您现在的位置是:首页 > 科技 > 正文

在医疗保健中使人工智能民主化

发布时间:2024-06-29 06:36:12来源:

导读 在推荐脓毒症治疗方面优于人类医生的人工智能计划可能很快将进入伦敦的临床试验。机器学习模型是一种新的医学实践方法的一部分,该方法开

在推荐脓毒症治疗方面优于人类医生的人工智能计划可能很快将进入伦敦的临床试验。机器学习模型是一种新的医学实践方法的一部分,该方法开采电子医疗记录数据,以便更有效地诊断和治疗困难的​​医学问题,包括败血症,一种每年在全世界杀死约600万人的血液感染。

通过冗长的,精心控制的实验,发现了一种有希望的败血症治疗策略,并不是常规方法。相反,它出现在2015年伦敦一场自由的黑客马拉松比赛期间。

在一个将工程师和医疗保健专业人员聚集在一起的竞赛中,一个团队使用麻省理工学院的开放式访问MIMIC 数据库,在重症监护病房中更好地治疗败血症患者 。一名团队成员Matthieu Komorowski将继续与麻省理工学院的研究人员合作,他们负责监督MIMIC开发一种强化学习模型,该模型可预测较低剂量静脉输液和较高剂量血管收缩药物的患者存活率较高。研究人员公布了他们的 调查结果 ,今年秋天在 自然医学。

这篇论文是由麻省理工学院研究员,贝斯以色列女执事医疗中心的职员医生Leo Celi开创的“数据系统” 研究的一部分。Celi 于2014年1月举办了 第一次数据通话,以激发波士顿地区护士,医生,药剂师和数据科学家之间的合作。五年后,数据通信现在每个月在世界某个地方发生一次。

经过数月的准备,参与者通过MIMIC或当地数据库聚集在赞助医院或大学周末,以寻找更好的诊断和治疗重症监护病人的方法。许多人继续发表他们的工作,并且在该计划的新里程碑中,强化学习论文的作者现在正在伦敦帝国理工学院附属的两家医院为临床试验准备他们的败血症治疗模型。

作为一名年轻的医生,Celi对他在患者护理中看到的各种变化感到不安。对于普通患者而言,最佳治疗方法似乎不适合他遇到的患者。到了2000年代,Celi可以看到分析电子医疗记录数据的新工具有多强大,可以为患者提供个性化护理。他离开了他的医生工作,分别在哈佛大学和麻省理工学院攻读公共卫生和生物医学信息学双硕士学位。

毕业后加入麻省理工 学院医学工程与科学研究所,他确定了医疗保健数据革命的两个主要障碍:医疗专业人员和工程师很少互动,大多数医院担心责任,他们希望保留患者数据 - 所有这些都来自实验室测试医生的笔记 - 遥不可及。

Celi认为黑客马拉松风格的挑战可以打破这些障碍。医生们将在数据科学家和MIMIC数据库的帮助下集体讨论问题并回答问题。在此过程中,他们的工作将向医院管理员展示他们尚未开发的档案的价值。最终,Celi希望发展中的医院也能受到启发,创建自己的数据库。无法负担临床试验的研究人员可以了解自己的患者群体并更好地对待他们,使新知识的创建和验证民主化。

“研究不一定是昂贵的临床试验,”他说。“患者健康记录数据库包含数百万涉及患者的小型实验的结果。突然间你有几个可以分析和学习的实验室笔记本。“

到目前为止,伦敦,马德里,塔拉戈纳,巴黎,圣保罗和北京的一些赞助医院已经开始计划建立自己的MIMIC版本,这使得麻省理工学院的Roger Mark和Beth Israel七年来一直在发展。今天,由于MIMIC团队开发并与他人共享标准化和去识别患者数据的工具,这个过程要快得多。

Celi和他的团队通过在麻省理工学院招待研究人员并在全球数据通信中与他们重新联系,在数据通信之后很久就与他们的外国合作者保持联系。“我们正在欧洲,亚洲和南美洲建立区域网络 - 所以他们可以互相帮助,”Celi说。“这是扩展和维持项目的一种方式。”

最大的Humanitas Research医院将于 2月1日至3日举办下一届 米兰重症监护数据研讨会,而最近交由麻省理工学院的Giovanni Angelotti和Pierandrea Morandini正在帮助将其付诸实施。“大多数时候,临床医生和工程师讲不同的语言,但这些活动促进了互动并建立了信任,”莫兰迪尼说。“这不像是在有人在说话的会议上你做笔记。你必须建立一个项目并将其延伸到最后。在这个领域没有这样的经历。“

通过Jupyter Notebook,Google Colab和GitHub等工具,这些活动的速度有所提升,让团队可以立即深入了解数据,并在几个月后进行协作,缩短了发布时间。Celi和他的团队现在在麻省理工学院教授一个为期一学期的课程,HST.953(医学合作数据科学),以数据通信为蓝本,为这种研究创建了第二条管道。

除了标准化患者护理并使所有人都能获得医疗保健AI之外,Celi和他的同事们还看到了数据系统的另一个好处:他们内置的同行评审过程可以防止更多有缺陷的研究被发表。他们概述了2016的情况下, 一块 在 科学转化医学。

“我们倾向于庆祝被告知的故事 - 而不是代码或数据,”研究合着者汤姆波拉德说,他是麻省理工学院研究员,也是MIMIC团队的一员。“但是,这些代码和数据对于评估故事是否真实以及研究是否合法至关重要。”

标签:

上一篇
下一篇