AI 전문가들은 강력한 AI를 건강 관리에 통합하는 방법, 학제 간 협업이 중요한 이유 및 연구에서 생성 AI의 잠재력에 대해 논의합니다.
Feifei Li와 Lloyd 미성년
인공 지능에 의해 포착 된 대부분의 사람들은 일종의“아하”순간을 가졌으며 가능성의 세계에 마음을 열었습니다. 5 월 14 일의 취임 보건 심포지엄에서 스탠포드 대학교 의과 대학 학장, 스탠포드 대학교 (Stanford University)의 의료 담당 부사장 인 로이드 마이너 (Lloyd Minor)는 그의 관점을 공유했습니다.
호기심 많은 십대가 내이 귀에 관한 그의 발견을 요약하라는 요청을 받았을 때, 그는 생성 인공 지능으로 향했다. “저는 '우수한 운하 탈수 증후군이란 무엇입니까?' 미성년자는 거의 4,000 명의 심포지엄 참가자에게 말했다. 몇 초 만에 여러 단락이 나타났습니다.
"그들은 훌륭하고 정말 좋습니다"라고 그는 말했다. “이 정보는 간결하고 일반적으로 질병에 대한 정확하고 명확하게 우선 순위가 좋은 것으로 편집되었습니다. 이것은 꽤 놀랍습니다.”
스탠포드 대학교 (Stanford University) 의과 대학 (Stanford University School of Medicine)과 스탠포드 인공 인공 지능 (HAI)이 인공적인 인공의 의학적 사용을 이용하기 위해 스탠포드 인공 인공 지능 (HAI)이 시작한 프로젝트 인 Raven Health Initiative의 성장이었던 반나절 행사에 대한 많은 사람들의 흥분을 공유했습니다. 지능. 생의학 연구, 교육 및 환자 치료의 지능. 화자들은 의사와 과학자들에게 유용 할뿐만 아니라 환자에게 투명하고 공정하며 공평한 방식으로 의학에서 인공 지능을 구현하는 것이 무엇을 의미하는지 조사했습니다.
스탠포드 공학 대학의 컴퓨터 과학 교수 인 Fei-Fei Li는“우리는 이것이 인간 능력을 향상시키는 기술이라고 생각합니다. 세대 후, 새로운 기술이 등장 할 수 있습니다 : 새로운 분자의 항생제 서열에서 생물 다양성을 매핑하고 기본 생물학의 숨겨진 부분을 드러내면서 AI는 과학적 발견을 가속화하고 있습니다. 그러나이 모든 것이 유익한 것은 아닙니다. “이러한 모든 응용 프로그램은 의도하지 않은 결과를 초래할 수 있으며, 우리는 [인공 지능]을 책임감있게 개발하고 구현하여 의사 및 윤리 학자로부터 보안 전문가 및 그 이상에 이르기까지 다양한 이해 관계자와 협력하는 컴퓨터 과학자가 필요합니다. "Rose Health와 같은 이니셔티브는 이것에 대한 우리의 헌신을 보여줍니다."
스탠포드 의과 대학, 스탠포드 건강 관리 학교 및 스탠포드 대학교 아동 건강 의학 학교의 세 가지 부문의 통합과 스탠포드 대학교의 다른 지역과의 관계는 전문가들이 개발에 어려움을 겪고있는 위치에 있습니다. 인공 지능. 의료 및 의학 분야의 관리 및 통합 문제. 약, 노래가 갔다.
“우리는 근본적인 생물학적 발견에서 약물 개발 개선 및 임상 시험 프로세스를보다 효율적으로 만들기, 의료 서비스의 실제 전달에 이르기까지 인공 지능의 개발 및 책임있는 구현에 선구자가 될 수있는 위치에 있습니다. 의료. 의료 시스템이 설정되는 방식”이라고 그는 말했다.
몇몇 연사들은 간단한 개념을 강조했다 : 사용자 (이 경우 환자 또는 의사)에 초점을 맞추고 다른 모든 것이 따를 것이다. Brigham and Women 's Hospital의 생명 윤리 담당 이사 인 Lisa Lehmann 박사는“이것은 환자를 우리가하는 모든 일의 중심에 두었습니다. "우리는 그들의 요구와 우선 순위를 고려해야합니다."
왼쪽에서 오른쪽으로 : 통계 뉴스 앵커 Mohana Ravindranath; Microsoft Research의 Jessica Peter Lee; 생물 의학 데이터 과학 교수 인 실비아 plevritis는 의학 연구에서 인공 지능의 역할에 대해 논의합니다. 스티브 피쉬
Lehmann, Stanford University Medicle Bioethist Mildred Cho, MD 및 Google의 최고 임상 책임자 인 Michael Howell이 포함 된 패널의 연사는 중재 전에 목적을 이해해야 할 필요성을 강조하면서 병원 시스템의 복잡성을 언급했습니다. 이를 구현하고 개발 된 모든 시스템이 포괄적이며 도움이되도록 설계된 사람들의 말을 듣도록하십시오.
하나의 키는 투명성입니다. 알고리즘을 훈련시키는 데 사용되는 데이터가 어디에서 나오는지, 알고리즘의 원래 목적이 무엇인지, 그리고 미래의 환자 데이터가 알고리즘을 계속 학습하는 데 도움이 될지 여부는 명확하게 만듭니다.
"진지하게되기 전에 윤리적 문제를 예측하려고 노력하는 것은 [수단]이 기술에 대해 충분히 알고있는 완벽한 달콤한 장소를 찾는 것이지만, [문제]가 더욱 퍼져서 더 빨리 해결하기 전에는 그렇지 않습니다." , Denton Char가 말했다. 의료 과학 후보, 소아과 마취과, 수술 전 의학 및 진통 의학 부교수. 그는 한 가지 중요한 단계는 기술의 영향을받을 수있는 모든 이해 관계자를 식별하고 자신이 그 질문에 어떻게 대답하고 싶어하는지 결정하는 것입니다.
American Medical Association의 사장 인 Jesse Ehrenfeld는 인공 지능으로 구동되는 디지털 건강 도구를 포함하여 모든 디지털 건강 도구의 채택을 주도하는 4 가지 요소에 대해 논의합니다. 효과적입니까? 이 기관에서 내 기관에서 작동할까요? 누가 지불합니까? 누가 책임이 있습니까?
Stanford Health Care의 최고 정보 책임자 인 Michael Pfeffer는 Stanford Hospitals의 간호사들 사이에서 많은 문제가 테스트 된 최근의 사례를 언급했습니다. 임상의는 들어오는 환자 메시지에 대한 초기 주석을 제공하는 대형 언어 모델에 의해 지원됩니다. 이 프로젝트는 완벽하지는 않지만 기술 개발을 도왔던 의사는 모델이 작업량을 완화 시킨다고보고합니다.
“우리는 항상 안전, 효율성 및 포용의 세 가지 중요한 사항에 중점을 둡니다. 우리는 의사입니다. Char와 Pfeffer가 그룹에 합류 한 정신과 및 행동 과학의 임상 조교수 인 Nina Vasan (Nina Vasan)은“해를 끼치 지 마십시오”라고 맹세합니다. "이것은 이러한 도구를 평가하는 첫 번째 방법이어야합니다."
MBBS, MBBS 박사, 의학 및 생물 의학 데이터 과학 교수 인 Nigam Shah는 청중에게 공정한 경고에도 불구하고 충격적인 통계와 논의를 시작했습니다. "나는 일반적인 용어와 숫자로 말하며 때로는 매우 직접적인 경향이있다"고 그는 말했다.
Shah에 따르면 AI의 성공은 우리의 확장 능력에 달려 있습니다. “모델에 대한 적절한 과학적 연구를 수행하는 데 약 10 년이 걸리며 123 개의 친교 및 레지던트 프로그램 각각이 모델을 그 수준의 엄격한 수준으로 테스트하고 배포하기를 원한다면 현재 조직하는 올바른 과학을 수행하는 것은 매우 어려울 것입니다. 우리의 노력과 [테스트]] 모든 사이트가 올바르게 작동하는지 확인하는 데 1,300 억 달러가 소요될 것입니다.”라고 Shah는 말했습니다. “우리는 이것을 감당할 수 없습니다. 따라서 확장 방법을 찾아야하며 확장하고 좋은 과학을해야합니다. 엄격한 기술은 한 곳에 있고 스케일링 기술은 다른 곳에 있으므로 이러한 유형의 파트너십이 필요합니다.”
Dean Yuan Ashley 부교수와 Mildred Cho (리셉션)가 Raise Health Workshop에 참석했습니다. 스티브 피쉬
심포지엄의 일부 연사들은 인공 지능의 안전하고 안전하고 신뢰할 수있는 개발 및 의료 인공 지능 (CHAI)의 컨소시엄과 같은 최근 백악관 행정 명령과 같은 공공-민간 파트너십을 통해이를 달성 할 수 있다고 말했다. ).
