Kunstig intelligens i helse

Størrelse: px

Begynne med side:

Download "Kunstig intelligens i helse"

Odd Møller
5 år siden
Visninger:

1 Kunstig intelligens i helse Hvor står vi og hvor går vi? Athar Ali Tajik

2 Athar Ali Tajik Lege / kardiolog Overlege hjerteavdeling (SUS) Bachelor i datateknikk (UiS) 2015 Mastergrad i helseøkonomi (LSE) 2017 Rådgiver i Deloitte Health Care

3 Kunstig intelligens i helse Hvor står vi og hvor går vi? 3

4 Kunstig intelligens Hvor står vi og hvor går vi? 1. Hvordan definere kunstig intelligens? 2. Hva er det den underliggende teknologien? 3. Eksempler på bruk i helse 4. Etiske utfordringer 4

5 Kunstig intelligens Hva er det? «A useful definition of artificial intelligence is the theory and development of computer systems able to perform tasks that normally require human intelligence.» Autonome enheter som henter data fra omgivelsene, har målrettet atferd og bruker maskinlæringsalgoritmer for å bedre prestasjonen fra gang til gang 5

6 Kunstig intelligens Historikk Den første vinter (60-70-tallet) Fokus på språkgjenkjenning under den kalde krigen Utvikling av teorien bak nevrale nettverk Teknologien er ikke moden Våren gryr (2000-tallet) Flere applikasjoner blir en del av hverdagslivet inkludert websøketeknologi, bildegjenkjenning og talegjenkjenning Den andre vinter (80-90-tallet) Logiske programmeringspråk utvikles Store forventninger men skuffende resultater 1996 Deep Blue slår Kasparov Sommer? (2015+) Kommersielle aktører i Helse 2014 AlphaGo slår verdens beste spiller i Go Synergier med andre potensielt disruptive teknologier; nanoteknologi, block-chain, 3d-printing 6

7 Underliggende teknologier Nevrale nettverk Etterligner strukturen i biologiske hjerner Systemet er innledningsvis naivt og læres opp over gjentatte sesjoner Resultatet sammenlignes mot en «fasit» og «nevronene» justeres tilsvarende Ligger til grunn for det vi kaller «dyp læring» Nyttig for gjenkjenning, bedømming og kategorisering Title: Artificial neural network with layer coloring Author: Glosser.ca Source: Wikimedia Commons Licence: CC BY-SA 3.0 7

Underliggende teknologier Genetiske algoritmer Benytter seg av evolusjonære mekanismer En rekke løsninger genereres tilfeldig Elementer

8 Underliggende teknologier Genetiske algoritmer Benytter seg av evolusjonære mekanismer En rekke løsninger genereres tilfeldig Elementer fra de beste løsningene settes sammen tilfeldig Optimalisering av kunstige klaffer og proteser Utvikling av nye kirurgiske instrumenter 8

Medisinsk diagnostikk og behandling Fra spill til helse IBM Watson Opprinnelig utviklet for å konkurrere i Jeopardy Søker gjennom flere millioner sider med strukturerte og ustrukturerte data (tekst,

9 Medisinsk diagnostikk og behandling Fra spill til helse IBM Watson Opprinnelig utviklet for å konkurrere i Jeopardy Søker gjennom flere millioner sider med strukturerte og ustrukturerte data (tekst, tabeller, figurer, bilder) Kommersielle implementeringen innenfor onkologi, basalforskning, farmakologi, pleie og oppfølgning Google Deepmind Nevralt nettverk som lærer seg dataspill fra grunnen av Overvant det høyeste rangerte mennesket i spillet Go Forsøkt implementert i NHS for utfallsprediksjon 9

Eksempel 1 Bruk av akutt CT hos barn CT undersøkelse utgjør en betydelig mengde røntgenstråler og man ville undersøke bruken hos barn Denne oppgaven krever sammenstilling av ustrukturerte journaldata

10 Eksempel 1 Bruk av akutt CT hos barn CT undersøkelse utgjør en betydelig mengde røntgenstråler og man ville undersøke bruken hos barn Denne oppgaven krever sammenstilling av ustrukturerte journaldata og radiologiske funn Manuell gjennomgang av flere tusen skriftlige beskrivelser ville kreve betydelig med tid og ressurser Prosjekt med bruk av kognitiv programvare Gjennomgang av 5400 røntgenrapporter Hurlen et al. Can cognitive insights improve radiology? Akershus Universitetssykehus. Helse Sør-Øst 10

Eksempel 2 Maskinlæring og hjertekransårer Trange hjertekransårer kan føre til angina og hjerteinfarkt Ny teknologi gjør det mulig å måle blodstrømmen in årene ved hjelp av

