AI4Health: Συνεργασία για το μέλλον της Υγείας – USC Viterbi

Φωτογραφία: PhonlamaiPhotos

Πρέπει να υποβληθείτε σε έλεγχο για κάποια ασθένεια – θα προτιμούσατε να τραβήξετε μια φωτογραφία ή να υποβληθείτε σε εκτεταμένο, ακριβό και επεμβατικό γενετικό έλεγχο;

Ακούγεται πολύ καλό για να είναι αληθινό, αλλά είναι ένα πραγματικό ερώτημα χάρη στην πρόοδο στην τεχνητή νοημοσύνη και το έργο του Wael Abd Almagedεπιστημονικός διευθυντής σε USC Information Science Institute (ISI) που είναι χρησιμοποιώντας AI και ανάλυση αναγνώρισης προσώπου να προβλέψει με ακρίβεια τη συγγενή υπερπλασία των επινεφριδίων, μια ασθένεια που προκαλεί ήπιες αλλαγές στο πρόσωπο.

Αυτό είναι μόνο ένα παράδειγμα της δουλειάς που επιτελείται από ερευνητές στο ISI που συγκεντρώνονται για να σχηματίσουν το Κέντρο Έρευνας στην Τεχνητή Νοημοσύνη για την Υγεία (AI4Health).

Το κέντρο με επικεφαλής έναν διευθυντή Μιχαήλ Πατζάνηεπικεφαλής επιστήμονας στο ISI, θα επικεντρωθεί στην έρευνα που επιτρέπει καινοτομίες σε ηθικούς αλγόριθμους και συστήματα τεχνητής νοημοσύνης για τη βελτίωση της υγειονομικής περίθαλψης, την καταπολέμηση της παραπληροφόρησης και την ανάλυση μεγάλων δεδομένων.

Εύρεση της διασταύρωσης AI και ιατρικής

Ο Patzani είπε, “Το ISI χρησιμοποιεί ήδη την τεχνητή νοημοσύνη για έρευνα υγείας, ένας από τους στόχους του AI4Health είναι να το κάνει πιο συστηματικά για να διευκολύνει τους ερευνητές της ιατρικής σχολής να βρουν άτομα με εξειδίκευση στην τεχνητή νοημοσύνη”.

Με αυτόν τον στόχο, η AI4Health θα πραγματοποιήσει μια σειρά από εκδηλώσεις σε συνεργασία με Keck School of Medicine στο USC. Η πρώτη εκδήλωση έχει προγραμματιστεί για την Πέμπτη, 1 Δεκεμβρίου 2022, από τις 11:00 π.μ. έως τη 1:00 μ.μ. στην Πανεπιστημιούπολη USC Health Sciences Campus. Σε αυτή την εκδήλωση, έξι ερευνητές του ISI και έξι ερευνητές του Keck θα δώσουν ομιλίες πέντε λεπτών για το έργο τους. Παιδιά εξήγησε ότι αυτές οι εκδηλώσεις θα επιδιώξουν «να βρουν τομές μεταξύ του Keck και της ISI και να αυξήσουν τον αριθμό των συνεργασιών». Εγγραφείτε στο AI4Health.isi.edu.

Πλήθος δεδομένων

«Τα δεδομένα για την υγεία έχουν γίνει πολύ πιο άφθονα τα τελευταία χρόνια», είπε ο Πατζάνη. Ηλεκτρονικά αρχεία υγείας, γονιδιωματικά δεδομένα, πληροφορίες από αισθητήρες και φορητές συσκευές και ιατρικές εικόνες είναι όλα έτοιμα για ανάλυση AI. Πληροφορίες μπορούν επίσης να συλλεχθούν από δημοσιεύσεις σε επιστημονικά περιοδικά και αναρτήσεις στα μέσα κοινωνικής δικτύωσης, τα οποία συνεχίζουν να αυξάνονται γρήγορα σε ποσότητα.

Και αυτό το επίπεδο μεγάλων δεδομένων είναι το σημείο όπου η τεχνητή νοημοσύνη και η μηχανική μάθηση λειτουργούν καλύτερα: αναζήτηση μοτίβων σε δεδομένα, εξαγωγή πληροφοριών από κείμενο (π.χ. περιοδικά και μέσα κοινωνικής δικτύωσης) και κάνοντας προβλέψεις με βάση την ανάλυση δεδομένων .

