Inteligentne maszyny wykonują lepszą pracę niż ludzie w diagnostyce medycznej

Do tej pory medycyna była prestiżowy i często niezwykle lukratywne wybór kariery. Ale czy w niedalekiej przyszłości będziemy potrzebować tylu lekarzy, ile mamy teraz? Czy w nadchodzącej dekadzie zobaczymy znaczące bezrobocie medyczne?

Dr Saxon Smith, prezes oddziału Australian Medical Association NSW, powiedział w raporcie pod koniec zeszłego roku że najczęstsze obawy, jakie słyszy od lekarzy stażystów i studentów medycyny, to „jaka jest przyszłość medycyny?” i „czy będę miał pracę?”. Powiedział, że odpowiedzi nadal mu umykają.

Ponieważ australijskie, brytyjskie i amerykańskie uniwersytety kontynuują kształcenie coraz większej liczby studentów medycyny, oczywiste pytanie brzmi: gdzie ci nowi lekarze będą pracować w przyszłości?

Czy rozszerzy się rola lekarzy ze względu na starzejące się populacje? A może presja na obniżenie kosztów przy jednoczesnej poprawie wyników może wymusić przyjęcie nowej technologii, co prawdopodobnie zmniejszy liczbę ról pełnionych obecnie przez lekarzy?

Obniżanie kosztów

Wiedzą o tym wszystkie rządy, pacjenci i lekarze na całym świecie koszty opieki zdrowotnej będą musiały się zmniejszyć jeśli mamy leczyć więcej ludzi. Niektórzy proponują, aby pacjenci płacili więcej, ale jakkolwiek za to płacimy, jasne jest, że obniżenie kosztów jest tym, co musi nastąpić.


wewnętrzna grafika subskrypcji


Sposób użycia roboty medyczne wspomagające chirurgów staje się coraz bardziej rozpowszechniona, ale jak dotąd są one wykorzystywane do próby poprawy wyników leczenia pacjentów, a nie do obniżania kosztów operacji. Oszczędności kosztów mogą pojawić się później, gdy ta technologia robotyczna dojrzeje.

To właśnie w obszarze diagnostyki medycznej wiele osób widzi możliwość znacznej redukcji kosztów przy jednoczesnej poprawie dokładności o używanie technologii zamiast ludzkich lekarzy.

To już jest powszechne dla badania krwi i badania genetyczne (genomika) przeprowadzane automatycznie i bardzo ekonomicznie przez maszyny. Analizują próbkę krwi i automatycznie sporządzają raport.

Testy mogą być tak proste, jak poziom hemoglobiny (morfologia krwi), aż po testy na cukrzycę, takie jak poziom insuliny lub glukozy. Mogą być również używane do znacznie bardziej skomplikowanych testów, takich jak sprawdzanie składu genetycznego danej osoby.

Dobrym przykładem jest Thyrocare Technologies Ltd w Bombaju w Indiach, gdzie ponad 100,000 XNUMX testów diagnostycznych z całego kraju wykonywane są każdego wieczoru, a raporty dostarczane są w ciągu 24 godzin od pobrania krwi od pacjenta.

Maszyny kontra ludzie

Skoro maszyny mogą czytać badania krwi, co jeszcze mogą zrobić? Chociaż wielu lekarzom nie spodoba się ta myśl, każdy test, który wymaga rozpoznawania wzorców, zostanie ostatecznie wykonany lepiej przez a maszyna niż człowiek.

Wiele chorób wymaga diagnozy patologicznej, w której lekarz bada próbkę krwi lub tkanki, aby ustalić dokładną chorobę: badanie krwi w celu zdiagnozowania infekcji, biopsja skóry w celu ustalenia, czy zmiana jest rakiem, czy nie oraz próbka tkanki podjęte przez chirurga, który chce postawić diagnozę.

Wszystkie te przykłady, a właściwie wszystkie diagnozy patologiczne, są wykonywane przez lekarza przy użyciu rozpoznawania wzorców w celu ustalenia diagnozy.

Techniki sztucznej inteligencji wykorzystujące głębokie sieci neuronowe, które są rodzajem uczenia maszynowego, mogą być wykorzystywane do trenowania tych maszyn diagnostycznych. Maszyny szybko się uczą i nie mówimy o pojedynczej maszynie, ale o sieci maszyn połączonych globalnie przez Internet, wykorzystujących zgromadzone dane do ciągłego doskonalenia.

Nie stanie się to z dnia na dzień – nauczenie się zajmie trochę czasu – ale raz wyszkolona maszyna będzie się tylko poprawiać. Z czasem odpowiednio wyszkolona maszyna będzie lepsza w rozpoznawaniu wzorców niż jakikolwiek człowiek.

Patologia jest teraz kwestią wielomilionowych laboratoriów opierających się na ekonomii skali. Od ukończenia szkoły średniej mija około 15 lat, aby trenować patolog do samodzielnego funkcjonowania. Prawdopodobnie minie kolejne 15 lat, aby patolog był tak dobry, jak kiedykolwiek będzie.

