新闻是有分量的

人工智能正在改变医疗保健,但FDA需要加快速度

在过去的几周里,FDA专员Scott Gottlieb评论了人工智能和医学的未来。 近十年来,许多医学界的梦想家和创新者都认为情况就是如此。 最后,FDA正在建立一个内部数据科学孵化器,称为信息交换和数据转换,或INFORMED。 今年,FDA已经批准了一种临床支持软件,该软件使用AI算法来检测脑功能的变化,这种变化可以比传统技术更快地提醒神经科医生。 此外,该机构还批准了一种基于人工智能的工具,该工具使用相机检测糖尿病视网膜病变 - 如果不及早发现和治疗,可能导致失明。 Gottlieb上个月在DC举行的会议上评论说,FDA正在制定新的监管指导方针,使该机构能够跟上新的基于人工智能的技术并“促进这一领域的创新”。

什么是人工智能,为什么重要?

人工智能,机器学习和深度学习是我们在所有类型的行业中开始听到的流行语 - 包括医学。 虽然所有这些术语都涉及AI,但它们并非都是一样的。

考虑人工智能与机器学习和深度学习之间关系的最简单方法是将它们视为一组俄罗斯嵌套娃娃或俄罗斯套娃。 在玩偶堆栈的中心是深度学习,然后是机器学习,最后和最大的外部玩偶是AI。 用最简单的术语来说,AI是计算机系统对人类智能的模拟。 人工智能的概念自20世纪50年代初期就已存在,但在过去十年中发展迅速。 AI允许机器执行通常需要人类智能的任务,例如视觉感知,语音识别和决策。

机器学习使用算法来分析数据,从中学习,最终做出决策,决定和预测。 简而言之,机器学习发生在计算机实际发展和“学习”而没有通过复杂模式识别进行特定编程的情况下。 通过机器学习,计算机能够在暴露于新数据时实际修改“自身”。 机器学习是一种功能强大的工具,可应用于许多医疗设置,以最大限度地减少错误并最大限度地提高预测(或诊断)的准确性。

深度学习是机器学习的一个子集(因此是堆栈中最小的玩偶)。 在深度学习算法中,人工神经网络用于识别模式并对数据进行聚类和分类。 深度学习将输入映射到输出并找到相关性。 这正是医生在为特定疾病做出治疗决策时所做的事情。 此外,深度学习依赖于“强化中心”,其中机器能够实际获得复杂的目标或目标(例如进行正确的诊断或选择正确的治疗)。 最终,在深度学习中,机器学习“延迟满足”的概念,并能够将即时行动与可能在数周到数月之后实现的结果联系起来。

AI如何影响医学?

正如您可能想象的那样,这些工具在医学中的应用是无限的,并且可能通过模式识别和早期诊断和干预最终导致更好的治疗和治疗慢性疾病。 AI和类似技术可以加速疾病的诊断和早期发现。 通过移动设备做出实时决策和吸引患者的能力可能会带来改善的结果。 最终,在智能手机和其他移动设备上使用配备AI的医疗应用和工具可以通过避免昂贵的专家和治疗(通过早期检测和干预)的需要,为医疗保健系统节省大量成本。 人工智能将允许我们在他们的课程中更早地捕获非常严重的疾病,并将防止许多导致医疗成本上升的常见并发症。

最终,AI将制作个性化医疗 - 使用个人健康数据与预测分析相结合 - 更易于所有患者使用。 如所述,个性化医疗将允许处方适合个人自身生物学的更好疗法。 个性化医疗(可由人工智能促进)不是基于一个人对整个人群进行治疗,而是将您的治疗基于您自己的遗传学。

AI已经被用于医学:从可以与糖尿病相关的相机到 ,可以记录和解释手机中的ECG,以及植入式心脏起搏器和植入式除颤器以及其他心脏设备的自动远程跟踪。由提供的软件,AI已经在日常患者的生活中产生影响。

为了在医学中推进AI,我们需要从FDA获得什么?

FDA批准程序可能非常艰巨 - 通常昂贵,繁琐且耗时。 由于抽出的审批程序,治疗通常会延迟。

例如,在过去,每当医疗设备获得批准并进行软件更新或更改时,必须进行另一个FDA批准程序。 这些过时的审批程序可能导致数月的延误,许多患者可能会因FDA规定而感到不便。 虽然美国食品和药物管理局正在通过奥巴马时代的21世纪治愈法案来简化审批工作,但在解决人工智能等新技术方面做得很少。

Gottlieb在最近的演讲中对人工智能的支持让我希望该机构能够继续接受可能改变医疗服务方式的新创新。 FDA已经创建了一个“孵化器”来开发新的数字医疗技术,Gottlieb承诺采取更多行动来促进医学中AI应用的发展。 我们必须继续要求我们的FDA简化AI相关设备的审批,并与企业家,研究人员和计算机科学家合作,为患者提供这些急需的技术。

Kevin Campbell( )是华盛顿考官的Beltway Confidential博客的撰稿人。 他是国际公认的心脏病专家和医疗,健康和保健专家。 他撰写了两本书,定期出现在Fox News,Fox Business,CBS和其他媒体上。 坎贝尔博士是医疗数据解决方案公司PaceMate的首席执行官。