Die ganze Welt ist Medizinisches Wissen für Mediziner Fingerspitzen

Die ganze Welt ist Medizinisches Wissen für Mediziner Fingerspitzen

Wenn wir denken, dass ärzte in der Zukunft, sehen wir jemanden, der die weltweit medizinische Erfahrung und Kenntnisse auf seine oder Ihre Fingerspitzen. Dieses Bild hat sich gewebt, sich in unserem kulturellen Phantasien—Zeuge science-fiction-Charaktere, wie der „medizinische Notfall-Hologramm“ von Star Trek: Voyager. Ist es möglich, die Technologie der Zukunft wird dies erreichen? Wo stehen wir in unserer Entwicklung hin zu einem Zustand, wo das medizinische wissen kann synthetisiert werden präsentiert und Kliniker, so dass alle klinischen Entscheidungen aktuelle und fundierte, evidenzbasierte und best practices, die individualisiert ist, um den Patienten bei der hand, und sofort verfügbar ist?

Zugriff auf das Allgemeine wissen erweitert hat sich so dramatisch in den letzten 10 Jahren, die wir fast für selbstverständlich halten. Wir haben uns daran gewöhnt zu den Karten und turn-by-turn-Anweisungen überall in der Welt aus unsere smartphones. Wir können die Suche im Internet für alles und sofort abrufen, was wir suchen. Es hat sich verwoben in unsere kulturelle Gefüge. Wir sind gewohnt, in der Lage zu führen zuverlässige Suche über die gewöhnliche Sprache, ganze Sätze oder keywords—und das tun von unsere Telefone, unsere Computer, auch von zu Hause Geräte, die reagieren auf gesprochene Eingaben.

Google erweitert diese Fähigkeit, wenn es eingeführt wurde der Knowledge Graph seine Suchfunktionen in 2012. Mit dem Knowledge Graph semantische Suche gesammelten Informationen aus einer Vielzahl von Quellen ermöglicht eine strukturierte und detaillierte Informationen über das Thema, so dass der Benutzer sehen kann, alles relevante in einer einzigen Ansicht anzeigen, ohne die Navigation zu anderen Seiten, und montieren Sie die Informationen von hand.

In der Medizin, wir sind noch nicht da. Gesundheit bleiben die Daten fragmentiert in institution-centered silos. In den letzten Jahren bedeutende Fortschritte erzielt haben, darf die Weitergabe von Kopien einzelner Datensätze zwischen den Institutionen, aber das lässt immer noch die Daten fragmentiert. Wirtschaft und politische Hindernisse haben dazu geführt, in Institutionen, die sich gegen die Vermischung von klinischen Daten in den single-universal-patient-zentrierten Daten speichert. Es gibt kein Unternehmen die motivation, das zu tun, und es sind die rechtlichen und politischen Hürden zu überwinden.

 

Der Fluss Health Medical Knowledge Graph

Ähnlich wie Googles Knowledge Graph (die Eigentum von Google), die Flow-Health Medical Knowledge Graph entsteht aus der Verwendung von Machine Learning (ML) zu analysieren, große Mengen von klinischen Daten und Muster erkennen. ML kann gedacht werden als eine Sammlung von computer-algorithmen, die auf großen Datenmengen, und das Ergebnis der ML auf die großen Datensätzen ist die Künstliche Intelligenz (KI). So, mit diesen Bedingungen, AI ist das Ergebnis der ML-arbeiten an big data. Aber das ist nicht genug—es wäre wie eine Internet-recherche vor dem Knowledge Graph. Der Medizinische Knowledge Graph nimmt die Ergebnisse der AI-Ergebnisse und fasst Sie in einer Weise, dass die gewünschten Informationen schnell verfügbar sind, in einer einzigen Ansicht, kontextsensitiv und individualisiert, um den Patienten bei der hand.

