Ang artificial intelligence (AI) ay isa sa pinakamakapangyarihang kagamitan sa kasaysayan ng medisina, na may kakayahang mapabilis ang mga diagnosis, gawing personal ang paggamot, at baguhin ang pangangalaga sa isang saklaw na hindi pa posible noon. Ngunit karamihan sa mga pagsulong sa ngayon ay nagawa na para sa mga nasa hustong gulang.
Kalusugan ng mga Bata ng Stanford Medicine ay nagmamadaling punan ang kakulangang iyon—at bumuo ng isang kinabukasan kung saan ang bawat bata ay makikinabang mula sa buong potensyal ng AI.
Ilulunsad ng Stanford ang Hub for Artificial Intelligence in Pediatric Medicine, na nakatuon nang buo sa pagbuo at pag-deploy ng mga solusyon sa AI para sa kalusugan ng mga bata. Titiyakin ng Hub na ang mga pagsulong sa makabagong pananaliksik at teknolohiya ay maaaring magbago sa pamantayan ng pangangalaga para sa mga bata sa Stanford Children's at sa mga susunod pang lugar, sa mga paraang ligtas, patas, at nakasentro sa pasyente.
Walang institusyon ang mas nasa posisyon para pamunuan ang gawaing ito. Pinagsasama-sama ng Stanford ang mga nangungunang mananaliksik, isang ospital para sa mga bata na may pandaigdigang kalidad, at walang kapantay na kadalubhasaan sa agham pangkompyuter, lahat ay nasa sentro ng pandaigdigang industriya ng teknolohiya. Sa iba't ibang espesyalidad, mula sa kanser hanggang sa congenital heart disease hanggang sa mga komplikasyon ng prematurity, binabago na ng Stanford ang pangangalaga sa mga bata.
Hanggang ngayon, ang mga pagsisikap na ito ay halos sabay-sabay na isinasagawa. Babaguhin iyon ng Hub, na pagsasama-samahin ang mga doktor, mananaliksik, inhinyero, etika, at siyentipiko ng datos upang paganahin ang pag-unlad na hindi makakamit ng iisang pangkat nang mag-isa.
Isang katalitiko $10 milyong regalo mula sa Alfred E. Mann Charities ay makakatulong sa pagkuha ng isang lider na may pandaigdigang antas upang maging puwersang nag-uugnay, na magtutulak sa gawaing ito.
Ang resulta ay isang bagong panahon sa kalusugan ng mga bata, kung saan ang pinakamalakas na kagamitan sa medisina ay maaaring maabot ang mga batang higit na nangangailangan sa kanila, sa Bay Area at sa buong mundo.
RPag-imbento ng MRI para sa mga Bata
Kung nagpa-MRI exam ka na, alam mo kung gaano ka-diskomportable ang humiga nang hindi gumagalaw sa loob ng maingay at makitid na tube, minsan nang halos isang oras.
Ngayon, isipin kung gaano kahirap iyon para sa isang batang bata. Maraming mga batang pasyente ang kailangang bigyan ng sedation habang sumasailalim sa MRI upang manatiling hindi gumagalaw. Ngunit ang sedation ay maaaring magdagdag ng gastos at komplikasyon, habang pinapataas ang mga panganib sa kalusugan.
Sina Shreyas Vasanawala, MD, PhD (ipinakita sa itaas), at ang mga kolaborator sa buong Stanford at Bay Area ay humaharap sa hamong ito sa pamamagitan ng pangunguna sa paggamit ng AI upang gawing mas mabilis, mas mura, at mas detalyado ang mga pediatric MRI scan.
Gumagamit ang Vasanawala Lab ng machine learning upang magawa ito. Sa pamamagitan ng pagsasanay sa AI sa maraming MRI scan, natututunan ng system kung ano ang dapat na hitsura ng mga detalyadong imahe. Pagkatapos ay maaari itong kumuha ng mas maikli at mas mababang fidelity scan at punan ang nawawalang impormasyon, na muling bubuo ng isang malinaw, kumpleto, at tumpak na imahe mula sa limitadong data. Ang oras ng pag-scan ay maaari na ngayong maging ilang minuto na lamang sa halip na isang oras.
“Ang mga AI algorithm na aming binuo ay maaari nang makabawi ng isang walang kapantay na antas ng detalye,” sabi ni Vasanawala. “Makakakita ka ng isang maliit na ugat sa isang sanggol na kung hindi man ay malabo. At sa ilang mga kaso, ang mga detalyeng ito ay nagbibigay-daan sa amin na makagawa ng diagnosis na imposible noong nakaraan.”
