Teollisuusnäkymät: ai: n nouseva rooli tautien ehkäisyssä

Keinotekoinen äly (AI) on edistynyt suuresti terveydenhuollon alalla. Sairauksien ehkäisemiseksi lääketieteen ammattilaiset voivat nyt hyödyntää lääketieteellisten anturien ja genomiikan tietoja, molekyylibiologian kurinalaisuutta, joka kattaa genomien toiminnan, rakenteen ja kartoituksen. Tämä on osa suuntausta, jota kutsutaan "ennustavaksi lääketiedeksi", jossa iso tieto auttaa tunnistamaan sairausriskin potilaat, aivan kuten ennustavaa analysointia käytetään nykyään liiketoiminnan tiedustelupalveluissa (BI) työkalujen tunnistamisessa uusiin suuntauksiin ja mahdollisuuksiin.

Scripps Research Translational Institute käyttää genomitietoja ymmärtääksesi paremmin ihmisen terveydentilaa. Scripps työskentelee Nvidian kanssa kehittääkseen AI: tä ja syvällisiä oppimiskäytäntöjä, jotka voivat saada tietoa genomiikasta ja älykellojen, verenpainehihanten ja glukoosimonitorien digitaalisista antureista. Tietotieteilijät voivat jopa soveltaa syvällistä oppimista uuden Apple Watch Series 4 -tuotteen lääketieteelliseen tietoon. Nvidia ja Scripps suorittavat tämän tutkimuksen osana uutta osaamiskeskusta molemmissa yrityksen tiloissa.

PCMag puhui johtavasta digitaalisen terveydenhuollon asiantuntijan ja kardiologin Dr. Eric Topolin kanssa saadaksesi lisätietoja siitä, kuinka älykkyysosat ja iso data voivat tuottaa tietoa lääketieteellisistä antureista. Hän on myös Scripps Research Translational Institute -yksikön johtaja ja perustaja.

PCMag (PCM): Kuinka Scripps tuli yhteen Nvidian kanssa?

Eric Topol (ET): Aloitin sen; Olin lukenut paljon heidän panoksestaan ​​koko syvällisen oppimisen ja AI: n toimintaan, koska minulla on pian tulossa kirja tästä aiheesta. Olin tehnyt paljon tutkimusta ja tajusin, että he olivat alan johtavia AI-laitteistoissa ja monissa innovaatioissa paikallisilla aloilla, mukaan lukien kuljettajattomat autot, salaustekniikka, videopelit ja terveydenhuolto. Joten aloimme puhua siitä, kuinka voisimme työskennellä yhdessä.

PCM: Mikä on uuden osaamiskeskuksen tavoite, jonka kanssa työskentelet Nvidian kanssa?

ET: Kattava päämäärä on ihmisten terveyden edistäminen. Meidän on kyettävä soveltamaan syväoppimista, AI: tä ja kaikkia sen alatyyppejä anturitietojen ja kokonaisten genomisekvenssien analysoinnin lisäksi, jotta kaikki tiedot voidaan yhdistää jokaiselle henkilölle. Tämä tieto sisältää anturit, joita he käyttävät, sekä tiedot biologisista kerroksista. Se ei ole vain DNA: ta, proteiineja, niiden suoliston mikrobiomeja, metaboliitteja ja niin edelleen, vaan myös kaikkia heidän aiempia lääkkeitään ja ympäristöään.

Yhdistämällä kaikki nämä tiedot ja purkamalla reaaliajassa yksilölle annettua arvoa ei ole vielä saavutettu. Se on kauaskantoinen tavoite, mutta päästäksemme sinne meidän on kynnettävä käsittelemään anturitietoja, mikä on erittäin rikas ja tiheä. Tyypillisesti anturit lähettävät dataa jatkuvasti, ja ajan myötä ne tuottavat enemmän tietoa kuin mikään muu, mukaan lukien kuvat ja koko genomisekvenssi.

• 10 vaihetta keinotekoisen älykkyyden omaksumiseen yrityksessäsi 10 vaihetta keinotekoisen älykkyyden omaksumiseen
• Tämä sovellus tuo AI: n voiman lääkäreille kehitysmaissa Tämä sovellus tuo AI: n voiman kehitysmaiden lääkäreille
• 'Body Computing' kääntää terveydenhuollon osaksi Lifecare 'Body Computing' kääntää terveydenhuollon Lifecareksi

PCM: Kuinka tiedot purkavat yksilön arvon?

