AI-maskinsyn som ser etter å revolusjonere helsen vår

Maskinsyn & helse

Sammen med LLM-er (store språkmodeller) som ChatGPT er maskinsyn en av de viktigste nylige utviklingene innen AI. De ulike metodene som brukes for å oppnå dette, som nevrale nettverk og dyp læring, gjør det nå mulig for datamaskiner å virkelig se omgivelsene sine.

En anvendelse av dette konseptet er å la datamaskiner overta menneskelige oppgaver som kjøring eller gi roboter full autonomi i den virkelige verden i stedet for å holde seg begrenset til fabrikkgulv.

Det er en av de store driverne for adopsjon av maskinsyn, et raskt voksende marked som forventes å nå 9,2 milliarder dollar innen 2029.

Kilde: EPAM

Men en annen like viktig oppgave er å vurdere helsen vår. Mange medisinske diagnoser er avhengige av legers visuelle vurderinger. Dette inkluderer direkte undersøkelse og ekspertanalyse av radiografi, skannere og andre medisinske bilder.

I de fleste tilfeller er disse visuelle inspeksjonene noe subjektive. En lege trenger mange års erfaring for å bli virkelig sikker på sin vurdering. Og inntil nå gjorde kompleksiteten i hver pasients kropp, som er litt forskjellig, det for komplisert for automatiserte målinger.

Dette endrer seg endelig, og mange selskaper utforsker nå å implementere AI-maskinsyn for å lage overlegne analyser av medisinske bilder.

Direkte visuell undersøkelse

Vi utforsket nylig tilfelle av å bruke AI for å oppdage øreinfeksjoner bedre enn menneskelige leger i artikkelen vår «AI Poised to Become Invaluable Medical Diagnosis Tool»

Dette kan utvides til mange andre patologier; for eksempel kan Googles AI-bildediagnostikk brukes til å diagnostisere 26 forskjellige hudsykdommer (80 % av tilfellene som sees i primærhelsetjenesten), oppdage diabetisk retinopati, eller til og med forutsi risikoen for å utvikle diabetisk retinopati i fremtiden.

Mer overraskende ser AI også ut til å kunne oppdage helseproblemer fra visuelle inspeksjoner som mennesker ikke kan bruke; for eksempel detektere anemi (vanligvis krever en blodprøve) ved å se på øyets netthinne. Den samme metoden kan også brukes til å forutsi risiko for hjerteinfarkt.

Den kan også oppdage lesjoner som et menneskelig øye ville gå glipp av; for eksempel kan den høyere nøyaktigheten til Iterative Healths AI hjelpe med å oppdage mage- og tykktarmskreft.

Medisinsk bildeanalyse

Jo mer raffinert medisinsk bildemateriale fra røntgen, tomografi, CT-skanninger, ekkokardiografi og andre blir, desto mer kompleks blir bildeanalysen.

Avansert AI kan nå hjelpe med å forbedre bildekvalitet, datahåndtering og dataanalyse.

For eksempel bruker Cleery AI til å analysere data fra koronar datatomografi-angiografi (CCTA) for å « generere en 3D-modell av pasientens koronararterier, identifisere deres lumen og karvegger, lokalisere og kvantifisere stenoser, samt identifisere, kvantifisere og kategorisere plakk.»

Butterfly Network (BFLY ) endrer hvordan ekkokardiografi utføres takket være halvlederbrikker som erstatter piezoelektriske sensorer og AI for å lage mobile 3D-modeller av pasientens indre organer.

Kilde: Butterfly Network

Verisound AI, et datterselskap av GE Healthcare gir sanntidsveiledning til praktikeren, automatisert bildemottak, og dedikerte spesialiserte AI-er for generell bildediagnostikk, kardiologi, brystultralyd, kvinners helse, nerver, nyrer, lever osv.

Googles AI-er brukes også til å hjelpe med å oppdage brystkreft og spare onkologers tid, noe som bidrar til å lindre arbeidskraftmangel.

ChestEye og ChestLink fra Oxipit dobbeltsjekker radiologibilder for potensielt oversette lungekreftsvulster.

