Iparági ÚTMUTATÓ

AI a gyermekgyógyászatban

A gyermekgyógyászatban a mesterséges intelligencia a gépi tanulást alkalmazza a gyermekek gondozásában, beleértve a növekedés és fejlődés nyomon követését, a gyermekgyógyászati ​​képek olvasását, az intenzív osztályon lévő újszülöttek megfigyelését és a fejlődési diagnózisok, például az autizmus támogatását.

Hallgassa meg ezt az útmutatótAI-narrált · ~3 min

Ezen az oldalon4 perc olvasás
  1. Áttekintés
  2. Mély merülés
  3. Valós megvalósítás
  4. Az AI jövője a gyermekgyógyászatban
  5. A gyakorlatba ültetés
  6. Folytassa a felfedezést
  7. Gyakran ismételt kérdések

Áttekintés

Ez azért fontos, mert a gyerekek nem kicsi felnőttek: testük gyorsan változik az életkorral, adataik ritkábban vannak, és jobban védettek, és a legtöbb orvosi mesterséges intelligencia felnőtteken készült és tesztelték.

Mély merülés

A gyermekkori mesterséges intelligencia ugyanazokat a feladatokat fedi le, mint a felnőttek orvoslása, de mindegyik nehezebb. A növekedés és a fejlődés nyomon követése mindig is a referenciadiagramokon, például a WHO és a CDC növekedési görbéin alapult. A mesterséges intelligencia mintázat-érzékeléssel egészítheti ki az ismételt méréseket, például megjelölheti azt a gyermeket, akinek a súlya átlépi a százalékos vonalakat oly módon, hogy figyelmet érdemeljen, vagy megbecsülje a csontok korát egy kézröntgen alapján. Az automatizált csontkorszaki eszközöket évek óta használják klinikailag Európában, és jó példái egy szűk, jól definiált feladatnak, amely megfelel a gépi tanulásnak. A gyermekgyógyászati ​​képalkotás kisebb sugárdózist és kisebb anatómiát használ, a normál megjelenés pedig az életkorral változik: tízévesnél növekedési lemez várható, míg felnőtteknél hasonló vonal törés lehet. A felnőtt röntgenfelvételeken kiképzett modell ezeket félreolvashatja. A NICU monitorozása az egyik régebbi sikertörténet. A HeRO monitor elemzi a szívritmus-jellemzőket, hogy megbecsülje a szepszis kockázatát koraszülötteknél, és egy 2011-ben közzétett nagyméretű randomizált vizsgálat azt találta, hogy a nagyon alacsony születési súlyú csecsemők mortalitása csökkent, akiknek a klinikusok láthatták a pontszámot. A mélytanulást a koraszülöttek retinopátiájának retinaképekből történő szűrésére is használják. A fejlődési diagnózis mérföldkővé vált 2021-ben, amikor az FDA engedélyezte a Cognoa's Canvas Dx-t, mint segédeszközt kisgyermekek autizmusának diagnosztizálására. Inkább támogatja, mint helyettesíti a klinikusok megítélését. Miért nehezebb a gyermekkori mesterséges intelligencia felépítése? Az adatkészletek kicsik, mert a gyerekek átlagosan egészségesebbek, és a ritka betegségek gyengén terjednek. A korcsoportok annyira különböznek egymástól, hogy egy újszülött és egy tinédzser szinte különböző populációt jelent. A beleegyezés magában foglalja a szülőket, és egyre inkább a gyermek saját hozzájárulását, és szigorúbbak az adatvédelmi szabályok. Sok, a szabályozó hatóságok által engedélyezett mesterségesintelligencia-eszközt soha nem értékeltek gyermekeknél. Elterjedt tévhit, hogy egy felnőtt által tesztelt eszköz egyszerűen használható gyerekeken; általában külön érvényesítést igényel.

Valós megvalósítás

A NICU olyan pulzusmérőt használ, amely figyeli a csökkent változékonyságot és a szokatlan lassulásokat, amelyek a nagyon koraszülött csecsemők szepszisét megelőzhetik, ami korábbi értékelést késztet.

A radiológus csontkorú szoftvert használ, amely összehasonlítja a gyermek kézröntgenfelvételét a csontfejlődés tanult mintáival, így következetes becslést ad a növekedés vagy a pubertás értékelésére.

A gyermekorvos az FDA által engedélyezett autizmus diagnosztizálási segédeszközt használ, amely egyesíti a gondozói kérdőívet, az otthoni videóelemzést és a klinikai kérdőívet meghatározott életkorú gyermekek számára.

A koraszülöttek retinopátiájának szűrőprogramja mély tanulási modellt használ a koraszülöttek retinális képeinek osztályozására, és megjelöli azokat, akiknél sürgősen szemorvosra van szükség.

