ştiri

Încă de la lansarea IBM Watson în 2007, oamenii au urmărit continuu dezvoltarea inteligenței artificiale (IA) medicale. Un sistem medical de IA utilizabil și puternic are un potențial enorm de a remodela toate aspectele medicinei moderne, permițând o îngrijire mai inteligentă, mai precisă, mai eficientă și mai incluzivă, aducând bunăstare lucrătorilor medicali și pacienților și, prin urmare, îmbunătățind considerabil sănătatea umană. În ultimii 16 ani, deși cercetătorii în domeniul IA medicală s-au acumulat în diverse domenii mici, în acest stadiu, ei nu au reușit încă să aducă science fiction-ul în realitate.

Anul acesta, odată cu dezvoltarea revoluționară a tehnologiei IA, cum ar fi ChatGPT, IA medicală a înregistrat progrese semnificative în multe aspecte. Descoperire fără precedent în capacitatea IA medicală: revista Nature a lansat continuu cercetarea modelului de limbaj medical extins și a modelului de bază al imaginilor medicale; Google lansează Med-PaLM și succesorul său, atingând un nivel de expert în întrebările examenului pentru medici din SUA. Reviste academice importante se vor concentra pe IA medicală: Nature publică perspectivele asupra modelului de bază al IA medicală generală; În urma unei serii de recenzii despre IA în medicină la începutul acestui an, New England Journal of Medicine (NEJM) a publicat prima sa recenzie digitală despre sănătate pe 30 noiembrie și a lansat primul număr al sub-revistei NEJM, NEJM AI, pe 12 decembrie. Solul de aterizare al IA medicală este în continuare matur: sub-revista JAMA a publicat inițiativa globală de partajare a datelor de imagini medicale; Administrația pentru Alimente și Medicamente din SUA (FDA) elaborează proiecte de linii directoare pentru reglementarea IA medicală.

Mai jos, trecem în revistă progresele semnificative pe care cercetătorii din întreaga lume le-au făcut în direcția IA medicală utilizabilă în 2023.

Model de bază al inteligenței artificiale medicale

Construcția modelului de bază al IA medicală este, fără îndoială, cel mai important obiectiv de cercetare al acestui an. Revistele Nature au publicat articole de sinteză despre modelul universal de bază al asistenței medicale și despre modelul lingvistic extins al asistenței medicale pe parcursul anului. Medical Image Analysis, revista de top din industrie, a analizat și a anticipat provocările și oportunitățile cercetării modelelor de bază în analiza imaginilor medicale și a propus conceptul de „pedigree al modelului de bază” pentru a rezuma și ghida dezvoltarea cercetării modelelor de bază ale IA medicală. Viitorul modelelor de IA de bază pentru asistența medicală devine din ce în ce mai clar. Bazându-se pe exemplele de succes ale modelelor lingvistice extinse, cum ar fi ChatGPT, utilizând metode de pre-antrenament auto-supervizate mai avansate și o acumulare vastă de date de antrenament, cercetătorii din domeniul IA medicală încearcă să construiască 1) modele de bază specifice bolii, 2) modele de bază generale și 3) modele multimodale extinse care integrează o gamă largă de moduri cu parametri masivi și capabilități superioare.

Model de IA pentru achiziția de date medicale

Pe lângă modelele mari de inteligență artificială care joacă un rol important în sarcinile ulterioare de analiză a datelor clinice, în achiziția de date clinice din amonte a apărut și tehnologia reprezentată de modelele de inteligență artificială generativă. Procesul, viteza și calitatea achiziției de date pot fi îmbunătățite semnificativ prin intermediul algoritmilor de inteligență artificială.