Kirurgi

AI kan også hjelpe kirurger på mange måter.

En er kirurgisk veiledning, spesielt i robotassistert kirurgi, hvor AI kan gi ekstra informasjon eller råd til kirurgen i sanntid.

Basert på sin gjennomgang av millioner av kirurgiske videoer, har AI evnen til å forutsi de neste 15 til 30 sekunder av en operasjon og gi ekstra tilsyn under operasjonen

Dr. Eckhoff – kunstig intelligens og innovasjonsstipendiat ved Surgical Artificial Intelligence and Innovation Laboratory ved Massachusetts General Hospital

Et eksempel er det franske Pixee Medical, som gjør 3D-sporing mulig med en smarttelefon eller smartbriller for ortopedisk kirurgi.

AI kan også automatisere den kritiske prosedyren med å registrere operasjonen, spesielt for repeterende og feilutsatte oppgaver. Ettersom kirurger glemmer instrumenter inne i pasienten i omtrent 1500 operasjoner per år i USA, kan datamaskinsyn likeledes bidra til å eliminere dette problemet fullstendig ved automatisk å holde oversikt over alt som brukes under operasjonen.

Databehandling

Pasientdata

Selv om det kan være mindre spektakulært enn å oppdage en svulst, utføre en diagnostikk uten menneskelig inngripen, eller assistere kirurger, kan håndtering av pasientdata være like viktig for pasientens bedring.

Den første delen AI kan hjelpe med er ansiktsgjenkjenning og kobling av dette til pasient-ID og medisinske filer. Det er alltid en risiko for at identiteten blir feilmatchet i det høyhastighets- og høystressarbeidsmiljøet på de fleste sykehus. Denne teknologien er mer generell og kan implementeres av leverandører av ansiktsgjenkjenningsprogramvare, som for eksempel Facia.

Det andre trinnet er å integrere all mulig data for en pasient i ett system. For eksempel kan det inneholde bilder fra radiologiavdelingen (og tilhørende programvare), generelle pasientfiler, dokumenter fra tidligere behandlinger på et annet sykehus, reseptbelagte medisiner osv.

Å integrere all denne dataen sammen kan være svært komplekst, og AI-verktøy som CloudMedxHealth kan bidra til å realisere hele potensialet i medisinsk digital data.

Kilde: CloudMedxHealth

Medisinsk data kan også samles på et høyere nivå, som måten Komodo Health lager en oversikt over hele det amerikanske helsevesenet.

Overvåking

Et annet område hvor AI kan hjelpe er overvåking av sykehusmiljøet. Dette kan inkludere overholdelse av gode hygieneregler (rengjøring, masker osv.) eller egentlig enhver prosedyre som må overvåkes automatisk.

Lignende overvåking kan gis til pasienter hjemme for å sjekke deres bedring. Dette kan gjøre ting som fysioterapi mulig hjemme, noe som gjør det ikke bare mer praktisk for pasienter og leger, men også billigere for helsevesenet som helhet.

Hjemmeovervåking kan også inkludere fallregistrering, med automatisk oppringning av nødtjenester ved behov.

Telehelse generelt kan dra nytte av AI, for eksempel løsningen fra Corti.AI. Vi utforsket også dette temaet i artikkelen vår «Heal From Home: Top 5 Telemedicine Stocks».

Forbedring av medisinsk forskning

Biologi blir ofte beskrevet som den mest «myke» av de vitenskapelige feltene fordi medisinske og biologiske data ofte er mye «rotete» sammenlignet med kjemi eller fysikk.

Delvis er dette uunngåelig, da biologiske prøver er ekstremt komplekse og kan variere fra hverandre.

Det skyldes også at feltet fortsatt ofte er avhengig av manuell telling for ting som celleantall på et mikroskop. Det samme gjelder for medisinske analyser som blodtelling. Naturligvis vil to forskjellige personer ha litt forskjellige måter å telle en kompleks prøve på.

Dette kan løses med AI-maskinsyn, med produkter som Shonit fra Sigtuple som nå kan levere pålitelige og standardiserte tellinger av alle typer blodceller.

