Yapay zeka (AI) sağlık sektöründe büyük ilerlemeler kaydetmektedir. Hastalıkları önlemeye yardımcı olmak için, tıp uzmanları artık tıbbi sensörler ve genomiklerden, genomların fonksiyonlarını, yapılarını ve haritalarını kapsayan moleküler biyoloji disiplini verilerinden faydalanabilirler. Bu, büyük verilerin hastalık riski altındaki hastaları belirlemeye yardımcı olduğu “tahmine dayalı tıp” adı verilen bir eğilimin bir parçası. Tahmini analitikler, günümüzde iş zekası (BI) araçları tarafından yeni eğilimleri ve fırsatları tanımlamak için kullanılıyor.
Scripps Araştırma Çeviri Enstitüsü, bir kişinin sağlık durumunu daha iyi anlamak için genomik verilerini kullanır. Scripps, Nvidia ile birlikte çalışmakta ve akıllı saatlerde, tansiyon manşetlerinde ve glikoz monitörlerinde genomik ve dijital algılayıcılardan içgörü alabilen AI ve derin öğrenme uygulamaları geliştirmek için çalışmaktadır. Veri bilimcileri, derin öğrenmeyi yeni Apple Watch 4 Serisi'nden gelen tıbbi verilere bile uygulayabilirler. Nvidia ve Scripps, bu araştırmayı her iki şirketin de tesislerinde yeni bir mükemmellik merkezinin bir parçası olarak yürütecek.
AI ve büyük verilerin tıbbi sensörlerden nasıl bir bakış açısı elde edebileceği hakkında daha fazla bilgi edinmek için PCMag, önde gelen dijital sağlık uzmanı ve kardiyoloji uzmanı Dr. Eric Topol ile konuştu. Aynı zamanda Scripps Araştırma Çeviri Enstitüsü'nün Direktörü ve Kurucusudur.
PCMag (PCM): Scrippler Nvidia ile nasıl bir araya geldi?
Eric Topol (ET): Bunu başlattım; Derin öğrenme ve AI'nın tüm alanına katkıları hakkında çok şey okuyordum, çünkü yakında bu konuyla ilgili bir kitabım var. Çok fazla araştırma yapmıştım ve bunların birçoğunun AI donanımında endüstri lideri olduğunu ve diğerlerinin yanı sıra, sürücüsüz otomobiller, kripto para birimi, video oyunları ve sağlık hizmetleri de dahil olmak üzere pek çok yenilikte bulunduğunu anladım. Böylece birlikte nasıl çalışabileceğimizi konuşmaya başladık.
ET: Genel amaç, insan sağlığını teşvik etmektir. Yalnızca sensör verilerini ve tüm genom dizilerini analiz etmek için değil aynı zamanda her bir kişi için bu verileri bir araya getirmek için derin öğrenme, AI ve alt türlerinin hepsini uygulayabilmemiz gerekir. Bu veriler, giydikleri sensörleri ve biyolojik katmanlardan gelen verileri içerir. Sadece DNA, proteinler, bağırsak mikrobiyomları, metabolitleri ve benzeri şeyleri değil, önceki ilaçlarını ve çevrelerini de kapsar.
Tüm bu verileri bir araya getirmek ve gerçek zamanlı olarak bir bireyin değerini çıkarmak henüz sağlanamamıştır. Bu çok geniş kapsamlı bir hedeftir, ancak oraya ulaşmak için, çok zengin ve yoğun olan sensör verileriyle başa çıkabilme yeteneğini tespit etmeliyiz. Tipik olarak, sensörler sürekli veri iletir ve zaman içinde görüntüler ve bir genom dizisi dahil olmak üzere her şeyden daha fazla veri üretirler.
- İşinizde Yapay Zekanın Geliştirilmesi İçin 10 Adım İşinizde Yapay Zekanın Kullanımı İçin 10 Adım
- Bu Uygulama, Gelişen Dünyadaki Doktorlara AI'nın Gücünü Getiriyor Bu Uygulama, Gelişen Dünyadaki Doktorlara AI'nın Gücünü Getiriyor
- 'Bütçe Hesaplama' Sağlık Hizmetini Hayata Dönüştürüyor 'Beden Hesaplama' Sağlık Hizmetini Hayatta Hayata Dönüşüyor
PCM: Veriler bir bireyin değerini nasıl çıkaracak?
