Video: Biologiske legemidler og bruk ved revmatisk sykdom (Oktober 2024)
Kunstig intelligens (AI) gjør store fremskritt i helsevesenet. For å hjelpe med å forhindre sykdommer, er medisinsk fagpersoner nå i stand til å trekke på dataene fra medisinske sensorer og genomikk, molekylærbiologidisiplinen som dekker funksjon, struktur og kartlegging av genomer. Dette er en del av en trend som kalles "prediktiv medisin", der big data hjelper til med å identifisere pasienter med risiko for sykdom, omtrent som prediktiv analyse brukes av BIs verktøy i dag for å identifisere nye trender og muligheter.
Scripps Research Translational Institute bruker genomikkdata for å bedre forstå en persons helse-sminke. Scripps samarbeider med Nvidia for å utvikle AI og dyp læringspraksis som kan trekke innsikt fra genomikk og fra digitale sensorer i smartur, blodtrykksmansjetter og glukosemonitorer. Dataforskere kan til og med bruke dyp læring på medisinsk data som kommer fra den nye Apple Watch Series 4. Nvidia og Scripps vil utføre denne forskningen som en del av et nytt senter for dyktighet ved begge selskapenes fasiliteter.
For å lære mer om hvordan AI og big data kan bidra til å generere innsikt fra medisinske sensorer, snakket PCMag med ledende digital helseekspert og kardiolog Dr. Eric Topol. Han er også direktør og grunnlegger av Scripps Research Translational Institute.
PCMag (PCM): Hvordan kom Scripps sammen med Nvidia?
Eric Topol (ET): Jeg innledet det; Jeg hadde lest mye om deres bidrag til hele feltet med dyp læring og AI fordi jeg har en bok som snart kommer ut om dette emnet. Jeg hadde forsket mye, og jeg forsto at de var industriledende innen AI-maskinvare og i mange innovasjoner på tvers av lokale sektorer, inkludert førerløse biler, cryptocurrency, videospill og helsehjelp. Så vi begynte å snakke om hvordan vi kunne samarbeide.
ET: Det overordnede målet er å fremme menneskers helse. Vi må kunne bruke dyp læring, AI og alle dens undertyper for ikke bare å analysere sensordata og hele genomsekvenser, men for å bringe alle disse dataene sammen for hver person. Disse dataene inkluderer sensorer de har på seg, samt data fra biologiske lag. Det er ikke bare DNA, proteiner, tarmenes mikrobiom, metabolitter og så videre, men også alle tidligere medisiner og miljøet.
Å samle alle disse dataene og hente ut verdien i realtid for et individ er ennå ikke oppnådd. Det er det vidtrekkende målet, men for å komme dit, må vi spikre evnen til å håndtere sensordata, som er veldig rik og tett. Typisk overfører sensorer data kontinuerlig, og over tid produserer de mer data enn noe annet, inkludert bilder og en hel genomsekvens.
- 10 trinn for å ta i bruk kunstig intelligens i din virksomhet 10 trinn for å ta i bruk kunstig intelligens i din virksomhet
- Denne appen gir kraften til AI til leger i utviklingsverdenen Denne appen bringer kraften til AI til leger i den utviklende verdenen
- 'Body Computing' gjør helsevesenet til livpleie 'Body Computing' gjør Healthcare til livpleie
PCM: Hvordan vil data trekke ut verdien for en person?
ET: En dag vil det være en virtuell medisinsk trener; som i dag har vi en smart høyttaler som vil gi deg litt veiledning eller svar, eller Google Digital Assistent forteller deg om timeplanen din eller om du bør reise tidlig for å reise til flyplassen. Det er bra for i dag, men vi kan gjøre mye for helsehjelpen i fremtiden. Det begynner nå med ting som diabetes og høyt blodtrykk, men etter hvert vil det være en forebyggingsstrategi for en stor andel mennesker. Ingen har satt den sammen ennå, men dette er noen tidlige skritt for å komme dit.
PCM: Hvordan vil AI faktisk bidra til å revolusjonere sykdomsforutsigelse og forebygging?
ET: Det er mange måter som kan oppnås. For eksempel, i dag, for diabetikere, er den eneste algoritmen som eksisterer om glukosen din går opp eller ned; det er en stum algoritme. Det vi vet er at glukoseregulering og tilstanden påvirkes av ikke bare hva en person spiser, men også av søvnen, aktiviteten deres, tarmmikrobiomet og andre faktorer. Så det vi kan gjøre er å utvikle algoritmer som bringer alle dataene inn og gir dem tilbake til individet for å oppnå mye bedre glukoseregulering og forhindre komplikasjoner ved tilstander som øyesykdom, nyresykdom og vaskulær sykdom. Algoritmene kan også gi viktige data for å forhindre anfall, astma og hjerteinfarkt. Det er så mange ting vi kan forhindre når vi kjenner personene som er i faresonen, og vi har smarte algoritmer for å faktorere alle dataene for en person og gi dem tilbakemeldingene de trenger.
PCM: Er det virkelig fremgang i forebygging av sykdommer og sykdommer i dag, eller er det noe vi ser i fremtiden?