Το AI4Health θα χρησιμοποιήσει την τεχνητή νοημοσύνη για να εκμεταλλευτεί τις αυξανόμενες ποσότητες δεδομένων υγείας καθώς και να βρει λύσεις στις προκλήσεις που έρχονται με τα μεγάλα δεδομένα.

AI4 Ερευνητικές Περιοχές Υγείας

Διαχείριση δεδομένων
Για να είναι χρήσιμα τα δεδομένα, οι ερευνητές πρέπει να μπορούν να τα βρουν. είναι χρήσιμο εάν είναι επιλεγμένο, οργανωμένο και σχολιασμένο. και θα πρέπει να διατίθενται ή να διανέμονται στα ενδιαφερόμενα μέρη. Το να τα κάνεις όλα να συμβούν είναι αυτό που είναι γνωστό ως διαχείριση δεδομένωνκαι αρκετοί ερευνητές του ISI έχουν δραστηριοποιηθεί σε αυτόν τον χώρο καθώς σχετίζεται με την υγεία.

Καρλ Κέσελμαν, Μέλος του ISI ανδ διευθυντής του τμήματος έρευνας πληροφοριακών συστημάτων, δημιούργησε τους αγωγούς και τις ροές εργασίας που επιτρέπουν Κέντρο Διαχείρισης και Ενοποίησης Δεδομένων FaceBase 3 συλλογή και επεξεργασία τεράστιων συνόλων δεδομένων σχετικά με την κρανιοπροσωπική και οδοντική ανάπτυξη σε μοντέλα ανθρώπων και ζώων. Όλα αυτά είναι προσβάσιμα στην ευρύτερη ερευνητική κοινότητα της κρανιοπροσωπίας με συγκεκριμένο σκοπό Πρόοδοι στην έρευνα για την κρανιοπροσωπική ανάπτυξη και τις δυσπλασίες.

Γιγκάλ ΆρενςΟ ανώτερος διοικητικός διευθυντής του ISI και προσωρινός διευθυντής του τμήματος τεχνητής νοημοσύνης και η ομάδα του συνεργάστηκε για χρόνια με τα Εθνικά Ινστιτούτα Υγείας και το Εθνικό Ινστιτούτο Ψυχικής Υγείας για τη δημιουργία NIMH Repository και Genomic Resources (NRGR). Το NRGR είναι μια συλλογή βιοδειγμάτων και δεδομένων από άτομα με διαγνωσμένα προβλήματα ψυχικής υγείας και τους συγγενείς τους. Τα σύνολα δεδομένων αποθετηρίων διατίθενται στους ερευνητές για την τόνωση της έρευνας και της ανάπτυξης παρέχοντας έγκαιρη πρόσβαση σε πρωτογενή δεδομένα και βιοϋλικά.

Σημαντική εργασία όπως αυτή – εργασία που διευκολύνει τη χρήση του πλούτου των διαθέσιμων δεδομένων υγείας – θα συνεχιστεί ως μέρος του AI4Health.

Ανακάλυψη γνώσης και ανάλυση δεδομένων
Χάρη στον πλούτο δεδομένων υγείας, οι ερευνητές είναι σε θέση να χρησιμοποιήσουν την τεχνητή νοημοσύνη για να κατανοήσουν μοτίβα που μπορούν να οδηγήσουν σε ανακαλύψεις. Αυτό σημαίνει συχνά την ανάλυση ηλεκτρονικών αρχείων υγείας, ιατρικών εικόνων ή δεδομένων από φορητούς αισθητήρες για την ανακάλυψη νέων συνδέσεων.

Πώς φαίνεται αυτό στην πράξη; Το έργο του Ανώτερου Ερευνητή ISI Greg Ver Steeg που βρήκε προγνωστικοί παράγοντες για το Αλτσχάιμερ ασθένεια στα ιατρικά αρχεία του ασθενούς.

