Merative LP , ранее IBM Watson Health , — американская компания в области медицинских технологий , которая предоставляет продукты и услуги , которые помогают клиентам облегчить медицинские исследования , клинические исследования , фактические данные и медицинские услуги посредством использования искусственного интеллекта , анализа данных , облачных вычислений , и другие передовые информационные технологии. Merative принадлежит Francisco Partners , американской частной инвестиционной компании со штаб-квартирой в Сан-Франциско, Калифорния . В 2022 году IBM продала свое подразделение Watson Health и выделила его в Merative. По состоянию на 2023 год [обновлять]она останется отдельной компанией со штаб-квартирой в Анн-Арборе и инновационными центрами в Хайдарабаде , Бангалоре и Ченнаи . [1]
Thomson Healthcare была подразделением Thomson Corporation до 2008 года, когда после слияния Thomson с Reuters она стала медицинским подразделением Thomson Reuters . 23 апреля 2012 года Thomson Reuters согласилась продать его Veritas Capital за 1,25 миллиарда долларов США. [2] 6 июня 2012 года сделка была завершена, и новая компания Truven Health Analytics стала независимой организацией, специализирующейся исключительно на здравоохранении. [3]
Корпорация IBM приобрела Truven Health Analytics 18 февраля 2016 года и объединила ее с подразделением IBM Watson Health. [4] Truven Health Analytics предоставляла комплексные услуги по предоставлению медицинских данных и аналитике. [5] Их решения включали информацию, аналитические инструменты, тесты, исследования и услуги для отрасли здравоохранения , включая больницы, государственные учреждения, работодателей, планы медицинского страхования, врачей, фармацевтических компаний. , биотехнологические компании и компании по производству медицинского оборудования. Название компании Truven представляет собой сочетание слов «доверенный» и «проверенный». [6]
В январе 2022 года IBM объявила о продаже части активов Watson Health, включая Truven, компании Francisco Partners за 1 миллиард долларов. [7] 30 июня 2022 года Francisco Partners объявила о завершении приобретения Watson Health и основала компанию по производству медицинских данных под названием Merative. [8] [9]
Естественный язык Watson, генерация гипотез и возможности обучения на основе фактических данных исследуются, чтобы увидеть, как Watson может способствовать системам поддержки клинических решений и увеличению использования искусственного интеллекта в здравоохранении для использования медицинскими работниками . [10] Чтобы помочь врачам в лечении пациентов, после того как врач задал системе запрос, описывающий симптомы и другие связанные с ними факторы, Watson сначала анализирует входные данные, чтобы определить наиболее важные фрагменты информации; затем анализирует данные пациента, чтобы найти факты, имеющие отношение к медицинской и наследственной истории пациента ; затем исследует доступные источники данных для формирования и проверки гипотез ; [10] и, наконец, представляет список индивидуальных рекомендаций с оценкой достоверности. [11] Источниками данных , которые Watson использует для анализа, могут быть рекомендации по лечению, данные электронных медицинских карт , заметки медицинских работников, материалы исследований, клинические исследования, журнальные статьи и информация о пациентах. [10] Несмотря на то, что Watson был разработан и позиционируется как «консультант по диагностике и лечению», он никогда не участвовал в процессе медицинской диагностики , а только помогал определить варианты лечения для пациентов, которым уже поставили диагноз. [12]
В феврале 2011 года было объявлено, что IBM будет сотрудничать с Nuance Communications в исследовательском проекте по разработке коммерческого продукта в течение следующих 18–24 месяцев, предназначенного для использования возможностей Watson по поддержке принятия клинических решений. Врачи Колумбийского университета помогут выявить критические проблемы в медицинской практике , где технологии системы могут внести свой вклад. Кроме того, врачи из Университета Мэриленда будут работать над определением наилучшего способа взаимодействия такой технологии, как Watson, с практикующими врачами для оказания максимальной помощи. [13]
В сентябре 2011 года IBM и WellPoint (теперь Anthem ) объявили о партнерстве, которое позволит использовать возможности Watson по обработке данных, чтобы предлагать врачам варианты лечения. [14] Затем, в феврале 2013 года, IBM и WellPoint предоставили Watson первое коммерческое приложение для принятия решений по управлению использованием при лечении рака легких в Мемориальном онкологическом центре Слоан-Кеттеринг . [15]
IBM объявила о партнерстве с Cleveland Clinic в октябре 2012 года. Компания направила Watson в Медицинский колледж Лернера Кливлендской клиники Университета Кейс Вестерн Резерв , где она будет расширять свой опыт в области здравоохранения и помогать медицинским работникам в лечении пациентов. Медицинское учреждение будет использовать возможности Watson для хранения и обработки больших объемов информации, чтобы ускорить и повысить точность процесса лечения. «Сотрудничество Cleveland Clinic с IBM является захватывающим, поскольку оно дает нам возможность научить Watson «думать» способами, которые потенциально могут сделать его мощным инструментом в медицине», — сказал К. Мартин Харрис, доктор медицинских наук, директор по информационным технологиям Кливленда . Клиника . [16]
