Rådgivende Serien: Kunstig Intelligens

Kunstig Intelligens – Rådgivende Serien, September 2019

Innholdet fokus

Få en målrettet visningen ved å velge dine valgte emne fra Kunstig Intelligens Rådgivende listen nedenfor:

Hvordan adresse “data-krangel problemet”
Adressering bremse opptaket av AI

 

Av Kim Thomas – Digital Helse

Kunstig intelligens (AI) har lenge vært fremmet som et verktøy som kan forandre måten klinikere arbeid i NHS. Men det er en bevissthet om at avstanden mellom løftet og virkeligheten er ofte store. Kim Thomas rapporter på realiteter og myter rundt AI i helsevesenet.

Great Ormond Street Hospital (GOSH), i likhet med andre NHS sykehus, har et problem med pasienter som ikke deltar avtaler.

Som Neil Sebire, høvdingen forsker og leder av sykehusets Digital Research, Informatikk og Virtuelle Miljø (DRIVE) enhet påpeker: “Hvis du bestiller en klinikk og 20% av pasientene ikke slå opp, kaster du bort 20% av den spor.”

Kunne kunstig intelligens (AI), som bruker programvare for å utføre oppgaver som vanligvis krever menneskelig intelligens – gjøre en forskjell?

Få mest mulig ut av algoritmer

Ved å analysere operasjonelle data, GOSH håper å utvikle en algoritme som kan forutsi hvilke pasienter som er sannsynlig å gå glipp av en avtale, slik at sykehuset for å finne måter å maksimere sannsynligheten for dem som deltar.

En annen AI prosjektet, men for å starte, innebærer å analysere anonymiserte pasienten data for å forutsi effekten av et bestemt legemiddel på visse grupper av pasienter i henhold til variabler som kjønn og alder.

“I stedet for å si 5% av pasienter som tar dette stoffet vil være kvalm, kan vi modellen at det er en 45% sjanse for at denne pasienten vil være kvalm, mens det for denne pasienten er det en svært lav sannsynlighet,” Sebire forklarer.

Når algoritmen har blitt bygget, det kan være raffinert.

Sebire påpeker: “Så lenge du har data, kan modellen blir mer og mer komplisert, og ta hensyn til flere og flere faktorer.”

Ser vi på det nasjonale bildet

I August, helse sekretær Matt Hancock annonsert en investering på kr 250m å opprette en Nasjonal AI Lab for NHS.

Kunngjøringen fulgt publisering av regjeringens Topol Gjennomgang i februar, som sa at AI “har potensial til å forvandle levering av helsetjenester i NHS, fra effektivisering av arbeidsflyt prosesser for å forbedre nøyaktigheten av diagnose og tilpasse behandling, så vel som å hjelpe personalet til å arbeide mer effektivt”.

I praksis, AI prosjekter som allerede er i gang i NHS har en tendens til å være små-skala og fokusert, som GOSH prosjekter, på å forbedre driftseffektiviteten.

Flagging opp viktige biter

Bradford Undervisning Sykehus NHS Foundation Trust, for eksempel, har jobbet med Universitetet i Bradford til å utvikle algoritmer basert på Sekundære Bruker Tjenesten (SUS) data for å forutsi hvor lenge pasienter vil bo, og for å identifisere tidlig de pasientene som kan ende opp med å bo lenger enn nødvendig (fordi en sosial omsorg plan er å bli satt på plass, for eksempel).

En annen prosjektet vil se på hvordan du kan identifisere Et&E pasienter som mest sannsynlig til å kreve en test, for at det skal bestilles umiddelbart snarere enn etter en lang vente av pasienten.

Sykehuset har også planer om å bruke data fra den elektroniske pasientjournalen (EPR) for å utvikle algoritmer som kan hjelpe klinikere, men Tom Lawton, leder av klinisk kunstig intelligens, mener at AI er en lang vei fra å være i stand til å erstatte den kliniske beslutningsprosessen.

Det kan imidlertid varsle leger til betydelige symptomer.

