Der Medizin eine Dosis AI geben

Konzeptionelles Bild von medizinischen Scans und künstlicher Intelligenz Jamie Jones

Künstliche Intelligenz gilt seit Jahren als das nächste große Ding in der Medizin. Jetzt treten einige MIT-Professoren, Studenten und Alumni an, um sicherzustellen, dass dies wirklich der Fall sein wird.

Durch das Abdul Latif Jameel Klinik für maschinelles Lernen im Gesundheitswesen , oder J-Clinic, angekündigt im vergangenen Herbst, werden Forscher aus dem gesamten MIT Projekte verfolgen, die darauf abzielen, neuartige maschinelle Lernmethoden zu entwickeln, um die klinische Versorgung zu verbessern, neue Medikamente zu entwickeln und die Gesundheitskosten zu senken. Die Initiative wird KI auf ein breites Spektrum von Krankheiten anwenden und baut auf laufender MIT-Forschung auf, darunter Arbeiten zur Arzneimittelentdeckung und frühen Fortschritten in der Krebsdiagnostik von Regina Barzilay, Professorin für Delta-Elektronik am Institut für Elektrotechnik und Informatik.

Laut Barzilay ist es an der Zeit, dass künstliche Intelligenz zu einem Standardbestandteil der Krebsbehandlung wird. In jedem einzelnen Krebszentrum in den USA, sei es eine Gemeindeklinik oder das führende Krebszentrum des Landes, besteht ein ernsthafter Bedarf, KI einzuführen, sagt Barzilay, Mitglied sowohl des CSAIL als auch des Koch Institute for Integrative Cancer Research des MIT. Nach ihr Brustkrebs mehrere Jahre lang übersehen wurde, begann sie, Bildverarbeitungsalgorithmen zur Analyse von Mammogrammen einzusetzen. Die Idee ist, über das hinauszugehen, was Menschen in einem Scan sehen können, um frühe Veränderungen im Gewebe zu erkennen, die den Weg zu Krebs markieren.

Jamie Jones

Institutsprofessor und Nobelpreisträger Phillip Sharp, Vorsitzender des Beirats der J-Clinic, sagt, dass künstliche Intelligenz und Deep Learning zweifellos die medizinische Versorgung verändern können – und müssen. Sharp sagt, dass KI die Lebensqualität und Lebensdauer der Patienten verbessern kann, indem sie zu früheren Diagnosen beiträgt. Insbesondere glaubt er, dass es die Radiologie verändern, molekulare und genetische Daten sinnvoll machen kann, um zwischen bösartigen und harmlosen Zellen zu unterscheiden, und Muster in medizinischen Daten erkennen kann, die vor bevorstehenden Problemen warnen können. Er glaubt auch, dass es die Kosteneffizienz der medizinischen Versorgung verbessern kann, indem Krankheiten früher diagnostiziert werden, wenn die Behandlung kostengünstiger und effektiver ist. Wir müssen die Gesundheitsversorgung effizienter gestalten, sagt er.

Durch die J-Clinic, sagt er, wird das MIT eine entscheidende Rolle bei der Entwicklung dieser Technologien und der Schulung ihrer Benutzer spielen, so wie es das MIT in der Molekularbiologie, Zellbiologie, Genetik und Biotechnologie getan hat. Barzilay und James Collins, der Termeer-Professor für Medizintechnik und Naturwissenschaften, fungieren als Fakultätsleiter für J-Clinic, eine wichtige Gemeinschaftsinitiative zwischen MIT und Community Jameel, der von Mohammed Abdul Latif Jameel '78 gegründeten und geleiteten Organisation für soziale Unternehmen .

Maschinelles Lernen hält Einzug ins Gesundheitswesen

Die Anwendung von KI im Gesundheitswesen hat länger gedauert als in den meisten anderen Branchen, weil so viel auf dem Spiel steht. Wenn Amazon einen neuen Algorithmus ausprobiert, der nicht funktioniert, geht dem Unternehmen möglicherweise etwas Geld aus. In der Medizin können Menschen sterben. Aus diesem Grund gaben 2017 nur 5 % der US-Krankenhäuser an, irgendeine Form von künstlicher Intelligenz einzusetzen. Aber die Dinge beginnen sich endlich zu ändern. Große Krankenhäuser und Pharmaunternehmen berufen sich jetzt auf KI, wenn sie über ihre Zukunft sprechen. Konferenzen werden häufig besucht und medizinische KI-Startups werden immer häufiger. Computer können jetzt sehen und lesen – nicht so gut wie Menschen, aber sie kommen ans Ziel, sagt Michael Hayes, SM ’96, der 2018 das gemeinnützige Startup CancerAI gründete, um Tools für künstliche Intelligenz auf den Markt zu bringen.