La începutul acestui an, Nature Biomedical Engineering a publicat un studiu al Universității Strâmtori din Turcia, care s-a concentrat pe utilizarea inteligenței artificiale generative pentru a rezolva problema diagnosticului asistat prin imagistică patologică în aplicații clinice. Artefactele din țesutul congelat în secțiuni în timpul intervențiilor chirurgicale reprezintă un obstacol în calea evaluării rapide a diagnosticului. Deși țesutul încorporat în formalină și parafină (FFPE) oferă o probă de calitate superioară, procesul său de producție necesită mult timp și durează adesea 12-48 de ore, ceea ce îl face nepotrivit pentru utilizarea în chirurgie. Prin urmare, echipa de cercetare a propus un algoritm numit AI-FFPE, care poate face ca aspectul țesutului din secțiunea congelată să fie similar cu FFPE. Algoritmul a corectat cu succes artefactele secțiunilor congelate, a îmbunătățit calitatea imaginii și a păstrat în același timp caracteristicile relevante clinic. În validarea clinică, algoritmul AI-FFPE îmbunătățește semnificativ acuratețea diagnostică a patologilor pentru subtipurile tumorale, scurtând în același timp considerabil timpul de diagnostic clinic.

Cell Reports Medicine prezintă o lucrare de cercetare realizată de o echipă de la Colegiul Clinic Trei al Universității Jilin, Departamentul de Radiologie, Spitalul Zhongshan afiliat Universității Fudan și Universitatea de Știință și Tehnologie din Shanghai [25]. Acest studiu propune un cadru de fuziune cu învățare profundă și reconstrucție iterativă de uz general (Hybrid DL-IR) cu versatilitate și flexibilitate ridicate, demonstrând performanțe excelente de reconstrucție a imaginii în RMN rapid, CT cu doze mici și PET rapid. Algoritmul poate realiza scanarea multi-secvență a unui singur organ prin RMN în 100 de secunde, poate reduce doza de radiații la doar 10% din imaginea CT și poate elimina zgomotul, putând reconstrui leziuni mici din achiziția PET cu o accelerație de 2 până la 4 ori, reducând în același timp efectul artefactelor de mișcare.

Inteligența artificială medicală în colaborare cu lucrătorii medicali

Dezvoltarea rapidă a inteligenței artificiale medicale i-a determinat, de asemenea, pe profesioniștii din domeniul medical să ia în considerare și să exploreze serios modalitățile de colaborare cu inteligența artificială pentru a îmbunătăți procesele clinice. În iulie anul acesta, DeepMind și o echipă de cercetare multi-instituțională au propus împreună un sistem de inteligență artificială numit Complementary Driven Clinical Workflow Delay (CoDoC). Procesul de diagnostic este mai întâi diagnosticat de un sistem de inteligență artificială predictivă, apoi evaluat de un alt sistem de inteligență artificială pe baza rezultatului anterior, iar dacă există îndoieli, diagnosticul este pus în final de un medic pentru a îmbunătăți acuratețea diagnosticului și a eficiența echilibrării. În ceea ce privește screening-ul cancerului de sân, CoDoC a redus ratele fals pozitive cu 25%, cu aceeași rată de fals negativ, reducând în același timp volumul de muncă al medicilor cu 66%, comparativ cu procesul actual de „arbitraj cu citire dublă” din Marea Britanie. În ceea ce privește clasificarea tuberculozei, ratele fals pozitive au fost reduse cu 5 până la 15%, cu aceeași rată de fals negativ, comparativ cu inteligența artificială independentă și fluxurile de lucru clinice.

În mod similar, Annie Y. Ng și colab., de la Kheiron Company din Londra, Marea Britanie, au introdus cititoare IA suplimentare (în cooperare cu examinatori umani) pentru a reexamina rezultatele atunci când nu au existat rezultate de tip „recall” în procesul de arbitraj cu citire dublă, ceea ce a îmbunătățit problema detectării ratate în screening-ul precoce pentru cancerul de sân, iar procesul nu a avut aproape niciun rezultat fals pozitiv. Un alt studiu, condus de o echipă de la Facultatea de Medicină McGovern a Universității din Texas și finalizat în patru centre de AVC, a aplicat tehnologia IA bazată pe angiografie tomografică computerizată (CTA) pentru a automatiza detectarea accidentului vascular cerebral ischemic ocluziv vascular (LVO) de mari dimensiuni. Clinicienii și radiologii primesc alerte în timp real pe telefoanele lor mobile la câteva minute de la finalizarea imagisticii CT, fiind notificați cu privire la posibila prezență a LVO. Acest proces IA îmbunătățește fluxurile de lucru în spital pentru accidentul vascular cerebral ischemic acut, reducând timpul de la ușă la inghinal de la internare până la tratament și oferind oportunități pentru o salvare cu succes. Constatările sunt publicate în JAMA Neurology.