Der Zustand der ML, insbesondere deep-learning-algorithmen, hat sich ziemlich erweitert. Was hat die Begrenzung war bisher die Verfügbarkeit (oder Nichtverfügbarkeit, tatsächlich) von großen Datenmengen, insbesondere Datensätze, organisiert in der modernen Möglichkeiten, sind offen für ML-Aktivität. Das ist das, was ist so bedeutsam über die neue Zusammenarbeit zwischen Flow-Health und dem Department of Veterans Affairs (VA). Es bringt die klinischen Daten in allen von der VA medizinischen Einrichtungen im ganzen Land und amasses, dass die Daten in einer modernen Art und Weise auf den Flow-Health-Plattform zur Verfügung gestellt ML. Um eine Vorstellung von der Größe der VA ist das Land der größte integrierte Gesundheits-delivery-system, und in zusammengefasster, kümmert sich um fast 9 Millionen Veteranen und enthält Datensätze von 22 Millionen Veteranen über eine 20-jährige Geschichte. Es beinhaltet die lab-Werte, imaging, DNA genomische Daten, die Verschreibung und Diagnose, Verlauf und klinische Anmerkungen. Insgesamt gibt es über 30 petabytes an Daten. Jenseits der strukturierten Daten, es gibt 4 Milliarden klinischen Hinweise, dass kann gekämmt werden mit der Verarbeitung Natürlicher Sprache und 4,5 Milliarden medizinische Bilder, die macht Tiefe lernen über Bilder.

Mit einem umfangreichen Daten-set wie dieses, leistungsfähige KI gebaut werden kann. Einblicke in die Krankheit erhielt, wie noch nie zuvor. Individualisierte Therapie-Empfehlungen, basierend auf einem tiefen wissen aus einem riesigen Vorrat von Daten, können Sie an der point of care.

 

Was bedeutet dies für die Praxis der Medizin?

Heißt das, dass medizinische Kliniker wird ersetzt durch AI-Roboter—das „medizinische Hologramm“ von science-fiction? Nein. Eine Google-Suche Informationen abruft, aber nicht eine Entscheidung treffen. Er informiert diejenigen, die das tun der Suche, es nicht zu ersetzen.

In der klinischen Medizin, wir tun viel die gleiche Sache, aber wir können nicht bewusst sein, es. Wir untersuchen Patienten und versuchen Sie, ein Muster von dem, was passiert ist, mit der Geschichte, Beobachtung, Untersuchung, Labor-und bildgebenden Befunde. Manchmal sind die Muster, die wir sehen, ist dicht mit Daten, manchmal ist es mehr begrenzt. Aber wir bekommen ein Gefühl dafür, was die Darstellung der situation ist. Und dann vergleichen wir das Muster ähnlich wie diejenigen, die sich aus unserem lernen und unserer Erfahrung. Wir nutzen diesen Vergleich, um zu zeigen, was zu tun ist. Wir machen ein executive-Entscheidung, eine klinische Urteil basierend auf diesem pattern-matching-Prozess.

Die Einschränkung ist natürlich, dass die Daten legen, verwenden wir für den Vergleich beschränkt sich auf unsere eigene Erfahrung und die Wahrnehmung der situation bei der hand, kann auch eingeschränkt werden. Dies führt zu einer Reihe von Empfehlungen, die von verschiedenen ärzten über sehr ähnliche Situationen.

Unterstützt durch die Strömung Gesundheit Medizinische Knowledge Graph, ein Arzt hat ein mächtiges Werkzeug. Konkrete Vorschläge können dargestellt werden sowohl dem Arzt und dem Patienten, Fragen zu stellen und weitere Informationen zu sammeln, um besser zu definieren, die den aktuellen Zustand. Dann, dass mehr-robuste Aufarbeitung—, die definition des problem—Anleitung pattern-matching. Aber dieses mal, mit dem Muster verglichen wird gegen einen riesigen datenspeicher. Der Arzt hat das äquivalent von der Welt erleben und lernen, um sehr individualisierte Empfehlungen—diejenigen, die das erste mal funktioniert, ohne viel trial-and-error, wie alltäglich heute.

Wir stehen am Anfang dieser Reise. Der Medizinische Knowledge Graph wird langsam bevölkert von sehr großen Daten-sets wie die von der VA die Zusammenarbeit. Die Identifizierung von mustern im Rahmen der medizinischen Daten nehmen einen großen Sprung vorwärts, anders als alles, was wir zuvor gesehen haben. Die eigentlichen Werkzeuge, die ärzten und Patienten wird sich weiter entwickeln, um die Medizinische Knowledge Graph effektiv. Genau wie der Google Knowledge Graph ist ein hintergrund-tool, und sucht, kann aus einem beliebigen einer Vielzahl von Geräten und Browsern, die Medizinische Knowledge Graph fahren können Elektronische Patientenakten-Systeme verwendet durch ärzte oder Kundenkontakt-apps für Patienten. Die nächste generation von EHR-Systemen und anderen Technologien, die angetrieben werden von dieser Technologie. Ärzte der Zukunft haben Zugang zum weltweiten medizinischen Informationen und können fundierte Empfehlungen, basiert auf einem individualisierten Verständnis von einer bestimmten person situation. Es ist keine science-fiction mehr.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.