Die heutige künstliche Intelligenz basiert auf Algorithmen, die riesige Datensätze parsen. Das sogenannte Deep Learning, das in den letzten zehn Jahren große Fortschritte gemacht hat, erlaubt Forschern, Rückschlüsse aus riesigen Datenmengen zu ziehen. Technologien zur visuellen und natürlichen Sprachverarbeitung haben sich ebenfalls dramatisch verbessert. Und die Datenspeicherung ist erheblich billiger geworden.

Vor zehn Jahren gab es noch nicht die Menge an elektronischen Krankenakten, die es heute gibt, sagt Hayes. Und selbst wenn es sie gäbe, wir hatten keine Algorithmen, die Arztbriefe sehr gut verstehen konnten, und wir hatten keine Computer, die billig genug waren. Die Szene sieht jetzt an all diesen Fronten ganz anders aus. Was vor 10 Jahren ein Supercomputer gewesen wäre, der 1 Million Dollar gekostet hätte – dieses Rechenniveau kann heute für ein paar tausend Dollar gekauft werden, sagt er. Das hat das Spiel stark verändert.

Von links: Regina Barzilay und James Collins, stellvertretende Leiter der J-Clinic-Fakultät, sowie der Vorsitzende des J-Clinic-Beirats und Institutsprofessor Phillip Sharp.

Seit ihrer Gründung im vergangenen Herbst hat die J-Clinic, die Teil des MIT Quest for Intelligence ist und von der Dekanin der School of Engineering, Anantha Chandrakasan, geleitet wird, innerhalb des MIT eine Ausschreibung veröffentlicht. Bisher haben Professoren und Studenten 43 Forschungsprojekte vorgeschlagen, die diese Fortschritte zum Wohle der Patienten nutzen würden. Die Verbesserung der Diagnose, die Ausrichtung von Behandlungen auf einzelne Patienten und das Verständnis des Krankheitsverlaufs sind alles Vorhersageprobleme, sagt Barzilay. Und Vorhersage ist der Bereich, in dem sich KI auszeichnet.

Ein Problem war jedoch, dass die Anpassung von maschinellen Lernalgorithmen für klinische Umgebungen das Training mit riesigen Mengen manuell kommentierter Daten erfordert, wie sie es beschreibt. J-Clinic-Forscher planen die Entwicklung von Algorithmen, die nicht so abhängig von handbeschrifteten Daten sind – und die Daten aus verwandten Domänen verwenden können, um Lücken im Zielbereich zu schließen. Anstatt überwachte Lernsysteme für jedes einzelne Krankenhaussystem und für jede Krankheit zu trainieren, entwickeln wir Algorithmen, die leicht an neue Umgebungen und verschiedene Krankheiten angepasst werden können, erklärt Barzilay.

Der Schutz der Privatsphäre der Patienten und die Sicherstellung, dass die Daten die Vielfalt der Bevölkerung widerspiegeln, sind ebenfalls wichtige Ziele der J-Clinic. Forscher entwickeln Algorithmen, die Berechnungen mit verschlüsselten Daten durchführen können, sodass Patienten keine Angst haben müssen, dass intime Gesundheitsinformationen offengelegt werden. Und J-Clinic baut ein großes, internationales Netzwerk auf, das alles von ländlichen Kliniken bis hin zu großen städtischen akademischen Krankenhäusern umfasst, um die von ihnen entwickelten Algorithmen zu implementieren und zu testen. Die Hoffnung ist, dass ihre Arbeit dadurch viel verallgemeinerbarer wird als andere bisher veröffentlichte Gesundheitsalgorithmen, von denen die meisten auf Daten eines einzelnen Krankenhauses trainiert werden.

Was vor 10 Jahren ein Supercomputer gewesen wäre, der 1 Million Dollar gekostet hätte, kann heute für ein paar tausend Dollar erworben werden. Das hat das Spiel stark verändert.

Anwendung von KI in der Mammographie

Die bereits laufenden Arbeiten im Labor von Barzilay, Gewinner des MacArthur Genius Stipendiums 2017 und führend auf dem Gebiet der KI, bieten einen Einblick in das Potenzial, das J-Clinic und Startups wie CancerAI zur Erschließung beitragen können. Ein Bereich ihrer Forschung ist der Einsatz von maschinellem Lernen zur Beschleunigung der Arzneimittelentdeckung. Diese Arbeit hilft Entwicklern, sich auf Moleküle mit vielversprechenden Eigenschaften zur Bekämpfung von Krebs und einer Vielzahl anderer Krankheiten zu konzentrieren. (Siehe AI ​​is reinventing the way we invent , MIT Technology Review, März/April 2019.) Auf dem Gebiet der Krebsdiagnostik ist sie auch eine der ersten KI-Forscherinnen, die ein Werkzeug entwickelt hat, das Menschen tatsächlich hilft.

