Einblicke in die Branche: Eine aufstrebende Rolle bei der Vorbeugung von Krankheiten

Künstliche Intelligenz (KI) macht große Fortschritte in der Gesundheitsbranche. Um Krankheiten vorzubeugen, können Mediziner nun auf die Daten medizinischer Sensoren und der Genomik zurückgreifen, der molekularbiologischen Disziplin, die die Funktion, Struktur und Kartierung von Genomen abdeckt. Dies ist Teil eines Trends namens "Predictive Medicine", bei dem Big Data dazu beiträgt, Patienten mit einem Krankheitsrisiko zu identifizieren. Ähnlich wie die Prognoseanalyse heutzutage von Business Intelligence (BI) -Tools verwendet wird, um neue Trends und Chancen zu identifizieren.

Das Scripps Research Translational Institute verwendet Genomdaten, um das Gesundheits-Make-up einer Person besser zu verstehen. Scripps arbeitet mit Nvidia an der Entwicklung von KI- und Deep-Learning-Methoden, die Erkenntnisse aus der Genomik und von digitalen Sensoren in Smartwatches, Blutdruckmanschetten und Glukosemonitoren gewinnen können. Datenwissenschaftler können sogar tiefgreifendes Lernen auf medizinische Daten anwenden, die aus der neuen Apple Watch Series 4 stammen. Nvidia und Scripps werden diese Forschung als Teil eines neuen Kompetenzzentrums an beiden Standorten des Unternehmens durchführen.

Um mehr darüber zu erfahren, wie KI und Big Data helfen können, Erkenntnisse aus medizinischen Sensoren zu gewinnen, sprach PCMag mit dem führenden Experten für digitale Gesundheit und Kardiologen Dr. Eric Topol. Er ist außerdem Direktor und Gründer des Scripps Research Translational Institute.

PCMag (PCM): Wie ist Scripps zu Nvidia gekommen?

Eric Topol (ET): Das habe ich initiiert. Ich habe viel über ihren Beitrag zum gesamten Bereich des tiefen Lernens und der KI gelesen, weil ich in Kürze ein Buch zu diesem Thema herausbringe. Ich habe viel recherchiert und festgestellt, dass sie in der KI-Hardware und bei vielen Innovationen in den lokalen Branchen führend sind, unter anderem bei fahrerlosen Autos, Kryptowährung, Videospielen und im Gesundheitswesen. Also haben wir darüber gesprochen, wie wir zusammenarbeiten können.

PCM: Was ist das Ziel des neuen Kompetenzzentrums, an dem Sie mit Nvidia arbeiten werden?

ET: Das übergeordnete Ziel ist die Förderung der menschlichen Gesundheit. Wir müssen in der Lage sein, Deep Learning, KI und alle ihre Subtypen anzuwenden, um nicht nur Sensordaten und ganze Genomsequenzen zu analysieren, sondern all diese Daten für jede Person zusammenzuführen. Diese Daten umfassen Sensoren, die sie tragen, sowie Daten aus biologischen Schichten. Es geht nicht nur um DNA, Proteine, ihr Darmmikrobiom, Metaboliten usw., sondern auch um all ihre früheren Medikamente und ihre Umgebung.

Das Zusammenführen all dieser Daten und das Extrahieren des Werts für eine Person in Echtzeit wurde noch nicht erreicht. Das ist das weitreichende Ziel, aber um dorthin zu gelangen, müssen wir die Fähigkeit zum Umgang mit Sensordaten, die sehr umfangreich und dicht sind, nageln. In der Regel übertragen Sensoren kontinuierlich Daten und produzieren im Laufe der Zeit mehr Daten als alles andere, einschließlich Bildern und einer ganzen Genomsequenz.

• 10 Schritte zur Einführung künstlicher Intelligenz in Ihrem Unternehmen 10 Schritte zur Einführung künstlicher Intelligenz in Ihrem Unternehmen
• Diese App bietet Ärzten in Entwicklungsländern die Macht der KI. Diese App bietet Ärzten in Entwicklungsländern die Macht der KI
• "Body Computing" macht aus Gesundheitswesen Lebenspflege "Body Computing" macht aus Gesundheitswesen Lebenspflege

PCM: Wie werden Daten den Wert für eine Person extrahieren?