ET: Joskus siellä on virtuaalinen lääketieteellinen valmentaja; kuten tänään, meillä on älykäs puhuja, joka antaa sinulle ohjeita tai vastauksia, tai Google-digitaalinen avustaja kertoo sinulle aikataulusi tai sinun pitäisi lähteä aikaisin lähteäksesi lentokentälle. No, se on kivaa tänä päivänä, mutta voimme tehdä paljon terveydenhuollon hyväksi tulevaisuudessa. Se alkaa nyt asioista, kuten diabetes ja korkea verenpaine, mutta lopulta siitä tulee ennaltaehkäisystrategia suurelle osalle ihmisiä. Kukaan ei ole vielä koonnut sitä, mutta nämä ovat vain varhaiset vaiheet päästäkseen sinne.

PCM: Kuinka AI todella auttaa mullistamaan sairauksien ennustamista ja ehkäisyä?

ET: On monia tapoja, jotka voidaan saavuttaa. Esimerkiksi, tänään, diabeetikoille, ainoa olemassa oleva algoritmi on nouseeko glukoosi ylös vai alas; se on tyhmä algoritmi. Tiedämme, että glukoosin säätelyyn ja tilaan vaikuttavat paitsi se, mitä ihminen syö, myös nukkuminen, toiminta, suoliston mikrobiome ja muut tekijät. Joten mitä voimme tehdä, on kehittää algoritmeja, jotka tuovat kaiken tämän tiedon ja antavat sen takaisin yksilölle saavuttamaan paljon paremman glukoosisäädön ja estämään sellaisten tilojen komplikaatioita kuin silmä-, munuaissairaudet ja verisuonitaudit. Algoritmit voivat myös tarjota tärkeätä tietoa kouristusten, astman ja sydänkohtausten estämiseksi. On niin monia asioita, joita voimme estää, kun tiedämme vaarassa olevat ihmiset ja meillä on älykkäitä algoritmeja, jotka voivat ottaa huomioon kaikki yksilön tiedot ja antaa heille tarvitsemansa palautteen.

PCM: Onko AI: n ja tautien ennaltaehkäisyn alalla tapahtunut todellista edistystä tänään vai näemmekö tämän jotain tulevaisuudessa?

ET: No, se alkaa todella lähteä; on julkaistu noin viisi erilaista tulevaisuuden tutkimusta. Joten, he ovat testanneet näitä algoritmeja klinikalla. Olemme jo nähneet 15 AI-algoritmia, jotka Yhdysvaltain elintarvike- ja lääkevirasto on hyväksynyt viime vuonna. Se on vielä varhaisessa vaiheessa AI: n kehittämistä, mutta se alkaa tarttua nyt. Vuotta sitten se ei ollut tilanne, mutta varmasti, tämän vuoden loppupuolella näemme nopeutuneita todisteita siitä, että tästä tulee totta.

PCM: Käyttääkö AI digitaalisia antureita tuotteesta, kuten Apple Watch?

ET: Kyllä, ja uutisia siitä syyskuussa edelsi AliveCor-nimisen startup-yhtiön ilmoitus, joka oli jo saanut FDA: n hyväksynnän vuotta aiemmin syvän oppimisalgoritmin saamiseksi. Joten ihmisiä voidaan seurata sykettä levossa ja fyysisesti, ja he voivat saada hälytyksen, kun jokin ei ole radalla levossa ollessaan ja heidän sykkeensä on. Heitä käsketään ottamaan kardiogrammi kellonsa läpi, ja sitten se luetaan algoritmin avulla ja voit diagnosoida eteisvärinän. Joten, se on nyt siellä, on ollut vuoden ajan, ja sitten se tarjoaa myös Apple. Nyt meillä on useita kuluttajien sydämen rytmiä havaitseminen AI: n kautta; se on tosimaailman tarina. Emme puhu syvällisistä oppimisalgoritmeista, jotka ovat vielä siipisissä; he ovat todellisia nyt.

Eteisvärinän kanssa voit väittää: "Tarvitsevatko kaikki Apple Watchia?" Ei, mutta ihmisille, jotka ovat vaarassa tai… on hoidettu eteisvärinää, se on tärkeä tila, joka lisää aivohalvauksen riskiä. Se vaatii, että joillakin ihmisillä on veri ohennuksia aivohalvauksen estämiseksi. Joten, se ei ole triviaalia, jos sinulla on eteisvärinä ja sinulla on sydämen rakenteellisia poikkeavuuksia.

