ИИ может выявлять закономерности в многолетних историях болезни — но не принимать решения
В клинике ИИ может быть полезен тем, что находит закономерности, которые занятая команда не успевает быстро выявить.
В опубликованном NVIDIA 13 ноября разборе случая рассказывается, как Cleveland Clinic использовала Synapsis AI от Dyania Health для поддержки исследования с участием более 7 800 пациентов, которым в период с 2005 по 2021 год провели замену аортального клапана. По данным NVIDIA, система проанализировала записи последующего наблюдения, включая эхокардиограммы, чтобы смоделировать ухудшение состояния клапана и риск повторного вмешательства через три, пять и десять лет. Она выявила клинические сигналы, которые можно было проследить до исходных медицинских записей; врачи изучили доказательства и приняли решения.
Это может помочь исследователям систематизировать большие массивы медицинских записей за длительный период, однако этот пример, опубликованный поставщиком системы, сам по себе не доказывает, что результаты лечения пациентов улучшились.
Мой вывод: в здравоохранении прослеживаемость доказательств и проверка человеком не менее важны, чем возможности модели. Где ИИ мог бы безопасно сократить время, затрачиваемое на поиск информации в медицинских записях?
Источник: блог NVIDIA, 13 ноября — https://blogs.nvidia.com/blog/how-ai-is-helping-care-teams/
#AI #Healthcare #Технологии
В клинике ИИ может быть полезен тем, что находит закономерности, которые занятая команда не успевает быстро выявить.
В опубликованном NVIDIA 13 ноября разборе случая рассказывается, как Cleveland Clinic использовала Synapsis AI от Dyania Health для поддержки исследования с участием более 7 800 пациентов, которым в период с 2005 по 2021 год провели замену аортального клапана. По данным NVIDIA, система проанализировала записи последующего наблюдения, включая эхокардиограммы, чтобы смоделировать ухудшение состояния клапана и риск повторного вмешательства через три, пять и десять лет. Она выявила клинические сигналы, которые можно было проследить до исходных медицинских записей; врачи изучили доказательства и приняли решения.
Это может помочь исследователям систематизировать большие массивы медицинских записей за длительный период, однако этот пример, опубликованный поставщиком системы, сам по себе не доказывает, что результаты лечения пациентов улучшились.
Мой вывод: в здравоохранении прослеживаемость доказательств и проверка человеком не менее важны, чем возможности модели. Где ИИ мог бы безопасно сократить время, затрачиваемое на поиск информации в медицинских записях?
Источник: блог NVIDIA, 13 ноября — https://blogs.nvidia.com/blog/how-ai-is-helping-care-teams/
#AI #Healthcare #Технологии