ET: Eines Tages wird es einen virtuellen medizinischen Trainer geben. Wie heute haben wir einen intelligenten Lautsprecher, der Ihnen einige Anleitungen oder Antworten gibt, oder Ihr digitaler Google-Assistent informiert Sie über Ihren Zeitplan oder darüber, ob Sie frühzeitig abreisen sollten, um zum Flughafen zu fahren. Nun, das ist schön für heute, aber wir können in Zukunft viel für die Gesundheitsfürsorge tun. Das fängt jetzt mit Dingen wie Diabetes und Bluthochdruck an, aber irgendwann wird das eine Präventionsstrategie für einen großen Teil der Menschen sein. Niemand hat es bisher zusammengestellt, aber dies sind einige frühe Schritte, um dorthin zu gelangen.

PCM: Wie kann KI tatsächlich dazu beitragen, die Vorhersage und Prävention von Krankheiten zu revolutionieren?

ET: Es gibt viele Wege, die erreicht werden können. Für Diabetiker ist der einzige Algorithmus, der heute existiert, der, ob Ihre Glukose steigt oder fällt. Das ist ein dummer Algorithmus. Was wir wissen ist, dass die Glukoseregulierung und der Zustand nicht nur von dem, was eine Person isst, sondern auch von ihrem Schlaf, ihrer Aktivität, ihrem Darmmikrobiom und anderen Faktoren beeinflusst werden. Wir können also Algorithmen entwickeln, die all diese Daten einbringen und an das Individuum zurückgeben, um eine viel bessere Glukoseregulierung zu erzielen und die Komplikationen von Zuständen wie Augenerkrankungen, Nierenerkrankungen und Gefäßerkrankungen zu verhindern. Die Algorithmen können auch wichtige Daten liefern, um Anfälle, Asthma und Herzinfarkte zu verhindern. Es gibt so viele Dinge, die wir verhindern können, wenn wir die gefährdeten Personen kennen und intelligente Algorithmen haben, um alle Daten für eine Person zu berücksichtigen und ihnen das Feedback zu geben, das sie benötigen.

PCM: Gibt es heutzutage echte Fortschritte bei der AI und der Verhütung von Krankheitsvorhersagen oder werden wir dies in Zukunft sehen?

ET: Nun, es fängt an, wirklich loszulegen. Es wurden ungefähr fünf verschiedene prospektive Studien veröffentlicht. Also haben sie diese Algorithmen in einer Klinik getestet. Wir haben im letzten Jahr bereits 15 von der US-amerikanischen Food and Drug Administration zugelassene AI-Algorithmen gesehen. Es ist noch früh in der Entwicklung der KI, aber es fängt jetzt an, Fuß zu fassen. Vor einem Jahr war das nicht der Fall, aber im letzten Teil dieses Jahres sehen wir beschleunigte Beweise dafür, dass dies Realität wird.

PCM: Wird AI digitale Sensoren von Produkten wie der Apple Watch verwenden?

ET: Ja, und den Nachrichten darüber im September ging eine Ankündigung eines Startups namens AliveCor voraus, das bereits ein Jahr zuvor die FDA-Zulassung für einen Deep-Learning-Algorithmus erhalten hatte. So können Menschen ihre Herzfrequenz in Ruhe und bei körperlicher Aktivität überwachen lassen und benachrichtigt werden, wenn etwas nicht in der Spur ist, wenn sie sich in Ruhe befinden und ihre Herzfrequenz ist. Sie werden angewiesen, ein Kardiogramm durch ihre Uhr zu ziehen, das dann von einem Algorithmus gelesen wird und Sie Vorhofflimmern diagnostizieren können. Das gibt es jetzt schon seit einem Jahr, und dann wird es auch von Apple angeboten. Jetzt haben wir mehrere Verbraucher Herzrhythmuserkennung durch AI; Das ist eine echte Geschichte. Wir sprechen nicht über Deep-Learning-Algorithmen, die sich noch in den Startlöchern befinden. Sie sind jetzt echt.

Bei Vorhofflimmern könnte man argumentieren: "Braucht jeder eine Apple Watch?" Nein, aber für Menschen, die einem Risiko ausgesetzt sind oder… wegen Vorhofflimmern behandelt wurden, ist dies eine wichtige Erkrankung, die das Schlaganfallrisiko erhöht. Es erfordert, dass einige Menschen Blutverdünner haben, um einen Schlaganfall zu verhindern. Es ist also keine triviale Angelegenheit, wenn Sie Vorhofflimmern haben und eine Herzstrukturanomalie haben.

PCM: Obwohl Unternehmen wie 23andMe Gentests für unter 200 US-Dollar anbieten, bringt die Sequenzierung eines ganzen Genoms immer noch einen hohen Preis mit sich. Wird AI die Genomsequenzierung erschwinglicher machen?

ET: Es ist möglich. Eine Möglichkeit besteht darin, die Daten wesentlich effizienter zu verarbeiten, sodass Sie sie nicht tiefgreifend oder für so viele Personen sequenzieren müssen. Trotzdem kostet die Sequenzierung eines einzelnen ganzen Genoms heute ungefähr tausend Dollar. Und wenn Sie das für viele Menschen, Millionen oder Milliarden von Menschen tun wollen, ist das immer noch ein sehr großer Aufwand. Es gibt viele Möglichkeiten, wie KI die Genomsequenzierung ändern und skalieren kann, und es ist nicht nur die DNA. Es sind RNA, Proteine, Metaboliten, das Mikrobiom und jede biologische Schicht, die AI erreichen kann, weil sie alle Big Data sind. Wenn es als "Big Data" bezeichnet wird, blinkt die KI.

PCM: Ich sehe, dass Sie am "All of Us Research Program" des National Institute of Health beteiligt sind. Was heißt das?

ET: Eine Million Amerikaner, die viele Jahre, wahrscheinlich Jahrzehnte lang, etwas über sich selbst, ihr Genom, ihr Mikrobiom und verschiedene Sensoren lernen werden. Sie werden diese Daten gemeinsam nutzen, damit wir helfen können - im Idealfall nicht nur für ihre Gesundheit, sondern auch für die Gesundheit der nächsten Generation. Da all diese Fähigkeiten, jeden Menschen zu verstehen, neu sind, beginnen wir erst jetzt zu verstehen, wie man diese Werkzeuge einsetzt, um Menschen dabei zu helfen, ihre Gesundheit zu bewahren. Wir geben den Menschen die Möglichkeit, ihre eigenen Daten zu verstehen, die wir ihnen zurückgeben, damit sie mit ihren Ärzten zusammenarbeiten können, um Bürgerwissenschaftler und Wegbereiter für die Zukunft der menschlichen Gesundheit zu werden.

PCM: Woran arbeiten Sie mit kontinuierlichen Herzsensoren? Wie funktioniert das?

ET: Wir haben ein Pflaster wie ein Pflaster, das Sie tragen können. Wir haben den kontinuierlichen Herzschlag von 15.000 Menschen über 11 oder 12 Tage; Es ist eine riesige Datenmenge. Arrhythmie, eine Herzrhythmusstörung, vorhersagen zu können, bevor sie auftritt, und das Signal zu kennen, damit wir es verhindern können, ist das, wonach wir streben. Die Leute haben AI benutzt, um die Diagnose des Herzrhythmus zu stellen, aber wir versuchen, sie zu bekommen, um Herzrhythmusstörungen zu verhindern. Das ist die nächste Phase.

PCM: Wie kommt die Sequenzierung ganzer Gene ins Spiel und wie werden Sie sie bei älteren Menschen anwenden?

ET: Wir haben eine sehr große Stichprobe von Menschen und ihr Durchschnittsalter liegt bei 89 Jahren. Sie waren noch nie krank und wir möchten wissen, warum. Wir glauben, dass tiefes Lernen aus diesen Genomen im Vergleich zu Kontrollen uns helfen wird, da es eine riesige Menge von Daten ist, durch die wir weben müssen, um die genomischen Varianten bei diesen "welderly" -Personen zu verstehen, die unterschiedlich sind und für eine extreme Gesundheitsspanne relevant sind. Wir haben fast ein Jahrzehnt gebraucht, um all diese Leute zu sammeln und sie alle zu sequenzieren.

PCM: Hält die KI uns wirklich länger gesund?

ET: Wir müssen sehen. Eine Sache ist ein Versprechen und die andere ist die Erfüllung des Versprechens. Wir werden sehen. Aber ich weiß nicht, ob wir etwas gesehen haben, das heute so vielversprechend ist. Aber es wird eine Weile dauern, bis alles validiert ist.