Докторантът на CDS Лавендър Джианг обсъжда ограниченията и възможностите на инструментите за поддръжка на AI за доставчиците на здравни услуги
Тъй като ролята на изкуствения интелект (AI) в здравните заведения нараства, нова компютърна програма се използва в болниците Langone Health на NYU, за да предскаже шансовете изписан пациент да бъде повторно приет в рамките на един месец. NYUTron, големият езиков модел (LLM), може да чете бележките на лекарите и да оценява риска от смърт на пациентите, продължителността на болничния престой и други здравни фактори.
Значително предизвикателство при включването на компютърни програми в здравните заведения е обработката на информация. Лекарите често пишат на индивидуализиран език и реорганизацията на данните, необходима за събиране на информацията в чисти таблици, отнема много време. NYUTron и други LLM са успешни в способността си да „учат“ от текст, без да изискват специфично форматиране.
Проектиран от изследователи от Медицинския факултет Гросман на Нюйоркския университет, NYUTron се обучава върху текст от електронни здравни досиета. Резултатите от проучването „Езиковите модели на здравната система са универсални машини за прогнозиране““, публикувани в списание Nature, показват, че програмата за изкуствен интелект може да предвиди 80% от повторно приетите, приблизително 5% по-добре от стандартния, не-LLM компютърен модел .
За да научите повече за това как е разработен NYUTron заедно с ограниченията и възможностите на инструментите за поддръжка на AI за доставчиците на здравни услуги, CDS разговаря с Lavender Jiang, докторант в Центъра за наука за данни на NYU и водещ автор на изследването. Като медицински сътрудник в NYU Langone Health, работата на Lavender изследва клинични прогнози, използвайки обработка на естествен език. Прочетете нашите въпроси и отговори с Lavender по-долу!
Бихте ли разказали как се включихте в това изследване и как беше разработена идеята за NYUTron?
За първи път чух за изследователската идея в процеса на интервю за докторантура, когато срещнах асистент професор в Langone(и свързан с CDS професор) Ерик Оерман, моят настоящ съветник. Идеята започна да се промъква, когато Ерик създаваше инструменти за машинно обучение за откриване на клинична депресия от ЕЕГ сигнали в Google Brain. Той видя ограничението на извършването на клинични изследвания в голяма технологична компания поради липса на качествени данни в резултат на проблеми с поверителността и ограничени възможности за внедряване. Той също така видя, че много публикувани документи за здравето на изкуствения интелект не са използвани на практика поради ограничено разглеждане на сценария за внедряване. Когато Ерик стана неврохирург, идеята беше напълно формулирана, когато обмисли полезността да има асистент с изкуствен интелект, който да може да чете заедно с него и да се включва със съвети.
Напредъкът в НЛП (трансформатори) и данните за качеството в електронното здравно досие на Langone (EHR) го мотивираха да си представи NYUTron: модел на BERT, предварително обучен на базата на десетгодишни бележки от EHR, фино настроен върху набор от задачи за болнични операции , и се внедрява в болнична среда, за да се оцени потенциалното му въздействие.
Реших да се присъединя към проекта NYUTron, защото обичам да проучвам инструменти, които потенциално биха могли да се използват на практика и да са от полза на хората. И двамата ми баба и дядо са страдали много в болниците, преди да починат, така че съм мотивиран да помагам на пациенти като моите баба и дядо да получават по-добри грижи.
Ресурсите, с които NYU разполага, са уникални и ценни. Имахме достъп до големи количества данни за пациенти и силна подкрепа от различни хора (болнични администратори, лекари, мениджъри на данни, инженери на данни, мениджъри на клъстери, специалисти по данни, компютърни учени, изследователи на NLP, NVIDIA и др.). Разработването на NYUTron е резултат от упорита работа на голям екип и аз наистина оценявам подкрепата на всички!
Кои елементи от този изследователски процес намерихте за най-ангажиращи?
За мен стана ясно колко много сътрудничество е необходимо за интердисциплинарни изследвания! Намерих за увлекателно да уча от различни дисциплини като медицина и управление на болница.
NYUTron работи като помощен инструмент за доставчиците на здравни услуги. Какви са някои от опасенията или ограниченията на включването на AI технология в болничните настройки?
Няколко неща идват на ум, като първото е справедливостта. Възможно е AI технологиите да имат пристрастия към малцинствените групи. Трябва да се направят повече изследвания, за да се оценят и намалят отклоненията. Лекарите също биха могли да разчитат твърде много на NYUTron за вземане на решения. Трябва да разработим протоколи и повече HCI (взаимодействие човек-компютър) изследвания, за да отговорим на безпокойството. И накрая, изследването и разработването на езикови модели разчита на тежки изчисления, които обикновено не са достъпни за изследователски групи в по-малки болници.
При разглеждането на инструменти като NYUTron, какви са начините, по които големите езикови модели (LLM) могат да помогнат на лекарите при грижите за пациентите?
NYUTron потенциално би могъл да предупреди лекарите за високорискови случаи, които е можело да бъдат пропуснати. Може също така да прави изводи в реално време, например: включване със съвети, докато лекарят приключва подписването на клинична бележка. В бъдеще е възможно клиничните езикови модели да обобщават медицинската история, да търсят подобни случаи и да таксуват застраховки на пациенти.
Има ли области за по-нататъшно изследване, към които този проект ви отвори?
Чрез тази работа започнах да се интересувам да науча повече за ИИ за разговори, тълкуемостта, поверителността и справедливостта и причинно-следствената връзка.
От Мерил Феър