ET: Vel, det begynner virkelig å ta fart; det er publisert omtrent fem forskjellige prospektive studier. Så de har testet disse algoritmene på en klinikk. Vi har allerede sett 15 AI-algoritmer godkjent av US Food and Drug Administration det siste året. Det er fremdeles tidlig i utviklingen av AI, men det begynner å ta grep nå. For et år siden var det ikke tilfelle, men absolutt, den siste delen av dette året ser vi akselererte bevis på at dette blir virkelighet.
PCM: Vil AI bruke digitale sensorer fra et produkt som Apple Watch?
ET: Ja, og nyheter om det i september ble gitt en kunngjøring fra en oppstart kalt AliveCor, som allerede hadde fått FDA-godkjenning året før for en dyp læringsalgoritme. Så folk kan få pulsen overvåket i ro og med fysisk aktivitet, og bli varslet når noe ikke er i rute når de er i ro og hjertefrekvensen er. De får beskjed om å ta et kardiogram gjennom klokken, og så blir det lest av en algoritme, og du kan diagnostisere atrieflimmer. Så, det er der ute nå, har vart i et år, og den tilbys også av Apple. Nå har vi flere forbrukere hjerterytmedeteksjon gjennom AI; det er en virkelig historie. Vi snakker ikke om dype læringsalgoritmer som fremdeles er i vingene; de er ekte nå.
Med atrieflimmer kan du argumentere: "Trenger alle en Apple Watch?" Nei, men for personer som er i faresonen eller… har blitt behandlet for atrieflimmer, er det en viktig tilstand som øker risikoen for hjerneslag. Det krever at noen mennesker har blodfortynnende for å forhindre et hjerneslag. Så det er ikke en bagatellmessig sak om du har atrieflimmer og har noen strukturell abnormalitet i hjertet.
PCM: Selv om selskaper som 23andMe tilbyr gentesting for under $ 200, gir sekvensering av et helt genom fortsatt en heftig prislapp. Vil AI gjøre genomisk sekvensering mer overkommelig?
ET: Det er mulig. En av måtene det kan gjøre på er bare mye mer effektiv behandling av dataene, slik at du ikke trenger å sekvensere dem dypt eller for så mange mennesker. Likevel, i dag er sekvensering av et individuelt hel genom omtrent tusen dollar. Og så, hvis du vil gjøre det for mange mennesker, millioner eller milliarder av mennesker, er det fortsatt en veldig stor utgift. Det er mange måter AI kan endre og skalere genomsekvensering, og det er ikke bare DNA. Det er RNA, proteiner, metabolitter, mikrobiomet, hvert biologisk lag som AI kan nærme seg fordi de alle er store data. Hvis det er merket "big data", så blinker det i utgangspunktet AI.
PCM: Jeg ser at du er involvert i National Institute of Health's "All of Us Research Program." Hva innebærer det?
ET: en million amerikanere som i mange år, sannsynligvis flere tiår, skal lære om seg selv, genomet, mikrobiomet og forskjellige sensorer. De vil dele disse dataene slik at vi kan hjelpe - ideelt sett ikke bare for å fremme deres helse, men den neste generasjonen av folks helse. Siden alle disse evnene til å forstå hvert enkelt menneske er nye, begynner vi akkurat nå å forstå hvordan du bruker disse verktøyene for å hjelpe mennesker med å bevare helsen. Vi lar folk forstå sine egne data, som vi gir tilbake til dem for å hjelpe dem å samarbeide med legene sine for å bli statsborgerforskere og pionerer i fremtiden for menneskers helse.
PCM: Hva jobber du med kontinuerlige hjertesensorer? Hvordan fungerer det?
ET: Vi har en oppdatering, som en Band-Aid, som du kan bruke. Vi har kontinuerlige hjerteslag fra 15 000 mennesker over 11 eller 12 dager; det er en enorm mengde data. For å kunne forutsi arytmi, en hjerterytmeforstyrrelse, før den oppstår, og å kjenne signalet slik at vi kan forhindre det, er det det vi går etter. Folk har brukt AI for å stille diagnosen hjerterytmen, men vi prøver å få den til å forhindre hjerterytmi. Det er neste fase.
PCM: Hvordan kommer hele gensekvensering inn i spillet, og hvordan vil du bruke den på eldre befolkning?
ET: Vi har et veldig stort utvalg av mennesker og gjennomsnittsalderen er 89. De har aldri vært syke, og vi vil vite hvorfor. Vi tror at dyp læring fra disse genomene, sammenlignet med kontroller, vil hjelpe oss fordi det er en enorm mengde data å flette gjennom, for å forstå de genomiske variantene hos de "sveisende" menneskene som er forskjellige og relevante for ekstrem helsespenn. Det tok oss nesten et tiår å samle alle disse menneskene og få dem alle sammen sekvensert.
PCM: Vil AI virkelig holde oss sunnere lenger?
ET: Vi må se. Én ting er et løfte, og det andre er å oppfylle løftet. Tiden vil vise. Men jeg vet ikke om vi har sett noe som har så mye løfte i dag. Men det vil ta en stund å få alt validert.