In einem Papier letztes Jahr in Radiology veröffentlicht, verwendeten sie und ihre Kollegen, darunter Forscher des Massachusetts General Hospital, KI, um eine Methode zur Beurteilung der Dichte von Brustgewebe zu entwickeln. Heute Mammographie Fräulein etwa 15 % der Brusttumore – und laut mehreren Studien übersehen sie mehr als die Hälfte, wenn das Brustgewebe dicht ist, wodurch Tumore schwerer zu sehen sind. Mehr als 40 % der amerikanischen Frauen haben dichtes Brustgewebe, was sie auch einem höheren Brustkrebsrisiko aussetzt.

Jamie Jones

Barzilay und ihre Kollegen verwendeten mehr als 41.000 digitale Mammographien, die von Experten ausgewertet und klassifiziert wurden, um einen Deep-Learning-Algorithmus zur Beurteilung der Dichte zu trainieren, damit Frauen identifiziert werden können, die möglicherweise ein zusätzliches Screening benötigen. In einer sechsmonatigen Studie mit über 10.000 Mammographien stimmte das Modell in 94 % der Fälle mit den Radiologen von Mass. General überein, was es zum ersten Mal machte, dass diese Art von Deep Learning erfolgreich in einem klinischen Umfeld eingesetzt wurde. Barzilay und ihre Mitarbeiter hoffen nun, ihr System auf andere Krankenhäuser auszuweiten.

Barzilay nutzt KI auch, um die frühesten Veränderungen auf dem Weg zu Brustkrebs zu erkennen – Veränderungen, die ein Pathologe nicht sehen kann. Krebs wächst nicht von heute auf morgen. Es ist eigentlich ein sehr langer Prozess, der viele Gewebeveränderungen mit sich bringt, sagte sie dem Publikum auf der Hello World, Hello MIT-Konferenz, bei der im Februar der Start des MIT Schwarzman College of Computing gefeiert wurde. Sie zeigte zwei Mammogramme, eines von einer Frau, die zwei Jahre nach dem Scan an Brustkrebs erkrankt war. Die logische Frage ist: Können Sie die Maschine nehmen und sie mit den Bildern trainieren, wenn wir das Ergebnis in zwei oder fünf Jahren kennen, um zu sagen, was noch kommen wird? Wie sich herausstellte, sagte sie, war die Maschine in der Lage, diese Aufgabe ziemlich gut zu erledigen. Barzilay, ihr Doktorand Adam Yala '16, MEng '17, und Constance Lehman, Leiterin der Brustbildgebung bei Mass. General, entwickelten ein Modell, das Merkmale identifiziert, die häufig dem Auftreten von Krebs vorausgehen – und wenn diese Merkmale in einer Mammographie auftauchen, Der Patient kann markiert werden.

Ende Februar begannen die Ärzte des Mass. General damit, dieses Risikomodell zu testen. Eine Frau, deren Mammographie sie zu den riskantesten 20 % einordnet, hat laut Barzilay eine sehr nicht triviale Chance, an Brustkrebs zu erkranken. Jetzt arbeiten die Ärzte von Mass. General daran, herauszufinden, wie sie diese Informationen nutzen können, um ihre Chancen zu ändern.

Das Versprechen und die Gefahren der KI im Gesundheitswesen

Diese Vision für künstliche Intelligenz ist weit entfernt von der derzeitigen Nutzung digitaler Technologie in Arztpraxen, die sich hauptsächlich auf elektronische Patientenakten beschränkt, die ihr Potenzial noch ausschöpfen müssen. Solche Systeme können Ärzte ausbrennen und sie dazu zwingen, so viele Stunden mit der Eingabe von Daten zu verbringen, dass sie mehr Zeit mit ihren Computerbildschirmen verbringen als mit ihren Patienten.

Michael Hayes CancerAI

Kommerzialisierung von KI ohne Profitmotiv

• Nonprofit entwickelt KI-Tools zur Krebsbekämpfung.

  
  Im Jahr 2017 suchte der Serienunternehmer Michael Hayes, SM ’96, nach einer neuen Geschäftsmöglichkeit, als er bereit war, von seinem neuesten Unternehmen, einem KI-Softwareunternehmen, wegzuziehen. Als Überlebender von Kehlkopfkrebs entschied er, dass das maschinelle Lernen ausgereift genug war, um es zu rechtfertigen, sein neues Unternehmen auf den Einsatz von KI zur Krebsbekämpfung zu konzentrieren.
  
