Perché i dati non strutturati devono essere risolti per far progredire l’innovazione sanitaria

I programmi di intelligenza artificiale si stanno evolvendo. Attualmente, l’intelligenza artificiale sta vivendo una “terza ondata” di innovazione e questo nuovo software è in grado di metabolizzare dati complessi ed eterogenei da contesti vagamente associati per trovare modelli in eventi precedentemente disconnessi.

Come sanno da decenni i progettisti di software, qualsiasi attività cognitiva ripetitiva e algoritmica può essere replicata su un computer. L’eleganza nel software e ciò che spesso lo crea o lo rompe nella parola reale è nel interfaccia uomo-computer. Questa disciplina coinvolge efficiente scaricare attività ripetitive sul computer e efficiente interpretare i risultati. Come ha spiegato JCR Licklider nel suo rivoluzionario saggio del 1960 Simbiosi uomo-computerPiù agevole è questo compito di traduzione, più è probabile che i computer possano aiutarci con i nostri compiti cognitivi ed espandere le nostre capacità decisionali.

Quasi tutti nel mondo del lavoro hanno avuto un momento “più facile da fare da soli” in cui ci si chiede se non sia più efficiente fare il proprio lavoro che cercare di comunicare il compito a un subordinato. Quando si tratta di calcoli, i computer del passato sono stati essenzialmente dei subalterni molto rigidi (e spesso intransigenti). Tuttavia, il nostro software si sta evolvendo e, con un buon design, il carico cognitivo di cambiare compito da un compito cognitivo a specificare l’automazione di quel compito cognitivo su un computer sta diventando meno fastidioso.

L’evoluzione dell’AI

esistere tre “onde” di software AI provocando increspature nel tessuto del mondo del lavoro.

Il software di intelligenza artificiale di prima generazione o “ingegneria della conoscenza” è iniziato con l’ottimizzazione di calcoli complessi e in rapida evoluzione, software fiscale che si adatta alle modifiche annuali del codice fiscale o dati di navigazione che rispondono a un incidente stradale. Tuttavia, i programmi di intelligenza artificiale della prima ondata devono essere programmati per risolvere problemi complessi, quindi sono utili solo per implementare soluzioni note in modo più efficiente attraverso un uso ripetitivo.

L’intelligenza artificiale della seconda ondata o software di “apprendimento automatico” ha implementato probabilità statistiche per migliorare il riconoscimento dei modelli. Questa evoluzione ha consentito a programmi in grado di analizzare modelli visivi complessi, come gli scanner retinici, in alcuni casi con una precisione superiore a quella umana. Tuttavia, l’IA della seconda ondata è essenzialmente una scatola nera. Dato un complesso set di dati (raggi X di fratture) e soluzioni per quei dati (valutazioni del chirurgo ortopedico di quelle fratture), l’IA di seconda ondata può replicare le soluzioni di un valutatore umano e talvolta persino migliorarle. Tuttavia, il software di intelligenza artificiale della seconda ondata non è in grado di interagire in modo affidabile con gli esseri umani e la sua logica (o la “causalità” delle sue decisioni) non è trasparente.

leggere  I migliori investitori di Facebook vogliono che Mark Zuckerberg si dimetta da presidente

Il software di intelligenza artificiale della terza ondata o “normalizzazione del contesto” riconosce le ragioni logiche per cui esistono modelli all’interno di dati complessi. La speranza è che una terza ondata di intelligenza artificiale possa prendere insiemi di dati molto vari, come dati genetici del DNA, conteggi di RNA messaggero, proteomica, elettroliti e letture dell’emocromo completo, codici diagnostici e dati ambientali per prevedere i collegamenti tra genetica e ambiente. cause di malattia. Per dare un esempio di questo compito manuale, I dati sull’etichettatura nutrizionale degli alimenti sono stati normalizzati da 175 paesi e quindi analizzati per determinare un legame tra zucchero e diabete.. I ricercatori hanno scoperto che un aumento di 150 kcal/persona/giorno nella disponibilità di zucchero in tutto il paese (circa una lattina di soda/giorno) era associato a un aumento dell’1,1% della prevalenza del diabete. Questo compito di ricerca manuale è iniziato con un’ipotesi e ha richiesto un’ampia compilazione manuale. La speranza per l’intelligenza artificiale di replicare questo compito è che possa raccogliere lo stesso set di dati in tempo reale e analizzare continuamente e automaticamente tutti i componenti alimentari rispetto a tutti gli stati patologici segnalati, generare nuovi collegamenti tra i componenti alimentari e gli stati patologici e spiegare l’ipotetica vittima dietro il link.

