ИИ в педиатрии создает новые вызовы и повышает эффективность

Риски и проблемы использования ИИ в педиатрии

Большие языковые модели склонны к « подхалимству » или желанию удовлетворить вызвавшего его пользователя, а также к галлюцинациям, связанным с сфабрикованными выводами, объясняет Десаи.

Он отмечает, что использование ИИ в педиатрии также создает трудности, поскольку многие детские заболевания редки и, следовательно, алгоритмам сложнее их предсказывать.

«Это чисто биостатистическое ограничение: эффективность алгоритма в реальной жизни сильно зависит от распространённости заболевания. Чем чаще заболевание встречается, тем точнее алгоритм», — объясняет Десаи. «И наоборот, чем реже заболевание, тем хуже алгоритм».

По словам Десаи, хотя учёные используют алгоритмы машинного обучения для выявления редких детских заболеваний, таких как первичные иммунодефициты, они всё равно генерируют большое количество «ложноположительных» результатов. В результате дети проходят множество ненужных и дорогостоящих тестов, добавляет он.

ЧИТАТЬ ДАЛЕЕ: Сегодня ИИ используется в здравоохранении несколькими способами.

«Это значительно затрудняет реализацию этих алгоритмов на месте оказания медицинской помощи», — говорит Десаи.

Кроме того, предвзятость обучения создает риски в педиатрии.

«Возможно, некоторые группы пациентов были недостаточно представлены в обучающих данных , поэтому прогнозы модели относительно этих пациентов неточны», — говорит Десаи.

По словам Терезы Тонтат, вице-президента и заместителя директора по информационным технологиям больницы, для управления рисками, связанными с ИИ, в Детской больнице Техаса был создан комитет по управлению и координации внедрения ИИ .

По словам Тонтат, комитет по управлению гарантирует, что все результаты модели ИИ требуют участия «человека в центре», который проверяет информацию перед принятием решений. Комитет также занимается вопросами, связанными с нормативными требованиями, предвзятостью и галлюцинациями ИИ , добавляет она.

По словам Тонтхэта, поскольку система здравоохранения работает с данными о детях, Детская больница Техаса проводит обучение медицинских работников по вопросам подписания документов с помощью MyChart от Epic и сотрудничает с такими поставщиками, как Microsoft, для обсуждения того, как они используют и защищают данные пациентов.

«Наша толерантность к риску очень низка, когда речь идет о наших пациентах-детях», — говорит Тонтат.

Несмотря на риски, ИИ открывает возможности для решения клинических проблем и повышения эффективности рабочих процессов.

ИИ для радиологии и диагностики в педиатрии

Детская больница Техаса использует ИИ уже более десяти лет и обратилась к предиктивному моделированию, автоматизации, глубокому и машинному обучению для решения клинических задач, говорит Тонтат. Больница изучает возможности генеративного ИИ уже два года, особенно в отношении моделей, которые оптимизируют рабочие процессы медицинских бригад. По её словам, интерес к этой технологии среди клинических бригад Детской больницы Техаса возник не сразу, но теперь персонал готов к масштабированию, отмечает она.

Детская больница Техаса создала модель искусственного интеллекта для рентгенологов, позволяющую им прогнозировать возраст костей. Модель была обучена на миллионах рентгеновских снимков детских рук.

«Поскольку у нас есть миллионы рентгеновских снимков рук, мы обучили модель за считанные секунды определять возраст руки ребенка с точки зрения плотности костей», — говорит Тонтат.

По данным Tonthat, благодаря своей модели прогнозирования костного возраста на основе искусственного интеллекта, Детская больница Техаса смогла сократить время выполнения процедур на 50% за счет интеграции ИИ в клинические рабочие процессы рентгенологов. Модель ИИ представляет собой результат сотрудничества между рентгенологическим и информационным отделами больницы, а также комитетом по управлению и рекомендациям в области ИИ .

По словам Десаи, CHOP также использует ИИ в радиологии .

«В ходе исследований исследователи из CHOP рассматривают возможности ИИ для улучшения рентгенологической диагностики, предотвращения лабораторных ошибок, ускорения диагностики по патологическим образцам и многого другого», — говорит он.

По словам Десаи, если врач осматривает пациента с плохо контролируемой астмой, инструмент на основе искусственного интеллекта может автоматически получить историю болезни пациента, обобщить предыдущие визиты, связанные с астмой, и уведомить врача, если у пациента повышенный риск гриппа. Затем он проверит, какие лекарства покрывает страховка пациента, и сможет начать формировать заказ для специалиста по контролю астмы, добавляет Десаи.