Vídeo: Industry Insight: Careers in Hospitality (Catering) (Setembre 2024)
La intel·ligència artificial (AI) està fent grans avenços en la indústria assistencial. Per ajudar a prevenir malalties, els professionals mèdics poden aprofitar les dades dels sensors i genòmics mèdics, la disciplina de la biologia molecular que cobreix la funció, l'estructura i el mapeig dels genomes. Aquesta forma part d’una tendència anomenada "medicina predictiu", en què les dades grans ajuden a identificar pacients amb risc de malaltia, de la mateixa manera que les analítiques predictives les fan servir actualment les eines d’intel·ligència empresarial (BI) per identificar noves tendències i oportunitats.
El Scripps Research Translational Institute utilitza dades de genòmica per entendre millor el maquillatge de salut d’una persona. Scripps treballa amb Nvidia per desenvolupar IA i pràctiques d’aprenentatge profund que poden obtenir visions de genòmica i de sensors digitals en rellotges intel·ligents, punys de pressió arterial i monitors de glucosa. Els científics de dades poden fins i tot aplicar aprenentatge profund a dades mèdiques procedents de la nova Apple Watch Series 4. Nvidia i Scripps realitzaran aquesta investigació com a part d’un nou centre d’excel·lència a les dues instal·lacions de les empreses.
Per obtenir més informació sobre com la IA i les dades grans poden ajudar a generar visions de sensors mèdics, PCMag va parlar amb un expert en salut digital i cardiòleg, el doctor Eric Topol. També és el Director i Fundador de l'Institut de Traducció de Recerca de Scripps.
PCMag (PCMag): Com es van combinar Scripps amb Nvidia?
Eric Topol (ET): Vaig iniciar això; Havia estat llegint molt sobre la seva contribució a tot el camp de l'aprenentatge profund i la IA perquè tinc un llibre que publicarà aviat sobre aquest tema. Havia fet moltes investigacions i em vaig adonar que eren líders de la indústria en el maquinari de la IA i en moltes innovacions a través de sectors locals, com ara cotxes sense conductor, criptocurrency, videojocs i assistència sanitària, entre d'altres. Així doncs, vam començar a parlar de com podríem treballar junts.
ET: L’objectiu general és promoure la salut humana. Hem de ser capaços d’aplicar l’aprenentatge profund, la IA i tots els seus subtipus per no tan sols analitzar les dades de sensors i seqüències del genoma sencer, sinó per reunir totes aquestes dades per a cada persona. Aquestes dades inclouen els sensors que porten, així com les dades de les capes biològiques. No es tracta només d’ADN, proteïnes, del seu microbioma intestinal, metabòlits, etc., sinó també de tots els medicaments previs i del seu entorn.
Combinant totes aquelles dades i extreure, en temps real, encara no s’ha aconseguit el valor d’un individu. Aquest és l’objectiu de gran abast, però, per arribar-hi, hem de clavar la capacitat de tractar les dades del sensor, molt riques i denses. Normalment, els sensors transmeten dades de forma contínua i amb el pas del temps produeixen més dades que qualsevol cosa, incloent imatges i tota una seqüència del genoma.
- 10 passos per l'adopció de la intel·ligència artificial en el vostre negoci 10 passos per l'adopció de la intel·ligència artificial en el vostre negoci
- Aquesta aplicació aporta el poder de la IA als metges del món en desenvolupament Aquesta aplicació aporta el poder de la IA als metges del món en desenvolupament
- "Informàtica corporal" converteix la salut en vida "La computació corporal" converteix la salut en vida
PCM: Com s'extreuen les dades el valor d'una persona?
ET: Algun dia hi haurà un entrenador mèdic virtual; com avui, tenim un altaveu intel·ligent que us donarà algunes indicacions o respostes, o el vostre ajudant digital de Google us informarà de la vostra programació o de si heu de sortir d'hora per anar a l'aeroport. Bé, avui és bo, però en el futur podrem fer molt per a l'assistència sanitària. Comença ara amb coses com la diabetis i la pressió arterial alta, però finalment serà una estratègia de prevenció per a una gran part de la gent. Ningú no ho ha muntat encara, però són alguns primers passos per arribar-hi.
PCM: De quina manera l'AI ajudarà a revolucionar la predicció i la prevenció de malalties?
ET: Hi ha moltes maneres d’aconseguir. Per exemple, avui dia, per als diabètics, l’únic algoritme que existeix és si la glucosa augmenta o baixa; aquest és un algorisme. El que sabem és que la regulació de la glucosa i la condició afecten no només el que una persona menja, sinó també el son, la seva activitat, el microbioma intestinal i altres factors. Per tant, el que podem fer és desenvolupar algoritmes que aportin totes aquestes dades i que es retornin a l’individu per aconseguir una regulació de la glucosa molt millor i prevenir les complicacions de malalties oculars, malalties renals i vascular. Els algorismes també poden proporcionar dades vitals per ajudar a prevenir convulsions, asma i atacs de cor. Hi ha tantes coses que podem prevenir un cop coneixem les persones que corren el risc i disposem d’alguns algoritmes intel·ligents per factoritzar totes les dades d’un individu i donar-los el feedback que necessita.