Un model de asistență medicală cu inteligență artificială pentru beneficii universale

Anul 2023 va fi marcat, de asemenea, de numeroase lucrări de calitate care utilizează inteligența artificială medicală pentru a găsi caracteristici invizibile ochiului uman din date mai ușor disponibile, permițând diagnosticarea universală și screening-ul timpuriu la scară largă. La începutul anului, Nature Medicine a publicat studii realizate de Centrul Oftalmologic Zhongshan al Universității Sun Yat-sen și de al Doilea Spital Afiliat al Universității Medicale Fujian. Folosind smartphone-uri ca terminale de aplicații, au folosit imagini video asemănătoare desenelor animate pentru a induce privirea copiilor și a înregistra comportamentul privirii și trăsăturile faciale ale acestora și au analizat în continuare modele anormale folosind modele de învățare profundă pentru a identifica cu succes 16 boli oculare, inclusiv cataracta congenitală, ptoza congenitală și glaucomul congenital, cu o precizie medie de screening de peste 85%. Aceasta oferă un mijloc tehnic eficient și ușor de popularizat pentru screening-ul timpuriu la scară largă al deficiențelor de vedere la sugari și al bolilor oculare conexe.

La sfârșitul anului, Nature Medicine a raportat o lucrare realizată de peste 10 instituții medicale și de cercetare din întreaga lume, inclusiv Institutul de Boli Pancreatice din Shanghai și Primul Spital Afiliat al Universității Zhejiang. Autorul a aplicat inteligența artificială la screening-ul cancerului pancreatic la persoanele asimptomatice din centrele de examinare fizică, spitale etc., pentru a detecta caracteristicile leziunilor în imaginile CT simple care sunt dificil de detectat doar cu ochiul liber, astfel încât să se realizeze o detectare precoce eficientă și neinvazivă a cancerului pancreatic. În urma analizării datelor de la peste 20.000 de pacienți, modelul a identificat, de asemenea, 31 de cazuri de leziuni trecute cu vederea clinic, ceea ce a îmbunătățit semnificativ rezultatele clinice.

Partajarea datelor medicale

În 2023, au apărut mult mai multe mecanisme perfecte de partajare a datelor și cazuri de succes în întreaga lume, asigurând cooperarea multicentrică și deschiderea datelor sub premisa protejării confidențialității și securității datelor.

În primul rând, cu ajutorul tehnologiei IA în sine, cercetătorii din domeniul IA au contribuit la partajarea datelor medicale. Qi Chang și alții de la Universitatea Rutgers din Statele Unite au publicat un articol în Nature Communications, propunând un cadru federal de învățare DSL bazat pe rețele adversariale sintetice distribuite, care utilizează IA generativă pentru a antrena datele specifice generate de centre multiple și apoi înlocuiește datele reale ale centrelor multiple cu datele generate. Asigurarea antrenamentului IA bazat pe big data multicentrice, protejând în același timp confidențialitatea datelor. Aceeași echipă a lansat, de asemenea, open-source un set de date cu imagini patologice generate și adnotările corespunzătoare. Modelul de segmentare antrenat pe setul de date generat poate obține rezultate similare cu datele reale.

Echipa lui Dai Qionghai de la Universitatea Tsinghua a publicat o lucrare despre sănătatea digitală npj, propunând învățarea prin relay, care utilizează big data multi-site pentru a antrena modele de inteligență artificială sub premisa suveranității datelor locale și a lipsei unei conexiuni de rețea între site-uri. Aceasta echilibrează preocupările legate de securitatea datelor și confidențialitate cu urmărirea performanței inteligenței artificiale. Aceeași echipă a dezvoltat și validat ulterior în comun CAIMEN, un sistem de diagnosticare pan-mediastinală a tumorilor prin tomografie computerizată toracică bazat pe învățare federală, în colaborare cu Primul Spital Afiliat al Universității Medicale Guangzhou și 24 de spitale din întreaga țară. Sistemul, care poate fi aplicat la 12 tumori mediastinale comune, a atins o precizie cu 44,9% mai bună atunci când a fost utilizat singur decât atunci când a fost utilizat doar de experți umani și o precizie cu 19% mai bună a diagnosticului atunci când experții umani au fost asistați de acesta.