IA in medicina e scienze della vita

Assistenza sanitaria è stato uno dei maggiori utilizzatori della tecnologia di intelligenza artificiale della prima ondata. Due aree in cui l’IA può contribuire in modo significativo nel prossimo futuro sono la sintesi della letteratura medica e la digitalizzazione delle cartelle cliniche.

La letteratura medica è troppo vasta per il consumo umano. Dall’avvento di medicina basata sull’evidenza Ideale Nella seconda metà del diciannovesimo secolo, la medicina occidentale ha cercato di diventare un’industria basata sui dati. Ma i dati biologici sono profondi, densi e diversificati; nelle stime attuali le informazioni sanitarie pubblicate raddoppiano ogni 3-4 anni. Gli 8,1 milioni di articoli di scienze della vita selezionati manualmente e sottoposti a revisione paritaria indicizzati nel database Medline sono stati inviati a un aumento annuo del 43% dal 1978 al 2001, con oltre 200.000 studi randomizzati controllati pubblicati solo tra il 1994 e il 2001. Attualmente si raccomanda che, al fine di tenere il passo con la letteratura medica e fornire raccomandazioni aggiornate ai propri pazienti, un medico di medicina generale dovrebbe leggere 19 articoli di ricerca medica pubblicati al giornoTuttavia, la maggior parte dei medici ha solo 1 ora a settimana per questa attività. I programmi di intelligenza artificiale promettono di sostituire le revisioni della letteratura e sintetizzare le informazioni rilevanti sui pazienti che i medici possono utilizzare al punto di cura.

leggere  Uno studio su Pornhub mostra che le donne guardano i porno dai loro smartphone più frequentemente degli uomini

L’intelligenza artificiale di terza ondata può rimuovere le informazioni ausiliarie per abbinare i set di dati in contesti molto diversi. Gli esseri umani lo fanno in modo naturale, un medico che valuta una frattura otterrebbe una storia di un paziente, valuterebbe i raggi X, otterrebbe il resoconto degli eventi di un paziente, eseguirebbe un’analisi dell’andatura e manipolerebbe un arto ferito per sentire movimenti o trame insolite nelle ossa, legamenti o tessuti molli. -fazzoletto di carta. Questi input sensoriali disparati (schema, movimento, consistenza e immagini) sono abbinati nel cervello umano attraverso curve di normalizzazione contestuali (andatura normale e gamma di movimento, tessuto sano e morfologia ossea sana). Le informazioni accessorie (etnia, invecchiamento sano, accento e scelta delle parole) vengono filtrate e normalizzate. Se il record viene comunicato tramite un infermiere o un medico junior, la scrittura a mano e gli acronimi medici comuni vengono interpretati nel contesto. Insieme, le informazioni vengono sintetizzate organicamente per triangolare una diagnosi più accurata. La speranza è che l’IA di terza generazione possa analizzare i record dei pazienti che contengono set di dati contestuali disparati.

Limiti attuali di AI

Sono noti problemi che limitano la standardizzazione dei dati clinici contenuti nelle cartelle cliniche elettroniche. Questi inclusi elaborazione del linguaggio naturale (PNL), set di dati proprietari minaccia l’innovazione aperta, bias sistematico nella letteratura medica a causa di bias di pubblicazione e persino di frodi vere e proprie e della crescente complessità dei dati sanitari, in modo tale che i dati passati non siano abbastanza specifici da essere utili per la previsione attuale. Nel paradigma tradizionale del settore della ricerca medica, gli esseri umani filtrano questo rumore e strutturano manualmente i dati rumorosi in codici diagnostici, caselle di controllo e dati clinici. ontologie.

Ora l’IA della terza ondata si è evoluta. In “data as a service (DaS)”, il modello software di intelligenza artificiale della terza ondata tiene traccia di set di dati non strutturati e combina PNL, metaontologie, software di riconoscimento delle immagini con l’apprendimento automatico, per automatizzare la strutturazione di set di dati precedentemente non strutturati. I programmi più avanzati combinano questo con un modello Continuous Analytics as a Service (CAaS) che fornisce una visualizzazione avanzata dei dati in tempo reale per il business in corso e il supporto decisionale sui dati esterni.

leggere  Apple conferma che rallenta i tuoi vecchi iPhone

Sebbene questi sistemi siano ampiamente disponibili a livello aziendale, in futuro questi due sistemi verranno forniti senza soluzione di continuità caso per caso. Come Google cerca in tutto il Web per rispondere a una singola domanda, un paziente o un medico sarà in grado di analizzare l’intero corpo delle conoscenze mediche e accedere a un unico pannello di informazioni rilevanti per un trattamento personalizzato e tempestivo.

L’unica domanda rimane quanto sia davvero vicino questo futuro e come cambierà la nostra “salute” quando arriverà.

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *