Машинное обучение и квантовые вычисления могут изменить здравоохранение

Прочитано: 44 раз(а)


Пневмония, инфекция легких, вызывающая затруднение дыхания, чаще всего диагностируется с помощью рентгенографии грудной клетки. Обычно рентгеновские снимки грудной клетки читаются рентгенологами, но нехватка рабочей силы означает, что в будущем может быть сложнее своевременно поставить диагноз.

Кроме того, важна ранняя и точная диагностика пневмонии, поскольку, по данным Всемирной организации здравоохранения, на нее приходится около 15% смертей детей в возрасте до 5 лет.

Именно здесь на помощь приходит машинное обучение , говорит Шридхар Тайюр, заслуженный руководитель исследований Ford и профессор операционного менеджмента в Школе бизнеса Теппера Университета Карнеги-Меллона.

«Машинное обучение используется для прогнозирования, а в здравоохранении мы хотим предсказать, есть ли у кого-то болезнь или нет», — сказал он. «Если вы приведете достаточно примеров изображений с пневмонией и без пневмонии , поскольку есть два случая, это называется бинарной классификацией».

Таюр и группа исследователей изучили метод, называемый машиной опорных векторов, для классификации с использованием квантовых вычислений, а затем сравнили его с другими методами в статье, опубликованной в журнале Frontiers in Computer Science.

«Мы показали, что она довольно конкурентоспособна», — сказал он. «Это делает меньше ошибок и занимает меньше времени».

Как квантовые вычисления можно применить в здравоохранении?

Таюр основал группу квантовых технологий в CMU, чтобы лучше понимать и применять методы квантовых вычислений в таких отраслях, как здравоохранение.

«Люди всегда ищут более эффективные способы решения проблем, а также новые методы и технологии для их решения», — сказал он.

В середине 20-го века ученые, которые возглавили первую квантовую революцию, изменили мир с помощью таких инноваций, как транзистор, лазер и атомные часы. Хотя аппаратное обеспечение для вычислений с использованием кубитов все еще находится в разработке, симуляторы способны решать проблемы реалистичного размера с помощью специально адаптированных алгоритмов, поэтому этот подход известен как квантовые вычисления.

«Предполагая, что будут разработаны кубитные устройства большего размера и с меньшими ошибками, мы сможем смоделировать их на обычном компьютере прямо сейчас», — сказал Таюр.

С какими проблемами сталкивается здравоохранение при внедрении ИИ?

Однако эти технологии по-прежнему находятся на переднем крае применения искусственного интеллекта в здравоохранении.

Чтобы добиться этого, перед отраслью стоят четыре задачи, как описал Тайюр в исследовании вместе с Тинглонгом Даем из бизнес-школы Джонса Хопкинса Кэри: участие врачей, прием пациентов, инвестиции поставщиков и поддержка плательщиков.

Для достижения этих целей любой ИИ, применяемый в системах здравоохранения, должен учитывать, как врачи будут интегрировать его в свою практику, а затем анализировать, как пациенты воспринимают роль ИИ в оказании медицинской помощи.

«Мы написали эту статью в 2022 году, но ситуация не сильно изменилась. Речь идет не только о создании лучшей мышеловки, но и о том, чтобы заставить людей использовать эту мышеловку», — сказал он, ссылаясь на давнюю бизнес-идею о том, что успех приходит от просто разрабатывая лучший продукт.

Во-первых, в качестве примера Таюр объяснил, что более 500 медицинских устройств искусственного интеллекта были одобрены FDA, но широкое внедрение этих технологий все еще только начинается, отчасти из-за состояния отрасли здравоохранения и наличия финансовых стимулов.

«Иметь хороший продукт необходимо, но этого недостаточно», — сказал он. «Вам все еще нужно выяснить, как люди будут его использовать и кто будет за это платить».

Во-вторых, важным фактором в здравоохранении является ответственность. Когда дело доходит до устройств, компания может поощрять врачей использовать их, но что произойдет, если устройство поставит ошибочный диагноз или врач неверно интерпретирует данные с устройства?

«В статье мы в основном говорим о том, что вам необходимо определить экономическое обоснование, как риск, так и вознаграждение, а также обучение и первоначальные инвестиции во внедрение технологии», — сказал он.

По словам Тайюра, в применении элементов искусственного интеллекта и квантовых вычислений в здравоохранении, хотя и достигнут некоторый прогресс, предстоит пройти еще долгий путь.

«Часто случается так, что большая часть ИИ в здравоохранении создается учеными и врачами-исследователями», — сказал он. «Что им нужно, так это деловой человек, который меньше очарован мышеловкой и более чувствителен к терпеливому пути и коммерческой жизнеспособности».

Машинное обучение и квантовые вычисления могут изменить здравоохранение



Новости партнеров