Kilka lat później przejdą na emeryturę i cała ta wiedza i doświadczenie zostaną utracone. Z pewnością byłoby lepiej, gdyby ta wiedza mogła zostać przechwycona i wykorzystana przez przyszłe pokolenia? Patolog-robot byłby w stanie to zrobić.

Radiologia, RTG i nie tylko

Badania radiologiczne stanowią ponad 2 miliardy USD rocznych wydatków na Medicare. W raporcie z 2013 r. oszacowano, że w okresie 2014-15 33,600,000 XNUMX XNUMX badań radiologicznych zostanie wystawiony w Australii. Radiolog musiałby przestudiować każdy z nich i napisać raport.

Radiolodzy czytają już średnio ponad siedmiokrotnie więcej badań dziennie niż pięć lat temu. Raporty te, podobnie jak te pisane przez patologów, opierają się na rozpoznawaniu wzorców.

Obecnie wiele badań radiologicznych wykonywanych w Australii jest czytanych przez radiologów w innych krajach, takich jak Wielka Brytania. Zamiast kazać ekspertowi z Australii wstać z łóżka o 3 nad ranem, aby odczytać skan mózgu rannego pacjenta, obraz można przesłać cyfrowo do lekarza w dowolnej odpowiedniej strefie czasowej i zgłosić go niemal natychmiast.

Co by było, gdyby maszyny były nauczone odczytywać promienie rentgenowskie, pracując najpierw z radiologami, a ostatecznie zamiast z radiologami? Czy nadal potrzebowalibyśmy człowieka? radiologowie? Prawdopodobnie. Ulepszone obrazowanie, takie jak rezonans magnetyczny i tomografia komputerowa, umożliwi radiologom wykonywanie niektórych procedur, które obecnie podejmują chirurdzy.

Dziedzina radiologii diagnostycznej szybko się rozwija. W tej dziedzinie radiolodzy są w stanie diagnozować i leczyć stany, takie jak krwawienie z naczyń krwionośnych. Odbywa się to przy użyciu minimalnie inwazyjnych technik, przepuszczając druty przez większe naczynia, aby dotrzeć do punktu krwawienia.

Tak więc radiolodzy mogą skończyć na procedurach, które są obecnie wykonywane przez chirurgów naczyniowych i kardiochirurgów. Zwiększone stosowanie chirurgii wspomaganej robotami oznacza, że ​​jest to bardziej prawdopodobne niż nie.

Jest o wiele więcej do zrobienia diagnozowanie zmiany skórnej, wysypka lub wzrost niż po prostu na to patrzeć. Ale większość diagnozy opiera się na rozpoznaniu zmiany przez dermatologa (znowu rozpoznanie wzorca).

Jeśli diagnoza pozostaje niejasna, część tkanki (biopsja) jest wysyłana do laboratorium w celu postawienia diagnozy patologicznej. Ustaliliśmy już, że maszyna może je odczytać. Ta sama zasada dotyczy rozpoznawania zmian skórnych.

Raz rozpoznana i poznana zmiana będzie mogła być ponownie rozpoznana. Telefony komórkowe wyposażone w wysokiej jakości aparaty fotograficzne będą mogły łączyć się z globalną bazą danych, która, podobnie jak każda inna baza danych z możliwością uczenia się, będzie nadal ulepszana.

Nie chodzi o to, czy, ale kiedy

Te zmiany nie nastąpią z dnia na dzień, ale są nieuniknione. Choć wielu lekarzy postrzega te zmiany jako zagrożenie, szansa na globalne dobro jest bezprecedensowa.

Zdjęcie rentgenowskie wykonane w Afryce równikowej można odczytać z taką samą rzetelnością, jak zdjęcie wykonane w australijskim centrum doskonałości. Zakaźną wysypkę można przesłać na telefon i natychmiast postawić diagnozę. Wiele istnień zostanie uratowanych, a koszty opieki zdrowotnej dla ubogich na świecie mogą być minimalne, aw wielu przypadkach bezpłatne.

Aby stało się to rzeczywistością, potrzebni są eksperci do pracy z maszynami i pomagania im w nauce. Początkowo maszyny mogą zostać poproszone o wykonanie prostszych testów, ale stopniowo będą się uczyć, tak jak ludzie uczą się większości rzeczy w życiu.

Zawód medyczny powinien wykorzystać te szanse na zmiany, a nasi przyszli młodzi lekarze powinni dokładnie przemyśleć, gdzie będą leżeć przyszłe zawody medyczne. Jest prawie pewne, że krajobraz zatrudnienia w medycynie za 15 lat nie będzie wyglądał jak ten, który widzimy dzisiaj.

O autorzeKonwersacje

Ross Crawford, profesor badań ortopedycznych, Queensland University of Technology; Anjali Jaiprakash, post-doktorancki pracownik naukowy, robotyka medyczna, Queensland University of Technology i Jonathan Roberts, profesor robotyki, Queensland University of Technology

Ten artykuł został pierwotnie opublikowany w Konwersacje. Przeczytać oryginalny artykuł.

Powiązana książka:

at