“Hvis en AI-system kan bare hjelpe deg med å plukke ut de viktige biter og flagg ting opp til deg, som gjør situasjonen tryggere fordi du ikke glipp av ting,” Lawton sier.

Ikke så enkelt som du tror

Likevel, noen prosjekter blir gjennomført for å forbedre kliniske resultater. Royal Free NHS Foundation Trust har blitt bruke Google DeepMind Helse AI app Bekker til å forutsi hvilke pasienter som kan være i risiko for akutt nyreskade – selv om det har blitt kritisert for deling av pasientdata med selskapet.

Moorfields Eye Hospital NHS Foundation Trust har også et samarbeid med DeepMind Helse til å bruke AI til å analysere øyet søker etter tegn på sykdom.

Teknologien, som har vært basert på analyse av tusenvis av anonym øye skanner, har vist en effektiviteten pris på 94%, noe som tilsvarer menneskets eksperter.

For tiden venter ganger for å se en øyelege er lang, og målet er å bruke teknologien til å prioritere pasienter som må behandles raskt.

Til tross for den lovende resultater, teknologien er fortsatt et par år borte fra å bli brukt i praksis, sier Dawn Sim, direktør for telemedisin ved Moorfields.

“Neste trinn er å validere algoritme i en multi-senter studie og som er på vei,” sier hun.

“Og da de steg opp fra det ville være å implementere det, og deretter skalere det, og ser på hvordan vi gjør og raffinering algoritme.

“Det er ikke fullt så enkelt som:” Vi har et ferdig produkt som er klar til å rulle.'”

Uventede fordeler

Bruk av AI til speed opp diagnose av radiologi skanninger har lenge blitt sett på som en av de mest lovende kliniske applikasjoner.

På East Kent Sykehus Universitetet NHS Foundation Trust, Neelan Das, konsulent hjerte-og intervensjonsprosedyrer radiolog og føre til for AI på tillit, leder et team pilotering programvare fra Qure.Ai som automatiserer lesing av brystet X-stråler, identifisere de som trenger akutt behandling.

Algoritmen som brukes av programvaren har blitt trent på 1,2 millioner X-stråler, og det har vært brukt med hell i India til skjermen for tuberkulose, Das sier.

I East Kent pilot, teknologien vil fungere som en “arbeidsflyt prioritering verktøy” om en radiolog ville fortsatt trenger å sjekke resultatene.

I dag, Das peker på mangel på radiologer betyr at brystet X-stråler er ofte lest av legen din bestilling X-ray – ikke bare i East Kent, men andre steder i NHS.

Så hvis tillit bestemmer seg for å gjennomføre Qure.AI programvare, snarere enn å spare tid, det vil skape arbeid for radiologer. Den potensielle gevinsten kommer ikke fra å redusere arbeidsmengden, men fra forbedre kvaliteten av diagnose.

Das har bekymringer om gjennomføringen av AI, imidlertid. En CT chest scan, for eksempel, har flere komponenter, blant annet lunger, ribbe, blodkar, muskler og luftrøret – men en AI søknad vil vanligvis se bare på ett aspekt, som for eksempel lunge knuter.

Sikkerhetskopiere bevis

Mens de som har potensial for å være svært nyttig, er det ikke nok på sin egen.

“Etter én del av kroppen du kanskje 10 eller 12 forskjellige AI leverandører – det er upraktisk å gjennomføre dem,” Das sier.

Han bekymrer seg også om kvalitet, argumenterer for alle AI-apper bør gjennomgå studier og resultatene er publisert i fagfellevurderte tidsskrifter.

AI apps er under kontinuerlig utvikling gjennom bruk, med Das legger til: “Hvis en AI-appen går akkreditering gang, bør den gjennomgå en prosess av akkreditering igjen et år senere?”

Regjeringens egne etiske retningslinjer, bemerker han, identifiserer viktige prinsipper for implementering av AI trygt.

Uløste spørsmål

Det er andre barrierer å overvinne før utbredt adopsjon av AI i NHS. Noen spørsmål er fortsatt uløst.