Isa sa mga algorithm na ito ay naaprubahan na ng Food and Drug Administration at pinapabuti nito ang imaging para sa mga batang may congenital heart disease. Ginagamit ito araw-araw sa mahigit 160 bansa at nakaabot na sa mahigit 80 milyong pasyente.
Malaki ang epekto nito sa mga pasyente. Ang mas maiikling scan ay nangangahulugan na mas kaunting mga bata ang nangangailangan ng anesthesia. At kahit na kinakailangan ang sedation, maaaring mabawasan ang lalim at tagal nito.
Ang mas mabilis na mga eksaminasyon ay nangangahulugan din ng mas maikling oras ng paghihintay para makakuha ng mga appointment para sa mga MRI, na dati'y inaabot ng ilang buwan sa ilang mga lokasyon. Ang mga AI-enhanced scan ay nagbibigay-daan din sa mga MRI technologist na harapin ang mas kumplikadong mga eksaminasyon, ibig sabihin ay mas maraming pasyente ang maaaring magkaroon ng access sa mas mahusay na kalidad ng mga scan, kahit na sa mga bansang may mas kaunting mga mapagkukunan.
Samantala, patuloy na nagtutulak ng inobasyon ang laboratoryo ni Vasanawala. Ang pangunahing layunin ng kanyang pangkat ay i-automate ang buong proseso ng imaging, mula sa pagtukoy ng uri ng scan na kinakailangan at tumpak na paghahanap ng lugar na pinag-aalala hanggang sa pagsasagawa ng scan at pagwawasto ng mga distortion ng imahe sa totoong oras—lahat sa loob ng ilang minuto.
“Paano kung ang pagpapa-MRI ay kasing simple lang ng pagsukat ng presyon ng dugo?” sabi ni Vasanawala. “Iyan ang pangako ng AI: pagbibigay-kapangyarihan sa mga doktor gamit ang mga kagamitan upang makakita nang mas malinaw, kumilos nang mas mabilis, at sa huli ay baguhin ang mga buhay.”
Isang Bagong Panahon sa Pangangalaga: Tatlong pambihirang tagumpay sa AI ang muling sumusulat ng mga posibilidad para sa mga ina at mga bata
Maagang Pagtukoy sa Panganib—Ivana Maric, PhD
Ang preeclampsia—mapanganib na mataas na presyon ng dugo habang nagbubuntis—ay nakakaapekto sa humigit-kumulang 8% ng mga nagdadalang-tao sa buong mundo. Sa humigit-kumulang 10 milyong kaso bawat taon, ito ang pangunahing sanhi ng pagkamatay ng ina at maagang panganganak, na lumilikha ng mga komplikasyon sa kalusugan habang-buhay para sa milyun-milyon.
Mayroong desperadong pangangailangang matukoy nang maaga, tumpak, at abot-kaya ang panganib ng preeclampsia, at bumuo ng mga epektibong interbensyon na magbabantay sa kalusugan ng ina at sanggol.
Si Ivana Maric, PhD, at ang kanyang pangkat ay bumubuo ng isang simple at murang pagsusuri upang matukoy ang panganib ng preeclampsia bago pa man lumitaw ang mga sintomas. Gumamit ang kanyang pangkat ng machine learning upang pag-aralan ang daan-daang biological marker sa dugo. Pagkatapos, natukoy nila ang isang partikular na ratio ng protina na maaaring masukat gamit ang isang simpleng pagsusuri sa ihi nang kasing aga ng 10 hanggang 12 linggo sa pagbubuntis, bago pa man lumitaw ang mga sintomas at sa oras para maging pinakaepektibo ang mga preventive therapy tulad ng low-dose aspirin regimen.
Ang pagsusuri ay kasalukuyang pinapatunayan sa dalawang mas malalaking pag-aaral—isa sa mga ito ay internasyonal. Kapag nakumpleto na ito, maaaring gawing available ng pagsusuri ang maaga at personalized na prenatal screening para sa mga kababaihan saanman sila nakatira o anumang mga mapagkukunan ang magagamit nila.
“Kung mahuhulaan natin nang maaga sa pagbubuntis kung sino ang nasa panganib ng preeclampsia, mabibigyan natin ang mga inang iyon ng pang-iwas na paggamot,” sabi ni Maric. “Makakatulong ito na maiwasan ang mga kalunos-lunos na resulta para sa mga ina at ang mga komplikasyon ng mga maagang panganganak para sa mga sanggol.”