Kilde: Sigtuple

Medisinske bilder får også standardisert klassifisering og annotering gjennom verktøy som Enlitic, som gjør det mulig for forskere å få tilgang til datasett av høyere kvalitet.

Mens medisinsk forskning sliter med å håndtere en flom av nye data som kommer fra fremskritt innen analytisk vitenskap innen genomikk, transkriptomikk, proteomikk, og den overordnede «multiomics»-revolusjonen som vi beskrev i «Multiomics Are The Next Step In Biotechnology».

Dette inkluderer også genredigering, med nå åpen kildekode AI som hjelper forskere med å designe nye genredigeringsverktøy som diskutert i «AI-drevet genredigering gjort mulig med ‘OpenCRISPR-1’’

Erstatning av sviktende sanser

En annen måte maskinsyn kan endre helsevesenet på er ved å se ting for oss. Blinde personer eller de med andre funksjonshemninger kan få AI til å hjelpe dem med å identifisere gjenstander i omgivelsene deres.

AI kan også konvertere tekst til tale som normalt ville vært utilgjengelig.

Til slutt kan maskinsyn hjelpe personer med funksjonshemninger å kontrollere enheter gjennom ansiktsuttrykk eller bevegelser.

Maskinsynsselskaper

1. Alphabet

Google er et ledende teknologiselskap i mange sektorer, med selvfølgelig Søk og Android-operativsystemet for smarttelefoner som gode eksempler.

Det er også en leder innen AI, med en sterk tilstedeværelse innen maskinsyn for helsevesenet, som spenner fra kreft- og sykdomsdeteksjon til forebygging og forbedring av behandling.

AI brukes også i andre felt enn maskinsyn. For eksempel kan Googles AlphaFold AI forutsi proteiners 3D-konfigurasjon, en nøkkeldata for å lage nye legemidler, og forutsi nye molekylers effektivitet og sikkerhetsprofil. Vi diskuterte hvordan AlphaFolds prediksjoner har vist seg pålitelige og svært hjelpsomme for legemiddelforskning i «Prospective Modelling Points to Bright Future for AI-based Drug Discovery».

Kilde: News Medical

Googles Health AI inkluderer Med-PaLM, den første store språkmodellen som oppnår ekspertprestasjon på medisinske lisensprøve-lignende spørsmål, den åpne kildekoden Open Health Stack for utviklere, DeepVariant for genomisk analyse, og Deep learning for electronic health records.

Selvfølgelig har Google’s Vision AI mange andre anvendelser utover helsevesenet, inkludert transport, innholdsgenerering (tekst, bilde og video), dokumenttolkning osv.

Så samlet sett er Alphabet (GOOG ) /Google en gigant ikke bare innen teknologi, men også AI, inkludert innen helsevesenet og helsevesenets anvendelser av maskinsyn.

2. Butterfly Network

Butterfly er både utvikleren av et avansert ultrabærbart ultralyddiagnostisk verktøy og en integrert programvare som bruker AI for å hjelpe diagnostikk, kalt «Compass».

Kilde: Butterfly Network

Selskapet er nå på sin 3^rd generasjon av ultralydproben, med lanseringen i 2024 av iQ3, med høyere dataoverføringshastighet og 2× prosesseringskraft sammenlignet med den forrige versjonen. Som alle tidligere Butterfly-ultralydprober, baserer den seg på overlegen halvleder‑«ultralyd-på-brikken»-teknologi i stedet for klassiske piezoelektriske sensorer.

iQ3 tilbyr en overlegen brukeropplevelse, inkludert muligheten til å visualisere både 3D og flere plan samtidig, integrert skyprogramvare, og rask oppstart, alt til en lavere pris.

Selskapet bruker AI til å forbedre bildene, automatisk generere diagnostisk relevante målinger, og tilby opplærings-/undervisningspraksis.

Kilde: Butterfly Network

Butterfly ekspanderer raskt inn i nye markeder i Asia (Singapore, Indonesia, Filippinene osv.) og også i veterinærmarkedene, som å sjekke helsen til beitekveg og utnytte den ultrabærbare ultralydverktøyet.