Penyelidik Gunung Sinai mendedahkan InfEHR, sistem AI yang menghubungkan peristiwa perubatan yang tidak berkaitan dalam rekod kesihatan elektronik, meningkatkan ketepatan diagnostik dan mendedahkan corak kesihatan tersembunyi. Kejayaan ini menjanjikan kemajuan yang ketara dalam perubatan peribadi dan penjagaan pesakit.
Satu kejayaan dalam kecerdasan buatan tidak lama lagi boleh merevolusikan cara doktor mendiagnosis penyakit. Penyelidik di Sekolah Perubatan Icahn di Gunung Sinai dan rakan usaha sama mereka telah membangunkan InfEHR, sistem AI yang menghubungkan peristiwa perubatan yang berbeza dari semasa ke semasa. Teknologi inovatif ini mampu mendedahkan corak tersembunyi dalam rekod kesihatan elektronik (EHR), mengubah berjuta-juta titik data yang berpecah-belah menjadi cerapan diagnostik yang boleh diambil tindakan.
Kajian itu, diterbitkan pada 26 September dalam Nature Communications, menyerlahkan keupayaan InfEHR untuk memperibadikan diagnostik. Daripada mengikuti proses diagnostik generik, InfEHR menyesuaikan analisisnya untuk setiap pesakit dengan membina rangkaian daripada peristiwa perubatan individu.
Pendekatan ini membolehkan AI bukan sahaja memberikan jawapan yang diperibadikan tetapi juga mengemukakan soalan yang diperibadikan, dengan ketara meningkatkan proses diagnostik.
"Kami tertarik dengan kekerapan sistem menemui semula corak yang disyaki oleh doktor tetapi tidak dapat bertindak kerana bukti tidak dapat dipastikan sepenuhnya," pengarang kanan bersamaan Girish N. Nadkarni, pengerusi Jabatan Kecerdasan Buatan dan Kesihatan Manusia Windreich, pengarah Institut Hasso Plattner untuk Kesihatan Digital, Profesor Irene dan Dr. Arthur Sekolah Perubatan M. Fishberg di Mount Sina, Profesor Perubatan M. Fishberg, Irene dan Dr. pegawai Sistem Kesihatan Gunung Sinai, dalam satu kenyataan berita. "Dengan mengukur intuisi tersebut, InfEHR memberi kita cara untuk mengesahkan apa yang sebelum ini hanyalah firasat dan membuka pintu kepada penemuan baharu sepenuhnya."
Dalam kajian itu, sistem InfEHR menganalisis rekod elektronik yang tidak dikenal pasti dari Hospital Mount Sinai di New York dan UC Irvine di California. AI mengubah garis masa perubatan setiap pesakit menjadi rangkaian yang menggambarkan bagaimana pelbagai acara perubatan disambungkan dari semasa ke semasa. Dengan meneliti berbilang rangkaian sedemikian, InfEHR belajar untuk mengesan corak yang biasanya dikaitkan dengan keadaan asas.
Kecekapan dan ketepatan kos adalah kelebihan ketara InfEHR. Sistem AI tidak memerlukan data latihan yang luas, sebaliknya belajar terus daripada rekod pesakit. Kebolehsuaian ini membolehkannya berfungsi dengan berkesan merentas sistem dan populasi hospital yang berbeza.
Sebagai contoh, InfEHR adalah lebih berkesan dalam mengenal pasti bayi baru lahir dengan sepsis, keadaan yang mengancam nyawa, berbanding kaedah konvensional. Ia adalah 12-16 kali lebih berkemungkinan untuk membenderakan bayi yang terjejas.
Begitu juga, sistem mengenal pasti pesakit yang berisiko untuk kecederaan buah pinggang selepas pembedahan 4-7 kali lebih berkesan daripada amalan semasa.
Salah satu ciri menonjol InfEHR ialah keupayaannya untuk menunjukkan ketidakpastian. Ia boleh bertindak balas "tidak pasti" apabila data tidak mencukupi, ciri keselamatan utama yang menangani kelemahan utama AI tradisional, yang mungkin memberikan jawapan yang salah dengan keyakinan yang tidak wajar.
“AI tradisional bertanya, 'Adakah pesakit ini menyerupai orang lain dengan penyakit ini?' InfEHR mengambil pendekatan berbeza: 'Bolehkah trajektori perubatan unik pesakit ini terhasil daripada proses penyakit asas?' Ia adalah perbezaan antara hanya padanan corak dan mendedahkan sebab musabab,” tambah pengarang utama Justin Kauffman, seorang saintis data kanan di Jabatan Kecerdasan Buatan dan Kesihatan Manusia Windreich di Sekolah Perubatan Icahn.
Memandang ke hadapan, pasukan penyelidik merancang untuk melanjutkan aplikasi InfEHR, seperti memperibadikan keputusan rawatan dengan menyepadukan data percubaan klinikal. Ini boleh merapatkan jurang antara penyelidikan berasaskan percubaan dan penjagaan pesakit dalam tetapan klinikal yang pelbagai.
"Ujian klinikal sering memberi tumpuan kepada populasi tertentu, manakala doktor menjaga setiap pesakit," tambah Kauffman. "Pendekatan kebarangkalian kami membantu merapatkan jurang itu, menjadikannya lebih mudah bagi doktor untuk melihat penemuan penyelidikan yang benar-benar terpakai kepada pesakit di hadapan mereka."