В 2013 году IBM и Онкологический центр доктора медицинских наук Андерсона начали пилотную программу, направленную на реализацию «миссии центра по искоренению рака». [17] [18] Однако, потратив 62 миллиона долларов, проект не достиг своих целей и был остановлен. [19]
8 февраля 2013 года IBM объявила, что онкологи из Центра онкологической медицины штата Мэн и медицинской группы Westmed в Нью-Йорке начали тестировать суперкомпьютерную систему Watson, пытаясь рекомендовать лечение рака легких. [20]
29 июля 2016 г. IBM и Manipal Hospitals [21] (ведущая сеть больниц в Индии) объявили о запуске IBM Watson for Oncology для онкологических больных. Этот продукт предоставляет врачам и больным раком информацию и ценные сведения, помогая им определить персонализированные, основанные на фактических данных варианты лечения рака. Больницы Манипал — вторая больница [22] в мире, внедрившая эту технологию, и первая в мире, предлагающая ее пациентам онлайн в качестве экспертного второго мнения через свой веб-сайт . [23] Manipal расторгла этот контракт в декабре 2018 года.
7 января 2017 года IBM и Fukoku Mutual Life Insurance заключили контракт с IBM на проведение анализа компенсационных выплат с помощью искусственного интеллекта IBM Watson Explorer. Это привело к потере 34 рабочих мест, и компания заявила, что ускорит анализ компенсационных выплат. путем анализа претензий и медицинской документации и повышения производительности на 30%. Компания также заявила, что сэкономит 140 миллионов йен на эксплуатационных расходах. [24]
Говорят, что IBM Watson будет нести в себе базу знаний 1000 специалистов по онкологическим заболеваниям, что произведет революцию в сфере здравоохранения. IBM считается прорывной инновацией. Однако направление онкологии все еще находится на зачаточной стадии. [25]
Несколько стартапов в сфере здравоохранения эффективно использовали семь архетипов бизнес-моделей для вывода на рынок решений [ модное слово ] на базе IBM Watson. Эти архетипы зависят от ценности, создаваемой для целевого пользователя (например, ориентация на пациента по сравнению с ориентацией на поставщика медицинских услуг и плательщика) и механизмов получения ценности (например, предоставление информации или объединение заинтересованных сторон). [26]
В 2019 году Элиза Стрикленд назвала «историю Watson Health [...] поучительной историей о высокомерии и шумихе» и представила «репрезентативную выборку проектов» с их статусом. [27] Сообщение Ассоциации вычислительной техники (ACM) от 2021 года под названием «Что случилось с Watson Health?» описала проблемы управления портфелем Watson Health, учитывая количество приобретений, связанных с созданием подразделения в 2015 году, и почти полный упор на процесс «голубого промывания», а не на потребности приобретения клиентской базы. [28]
21 января 2022 года IBM объявила, что продаст Watson Health частной инвестиционной компании Francisco Partners . [29]
Последующий мотив слияния крупных медицинских компаний с другими медицинскими компаниями обеспечивает большую доступность медицинских данных. [30] Большие данные о состоянии здоровья могут позволить более широко внедрять алгоритмы искусственного интеллекта . [31]
Большая часть отраслевого применения ИИ в секторе здравоохранения сосредоточена на системах поддержки клинических решений . [32] По мере увеличения объема данных системы поддержки принятия решений ИИ становятся более эффективными. Многие компании изучают возможности внедрения больших данных в отрасль здравоохранения. [33]
IBM Watson Oncology находится в разработке в Онкологическом центре Мемориала Слоана-Кеттеринга и Кливлендской клинике . [34] IBM также сотрудничает с CVS Health над применением искусственного интеллекта в лечении хронических заболеваний и с Johnson & Johnson над анализом научных работ с целью поиска новых связей для разработки лекарств . [35] В мае 2017 года IBM и Политехнический институт Ренсселера начали совместный проект под названием «Расширение возможностей здравоохранения посредством аналитики, обучения и семантики» (HEALS), который будет изучен с использованием технологий искусственного интеллекта для улучшения здравоохранения. [36]
Некоторые другие крупные компании, которые внесли свой вклад в разработку алгоритмов искусственного интеллекта для использования в здравоохранении, включают:
Проект Microsoft в Ганновере в партнерстве с Институтом рака Найта Орегонского университета здоровья и науки анализирует медицинские исследования, чтобы предсказать наиболее эффективные варианты лекарственного лечения рака для пациентов. [37] Другие проекты включают анализ медицинских изображений прогрессирования опухоли и разработку программируемых клеток . [38]
Платформа Google DeepMind используется Национальной службой здравоохранения Великобритании (NHS) для выявления определенных рисков для здоровья с помощью данных , собранных через мобильное приложение. [39] Второй проект с NHS включает анализ медицинских изображений, полученных от пациентов NHS, для разработки алгоритмов компьютерного зрения для обнаружения раковых тканей. [40]
Подразделение венчурного капитала Intel ( Intel Capital ) недавно инвестировало в стартап Lumiata, который использует искусственный интеллект для выявления пациентов из группы риска и разработки вариантов лечения. [41]
Искусственный интеллект в здравоохранении — это использование сложных алгоритмов и программного обеспечения для имитации человеческого познания при анализе сложных медицинских данных. В частности, ИИ — это способность компьютерных алгоритмов делать приблизительные выводы без прямого участия человека.