Hugh Whittall, direktør for Nuffield Council on Bioethics, poeng til spørsmål om tillit og retningslinjer rundt bruk av helse-data på en stor skala, men det er en ekstra vanskelighetsgrad, bemerker han, i å skape algoritmer basert på data kilder som kan ikke være representant til den bredere befolkning.

Et annet problem som kommer, sier Sebire, “når du har en komplisert AI-system som tar en enorm mengde data, og deretter kommer med en anbefaling, og vi som mennesker ikke kan forstå hvordan det kom opp med denne anbefalingen. Spørsmålet i de scenariene er: gjør du bare gå med maskinen, eller går du med et menneske?”

Whittall enig, og legger til: “det gjør Det reises spørsmål om ansvar av lege, der juridisk ansvar kan lyve, enten du er rett og slett å undergrave den profesjonelle status av helsepersonell og om pasienters beslutninger og pasienten samtykker noen gang kan bli skikkelig informert om avgjørelsen eller anbefaling kan ikke forklares tilstrekkelig.”

Se utover den hype

Til tross for hype, vi er en lang vei fra en verden som apps, snarere enn leger, er å gjøre kliniske beslutninger.

De har imidlertid potensial til å bringe effektivitet og raskere beslutninger.

Som Sebire sier: “Det er så mye nytte for NHS fra bare å forbedre driftseffektiviteten at du ikke trenger å gå ned ruten av robot leger diagnostisere pasienter til å få en massiv mengde av nytte.”

Del dette…
e-postFacebookTwitterLinkedin

 
 

Hvordan adresse “data-krangel problemet”

Ved InterSystems

AI har potensial til å forandre måten helsevesenet er levert i NHS. Ved å bruke algoritmer til store datasett, det er mulig å gjøre diagnoser eller forutsi sannsynligheten for enkeltpersoner å utvikle bestemte sykdommer.

Gjennomføringen av AI, krever imidlertid betydelige mengder data. I NHS data er vanligvis holdt i flere kliniske og administrative databaser, ofte i ulike formater, noe som gjør det vanskelig å få tilgang til og administrere.

Data kan være ufullstendig eller unøyaktig, slik som å lage en enkel, sammenhengende, brukbare data er tidkrevende. Selv en oppgave som for eksempel å avgjøre om en vare ta opp fra to ulike kliniske systemer refererer til samme pasient kan være arbeidskrevende. Ca 80% av data forskernes tid er brukt på “data krangel” – jobben med å konvertere raw-data til noe nyttig for AI formål.

Å lage brukbare data

InterSystems løser dette gjennom IRIS, en data-plattform som forenkler jobben med å ta data fra flere kilder, og å gjøre det brukbart.

HealthShare, de regionale vare-posten løsning fra InterSystems, nå bruker IRIS til amalgamate pasienten healthcare informasjon fra ulike kilder.

Det er da relativt enkelt for kunder å bruke AI-algoritmer til data.

Jon Payne, leder for salg engineering ved InterSystems, sier en OSS er kunden befolkningen som bruker-nivå data for å se på risikoen for pasienter å utvikle diabetes, for eksempel, eller kommer til akuttmottaket. Kunden er da i stand til å “utvikle riktig vare planer eller se på måter å forbedre pasientenes helse”.

En annen InterSystems kunden, sier Payne, er en patologi lab kombinere genetiske data med kliniske data for å forbedre spådommer om en genetisk mutasjon er sannsynlig å resultere i en person for å utvikle kreft.

Andre kunder ved hjelp av AI til å analysere data fra hundrevis av tusenvis av smarte hjem bedøve levering enheter.

“Disse gi informasjon, ikke bare om og om noen har tatt et legemiddel, men hvor effektivt de bruker enheten, for eksempel flow priser for inhalator,” sier Payne. “Så du kan se på effektiviteten av enheter på en større skala.”

Komme seg data protection høyre

Lover om databeskyttelse bety at widescale adopsjon av AI ved NHS kan ta litt tid, sier Payne. Det er masse potensiale, men å bruke det for operative formål, for eksempel å forutsi tilgjengeligheten av lab utstyr.