PCM: Vaikka yritykset, kuten 23andMe, tarjoavat geenitestejä alle 200 dollarille, koko genomin sekvensointi tuo silti mojovan hintalaatun. Tekeekö AI genomisen sekvensoinnin edullisemmin?

ET: Se on mahdollista. Yksi tapa, jolla se voidaan tehdä, on vain paljon tehokkaampi tietojen käsittely, joten sinun ei tarvitse järjestää niitä syvällisesti tai niin monille ihmisille. Silti tänä päivänä yksittäisen koko genomin sekvensointi on noin tuhat dollaria. Ja niin, jos haluat tehdä niin monille ihmisille, miljoonille tai miljardeille ihmisille, se on silti erittäin suuri kustannus. On olemassa monia tapoja, joilla AI voi muuttaa ja skaalata genomien sekvensointia, eikä se ole vain DNA. Se on RNA, proteiinit, metaboliitit, mikrobiomi, jokainen biologinen kerros, johon AI voi lähestyä, koska ne ovat kaikki suuria tietoja. Jos se on merkitty "big data", niin se periaatteessa vilkkuu AI.

PCM: Näen, että olet osallisena Kansallisen terveysinstituutin "Kaikki meistä -tutkimusohjelmassa". Mitä se tarkoittaa?

ET: miljoona amerikkalaista, jotka oppivat monta vuotta, todennäköisesti vuosikymmeniä, itsestään, genomistaan, mikrobiomistaan ​​ja erilaisista antureista. He jakavat tietoja, jotta voimme auttaa - ihannetapauksessa paitsi edistää heidän terveyttään myös seuraavan sukupolven ihmisten terveyttä. Koska kaikki nämä kyvyt ymmärtää jokaista ihmistä ovat uusia, olemme vasta alkamassa ymmärtämään, kuinka käyttää näitä työkaluja ihmisten terveyden säilyttämiseen. Annamme ihmisille mahdollisuuden ymmärtää omia tietoja, jotka annamme heille takaisin auttaaksemme heitä työskentelemään lääkäreidensä kanssa kansalaisuustutkijoina ja edelläkävijöinä ihmisten terveyden tulevaisuudessa.

PCM: Mitä työskentelet jatkuvilla sydämen anturilla? Miten tuo toimii?

ET: Meillä on laastari, kuten Band-Aid, jota voit käyttää. Me jatkamme 15 000 ihmisen sykettä yli 11 tai 12 päivän ajan. se on valtava määrä tietoa. Jotta voimme ennustaa rytmihäiriöitä, sydämen rytmihäiriön ennen niiden ilmenemistä, ja tietää signaalin, jotta voimme estää sen, juuri sitä me seuraa. Ihmiset ovat käyttäneet AI: tä diagnoosin sydämen rytmiin, mutta yritämme saada sen sydämen rytmihäiriöiden estämiseksi. Se on seuraava vaihe.

PCM: Kuinka koko geenisekvensointi on otettu käyttöön ja miten aiot käyttää sitä vanhuksilla?

ET: Meillä on erittäin suuri otanta ihmisistä ja heidän keski-ikä on 89. He eivät ole koskaan olleet sairaita ja haluamme tietää miksi. Uskomme, että syvä oppiminen näistä genomeista verrattuna kontrolleihin auttaa meitä, koska se on valtavan määrän tietoa, jota on kuljettava läpi, jotta ymmärrettäisiin genomivariantteja niissä "hitsaus" ihmisissä, jotka ovat erilaisia ​​ja merkityksellisiä äärimmäisen terveyden kannalta. Kesti melkein kymmenen vuotta kaikkien näiden ihmisten keräämiseen ja saamiseen kaikki sekvensoimaan.

PCM: Pitääkö AI todella meitä terveempiä pidempään?

ET: Meidän täytyy nähdä. Yksi asia on lupaus ja toinen asia lupauksen täyttäminen. Aika kertoo. Mutta en tiedä, olemmeko tänään nähneet mitään, jolla on niin paljon lupaus. Mutta kaiken kestää, ennen kuin kaikki saadaan validoitu.