Pe de altă parte, sunt în curs de desfășurare mai multe inițiative pentru a construi seturi de date medicale securizate, globale și la scară largă. În noiembrie 2023, Agustina Saenz și alții de la Departamentul de Informatică Biomedicală al Facultății de Medicină Harvard au publicat online în Lancet Digital Health un cadru global pentru partajarea datelor de imagini medicale, numit Date de Inteligență Artificială pentru Toate Asistențele Medicale (MAIDA). Aceștia lucrează cu organizații din domeniul sănătății din întreaga lume pentru a oferi îndrumări cuprinzătoare privind colectarea datelor și anonimizarea, utilizând șablonul Partenerului Demonstrativ Federal din SUA (FDP) pentru a standardiza partajarea datelor. Aceștia intenționează să publice treptat seturi de date colectate în diferite regiuni și contexte clinice din întreaga lume. Primul set de date este așteptat să fie lansat la începutul anului 2024, urmând să apară și altele pe măsură ce parteneriatul se extinde. Proiectul este o încercare importantă de a construi un set global, la scară largă și divers de date IA disponibile publicului.

În urma propunerii, Biobanca din Marea Britanie a dat un exemplu. Biobanca din Marea Britanie a publicat noi date pe 30 noiembrie, provenite din secvențierea întregului genom al celor 500.000 de participanți. Baza de date, care publică secvența completă a genomului fiecăruia dintre cei 500.000 de voluntari britanici, este cea mai mare bază de date completă a genomului uman din lume. Cercetătorii din întreaga lume pot solicita acces la aceste date anonimizate și le pot utiliza pentru a investiga baza genetică a sănătății și a bolilor. Datele genetice au fost întotdeauna extrem de sensibile pentru verificare în trecut, iar această realizare istorică a Biobancii din Marea Britanie dovedește că este posibil să se construiască o bază de date globală, deschisă și fără confidențialitate, la scară largă. Cu această tehnologie și bază de date, inteligența artificială medicală este obligată să marcheze următorul pas important.

Verificarea și evaluarea inteligenței artificiale medicale

Comparativ cu dezvoltarea rapidă a tehnologiei IA medicale în sine, dezvoltarea verificării și evaluării IA medicală este puțin lentă. Validarea și evaluarea în domeniul general al IA ignoră adesea cerințele reale ale clinicienilor și pacienților în ceea ce privește IA. Studiile clinice controlate randomizate tradiționale sunt prea laborioase pentru a se potrivi cu iterația rapidă a instrumentelor IA. Îmbunătățirea sistemului de verificare și evaluare adecvat pentru instrumentele IA medicale cât mai curând posibil este cel mai important lucru pentru a promova IA medicală pentru a depăși cu adevărat cercetarea și dezvoltarea până la aterizarea clinică.

În lucrarea de cercetare Google despre Med-PaLM, publicată în Nature, echipa a publicat și criteriul de evaluare MultiMedQA, care este utilizat pentru a evalua capacitatea modelelor lingvistice mari de a dobândi cunoștințe clinice. Criteriul de evaluare combină șase seturi de date existente privind întrebările și răspunsurile medicale profesionale, care acoperă cunoștințele medicale profesionale, cercetarea și alte aspecte, precum și un set de date de bază de date cu întrebări medicale de căutare online, luând în considerare întrebările și răspunsurile online medic-pacient, încercând să antreneze inteligența artificială într-un medic calificat din mai multe puncte de vedere. În plus, echipa propune un cadru bazat pe evaluarea umană care ia în considerare multiple dimensiuni ale faptelor, înțelegerii, raționamentului și posibilelor prejudecăți. Acesta este unul dintre cele mai reprezentative eforturi de cercetare pentru evaluarea inteligenței artificiale în domeniul sănătății publicate în acest an.