ET: Bir gün sanal bir sağlık koçu olacak; Bugünkü gibi size bazı rehberlik veya cevaplar verecek akıllı bir konuşmacıya sahibiz veya Google dijital asistanınız size programınızı veya havaalanına gitmek için erken ayrılıp ayrılmayacağınızı anlatıyor. Bu bugün için güzel, ama gelecekte sağlık için çok şey yapabiliriz. Bu şimdi diyabet ve yüksek tansiyon gibi şeyler ile başlıyor, ancak sonunda bu, insanların büyük bir kısmı için önleme stratejisi olacak. Henüz kimse bunu toplamadı, ancak bunlar oraya ulaşmak için bazı erken adımlar.
PCM: AI aslında hastalık tahmininde ve önlenmesinde devrimde nasıl yardımcı olacak?
ET: Ulaşılabilecek birçok yol var. Örneğin, günümüzde şeker hastaları için var olan tek algoritma, glikozunuzun yukarı mı yoksa aşağı mı gittiğidir; Bu aptal bir algoritma. Bildiğimiz şey, glikoz regülasyonunun ve durumun sadece bir kişinin ne yediğinden değil, aynı zamanda uykularından, aktivitelerinden, bağırsak mikrobiyomlarından ve diğer faktörlerden de etkilenmesidir. Bu yüzden yapabileceğimiz şey, tüm bu verileri içine alan ve daha iyi glikoz regülasyonu elde etmek ve göz hastalığı, böbrek hastalığı ve damar hastalığı gibi durumların komplikasyonlarını önlemek için bireye geri veren algoritmalar geliştirmek. Algoritmalar ayrıca nöbetleri, astımı ve kalp krizlerini önlemeye yardımcı olacak hayati veriler sağlayabilir. Risk altındaki insanları tanıdığımız ve bir bireye ait tüm verileri hesaba katan ve ihtiyaç duydukları geri bildirimi veren akıllı algoritmalara sahip olduktan sonra önleyebileceğimiz pek çok şey var.
PCM: Bugün AI ve hastalık tahmini önlenmesinde gerçek bir ilerleme var mı, yoksa gelecekte göreceğimiz bir şey mi var?
ET: Eh, gerçekten kalkmaya başladı; yayınlanan yaklaşık beş farklı prospektif çalışma olmuştur. Bu yüzden bu algoritmaları bir klinikte test ediyorlar. Geçen yıl ABD Gıda ve İlaç İdaresi tarafından onaylanan 15 AI algoritmasını gördük. AI gelişiminde hala erken, ancak şimdi tutmaya başladı. Bir yıl önce durum böyle değildi, ama elbette, bu yılın son bölümünde bunun gerçek olduğuna dair kanıtları hızlandırdık.
PCM: AI, Apple Watch gibi bir ürünün dijital sensörlerini kullanır mı?
ET: Evet, Eylül ayındaki haberin ardından, derinlemesine bir öğrenme algoritması için bir yıl önce FDA izni almış olan AliveCor adlı bir girişimin duyurusu geldi. Böylece insanlar kalp atış hızlarını istirahatte ve fiziksel aktivite ile izleyebilir ve bir şey dinlendiklerinde ve kalp atış hızları düştüğünde uyarılar alabilir. Saatlerine kardiyogram almaları söylenecek ve bu bir algoritma tarafından okunacak ve atriyal fibrilasyonu teşhis edebileceksiniz. Demek, şu an orada bir yıldır, bir süredir var ve sonra da Apple tarafından da sunuluyor. Şimdi AI ile çoklu tüketici kalp ritmi tespitine sahibiz; bu gerçek dünya hikayesi. Hala kanatlarda bulunan derin öğrenme algoritmalarından bahsetmiyoruz; Şimdi gerçekler.
