wa kutumia akili ya juu ya bandia kutoka IBM ulihusiana na oncology. Wanasayansi wamejaribu kutumia rasilimali kubwa ya data kuzichakata ili kuzigeuza kuwa tiba zilizoboreshwa za kupambana na saratani. Lengo la muda mrefu lilikuwa kumfanya Watson awe mwamuzi majaribio ya kliniki na matokeo kama daktari angefanya.

1. Moja ya taswira ya mfumo wa matibabu wa Watson Health

Hata hivyo, ikawa hivyo watson haiwezi kujitegemea kwa fasihi ya matibabu, na pia haiwezi kutoa taarifa kutoka kwa rekodi za matibabu za elektroniki za wagonjwa. Hata hivyo, shtaka kubwa zaidi dhidi yake lilikuwa hilo kutokuwa na uwezo wa kulinganisha kwa ufanisi mgonjwa mpya na wagonjwa wengine wa saratani wakubwa na kugundua dalili ambazo hazionekani kwa mtazamo wa kwanza.

Kulikuwa na, inakubalika, baadhi ya wataalamu wa oncologist ambao walidai kuwa na imani katika uamuzi wake, ingawa zaidi kwa mujibu wa mapendekezo ya Watson kwa matibabu ya kawaida, au kama maoni ya ziada, ya matibabu. Wengi wamebainisha kuwa mfumo huu utakuwa mkutubi mkubwa wa kiotomatiki kwa waganga.

Kama matokeo ya hakiki zisizo za kupendeza sana kutoka kwa IBM matatizo na uuzaji wa mfumo wa Watson katika taasisi za matibabu za Marekani. Wawakilishi wa mauzo wa IBM waliweza kuiuza kwa baadhi ya hospitali nchini India, Korea Kusini, Thailand na nchi nyingine. Nchini India, madaktari () walitathmini mapendekezo ya Watson kwa kesi 638 za saratani ya matiti. Kiwango cha kufuata kwa mapendekezo ya matibabu ni 73%. Mbaya zaidi watson aliacha kazi katika Kituo cha Matibabu cha Gachon nchini Korea Kusini, ambapo mapendekezo yake bora zaidi kwa wagonjwa 656 wa saratani ya utumbo mpana yalilingana na mapendekezo ya wataalam asilimia 49 pekee ya wakati huo. Madaktari wametathmini hilo Watson hakufanya vizuri na wagonjwa wakubwakwa kutowapa dawa fulani za kawaida, na kufanya makosa makubwa ya kufanya ufuatiliaji mkali wa matibabu kwa baadhi ya wagonjwa wenye ugonjwa wa metastatic.

Hatimaye, ingawa kazi yake kama daktari wa uchunguzi na daktari inachukuliwa kuwa haikufaulu, kuna maeneo ambayo alithibitisha kuwa muhimu sana. Bidhaa Watson kwa Genomics, ambayo ilitengenezwa kwa ushirikiano na Chuo Kikuu cha North Carolina, Chuo Kikuu cha Yale, na taasisi nyingine, hutumiwa maabara za maumbile kwa ajili ya kuandaa ripoti za oncologists. Watson hupakua faili ya orodha mabadiliko ya kijeni kwa mgonjwa na inaweza kutoa ripoti kwa dakika inayojumuisha mapendekezo ya dawa zote muhimu na majaribio ya kimatibabu. Watson hushughulikia taarifa za kijeni kwa urahisikwa sababu zinawasilishwa katika faili zilizopangwa na hazina utata - ama kuna mabadiliko au hakuna mabadiliko.

Washirika wa IBM katika Chuo Kikuu cha North Carolina walichapisha karatasi juu ya ufanisi katika 2017. Watson alipata mabadiliko yanayoweza kuwa muhimu ambayo hayakuwa yametambuliwa na tafiti za wanadamu katika 32% yao. wagonjwa walisoma, na kuwafanya watahiniwa wazuri wa dawa mpya. Hata hivyo, bado hakuna ushahidi kwamba matumizi husababisha matokeo bora ya matibabu.

Uhifadhi wa ndani wa protini

Mfano huu na mingine mingi inachangia kuongezeka kwa imani kwamba mapungufu yote katika huduma ya afya yanashughulikiwa, lakini tunahitaji kutafuta maeneo ambayo hii inaweza kusaidia, kwa sababu watu hawafanyi vizuri sana huko. Uwanja kama huo ni, kwa mfano, utafiti wa protini. Mwaka jana, habari iliibuka kuwa inaweza kutabiri kwa usahihi umbo la protini kulingana na mlolongo wao (2). Hii ni kazi ya jadi, zaidi ya uwezo wa sio watu tu, lakini hata kompyuta zenye nguvu. Ikiwa tutafahamu uundaji sahihi wa kupindika kwa molekuli za protini, kutakuwa na fursa kubwa za matibabu ya jeni. Wanasayansi wanatumaini kwamba kwa msaada wa AlphaFold tutajifunza kazi za maelfu, na hii, kwa upande wake, itatuwezesha kuelewa sababu za magonjwa mengi.