“Innføring endring i den sammenheng kan gjøre en stor forskjell og kan være en rask seier for NHS,” sier han.

Kontakt: 017 5382 9647
E-Post: Erica.Bennett@InterSystems.com
Vår nettside: www.intersystems.com/uk/
Twitter: @InterSystemsUK
LinkedIn: www.linkedin.com/company/intersystems-uk/
Facebook: www.facebook.com/InterSystems/

Del dette…
e-postFacebookTwitterLinkedin

Adressering bremse opptaket av AI

Ved Sectra

I en tid da NHS er en forkortelse av radiologer, AI har evnen til å gjøre prosessen med å tolke radiologi bilder er mye mer effektivt og også redusere frekvensen av feil.

Hvis AI algoritmer er opplært og utformet riktig, de kan i betydelig grad øke produktiviteten for radiolog, sier Chris Scarisbrick, salgsdirektør i Sectra. Så hva er å holde tilbake vedtakelsen av AI?

Det er to viktige grunner for treg ta opp. Det ene er mangelen på tett integrasjon til eksisterende arbeidsflyt. Radiologer er allerede arbeider med et bilde arkivering og kommunikasjon system (PAC), og mange tidlige AI apps krever manuell vekselsvirkningene som legger til arbeidsmengden klinikere som allerede er overbelastet.

Det andre er at den tradisjonelle modellen for å skaffe healthcare DET i NHS ikke fungerer godt for AI. Innkjøp er en tidkrevende prosess som vanligvis resulterer i en leverandør som blir valgt til å yte tjenester for et minimum av fem år. Men mange AI leverandører er start-ups, og mer er å komme inn på markedet hele tiden. Dette betyr at NHS trusts krever en mer fleksibel tilnærming, slik at de kan dra nytte av den nyeste teknologien eller skaffe seg slike apps fra en plattform-leverandør.

Å bli fornøyd med apps

Sectra har tatt begge disse problemene ved å gjøre mye av det vanskelige arbeidet forhånd. Det er pilotering en AI app store, med selskapet å kvalitetssikre integrering med AI-apps for å sørge for at de er testet og er effektiv i workflow. Alle appene er integreres sømløst inn i Sectra PACS, som betyr at arbeidsflyten av radiologer er ikke forstyrret. De kan også integreres med programmer fra mange forskjellige leverandører.

Scarisbrick gir et eksempel på hva slags apps er tilgjengelig i en pilot-versjon av butikken.

Det er programmer som er i stand til å vurdere en rekke undersøkelser typer for et bredt spekter av forhold. På denne måten, en hel arbeidsliste av CT-skanner, brystet X-stråler eller skanner hjernen (for eksempel) kan vurderes av AI, og det kan trekkes disse funnene tilbake til Sectra PACS. Den Sectra PACS har logikken i å sortere arbeidsliste basert på kliniske alvorlighetsgrad, slik at klinikeren er servert med de mest presserende saker først.

En annen app på markedet vil være i stand til å utføre andre lese av dobbelt-les studier, noe som potensielt gir betydelige tidsbesparelser uten at det går på kvalitet.

Sectra jobber nå mot en pilot av en AI app store med utvalgte NHS kunder. Dette vil løse mange av problemene forbundet med anskaffelse av teknologi, og vil bidra til å drive vedtakelsen av AI i radiologi, men også i andre imaging tunge spesialiteter som patologi.

“AI har potensial til å bli transformative og føre til bedre effektivitet, vi trenger bare å gjøre det lettere for leger å ta i bruk og dra nytte av disse verktøyene, og føle seg komfortable med de resultater de gir” sier Scarisbrick.

Kontakt: 012 7921 3653
E-post: caroline.marjason@sectra.com
Vår nettside: www.sectra.com/medical
Twitter: @SectraNews
LinkedIn: www.linkedin.com/company/sectra

Del dette…
e-postFacebookTwitterLinkedin