  Aber nachdem er seine Sorgfaltspflicht erfüllt hatte, erkannte er, dass er missionsorientierte Mitarbeiter anziehen und einen besseren Zugang zu medizinischen Daten erhalten konnte, indem er sein Unternehmen CancerAI als gemeinnützige Organisation gründete. Diese Entscheidung zahlte sich auf unerwartete Weise aus und brachte ihm kostenlose Büroräume von WeWork, Angebote für legale Pro-Bono-Arbeit und Programmierer, die sich freiwillig umsonst zur Arbeit meldeten.
  
  Ich hatte erwartet, großartige Leute einstellen zu können, aber ich hatte nicht erwartet, dass Leute von außen sagen würden: „Ich wäre bereit, nachts und am Wochenende ehrenamtlich zu arbeiten, weil ich helfen möchte“, sagt Hayes, der einen Master in Umwelttechnik hat vom MIT und einen Master in Wirtschaft und Politik von Tufts. Ich garantiere Ihnen, dass dies in gewinnorientierten Unternehmen nicht passiert.
  
  Hayes, Vorstandsvorsitzender von CancerAI, sagt, dass das Unternehmen die Forschung von Regina Barzilay als eine seiner Grundlagen nutzt, sich aber nicht für sein erstes Produkt entschieden hat. (Barzilay fungiert auch als einer der Berater von CancerAI.) Das Unternehmen will im Bereich der Diagnostik beginnen, vielleicht durch die Verwendung von Krankenaktendaten, um Personen zu kennzeichnen, deren Biometrie darauf hindeutet, dass sie ein hohes Risiko für bestimmte Krebsarten haben. Frühe Tests, die Krebserkrankungen finden, bevor sie sich ausgebreitet haben, seien möglicherweise der kürzeste Weg zur Verringerung der Sterblichkeit.

Aber auf der positiven Seite haben elektronische Aufzeichnungen es Krankenhäusern ermöglicht, riesige Mengen an Patientendaten zu sammeln, von denen KI-Forscher hoffen, dass sie sich letztendlich für Patienten, Pflegekräfte, Krankenhäuser und Versicherer auszahlen werden.

Während J-Clinic und Startups wie CancerAI beginnen, diese Daten zu nutzen, sagt Collins, der andere Co-Leiter der J-Clinic-Fakultät, dass J-Clinic nicht nur KI-Experten, medizinische Experten und Datensätze zusammenbringt, um die medizinische Forschung voranzutreiben, sondern auch helfen, diese Forschung in die klinische Umgebung zu übersetzen. Er sagt, dass es dies tun wird, indem es frühe Technologien zum Testen und Validieren in Krankenhäuser bringt und die Gründung von Unternehmen erleichtert, um sie zu kommerzialisieren. Er stellt sich auch vor, dass die J-Clinic eine öffentliche Diskussion über das, was er die Versprechen und Gefahren von KI und Gesundheitsversorgung nennt, anstoßen wird – und schwierige Fragen dazu stellt, wie die bestehende Versorgung verbessert, Kosten gesenkt, die Privatsphäre der Patienten geschützt und nützliche Daten auf ethische Weise erlangt werden können.

Obwohl technologische Innovationen normalerweise die medizinischen Kosten in die Höhe treiben, hofft er, dass künstliche Intelligenz eine Ausnahme sein wird, vielleicht durch die Maximierung der Bettennutzung, die Begrenzung der Zeit, die Ärzte für Verwaltungsaufgaben aufwenden, und die wirtschaftlichere Entwicklung von Medikamenten. Ich bin neugierig, wie KI bei der Effizienzsteigerung im Gesundheitswesen helfen kann – sei es bei der Bettennutzung, Terminplanung, Abrechnung –, um den Verwaltungsaufwand dort zu reduzieren, sagt Collins, dessen Frau Ärztin ist. Er ist der Meinung, dass der Verwaltungsaufwand elektronischer Krankenakten durch bessere Technologie umgekehrt werden könnte, was potenziell zu Einsparungen führen könnte.

In seinem eigenen Labor plant der Synthetische Biologe den Einsatz von KI-Plattformen, um unter anderem neue Klassen von Antibiotika und Krebsmedikamenten besser zu identifizieren. Ich bin gespannt, wie KI breiter als nützlicher Assistent im Kontext der Forschung und möglicherweise im Kontext der Medizin eingesetzt werden kann, sagt er.

verbergen