국립 의학 아카데미 (National Academy of Medicine)의 수석 고문 인 로라 아담스 (Laura Adams)는“가장 큰 잠재력을 가진 공공-민간 파트너십은 아카데미아, 민간 부문 및 공공 부문 사이의 파트너십입니다. 그녀는 정부가 대중의 신뢰를 보장 할 수 있으며 학업 의료 센터는 할 수 있다고 언급했다. 정당성을 제공하고 기술 전문 지식과 컴퓨터 시간은 민간 부문에서 제공 할 수 있습니다. "우리는 우리 중 어느 누구보다 낫고, 우리는 서로 상호 작용하는 방법을 이해하지 않는 한 [인공 지능]의 잠재력을 깨닫기 위해기도 할 수 없습니다."
몇몇 연사들은 AI가 과학자들이 생물학적 교리를 탐색하기 위해 그것을 사용하거나, 새로운 치료를 지원하기 위해 새로운 합성 분자의 새로운 서열과 구조를 예측하거나, 과학 논문을 요약하거나 쓰도록 도와 주든 연구에 영향을 미치고 있다고 말했다.
Stanford University School of Medicine의 심장 전문의 인 Jessica Mega는“이것은 알 수없는 것을 볼 수있는 기회입니다. Mega는 Hyperspectral 이미징을 언급했으며, 이는 이미지 기능을 캡처하여 인간의 눈에는 보이지 않습니다. 아이디어는 인공 지능을 사용하여 인간이 질병을 나타내는 병리학 슬라이드의 패턴을 감지하는 것입니다. “저는 사람들이 미지의 것을 받아들이도록 권장합니다. 이곳의 모든 사람들은 오늘날 우리가 제공 할 수있는 것 이상의 무언가가 필요한 종류의 의학적 상태를 가진 사람을 알고 있다고 생각합니다.”라고 Mejia는 말했습니다.
패널리스트들은 또한 인공 지능 시스템이 편견의 출처를 식별 할 수있는 능력으로 인간이나 인공 지능에 관계없이 편향된 의사 결정을 식별하고 싸우는 새로운 방법을 제공 할 것이라고 동의했다.
몇몇 패널리스트는“건강은 단순한 의료 이상의 것입니다. 연사들은 연구자들이 포괄적 인 데이터를 수집하고 연구를 위해 참가자를 모집 할 때 사회 경제적 지위, 우편 번호, 교육 수준 및 인종 및 민족과 같은 건강의 사회적 결정 요인을 간과한다고 강조했다. 하버드 대학교의 역학 교수이자 스탠포드 대학교 의과 대학의 역학 및 인구 건강 부교수 인 Michelle Williams는“AI는 모델이 교육을받는 데이터만큼 효과적입니다. “우리가 노력하는 일을한다면. 건강 결과를 향상시키고 불평등을 제거하려면 인간 행동과 사회적 및 자연 환경에 대한 고품질 데이터를 수집해야합니다.”
소아과 의학의 임상 교수 인 Natalie Pageler, MD는 집계 된 암 데이터가 종종 임산부의 데이터를 제외하여 모델에서 피할 수없는 편견을 만들고 건강 관리의 기존 불일치를 악화 시킨다고 말했다.
소아과 및 의학 교수 인 David Magnus 박사는 새로운 기술과 마찬가지로 인공 지능은 여러 가지면에서 상황을 개선하거나 악화시킬 수 있다고 말했습니다. Magnus는 인공 지능 시스템이 건강에 대한 사회적 결정 요인에 의해 주도되는 불평등 한 건강 결과에 대해 배우고 결과를 통해 그러한 결과를 강화할 것이라고 Magnus는 말했다. "인공 지능은 우리가 살고있는 사회를 반영하는 거울"이라고 그는 말했다. "나는 우리가 문제에 빛을 비출 수있는 기회가있을 때마다, 우리 자신에게 거울을 잡을 수있게되기를 바랍니다. 상황을 개선하기위한 동기가 될 것입니다."
Raise Health Workshop에 참석할 수 없다면 세션의 녹음을 여기에서 찾을 수 있습니다.
Stanford University School of Medicine은 Stanford University School of Medicine과 성인 및 소아 건강 관리 전달 시스템으로 구성된 통합 학업 건강 관리 시스템입니다. 함께 그들은 공동 연구, 교육 및 임상 환자 치료를 통해 생체 의학의 잠재력을 최대한 발휘합니다. 자세한 내용은 Med.stanford.edu를 방문하십시오.
새로운 인공 지능 모델은 Stanford Hospital의 의사와 간호사가 환자 치료를 개선하기 위해 함께 일하는 데 도움이됩니다.
후 시간 : 19-2024 년 7 월 19 일