AI kan lindre Kinas legemangel

Med tillatelse fra PereDoc

En nylig dag på et sykehus i det vestlige Beijing lastet en kreftradiolog ved navn Chongchong Wu en mistenkelig lungeskanning inn i et dataprogram som lignet Photoshop. Et nevralt nettverk trent på tusenvis av eksempelskanninger fremhevet knuter i røde firkanter, som hun undersøkte nøye. Hun korrigerte to falske positive der nettverket feilaktig identifiserte blodårer som potensielle maligniteter. Men hun fant også en knute som hun tidligere hadde oversett, noe som kanskje indikerer et tidlig tegn på sykdom.

Kina tar fatt på et stort initiativ for å legge AI til helsevesenet med verktøy som dette. På noen måter speiler trenden det som skjer i USA og Europa. I Kina er imidlertid restriksjoner på bruk av data og nye teknologier løsere, og behovet for automatisering er mer uttalt. Det er 1,5 leger for hver 1000 mennesker i Kina, sammenlignet med 2,5 i USA.

Kina beveger seg raskt. Rundt 131 selskaper jobber for tiden med å bruke AI i landets helsesektor, ifølge Yiou Intelligence, et Beijing-basert konsulentselskap. Fra neste måned vil et sykehus i Beijing kjøre alle sine lungeskanninger forbi en AI-algoritme for å fremskynde screeningsprosessen.

Den kinesiske regjeringen har bedt om slik teknologi for å hjelpe med datastyrt medisinsk diagnose som en del av den første fasen av sin store plan for å omfavne AI innen 2020 (se Kinas AI Awakening). I en rapport publisert i februar spådde IDC at Kinas marked for AI-helsetjenester vil nå 5,9 milliarder yuan (930 millioner dollar) i 2022. Dette markedet er også målrettet av Kinas store teknologiselskaper. Både Alibaba og Tencent har forskningsenheter dedikert til å utvikle AI-diagnoseverktøy.

Måten folk oppfatter AI i Kina kan gjøre det lettere for teknologien å blomstre innen medisin. I Vesten har fremskritt innen AI ført til debatter om tap av jobber, men de fleste kinesiske leger virker opptatt av å automatisere bort det mest repeterende arbeidet sitt.

Å bruke AI i medisin kommer imidlertid med utfordringer. Diagnoseverktøyene kan komme til sine konklusjoner ved hjelp av kompliserte matematiske prosesser som trosser forklaring. Så langt er det liten debatt i Kina om hvem som vil være ansvarlig for feil når medisinske diagnoser outsources til disse algoritmene.

I fjor inkorporerte China Food and Drug Administration AI-diagnoseverktøy i sin liste over tillatt medisinsk utstyr, men selskaper må søke om akkreditering for hvert produkt før de fastsetter en pris.

AI-programvaren Wu brukte, utviklet av en Beijing-basert oppstart kalt PereDoc, har blitt installert på mer enn 20 sykehus i Kina. PereDoc har samlet et nettverk av mer enn 180 sykehus som fungerer som forskningssamarbeidspartnere.

Å lage algoritmer som kan behandle medisinske bilder, for eksempel CT-skanninger og røntgenbilder, er et spesielt varmt felt for Kinas startups. En grunn er at bildeklassifisering spiller på styrken til de nyeste dyplæringsalgoritmene.

Men AI blir også brukt på andre områder. Peijun Lv, en proteselege i Beijing, samarbeider med Tsinghua University for å utvikle et AI-program som kan designe proteser. En prototypealgoritme ble trent ved å bruke regler for protesedesign, hentet fra lærebøker, og 30 000 ekte tilfeller merket av leger. Det kan gjenskape ekspertisen til erfarne leger, sier Lv. Han planlegger å kjøre kliniske utprøvinger av algoritmen senere i år.

Relatert historie

Relatert historie Vesten bør ikke frykte Kinas revolusjon med kunstig intelligens. Den bør kopiere den.

Og Peng Liu, en lymfomlege i Beijing, jobber sammen med forskere ved Tsinghua for å utvikle en maskinlæringsalgoritme som kan bruke ultralyddata til å oppdage blodpropp forårsaket av lymfombehandling. Hvis det fanges tidlig, ofte via en ultralydsskanning av pasientens årer, kan blodpropp lett behandles. Men sykehus har ofte ikke nok ressurser til å screene hver pasient med mindre det er spesifikke symptomer.

Andre forskere i Kina takler generell medisinsk kunnskap. iFlytek og Tsinghua University skapte i fellesskap et AI-system som scoret høyere enn over 96 prosent av menneskelige deltakere i fjorårets kinesiske medisinske lisenseksamen. Vanskeligheten med å lage et system som dette er ikke å inkludere bredden av eksisterende medisinsk kunnskap, men å lære maskiner å forstå de intrikate sammenhengene mellom ulike fakta og bruke disse funnene til å resonnere og ta avgjørelser.

I kjernen er dette et naturlig språkbehandlingssystem som er spesielt dyktig til å håndtere medisinske spørsmål. Måten den når en konklusjon på et flervalgsspørsmål på er helt forskjellig fra måten et menneske velger det beste svaret på. Algoritmen ser etter bevis som trengs for å svare på et bestemt spørsmål ved å beregne statistiske likheter mellom ord representert matematisk.

En detaljert analyse av eksamensresultatene viser hvor maskiner ikke kan konkurrere med mennesker: sunn fornuft og etikk. Algoritmen skåret lavere enn landsgjennomsnittet på seksjonen som tester evnen til å utøve dømmekraft under stressende situasjoner som familiekonflikter.

Ji Wu, en førsteamanuensis ved Tsinghua University som ledet prosjektet, utforsker måter å bruke denne algoritmen til klinisk bruk. Men han innrømmer at det ikke kommer til å være så enkelt som å installere denne programvaren på hver leges datamaskin.

Leger som bruker de nye verktøyene kan imidlertid finne dem til stor hjelp. På Chongchong Wus sykehus i Beijing, for eksempel, ser poliklinikken rundt 10 000 mennesker hver dag, så hun har ikke nok tid til å lese hvert bilde så nøye som hun ønsker. Skanningsbehandlingsprogrammet, sier hun, kan avlaste byrden min.

gjemme seg