Totuși, faptul că modelele lingvistice mari demonstrează un nivel ridicat de codificare a cunoștințelor clinice înseamnă că modelele lingvistice mari sunt competente pentru sarcini clinice din lumea reală? Așa cum un student la medicină care promovează examenul de medic profesionist cu un scor perfect este încă departe de a fi un medic șef singur, criteriile de evaluare propuse de Google ar putea să nu fie un răspuns perfect la tema evaluării IA medicală pentru modelele de IA. Încă din 2021 și 2022, cercetătorii au propus ghiduri de raportare precum Decid-AI, SPIRIT-AI și INTRPRT, sperând să ghideze dezvoltarea timpurie și validarea IA medicală, luând în considerare factori precum practicitatea clinică, siguranța, factorii umani și transparența/interpretabilitatea. Recent, revista Nature Medicine a publicat un studiu realizat de cercetători de la Universitatea Oxford și Universitatea Stanford despre utilizarea „validării externe” sau a „validării locale recurente” pentru validarea instrumentelor de IA.

Natura imparțială a instrumentelor de inteligență artificială este, de asemenea, o direcție importantă de evaluare care a primit atenție în acest an atât din partea articolelor din Science, cât și din NEJM. IA prezintă adesea părtinire, deoarece este limitată la datele de antrenament. Această părtinire poate reflecta inegalitatea socială, care evoluează ulterior în discriminare algoritmică. Institutele Naționale de Sănătate au lansat recent inițiativa Bridge2AI, estimată la un cost de 130 de milioane de dolari, pentru a construi seturi de date diverse (în conformitate cu obiectivele inițiativei MAIDA menționate mai sus) care pot fi utilizate pentru a valida imparțialitatea instrumentelor medicale de inteligență artificială. Aceste aspecte nu sunt luate în considerare de MultiMedQA. Întrebarea modului de măsurare și validare a modelelor medicale de inteligență artificială necesită încă o discuție amplă și aprofundată.

În ianuarie, Nature Medicine a publicat un articol de opinie intitulat „Următoarea generație de medicină bazată pe dovezi”, scris de Vivek Subbiah de la Centrul de Cancer MD Anderson al Universității din Texas, care analizează limitele studiilor clinice expuse în contextul pandemiei de COVID-19 și subliniază contradicția dintre inovație și respectarea procesului de cercetare clinică. În cele din urmă, Nature Medicine evidențiază un viitor al restructurării studiilor clinice – următoarea generație de studii clinice care utilizează inteligența artificială, adică utilizarea inteligenței artificiale dintr-un număr mare de date de cercetare istorică, date din lumea reală, date clinice multimodale, date despre dispozitive purtabile pentru a găsi dovezi cheie. Înseamnă acest lucru că tehnologia IA și procesele de validare clinică a IA se pot consolida reciproc și pot evolua împreună în viitor? Aceasta este întrebarea deschisă și provocatoare a anului 2023.

Reglementarea inteligenței artificiale medicale

Avansul tehnologiei IA pune, de asemenea, provocări în ceea ce privește reglementarea IA, iar factorii de decizie din întreaga lume răspund cu atenție și atenție. În 2019, FDA a publicat pentru prima dată un Cadru de reglementare propus pentru modificările software ale dispozitivelor medicale bazate pe inteligență artificială (Proiect de discuție), detaliind abordarea sa potențială pentru revizuirea pre-comercializare a modificărilor software bazate pe IA și învățarea automată. În 2021, FDA a propus „Planul de acțiune pentru software-ul bazat pe inteligență artificială/învățare automată ca dispozitiv medical”, care a clarificat cinci măsuri specifice de reglementare medicală privind IA. Anul acesta, FDA a republicat Documentul de prezentare pre-comercializare pentru caracteristicile software ale dispozitivelor pentru a oferi informații despre recomandările de prezentare pre-comercializare pentru evaluarea de către FDA a siguranței și eficacității caracteristicilor software ale dispozitivelor, inclusiv a unor caracteristici ale dispozitivelor software care utilizează modele de învățare automată antrenate prin metode de învățare automată. Politica de reglementare a FDA a evoluat de la o propunere inițială la îndrumări practice.