Az AI jövője a gyermekgyógyászatban

A gyermekkori mesterséges intelligencia terén elért haladás valószínűleg a gyermekkórházak közötti adat-együttműködésen múlik, mivel egyetlen helyen sem találkozhatunk elég ritka esettel. A szabályozó hatóságok és a szakmai testületek nagyobb figyelmet fordítottak arra, hogy az eszközöket gyermekeken tesztelték-e, ami arra késztetheti a gyártókat, hogy jelentsenek életkor-specifikus teljesítményt. Az újszülöttgondozás folyamatos monitorozása és az olyan állapotok képalapú szűrése, mint a koraszülöttkori retinopátia, a legérettebb bizonyítékokkal rendelkező területek. A fejlődési és viselkedési értékelésben való szélesebb körű felhasználáshoz gondosan tanulmányozni kell a családok, nyelvek és kultúrák közötti méltányosságot, valamint világos szabályokat kell alkalmazni a gyermekek adatainak tárolására és újrafelhasználására, ahogy felnőtté válnak.

A gyakorlatba ültetés

Miért számít

  • Kontextus és szabályok. Az iparági kontextus határozza meg, hogy az AI ötletek túlélik-e a valósággal való érintkezést.
  • Minőségellenőrzés. A tartományi korlátok befolyásolják az elfogadható hibaarányt és a felügyeleti modelleket.
  • Építési lehetőségek. A sikeres telepítések összehangolják a műszaki képességeket a frontvonalbeli munkafolyamatokkal.

Vigyázz

  • A szabályozási követelmények érvényteleníthetik az egyébként erős prototípusokat.
  • A korábbi adatok olyan elfogultságot kódolhatnak, amely bizonyos közösségeket károsít.
  • Az örökölt rendszerek szűk keresztmetszeteket és rejtett költségeket okozhatnak az integrációban.

Következő lépések

  1. Vonjon be területi szakértőket a probléma megfogalmazásától az értékelésig.
  2. Tervezze meg az ellenőrzési nyomvonalakat és a dokumentációt az indítás előtt.
  3. Korán érvényesítse a megfelelési és biztonsági kötelezettségeket.
  4. Fázisokban történő bevezetés egyértelmű leállítási és visszaállítási kritériumokkal.

Folytassa a felfedezést

Ingyenes hírlevél

Szerezze meg a napi AI összefoglalót

Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.

Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.

Teszteld magad

Take the AI in Pediatrics quiz

Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.

Kezdő kvíz

Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt

Gyakran ismételt kérdések

Mi az AI a gyermekgyógyászatban?

A gyermekgyógyászatban a mesterséges intelligencia a gépi tanulást alkalmazza a gyermekek gondozásában, beleértve a növekedés és fejlődés nyomon követését, a gyermekgyógyászati képek olvasását, az intenzív osztályon lévő újszülöttek megfigyelését és a fejlődési diagnózisok, például az autizmus támogatását. Ez azért fontos, mert a gyerekek nem kicsi felnőttek: testük gyorsan változik az életkorral, adataik ritkábban vannak, és jobban védettek, és a legtöbb orvosi mesterséges intelligencia felnőtteken készült és tesztelték.

Miért értelmezheti félre egy 10 éves gyermek csontképét egy felnőtt röntgensugárzásra kiképzett mesterséges intelligencia?

A normál gyermekgyógyászati ​​anatómia, például a nyitott növekedési lemezek, az életkorral változik. Egy felnőtt képzett modell soha nem tudta meg, hogy ezek a vonalak várhatóak.

Mit elemz a HeRO monitor a szepszis kockázatának becsléséhez koraszülötteknél?

A Hero összefoglalja a pulzusszám időbeli jellemzőit. Egy 2011-es randomizált vizsgálat alacsonyabb mortalitást talált nagyon alacsony születési súlyú csecsemőknél, amikor a klinikusok láthatták a pontszámot.

Milyen szerepet játszik az FDA által 2021-ben engedélyezett Cognoa's Canvas Dx az autizmus ellátásában?

Az eszköz támogatja, nem pedig helyettesíti a klinikusok megítélését, és egy adott korcsoportba tartozó kisgyermekek számára készült.

Milyen okot ad az útmutató a gyermekgyógyászati ​​adatkészletek kicsiségére?

Kevesebb gyermek súlyosan megbetegszik, és a ritka betegségek számos kórházban szétszórtan fordulnak elő, így egyetlen helyszínen kevés példa van rá.

Miért számolnak be a szakemberek a gyermekgyógyászati ​​modell pontosságáról korosztályonként?

Az újszülöttek, csecsemők és serdülők annyira különböznek egymástól, hogy a jó általános pontosság elfedheti a kudarcot egy csoportban, gyakran a legfiatalabbaknál.