11 Eksempel 2 Maskinlæring og hjertekransårer Trange hjertekransårer kan føre til angina og hjerteinfarkt Ny teknologi gjør det mulig å måle blodstrømmen in årene ved hjelp av CT bilder Bruker elementer av fluiddynamikk, 3Dmodellering og andre maskinlærings teknologier Metoden kostnads-effektiv for vurdering av pasienter med moderat risikoprofil 11

12 Eksempel 3 Maskinlæring til utfallprediksjon Det ble gjennomført MR av hjertet til pasienter med høyt trykk i lungekretsløpet Det ble dannet en 3D modell av hjertets med simulering av dets bevegelse Maskinlæringsmetoder ble brukt til å identifisere datapunkter for utfallsprediksjon Metoden identifiserte modell for utfallsprediksjon som senere ble validert Dawes et. al. Machine Learning of Three-dimensional Right Ventricular Motion Enables Outcome Prediction in Pulmonary Hypertension: A Cardiac MR Imaging Study. Radiology 2017 Title: A simple figure descripting pulmonary artery catheter. Drawn with Inkscape 0.43 Author: Tariq Abdullah Source: Wikimedia Commons Licence: CC BY-SA

Eksempel 4 Intelligente roboter og emosjonell støtte Flere aktører har utviklet robotiske hjelpere for fysisk og psykisk velvære MIT har utviklet en pleierobot er for pasienter

13 Eksempel 4 Intelligente roboter og emosjonell støtte Flere aktører har utviklet robotiske hjelpere for fysisk og psykisk velvære MIT har utviklet en pleierobot er for pasienter med Alzheimers sykdom Kan samle inn data fra bærbære enheter f.eks. puls, respirasjon, andre parametre Kan fungere som samtalepartner og eventuelt signalisere behov for hjelp 13

14 1/28/2018 Kunstig intelligens Etiske utfordringer Hvilke avgrensninger bør gjelde? Hvilke forutinntagelser legges til grunn? Hva er den riktige målestokken? Lindring, sorg og død? Lucas Cranach den Eldre

15 Isaac Asimov Robot-etikkens far 1. En robot skal ikke ved sin gjerning, eller fravær av gjerning, påføre et menneske skade. 2. En robot skal følge ordre den mottar fra mennesker bortsett fra når det strider mot den første lov. 3. En robot må verne om seg selv så lenge dette ikke er i strid med den første eller annen lov. Asimov, «I, Robot», 1942 Isaac Asimov ( ) 15

16 Hva mener legene og sykepleierene? Deloitte, «Time to Care»,

17 Kunstig intelligens er en samling med teknologier som kan etterligne menneskelige kognitive evner KI er en av flere nye teknologier som kan hjelpe oss å møte de store helseutfordringene vi står ovenfor God implementering krever medisinskfaglig kunnskap, teknologisk innsikt og dyp etisk tenkning 17

18 Deloitte AS and Deloitte Advokatfirma AS are the Norwegian affiliates of Deloitte NWE LLP, a member firm of Deloitte Touche Tohmatsu Limited ("DTTL"), its network of member firms, and their related entities. DTTL and each of its member firms are legally separate and independent entities. DTTL (also referred to as "Deloitte Global") does not provide services to clients. Please see for a more detailed description of DTTL and its member firms. Deloitte Norway conducts business through two legally separate and independent limited liability companies; Deloitte AS, providing audit, consulting, financial advisory and risk management services, and Deloitte Advokatfirma AS, providing tax and legal services. Deloitte provides audit, consulting, financial advisory, risk management, tax and related services to public and private clients spanning multiple industries. Deloitte serves four out of five Fortune Global 500 companies through a globally connected network of member firms in more than 150 countries bringing world-class capabilities, insights, and high-quality service to address clients most complex business challenges. To learn more about how Deloitte s approximately 245,000 professionals make an impact that matters, please connect with us on Facebook, LinkedIn, or Twitter. This communication contains general information only, and none of Deloitte Touche Tohmatsu Limited, its member firms, or their related entities (collectively, the "Deloitte Network") is, by means of this communication, rendering professional advice or services. Before making any decision or taking any action that may affect your finances or your business, you should consult a qualified professional adviser. No entity in the Deloitte Network shall be responsible for any loss whatsoever sustained by any person who relies on this communication.

Like dokumenter

GDPR krav til innhenting av samtykke

GDPR krav til innhenting av samtykke OMG AS 2. november 2017 Basic personvern 2 Sentrale definisjoner personopplysningsloven 2 GDPR art. 4 Personopplysning Opplysninger og vurdering som kan knyttes til