În urma publicării Spațiului European de Date Medicale în iulie anul trecut, UE a adoptat din nou Legea privind Inteligența Artificială. Prima își propune să utilizeze la maximum datele medicale pentru a oferi asistență medicală de înaltă calitate, să reducă inegalitățile și să sprijine datele pentru prevenție, diagnostic, tratament, inovare științifică, luare a deciziilor și legislație, asigurând în același timp că cetățenii UE au un control mai mare asupra datelor lor personale de sănătate. Cea de-a doua precizează clar că sistemul de diagnostic medical este un sistem de IA cu risc ridicat și că acesta trebuie să adopte o supraveghere puternică și specifică, o supraveghere pe întregul ciclu de viață și o supraveghere pre-evaluare. Agenția Europeană pentru Medicamente (EMA) a publicat un proiect de document de reflecție privind utilizarea IA pentru a sprijini dezvoltarea, reglementarea și utilizarea medicamentelor, cu accent pe îmbunătățirea credibilității IA pentru a asigura siguranța pacienților și integritatea rezultatelor cercetării clinice. Per total, abordarea de reglementare a UE prinde contur treptat, iar detaliile finale de implementare ar putea fi mai detaliate și mai stricte. În contrast puternic cu reglementarea strictă a UE, planul de reglementare a IA al Regatului Unit precizează clar că guvernul intenționează să adopte o abordare moderată și să nu adopte noi proiecte de lege sau să înființeze noi autorități de reglementare deocamdată.

În China, Centrul de Revizuire Tehnică a Dispozitivelor Medicale (NMPA) din cadrul Administrației Naționale a Produselor Medicale a publicat anterior documente precum „Puncte de revizuire a software-ului decizional asistat prin învățare profundă”, „Principii directoare pentru revizuirea înregistrării dispozitivelor medicale cu inteligență artificială (proiect pentru comentarii)” și „Circulara privind principiile directoare pentru clasificarea și definirea produselor software medicale cu inteligență artificială (nr. 47 în 2021)”. Anul acesta, a fost publicat din nou „Rezumatul rezultatelor primei clasificări a produselor dispozitivelor medicale din 2023”. Această serie de documente face ca definiția, clasificarea și reglementarea produselor software medicale bazate pe inteligență artificială să fie mai clare și mai ușor de utilizat și oferă îndrumări clare pentru poziționarea produselor și strategiile de înregistrare ale diferitelor întreprinderi din industrie. Aceste documente oferă un cadru și decizii de management pentru reglementarea științifică a dispozitivelor medicale bazate pe inteligență artificială. Merită să așteptăm cu nerăbdare ca pe agenda Conferinței privind Inteligența Artificială Medicală din China, care a avut loc la Hangzhou în perioada 21-23 decembrie, să fie stabilit un forum special privind guvernanța medicală digitală și dezvoltarea de înaltă calitate a spitalelor publice, precum și un forum pentru dezvoltarea industriei de standardizare a tehnologiei de testare și evaluare a dispozitivelor medicale bazate pe inteligență artificială. La acea vreme, oficiali ai Comisiei Naționale pentru Dezvoltare și Reformă și ai NMPA să participe la reuniune și ar putea publica noi informații.

Concluzie

În 2023, IA medicală a început să se integreze în întregul proces medical, atât în ​​amonte, cât și în aval, acoperind colectarea, fuzionarea, analiza, diagnosticarea și tratamentul datelor spitalicești, precum și screening-ul comunitar, și colaborând organic cu lucrătorii din domeniul medical/controlului bolilor, demonstrând potențialul de a aduce bunăstare sănătății umane. Cercetarea utilizabilă în domeniul IA medicală începe să apară. În viitor, progresul IA medicală nu depinde doar de dezvoltarea tehnologică în sine, ci necesită și cooperarea deplină a industriei, universității și cercetării medicale, precum și sprijinul factorilor de decizie și al autorităților de reglementare. Această colaborare interdisciplinară este cheia realizării unor servicii medicale integrate prin IA și va promova cu siguranță dezvoltarea sănătății umane.