Ή επικεφαλής της έρευνας ISI Abigail Horneτο έργο της να κατανοήσουν τις συμπεριφορές που οδηγούν σε ασθένειες που σχετίζονται με τη διατροφή. Ο Χορν έχει συνδέσει τεράστιες ποσότητες δεδομένα κινητικότητας κινητών τηλεφώνων και δεδομένα υγείας που δείχνουν ότι το περιβάλλον των τροφίμων συνδέεται στενά με ασθένειες που σχετίζονται με τη διατροφή. Η έρευνα αναλύει επίσης τα ψηφιακά μενού εστιατορίων για να προσδιορίσει την ποιότητα του φαγητού που διατίθεται στις κοινότητες, ελπίζουμε να στρώσει ο τρόπος για πιο αποτελεσματικές πολιτικές δημόσιας υγείας ή παρεμβάσεις για δημογραφικές ομάδες που επηρεάζονται από την κακή διατροφή.

Υπάρχουν όμως κάποια δεδομένα υγείας που μπορεί να μην μοιάζουν με «δεδομένα υγείας» με την πρώτη ματιά. Αναρτήσεις στα μέσα κοινωνικής δικτύωσης, για παράδειγμα. Εμίλ Φεράρα, επικεφαλής της ερευνητικής ομάδας ISI, εργάζεται για την αντιμετώπιση της χειραγώγησης και της παραπληροφόρησης των μέσων κοινωνικής δικτύωσης σχετικά με μια σειρά ζητημάτων δημόσιας υγείας: συνωμοσίες COVID-19. εκστρατείες κατά της φοροδιαφυγής· διαφήμιση καπνού? και ο συνδυασμός πολιτικής και πολιτικών δημόσιας υγείας στο διαδίκτυο.

Ένα άλλο σύνολο δεδομένων που είναι ώριμο για ανακάλυψη και ανάλυση γνώσης είναι ο συνεχώς αυξανόμενος αριθμός δημοσιεύσεων ηλεκτρονικών περιοδικών. Με την τεχνητή νοημοσύνη, μπορούν να αναλυθούν για τη δημιουργία βάσεων δεδομένων με πληροφορίες υγείας.

Υγεία ακριβείας
«Η ανακάλυψη γνώσης αναφέρεται στη μελέτη του τρόπου χρήσης της μηχανικής μάθησης για την εύρεση προτύπων σε δεδομένα», είπε ο Pazzani, ο οποίος ακολούθησε εξηγώντας ότι ακριβή υγεία αναφέρεται στην «εύρεση των κινδύνων της νόσου και των θεραπειών που θα λειτουργήσουν καλύτερα για κάθε άτομο».

Προτεραιότητα για Keck School of Medicine στο USC, το Precision Health χρησιμοποιεί την αναγνώριση γονιδιωματικών δεδομένων ή άλλων παραγόντων για τη βελτίωση της υγείας ενός υποσυνόλου του πληθυσμού. Αυτό θα μπορούσε να σημαίνει προσαρμογή της θεραπείας σε μια ομάδα ασθενών, εξέταση ενός ιού με συγκεκριμένο γονιδίωμα και πολλά άλλα.

Ο Pazzani έδωσε ένα παράδειγμα: «Υπάρχει μια σειρά από φάρμακα για τη νόσο του Πάρκινσον που δυστυχώς είναι μόνο περίπου 25 τοις εκατό αποτελεσματικά, αλλά για μια συγκεκριμένη ομάδα ασθενών είναι 90 τοις εκατό αποτελεσματικά».

Εδώ μπαίνει το AI. Και συνέχισε: «Έτσι, αν μπορείτε να κατανοήσετε τη σχέση μεταξύ του γενετικού υποβάθρου ενός ασθενούς και ενός φαρμάκου, τότε μπορείτε να προσαρμόσετε ένα φάρμακο σε έναν συγκεκριμένο ασθενή ή σε μια συγκεκριμένη ομάδα ασθενών».

Και αυτό το είδος ανάλυσης μπορεί να έχει απτές συνέπειες: «Είναι δύσκολο να πάρεις την έγκριση του FDA για κάτι που είναι 25 τοις εκατό αποτελεσματικό. Είναι πολύ πιο εύκολο να λάβετε έγκριση για κάτι που είναι 90 τοις εκατό αποτελεσματικό για άτομα με συγκεκριμένο γονιδίωμα.