Atriyal fibrilasyon ile, “Herkesin bir Apple Watch'a ihtiyacı var mı?” Diyebilirsiniz. Hayır, ama risk altında olan veya atriyal fibrilasyon nedeniyle tedavi edilmiş kişiler için, inme riskini artıran önemli bir durumdur. Bazı insanların felci önlemek için kan sulandırıcılara sahip olmasını gerektirir. Öyleyse, atriyal fibrilasyonunuz varsa ve herhangi bir kalp yapısal anormalliğiniz varsa önemsiz bir mesele değil.
PCM: 23andMe gibi şirketler 200 doların altında bir genetik test sunsalar da, bütün bir genomun sıralanması hala ağır bir fiyat etiketi getiriyor. AI genomik sekansı daha ekonomik hale getirir mi?
ET: Bu mümkün. Bunu yapabilmesinin yollarından biri, verilerin sadece çok daha verimli bir şekilde işlenmesidir; bu nedenle, onu derinden veya birçok insan için sıralamanız gerekmez. Yine de, bugün, tek bir genomu dizmek yaklaşık bin dolar. Ve böylece, bunu birçok insan, milyonlarca veya milyarlarca insan için yapmak istiyorsanız, bu hala çok büyük bir masraftır. AI'nın genom dizilimini değiştirmesi ve ölçeklendirmesi için birçok yol vardır ve bu sadece DNA değildir. Bunlar RNA, proteinler, metabolitler, mikrobiyom, AI'nın yaklaşabileceği her biyolojik katman, çünkü hepsi büyük veri. "Büyük veri" etiketli ise, temel olarak AI yanıp söner.
PCM: Ulusal Sağlık Enstitüsü'nün "Hepimiz Araştırma Programı" na dahil olduğunu görüyorum. Bu ne anlama geliyor?
ET: Yıllarca muhtemelen on yıllar boyunca kendileri, genomları, mikrobiyomları ve çeşitli sensörler hakkında bilgi sahibi olacak bir milyon Amerikalı. Yardım edebilmemiz için bu verileri paylaşacaklar - ideal olarak sadece sağlıklarını değil, gelecek nesil insanların sağlığını da teşvik etmek. Çünkü her bir insanı anlamak için tüm bu yetenekler yenidir, şimdi insanların sağlıklarını korumalarına yardımcı olmak için bu araçların nasıl kullanıldığını anlamaya başladık. İnsanların, insan sağlığının geleceğinde vatandaş bilim adamları ve öncüleri olmaları için doktorlarıyla çalışmalarına yardımcı olmaları için geri verdiğimiz kendi verilerini anlamalarına izin veriyoruz.
PCM: Sürekli kalp sensörleriyle ne üzerinde çalışıyorsun? Bu nasıl çalışıyor?
ET: Giyebileceğin Yara bandı gibi bir yamamız var. 11 veya 12 gün içinde 15.000 insanın sürekli kalp atışları üzerindeyiz; çok büyük miktarda veri. Kalp ritmi bozukluğu olan aritmiyi tahmin edebilmek için, meydana gelmeden önce ve bunu önleyebilmemiz için sinyalleri bilebilmek için peşinden gidiyoruz. İnsanlar kalp ritminin tanısını koymak için AI'yı kullandılar, ancak kalp aritmisini önlemek için onu almaya çalışıyoruz. Bu bir sonraki aşama.
PCM: Bütün gen dizilimi nasıl ortaya çıkıyor ve onu yaşlı nüfusta nasıl kullanacaksınız?
ET: Çok geniş bir insan örneklememiz var ve yaş ortalaması 89'du. Hiç hasta olmadılar ve nedenini bilmek istiyoruz. Bu genomlardan derinlemesine öğrenmenin, kontrollere kıyasla, bize yardımcı olacağına inanıyoruz, çünkü aşırı sağlık süresi için farklı ve konuyla ilgili "kaynakçı" insanlardaki genomik değişkenleri anlamak, örülmesi gereken büyük miktarda veri. Tüm bu insanları biriktirmek ve sıraya dizmek neredeyse on yıl sürdü.
PCM: AI bizi daha uzun süre sağlıklı tutacak mı?
ET: Görmemiz gerekecek. Bunlardan biri söz, diğeri ise sözünü yerine getirmek. Zaman gösterecek. Ama bugün bu kadar vaadi olan bir şey gördük mü bilmiyorum. Fakat hepsini onaylatmak biraz zaman alacak.