Что отличает технологию искусственного интеллекта от традиционных технологий в здравоохранении, так это способность получать информацию, обрабатывать ее и предоставлять конечным пользователям четко определенные результаты. ИИ делает это с помощью алгоритмов машинного обучения . Эти алгоритмы способны распознавать закономерности в поведении и создавать собственную логику. Чтобы уменьшить погрешность, алгоритмы ИИ необходимо многократно тестировать. Алгоритмы ИИ ведут себя иначе, чем люди, по двум причинам: (1) алгоритмы буквальны: если вы ставите цель, алгоритм не может адаптироваться и понимать только то, что ему было сказано явно, (2) и алгоритмы представляют собой черные ящики ; алгоритмы могут чрезвычайно точно предсказать, но не причину или почему. [42]
Основная цель приложений ИИ, связанных со здравоохранением, — проанализировать взаимосвязь между методами профилактики или лечения и результатами лечения пациентов. [43] Программы искусственного интеллекта были разработаны и применены в таких практиках, как процессы диагностики , разработка протоколов лечения , разработка лекарств , персонализированная медицина , а также мониторинг и уход за пациентами. Медицинские учреждения, такие как Клиника Мэйо , Мемориальный онкологический центр Слоана-Кеттеринга , [44] [45] и Национальная служба здравоохранения , [46] разработали алгоритмы искусственного интеллекта для своих отделений. Крупные технологические компании, такие как IBM [47] и Google , [46] и такие стартапы, как Welltok и Ayasdi, [48] также разработали алгоритмы искусственного интеллекта для здравоохранения. Кроме того, больницы ищут решения искусственного интеллекта [ модное слово ] для поддержки операционных инициатив, которые увеличивают экономию средств, повышают удовлетворенность пациентов и удовлетворяют потребности в персонале и рабочей силе. [49] Компании разрабатывают решения для прогнозной аналитики [ модное слово ] , которые помогают менеджерам здравоохранения улучшить бизнес-операции за счет увеличения загрузки, уменьшения количества пациентов в стационарах, сокращения продолжительности пребывания и оптимизации численности персонала. [50]
Следующие области медицины представляют интерес для исследований искусственного интеллекта:
Возможность интерпретировать результаты визуализации с помощью радиологии может помочь врачам обнаружить малейшие изменения на изображении, которые врач может случайно пропустить. Исследование в Стэнфорде создало алгоритм, который мог обнаружить пневмонию в этом конкретном месте у участвующих пациентов с лучшим средним показателем F1 (статистический показатель, основанный на точности и запоминаемости), чем у радиологов, участвовавших в этом исследовании. [51] Радиологическая конференция Радиологического общества Северной Америки провела презентации по искусственному интеллекту в визуализации во время своего ежегодного собрания. Появление технологии искусственного интеллекта в радиологии воспринимается некоторыми специалистами как угроза, поскольку технология позволяет добиться улучшения определенных статистических показателей в единичных случаях, в отличие от специалистов. [52] [53]
Последние достижения позволили использовать ИИ для описания и оценки результатов челюстно-лицевой хирургии или оценки лечения расщелины неба с точки зрения привлекательности лица или возраста. [54] [55]
В 2018 году в статье, опубликованной в журнале Annals of Oncology, упоминалось, что рак кожи может быть более точно обнаружен системой искусственного интеллекта (которая использовала сверточную нейронную сеть глубокого обучения ), чем дерматологами . В среднем дерматологи-дерматологи точно обнаружили на изображениях 86,6% случаев рака кожи по сравнению с 95% на аппарате CNN. [56]
Существует множество заболеваний, но есть также много способов использования ИИ для их эффективной и точной диагностики. Некоторые из наиболее известных заболеваний — это диабет и сердечно-сосудистые заболевания (ССЗ), которые входят в первую десятку причин смертности во всем мире и легли в основу многих исследований/тестирований, помогающих получить точную информацию. диагноз. Из-за такого высокого уровня смертности , связанного с этими заболеваниями, были предприняты усилия по интеграции различных методов, помогающих поставить точный диагноз.