Pagprotekta sa mga Preemies—Nima Aghaeepour, PhD
Ang mga sanggol na wala pa sa panahon ay maaaring magkaroon ng mga komplikasyon na nagbabanta sa buhay sa kanilang mga unang buwan ng buhay, kadalasan nang walang babala. Si Nima Aghaeepour, PhD, isang nangunguna sa mundo sa paglalapat ng AI sa kalusugan ng ina at bagong silang, ay nagsisikap na baguhin iyon.
Sa mga naunang pag-aaral, si Aghaeepour at ang kanyang mga kasamahan sa Stanford ay nakabuo ng isang paraan upang magamit ang AI upang i-personalize ang IV nutrition para sa mga babasaging preemies—binabawasan ang mga medikal na pagkakamali at pinapabuti ang pangangalaga sa mga setting na may mababang mapagkukunan. Ngayon ay nakatuon siya sa paghula at pagsisikap upang maiwasan ang mga pinakamalubhang komplikasyon na maaaring harapin ng mga preemies.
Sinuri ng kanyang pangkat ang mga karaniwang sample ng dugo mula sa mahigit 13,000 sanggol na napaka-premature, kasama ang kanilang mga medikal na rekord. Tiningnan nila kung aling mga sanggol ang nagkaroon ng isa sa apat na pangunahing uri ng komplikasyon na nauugnay sa prematurity, tulad ng bronchopulmonary dysplasia, isang sakit sa baga, o pagdurugo sa utak.
Sa kanilang pag-aaral, na inilathala sa Science Translational Medicine, ginamit nila ang AI upang matukoy ang mga pattern sa mga molekula ng dugo na nauugnay sa isang sanggol na kalaunan ay nagkakaroon ng isang pangunahing komplikasyon.
Batay sa impormasyong ito, bumuo ang pangkat ng isang kagamitan na maaaring mahulaan ang mga komplikasyong ito nang may katiyakan na 85%. Sa hinaharap, makakatulong ang kagamitang ito sa mga doktor na matukoy kung aling mga sanggol ang pinakanasa panganib at pahintulutan silang mamagitan nang mas maaga upang maiwasan ang mga problema sa kalusugan na nagbabanta sa buhay.
“"Ito ay isang kumpletong pagbabago sa paraan ng ating pag-iisip tungkol sa prematurity," sabi ni David Stevenson, MD, direktor ng Prematurity Research Center sa Stanford.
Pagpapalawak ng Pangangalaga sa Diabetes—David Maahs, MD, PhD, at Priya Prahalad, MD, PhD
Ang pamamahala sa diabetes ay nangangahulugan ng pagpapanatili ng mga antas ng asukal sa dugo sa isang malusog na hanay. Ngunit para sa mga pangkat ng pangangalaga, ang pagsubaybay sa maraming pasyente ay nakakaubos ng oras. Sa pangunguna nina David Maahs, MD, PhD, at Priya Prahalad, MD, PhD, ginamit ng mga mananaliksik ang mga tool ng AI upang lumikha ng isang matalinong dashboard upang mapabuti ang pangangalaga para sa mga kabataang may type 1 diabetes.
Nangangalap at nagsasala ang dashboard na ito ng maraming data point mula sa maraming pasyente nang sabay-sabay. Ipinapakita nito kung sino ang palaging nakasuot ng kanilang continuous glucose monitor at pinapanatili ang kanilang blood sugar sa target range. Nagbibigay-daan ito sa care team na tumuon sa mga pasyenteng nangangailangan ng karagdagang tulong—halimbawa, sa pagkuha ng bagong reseta ng glucose monitor o pagsasaayos ng dosis ng insulin.
Kahanga-hanga ang mga resulta. Natuklasan sa pag-aaral nina Maahs at Prahalad na matapos ipakilala ang dashboard, mahigit dumoble ang bilang ng mga pasyenteng nagpapanatili ng kanilang asukal sa dugo sa malusog na antas. Higit sa lahat, pantay na nakinabang ang mga pasyente mula sa lahat ng pinagmulan, anuman ang kanilang katayuan sa seguro.
“Madalas, kapag may mga bagong teknolohiyang medikal na magagamit, may ilang pasyenteng naiiwan,” sabi ni Maahs. “Nakakapagpatibay-loob na ang mga pasyente mula sa lahat ng pinagmulan ay nakinabang sa programa.”
Pinapatakbo ng Philanthropy
Para matuto nang higit pa tungkol sa mga pagsulong sa agham sa larangang ito sa Stanford at mga oportunidad sa pagkakawanggawa upang suportahan ang AI Hub, makipag-ugnayan kay Charlie.White@LPFCH.org.