Pacjent cierpi na ból brzucha i objawy w nietypowych lokalizacjach, co utrudnia diagnozę. Wnikliwe badanie ujawnia przyczynę: niezwykłą formę zapalenia wyrostka robaczkowego. Jednak kredyt nie należy się radiologowi. Zamiast tego maszyna do tworzenia obrazów zbudowana w technologii sztucznej inteligencji, która może czerpać z wiedzy o dziesiątkach milionów podobnych skanów, rozpoznaje anomalię i dokonuje diagnozy.
Ten scenariusz nie jest już science fiction. Naciskany w celu zmniejszenia kosztów i zwiększenia wydajności, producenci sprzętu medycznego i firmy technologiczne coraz częściej inwestują w sztuczną inteligencję. Istnieje już kilka takich systemów, a wzrost może przyspieszyć w ciągu najbliższych kilku lat, szczególnie w dziedzinie obrazów diagnostycznych.
„W oparciu o naszą analizę zdolności AI, a także dyskusje z kadrą kierowniczą i ekspertami branżowymi, widzimy wiele aplikacji w całym spektrum opieki zdrowotnej, od profilaktyki po diagnostykę, aby kontynuować”, mówi Michael Jungling, szef działu Badania Morgana Stanleya Zespół technologii i usług medycznych.
W ostatnim raporcie Jungling i jego koledzy stwierdzili, że choć przeszkody w rozwoju i wdrażaniu sztucznej inteligencji MedTech stały przed nami - w tym pytania dotyczące przepisów i prywatności danych pacjentów - udane wdrożenie sztucznej inteligencji w terenie mogłoby zwiększyć wydajność, obniżyć koszty leczenia i stymulować wzrost w całym łańcuchu wartości opieki zdrowotnej.
Morgan Stanley szacuje, że globalny rynek sztucznej inteligencji w służbie zdrowia może wzrosnąć z 1.3 miliardów dolarów dzisiaj do 10 miliardów dolarów w stosunku do 2024, rosnąc według rocznej stopy procentowej 40%. Dla inwestorów duże firmy MedTech i dostawcy sprzętu, a także dostawcy technologii AI i nowe zakłócające start-upy mogą oferować możliwości.
AI, Machine Learning i MedTech
AI ma naśladować ludzkie procesy poznawcze, takie jak uczenie się i rozumowanie za pomocą algorytmów i dużych zestawów danych. Najpopularniejszą metodą jest uczenie maszynowe, w którym model jest szkolony na zbiorze danych - takim jak skanowanie jelit milionów pacjentów - w celu niezależnej analizy i kategoryzacji nowych zbiorów danych. Im bardziej złożona i większa objętość danych, tym bardziej ulepszona jest zdolność rozumowania poznawczego modelu.
Medyczna sztuczna inteligencja ma ogromny potencjał, od zarządzania dializami, przez optymalizację dawkowania pacjentów, po wczesne wykrywanie choroby. Jednak wiele zależy od mocy i konstrukcji samej sztucznej inteligencji. „Ramy czasowe przyjęcia technologii MedTech obsługującej sztuczną inteligencję będą prawdopodobnie określane przez namacalne korzyści ekonomiczne wynikające z produktu oraz łatwość użytkowania i integracji z istniejącymi przepływami pracy” - mówi Jungling.
Wciąż jesteśmy na wczesnym etapie. Przy stosunkowo skromnych wdrożeniach sztucznej inteligencji, takich jak inteligencja wspomagająca, która pomaga ograniczyć ręczne procesy i proste, ale powtarzalne zadania, takie jak planowanie spotkań, pozostawiając wykwalifikowanemu personelowi medycznemu więcej czasu na prace specjalistyczne i generujące dochód.
Bardziej zaawansowane formy sztucznej inteligencji mogą pomóc lekarzom w podejmowaniu decyzji poprzez ocenę obrazów diagnostycznych i tworzenie planów leczenia. Ta forma sztucznej inteligencji, znana jako nienadzorowane uczenie się maszynowe, może oceniać nieprzetworzone dane nieustrukturyzowane i wyszukiwać wzorce. „Taka funkcjonalność może doprowadzić do radykalnej poprawy produktywności, szczególnie w warunkach klinicznych, gdzie podaż wysoko wykwalifikowanych specjalistów jest ograniczona” - mówi Jungling.
AI może w końcu wykonywać zadania takie jak diagnostyka bez udziału użytkownika, ale takie scenariusze pozostają daleko w tyle.