Μηχανική μάθηση για την υγεία
Η τεχνητή νοημοσύνη και η μηχανική μάθηση (ML) μπορούν επίσης να χρησιμοποιηθούν για τη λήψη κλινικών αποφάσεων προτείνοντας διαγνώσεις ή συνιστώντας παρεμβάσεις στους κλινικούς γιατρούς. Το έργο του AbdAlmageed χρησιμοποιεί ανάλυση αναγνώρισης προσώπου Η πρόβλεψη της συγγενούς υπερπλασίας των επινεφριδίων είναι ένα χαρακτηριστικό παράδειγμα, και πολλοί ερευνητές στο ISI ασχολούνται ήδη σε μεγάλο βαθμό σε αυτόν τον τομέα.

Ο Pazani, ο οποίος έχει μεγάλη εμπειρία στη μηχανική μάθηση, έχει εργαστεί στη χρήση της ML για την ανίχνευση γνωστικών διαταραχών, τη σύσταση θεραπείας για ασθενείς με HIV, την ανάλυση ακτινογραφιών θώρακα, τη διάγνωση γλαυκώματος και πολλά άλλα. Οι ερευνητές του AI4Health, συμπεριλαμβανομένου του Pazzani, θα συνεχίσουν την εργασία τους για την ML για την υγεία αναζητώντας νέες ευκαιρίες και εφαρμογές για ML στον χώρο της υγειονομικής περίθαλψης, με στόχο τη δημιουργία καλύτερων εμπειριών ασθενών και βελτιωμένων αποτελεσμάτων υγείας.

Τηλευγεία
Η βελτίωση των εμπειριών των ασθενών μπορεί επίσης να γίνει μέσω τηλευγείας χρησιμοποιώντας συστήματα τεχνητής νοημοσύνης για την υποστήριξη απομακρυσμένης υγειονομικής περίθαλψης. Το AI μπορεί να αναλύσει κείμενο συνομιλίας, φωνή και εικόνες για να παρέχει γρήγορη ανατροφοδότηση σε γιατρούς ή ασθενείς. Και πάλι, η ανάλυση του AbdAlmageed για αυτές τις αλλαγές στο πρόσωπο είναι ένα εξαιρετικό παράδειγμα αυτού, αλλά υπάρχει ένα ευρύ φάσμα του πώς μπορεί να βελτιωθεί η τηλευγεία με την τεχνητή νοημοσύνη.

Ο Πατζάνης είπε: «Μπορεί να είναι μια επίσκεψη σε γιατρό συνομιλίας για να αποφασίσετε τι τύπο γιατρού πρέπει να δείτε. Ή ίσως μπορούμε να δώσουμε επιβεβαίωση και να πούμε “πάρε δύο ασπιρίνες και τηλεφώνησέ με το πρωί” για κάποιους ανθρώπους. Και άλλα μπορεί να τα δούμε ως επείγοντα και να τα πάμε στον κατάλληλο ειδικό».

Καταλύοντας την έρευνα και αναζητώντας ανακαλύψεις

Περισσότεροι από δώδεκα ερευνητές που ήδη εργάζονται σε έρευνα τεχνητής νοημοσύνης που εφαρμόζεται στην υγεία θα συμμετάσχουν στην πρωτοβουλία AI4Health. Με διευθυντή τον Πατζάνη, το κέντρο θα συνεπικεφαλής του ISI Wael Abd Almaged, Jose-Luis Ambite, Abigail Horne και Greg Ver Steeg ως συνδιευθυντές. Αυτή η ομάδα, μαζί με ερευνητές από το ISI και το USC θα εργαστεί για να καταλύσει την έρευνα, να αναζητήσει ανακάλυψη και το πιο σημαντικό, να εργαστεί για τη βελτίωση των αποτελεσμάτων υγείας για τους ασθενείς.

Δημοσιεύτηκε στις 22 Νοεμβρίου 2022

Τελευταία ενημέρωση στις 22 Νοεμβρίου 2022

Leave a Comment

Your email address will not be published. Required fields are marked *