Mchoro 2. Kusokota kwa protini kwa muundo wa AlphaFold ya DeepMind.

Sasa tunajua protini milioni mia mbili, lakini tunaelewa kikamilifu muundo na kazi ya sehemu ndogo yao. Protini ndio msingi wa ujenzi wa viumbe hai. Wanawajibika kwa michakato mingi inayotokea kwenye seli. Jinsi wanavyofanya kazi na wanachofanya huamuliwa na muundo wao wa 50D. Wanachukua fomu inayofaa bila maagizo yoyote, wakiongozwa na sheria za fizikia. Kwa miongo kadhaa, njia za majaribio zimekuwa njia kuu ya kuamua umbo la protini. Katika miaka ya XNUMX, matumizi Njia za crystallographic za X-ray. Katika miaka kumi iliyopita, imekuwa chombo cha uchaguzi cha uchaguzi. hadubini ya kioo. Katika miaka ya 80 na 90, kazi ilianza kwa kutumia kompyuta ili kuamua sura ya protini. Walakini, matokeo bado hayakuwaridhisha wanasayansi. Njia ambazo zilifanya kazi kwa protini zingine hazikufanya kazi kwa wengine.

Tayari mwaka 2018 AlphaFold kutambuliwa na wataalam katika mfano wa protini. Hata hivyo, wakati huo ilitumia mbinu zinazofanana sana na programu nyingine. Wanasayansi walibadilisha mbinu na kuunda nyingine, ambayo pia ilitumia habari kuhusu vikwazo vya kimwili na kijiometri katika kukunja molekuli za protini. AlphaFold ilitoa matokeo yasiyo sawa. Wakati mwingine alifanya vizuri zaidi, wakati mwingine mbaya zaidi. Lakini karibu theluthi mbili ya utabiri wake uliambatana na matokeo yaliyopatikana kwa njia za majaribio. Mwanzoni mwa mwaka wa 2, algorithm ilielezea muundo wa protini kadhaa za virusi vya SARS-CoV-3. Baadaye, ilibainika kuwa utabiri wa protini ya Orf2020a unalingana na matokeo yaliyopatikana kwa majaribio.

Sio tu juu ya kusoma njia za ndani za protini za kukunja, lakini pia juu ya muundo. Watafiti kutoka kwa mpango wa NIH BRAIN walitumia kujifunza mashine tengeneza protini inayoweza kufuatilia viwango vya serotonini ya ubongo kwa wakati halisi. Serotonin ni neurochemical ambayo ina jukumu muhimu katika jinsi ubongo hudhibiti mawazo na hisia zetu. Kwa mfano, dawa nyingi za kupunguza mfadhaiko zimeundwa ili kubadilisha ishara za serotonini zinazopitishwa kati ya nyuroni. Katika makala katika jarida Cell, wanasayansi walieleza jinsi wanavyotumia advanced mbinu za uhandisi jeni geuza protini ya bakteria kuwa zana mpya ya utafiti ambayo inaweza kusaidia kufuatilia maambukizi ya serotonini kwa usahihi zaidi kuliko mbinu za sasa. Majaribio ya mapema, haswa katika panya, yameonyesha kuwa kitambuzi kinaweza kugundua mara moja mabadiliko madogo katika viwango vya serotonini ya ubongo wakati wa kulala, hofu na mwingiliano wa kijamii, na kujaribu ufanisi wa dawa mpya za kisaikolojia.

Mapambano dhidi ya janga hili hayajafanikiwa kila wakati

Baada ya yote, hii ilikuwa janga la kwanza tuliloandika juu ya MT. Walakini, kwa mfano, ikiwa tunazungumza juu ya mchakato sana wa maendeleo ya janga, basi katika hatua ya awali, AI ilionekana kuwa kitu cha kutofaulu. Wanazuoni wamelalamika hivyo Akili ya bandia haiwezi kutabiri kwa usahihi kiwango cha kuenea kwa coronavirus kulingana na data kutoka kwa milipuko ya hapo awali. "Suluhu hizi hufanya kazi vizuri katika baadhi ya maeneo, kama vile kutambua nyuso ambazo zina idadi fulani ya macho na masikio. Ugonjwa wa SARS-CoV-2 Haya ni matukio ambayo hayajulikani hapo awali na vigezo vingi vipya, kwa hivyo akili ya bandia kulingana na data ya kihistoria ambayo ilitumiwa kuifundisha haifanyi kazi vizuri. Gonjwa hilo limeonyesha kuwa tunahitaji kutafuta teknolojia na mbinu zingine, "Maxim Fedorov kutoka Skoltech alisema mnamo Aprili 2020 katika taarifa kwa vyombo vya habari vya Urusi.