Статья Цзяна и др. (2017) [57] продемонстрировали, что существует множество различных типов методов искусственного интеллекта, которые используются при различных заболеваниях. Некоторые из этих методов обсуждались Цзяном и др. включают: машины опорных векторов , нейронные сети , деревья решений и многое другое. Каждый из этих методов описывается как имеющий «цель обучения», поэтому «классификации максимально соответствуют результатам…». [57]
Чтобы продемонстрировать некоторые особенности диагностики/классификации заболеваний, при классификации этих заболеваний используются два разных метода, в том числе использование « искусственных нейронных сетей (ИНС) и байесовских сетей (БН)». [58] Из обзора множества различных статей. в течение 2008–2017 гг. [58] в них наблюдалось, какой из двух методов был лучше. Был сделан вывод, что «ранняя классификация этих заболеваний может быть достигнута путем разработки моделей машинного обучения, таких как искусственные нейроны». Сеть и байесовская сеть». В другом выводе Alic и соавт. (2017) [58] удалось сделать вывод о том, что между ними ANN и BN лучше и могут более точно классифицировать диабет/ССЗ со средней точностью «в обоих случаях ( 87,29 для диабета и 89,38 для сердечно-сосудистых заболеваний).
Рост телемедицины показал рост возможных приложений ИИ. [59] Возможность наблюдать за пациентами с помощью ИИ может позволить передавать информацию врачам в случае возможной активности заболевания. [60] Носимое устройство может обеспечивать постоянный мониторинг состояния пациента, а также давать возможность замечать изменения, которые могут быть менее различимы для человека.
Электронные медицинские записи имеют решающее значение для цифровизации и распространения информации в отрасли здравоохранения. Однако регистрация всех этих данных сопряжена со своими проблемами, такими как когнитивная перегрузка и выгорание пользователей. Разработчики EHR сейчас автоматизируют большую часть процесса и даже начинают использовать инструменты обработки естественного языка (NLP) для улучшения этого процесса. Одно исследование, проведенное исследовательским институтом Centerstone, показало, что прогнозирующее моделирование данных EHR достигло точности 70–72% при прогнозировании индивидуального ответа на лечение на исходном уровне. [61] Это означает, что использование инструмента искусственного интеллекта, который сканирует данные EHR, позволит довольно точно предсказать причину заболевания у человека.
Улучшения в обработке естественного языка привели к разработке алгоритмов для определения лекарственного взаимодействия в медицинской литературе. [62] [63] [64] [65] Взаимодействие между лекарствами представляет угрозу для тех, кто принимает несколько лекарств одновременно, и опасность возрастает с увеличением количества принимаемых лекарств. [66] Чтобы решить проблему отслеживания всех известных или предполагаемых взаимодействий лекарств, были созданы алгоритмы машинного обучения для извлечения информации о взаимодействующих лекарствах и их возможных эффектах из медицинской литературы . В 2013 году усилия были объединены в рамках проекта DDIExtraction Challenge, в рамках которого группа исследователей из Университета Карлоса III собрала корпус литературы по лекарственным взаимодействиям, чтобы сформировать стандартизированный тест для таких алгоритмов. [67] Конкурентов проверяли на способность точно определить по тексту, какие препараты взаимодействуют друг с другом и каковы характеристики их взаимодействия. [68] Исследователи продолжают использовать этот корпус для стандартизации измерения эффективности своих алгоритмов. [62] [63] [65]
Другие алгоритмы идентифицируют взаимодействие лекарств на основе закономерностей в пользовательском контенте, особенно в электронных медицинских записях и/или отчетах о нежелательных явлениях. [63] [64] Такие организации, как Система сообщения о нежелательных явлениях FDA (FAERS) и VigiBase Всемирной организации здравоохранения (ВОЗ), позволяют врачам отправлять отчеты о возможных негативных реакциях на лекарства. Алгоритмы глубокого обучения были разработаны для анализа этих отчетов и выявления закономерностей, предполагающих взаимодействие лекарств. [69]