PCM: Hi ha progressos reals en la prevenció de la IA i de la predicció de malalties avui dia, o hi podrem veure alguna cosa en el futur?
ET: Bé, comença a enlairar-se realment; S'han publicat uns cinc estudis prospectius diferents. Per tant, han provat aquests algorismes en una clínica. Ja hem vist 15 algoritmes de la IA aprovats per la Food and Drug Administration dels Estats Units el darrer any. Encara és aviat en el desenvolupament de l'AI, però ara comença a agafar-se. Fa un any no va ser així, però certament, la darrera part d’aquest any estem veient evidències més ràpides d’aquest fet que es converteix en realitat.
PCM: Utilitzarà AI els sensors digitals d'un producte com l'Apple Watch?
ET: Sí, i les novetats al setembre van anar precedides d’un anunci d’una startup anomenada AliveCor, que ja havia rebut la liquidació de la FDA un any abans per un algorisme d’aprenentatge profund. De manera que les persones poden controlar la freqüència cardíaca en repòs i amb activitat física, i ser alertades quan hi ha alguna cosa fora de pista quan estan en repòs i la seva freqüència cardíaca. Se'ls demana que facin un cardiograma a través del rellotge i, després, un algorisme el llegeix i es pot diagnosticar la fibril·lació auricular. De manera que, allà mateix, ha estat durant un any i, a més, també està sent ofert per Apple. Ara tenim múltiples detecció del ritme cardíac dels consumidors mitjançant IA; aquesta és una història del món real. No estem parlant d'algorismes d'aprenentatge profund que continuen a les ales; ara són reals.
Amb la fibril·lació auricular, podríeu argumentar: "Tothom necessita un Apple Watch?" No, però per a persones amb risc o que han estat tractades per fibril·lació auricular, és una condició important que augmenta el risc d’ictus. Cal que algunes persones tinguin diluctors de la sang per evitar un ictus. Per tant, no és una cosa trivial si tens fibril·lació auricular i tens alguna anormalitat estructural del cor.
PCM: Tot i que empreses com 23andMe ofereixen proves genètiques per a menys de 200 dòlars, la seqüenciació de tot un genoma segueix comportant un preu elevat. L’AI farà que la seqüenciació genòmica sigui més assequible?
ET: És possible. Una de les maneres de fer-ho és només amb un processament molt més eficient de les dades, de manera que no cal que seqüeneu profundament ni en tantes persones. Encara avui, seqüenciar un genoma sencer individual és d’uns mil dòlars. Per tant, si voleu fer-ho per a molta gent, milions o milers de milions de persones, és encara una despesa molt gran. Hi ha moltes maneres en què l'AI pot canviar i escalar la seqüenciació del genoma i no és només l'ADN. És l’ARN, les proteïnes, els metabòlits, el microbioma, totes les capes biològiques que s’acosta a l’IA perquè són totes les dades. Si es titula "big data", és bàsicament una intensitat intermitent.
PCM: Veig que esteu involucrats en el programa "Tots nosaltres" de l'Institut Nacional de Salut. Què comporta això?
ET: un milió d’americans que, durant molts anys, probablement dècades, aprendran sobre ells mateixos, el seu genoma, el seu microbioma i diversos sensors. Compartiran aquestes dades perquè puguem ajudar-nos, idealment no només promovent la seva salut, sinó la propera generació de salut de les persones. Com que totes aquestes habilitats per entendre cada ésser humà són noves, ara comencem a comprendre com utilitzar aquestes eines per ajudar les persones a preservar la seva salut. Permetem que les persones entenguin les seves pròpies dades, que els retornem per ajudar-los a treballar amb els seus metges per convertir-se en científics ciutadans i pioners en el futur de la salut humana.
PCM: En què treballes els sensors de cor continu? Com funciona això?
ET: Tenim un pegat, com un Band-Aid, que podeu portar. Nosaltres, amb pulsacions contínues de 15.000 persones, més d’11 o 12 dies; és una quantitat massiva de dades. Per poder predir l’arítmia, un trastorn del ritme cardíac, abans que es produeixi i conèixer el senyal per tal de prevenir-ho, és el que seguirem. La gent ha utilitzat IA per fer el diagnòstic del ritme cardíac, però estem intentant que s’eviti l’evitació de l’arítmia cardíaca. Aquesta és la següent fase.
PCM: Com entra en joc la seqüenciació gènica sencera i com la faràs servir a la població gran?
ET: Tenim un mostreig molt gran de persones i la seva edat mitjana és de 89 anys. No han estat mai malalts i volem saber per què. Creiem que l’aprenentatge profund d’aquests genomes, en comparació amb els controls, ens ajudarà perquè és una quantitat massiva de dades a teixir, per comprendre les variants genòmiques en aquelles persones "més breus" que són diferents i rellevants per a la salut extrema. Ens va trigar gairebé una dècada a acumular tota aquesta gent i aconseguir que tots seqüenciassin.
PCM: L’ AI realment ens mantindrà més saludables?
ET: Haurem de veure. Una cosa és una promesa i l’altra és complir la promesa. El temps ho dirà. Però no sé si avui hem vist alguna cosa que tingui tanta promesa. Però trigarà una estona a validar-ho tot.