Baada ya muda kulikuwa hata hivyo algoriti ambazo zinaonekana kuthibitisha manufaa makubwa ya AI katika vita dhidi ya COVID-19. Wanasayansi nchini Merika walitengeneza mfumo katika msimu wa joto wa 2020 kutambua mifumo ya kikohozi kwa watu walio na COVID-19, hata kama hawakuwa na dalili zingine.

Wakati chanjo zilipotokea, wazo lilizaliwa kusaidia kuchanja idadi ya watu. Angeweza, kwa mfano kusaidia mfano wa usafirishaji na usafirishaji wa chanjo. Pia katika kuamua ni watu gani wanapaswa kupewa chanjo kwanza ili kukabiliana na janga hili haraka. Pia ingesaidia utabiri wa mahitaji na kuongeza muda na kasi ya chanjo kwa kutambua kwa haraka matatizo na vikwazo katika utaratibu. Mchanganyiko wa algoriti na ufuatiliaji wa mara kwa mara unaweza pia kutoa taarifa haraka kuhusu madhara yanayoweza kutokea na matukio ya afya.

haya mifumo inayotumia AI katika kuboresha na kuboresha huduma za afya tayari zinajulikana. Faida zao za vitendo zilithaminiwa; kwa mfano, mfumo wa huduma za afya uliotengenezwa na Macro-Eyes katika Chuo Kikuu cha Stanford nchini Marekani. Kama ilivyo kwa taasisi nyingi za matibabu, shida ilikuwa ukosefu wa wagonjwa ambao hawakufika kwa miadi. Macho ya Macro iliunda mfumo ambao ungeweza kutabiri kwa uhakika ni wagonjwa gani hawakuwezekana kuwa hapo. Katika hali zingine, anaweza pia kupendekeza nyakati na maeneo mbadala ya kliniki, ambayo ingeongeza nafasi za mgonjwa kujitokeza. Baadaye, teknolojia kama hiyo ilitumika katika maeneo mbalimbali kutoka Arkansas hadi Nigeria kwa msaada, hasa, Shirika la Marekani la Maendeleo ya Kimataifa i.

Nchini Tanzania, Macro-Eyes ilifanya kazi katika mradi uliolenga kuongeza viwango vya chanjo ya watoto. Programu ilichanganua ni dozi ngapi za chanjo zinazohitajika kutumwa kwa kituo fulani cha chanjo. Pia aliweza kutathmini ni familia zipi zinaweza kusita kuwachanja watoto wao, lakini wangeweza kushawishiwa na hoja zinazofaa na eneo la kituo cha chanjo katika eneo linalofaa. Kwa kutumia programu hii, serikali ya Tanzania imeweza kuongeza ufanisi wa mpango wake wa chanjo kwa 96%. na kupunguza upotevu wa chanjo hadi 2,42 kwa kila watu 100.

Nchini Sierra Leone, ambapo data ya afya ya wakazi ilikosekana, kampuni ilijaribu kulinganisha hii na taarifa kuhusu elimu. Ilibainika kuwa idadi ya walimu na wanafunzi wao pekee ilitosha kutabiri asilimia 70. usahihi wa ikiwa zahanati ya eneo hilo ina maji safi, ambayo tayari ni alama ya data juu ya afya ya watu wanaoishi huko (3).

3. Mchoro wa Macro-Eyes wa programu za afya zinazoendeshwa na AI barani Afrika.

Hadithi ya daktari wa mashine haina kutoweka

Licha ya kushindwa Watson mbinu mpya za uchunguzi bado zinatengenezwa na zinachukuliwa kuwa za juu zaidi na zaidi. Ulinganisho ulifanywa nchini Uswidi mnamo Septemba 2020. hutumika katika uchunguzi wa picha za saratani ya matiti ilionyesha kuwa bora zaidi wao hufanya kazi kwa njia sawa na radiologist. Algorithms imejaribiwa kwa kutumia karibu picha elfu tisa za mammografia zilizopatikana wakati wa uchunguzi wa kawaida. Mifumo mitatu, iliyoteuliwa kama AI-1, AI-2 na AI-3, ilipata usahihi wa 81,9%, 67%. na 67,4%. Kwa kulinganisha, kwa wataalamu wa radiolojia ambao hutafsiri picha hizi kama za kwanza, takwimu hii ilikuwa 77,4%, na kwa upande wa wataalamu wa radiolojiaambaye alikuwa wa pili kuielezea, ilikuwa asilimia 80,1. Algorithms bora zaidi pia iliweza kugundua kesi ambazo wataalam wa radiolojia walikosa wakati wa uchunguzi, na wanawake waligunduliwa kuwa wagonjwa chini ya mwaka mmoja.

Kulingana na watafiti, matokeo haya yanathibitisha hilo algoriti za akili bandia kusaidia kusahihisha utambuzi wa uwongo-hasi unaofanywa na wataalamu wa radiolojia. Kuchanganya uwezo wa AI-1 na radiologist wastani iliongeza idadi ya waliogunduliwa saratani ya matiti kwa 8%. Timu katika Taasisi ya Royal inayoendesha utafiti huu inatarajia ubora wa kanuni za AI kuendelea kukua. Maelezo kamili ya jaribio hilo yalichapishwa katika JAMA Oncology.

W kwa mizani ya alama tano. Hivi sasa, tunashuhudia uharakishaji mkubwa wa kiteknolojia na kufikia kiwango cha IV (otomatiki ya juu), wakati mfumo hushughulikia kiotomatiki data iliyopokelewa na kumpa mtaalamu habari iliyochambuliwa mapema. Hii inaokoa muda, huepuka makosa ya kibinadamu na hutoa huduma bora zaidi ya mgonjwa. Ndivyo alivyohukumu miezi michache iliyopita Stan A.I. katika uwanja wa dawa karibu naye, Prof. Janusz Braziewicz kutoka kwa Jumuiya ya Kipolandi ya Dawa ya Nyuklia katika taarifa kwa Wakala wa Wanahabari wa Poland.

4. Kuangalia kwa mashine ya picha za matibabu

Algorithms, kulingana na wataalam kama vile Prof. Brazievichhata muhimu katika tasnia hii. Sababu ni kuongezeka kwa kasi kwa idadi ya vipimo vya uchunguzi wa uchunguzi. Tu kwa kipindi cha 2000-2010. idadi ya mitihani na mitihani ya MRI imeongezeka mara kumi. Kwa bahati mbaya, idadi ya madaktari bingwa waliopo ambao wangeweza kuyatekeleza kwa haraka na kwa uhakika haijaongezeka. Pia kuna uhaba wa mafundi waliohitimu. Utekelezaji wa kanuni za msingi wa AI huokoa muda na kuruhusu viwango kamili vya taratibu, pamoja na kuepuka makosa ya kibinadamu na ufanisi zaidi, matibabu ya kibinafsi kwa wagonjwa.

Kama ilivyotokea, pia Dawa ya uchunguzi wanaweza kufaidika na maendeleo ya akili ya bandia. Wataalamu katika uwanja huu wanaweza kuamua wakati halisi wa kifo cha marehemu kwa uchambuzi wa kemikali wa siri za minyoo na viumbe vingine vinavyolisha tishu zilizokufa. Tatizo linatokea wakati mchanganyiko wa siri kutoka kwa aina tofauti za necrophages zinajumuishwa katika uchambuzi. Hapa ndipo kujifunza kwa mashine kunatumika. Wanasayansi katika Chuo Kikuu cha Albany wameendelea mbinu ya kijasusi ya bandia inayoruhusu utambuzi wa haraka wa spishi za minyoo kulingana na "alama za vidole vya kemikali". Timu hiyo ilifunza programu yao ya kompyuta kwa kutumia michanganyiko ya michanganyiko mbalimbali ya kemikali kutoka kwa spishi sita za inzi. Aligundua saini za kemikali za mabuu ya wadudu kwa kutumia spectrometry ya wingi, ambayo hutambua kemikali kwa kupima kwa usahihi uwiano wa wingi na chaji ya umeme ya ayoni.

Kwa hivyo, kama unaweza kuona, hata hivyo AI kama mpelelezi wa upelelezi sio nzuri sana, inaweza kuwa muhimu sana katika maabara ya uchunguzi. Labda tulitarajia mengi kutoka kwake katika hatua hii, tukitazamia kanuni ambazo zingewafanya madaktari kukosa kazi (5). Tunapotazama Akili ya bandia kwa uhalisia zaidi, akizingatia manufaa mahususi ya kiutendaji badala ya yale ya jumla, kazi yake ya udaktari inaonekana yenye kuahidi sana tena.

5. Maono ya gari la daktari