Уйдя с должности первого президента подразделения облачных вычислений Oracle, я вернулся в Стэнфордский университет, чтобы начать первый курс по облачным вычислениям CS309A. Несколько лет назад поступил уникальный студент. Этим студентом, который после выпуска стал лидером в области искусственного интеллекта в медицине, был доктор. Энтони Чанг. Именно благодаря ему я был более чем удивлен, узнав, что даже со всеми технологиями система здравоохранения использовала (и до сих пор использует) компакт-диски (или более продвинутые USB-накопители) для передачи данных. данные о здоровье. Кроме того, я узнал, что быстрый прогресс и точность, которые мы наблюдали в потребительском ИИ, просто не происходили в медицине, в значительной степени потому, что повышение точности по своей сути зависит от доступа к большому количеству разнообразных данных.

Во время COVID я принял решение выйти из отставки и собрать команду экспертов. Наша миссия? Создавайте приложения реального времени для сохранения конфиденциальности (и жизни) на основе доступа к данным, генерируемым всеми 1 000 000 медицинских машин во всех 500 детских больницах. Успех в этой миссии уменьшит несправедливость в здравоохранении, снизит затраты на здравоохранение и улучшит результаты лечения пациентов не только на национальном, но и на глобальном уровне. Мы называем это педиатрическим лунным выстрелом.

Хотя подход к централизованной архитектуре, включающий сбор огромных объемов данных в централизованные репозитории, довольно успешно использовался для ускорения разработки потребительских приложений ИИ, таких как ChatGPT, этот подход не будет работать для приложений ИИ в медицине. Централизованные архитектуры не подходят для использования ИИ в медицине по нескольким причинам. В частности, централизованные архитектуры не защищают сеть, не дружественны к приложениям, не работают в режиме реального времени, не сохраняют конфиденциальность и не сохраняют суверенитет. Итак, как и в случае с первоначальным выстрелом на Луну, нам нужно было разработать новую ракету.

Команда Bevelcloud разработала децентрализованную архитектуру для ИИ в медицине. Мы называем эту децентрализованную внутреннюю инфраструктуру пограничным облаком. Он должен работать в здании, как и медицинские машины в здании, а это означает, что управление безопасностью и управление конфиденциальностью встроены прямо в его ядро. Кроме того, периферийное облако должно работать на всех шести континентах, где находится каждая из 500 детских больниц. Поскольку задача состоит в том, чтобы обеспечить доступ к данным всех 1 000 000 медицинских машин, мы создали цифровые двойники медицинских машин, чтобы стандартизировать доступ к данным от машин для визуализации, анализаторов крови и прикроватных мониторов в режиме реального времени. Архитектура также поддерживает цифровые двойники PACS для стандартизации доступа к данным изображений в автономном режиме, а также цифровые двойники EMR для стандартизации доступа к медицинским записям.

Используя эти общие стандарты данных, разработчики приложений могут использовать BevelCloud Studio для создания приложений реального времени, сохраняющих конфиденциальность, которые могут работать в любой точке мира. Ближайшая аналогия этому подходу — это то, что Apple сделала с iPhone. Создав платформу, стандартизировав доступ к камере и GPS, они побудили тысячи независимых разработчиков создавать приложения. Когда вышел iPhone, кто мог представить себе TikTok, Instagram или WeChat? Точно так же мы представляем тысячи творческих разработчиков, создающих самые разные приложения в кардиологии, радиологии, онкологии, ортопедии, неотложной медицине, редких заболеваниях, неонатологии и неврологии.

Возможно множество применений. Одним из них, на котором мы сосредоточились, является приложение для обмена изображениями для неотложной медицинской помощи. Из недавней статьи о состоянии обмена рентгенологическими изображениями в детских больницах США: Быстрая и безопасная передача изображений имеет жизненно важное значение для безопасности пациентов, поскольку спрос на изображения растет. Многие врачи педиатрических отделений неотложной помощи подтверждают это утверждение, определяя совместное использование изображений как универсальную проблему, особенно при работе с рентгенологическими изображениями, полученными из направляющих больниц или клиник. Иногда единственная надежда получить доступ к этим изображениям зависит от того, сделала ли семья снимок экрана.

Так быть не должно. В наших силах построить общенациональную или глобальную сеть для обмена скудным педиатрическим клиническим опытом с клиниками и недетскими больницами. В 2022 году наша команда продемонстрировала глобальный обмен изображениями в реальном времени. Доктор Чанг привел свою старшую дочь, у которой врожденный порок сердца, в лабораторию эхокардиологии Детской больницы в округе Ориндж, штат Калифорния. Ее ультразвуковое исследование было передано — в режиме реального времени, поскольку оно проводилось в Калифорнии — экспертам из Bambino Gesu в Ватикане. Посмотрите короткое видео с того исторического дня.

Признание того, что педиатрических знаний слишком мало для тех детей, которым не повезло географически или социально, чтобы иметь прямой доступ к педиатру или другому специалисту в области детского здоровья, также оправдывает необходимость создания ИИ для детской медицины. Опять же, предоставление высококачественной и точной помощи может быть лучше достигнуто, несмотря на географические и социально-экономические соображения, путем развертывания сохраняющих конфиденциальность приложений искусственного интеллекта в режиме реального времени на месте оказания помощи в детской больнице, недетской больнице или клинике. Развертывание кардиологических, неврологических или ортопедических приложений в местах оказания медицинской помощи осуществляется просто с помощью пограничной облачной платформы.

Сложность заключается в том, как обучать точные, непредвзятые приложения ИИ, сохраняя при этом конфиденциальность. К счастью, появилась технология под названием федеративное обучениеg, позволяющая обучать потребительские приложения ИИ, сохраняя при этом как сетевые ресурсы, так и конфиденциальность. Siri — отличный пример использования федеративного обучения в потребительском ИИ. Siri может обучаться каждый раз, когда вы говорите, не отправляя ваши голосовые данные в централизованную службу, а обучаясь на основе ваших голосовых данных в высоко децентрализованнойархитектуре — миллионах iPhone.

Обучение точным, непредвзятым приложениям ИИ в медицине требует доступа к большому количеству разнообразных данных, и эти данные существуют. Например, предположим, что эхокардиологические лаборатории, находящиеся во всех 500 детских больницах по всему миру, в совокупности производят более 6 000 000 ТБ данных каждый год. Это в 150 000 раз превышает размер централизованного хранилища данных изображений NIH. Благодаря периферийному облаку в здании мы можем использовать федеративное обучение для обучения высокоточных приложений искусственного интеллекта каждому возможному педиатрическому кардиологическому заболеванию, сохраняя при этом конфиденциальность.

Поскольку разработка приложений ИИ без данных аналогична созданию корпоративных приложений без языка программирования, наша цель — создать Объединенную учебную лабораторию для детской медицины. Первоначально лаборатория будет сосредоточена исключительно на детской кардиологии, начиная со 100 пограничных серверов, сдвоенных со 100 ультразвуковыми аппаратами в шести точках на двух континентах. Предоставляя приложение ИИ с открытым исходным кодом для измерения фракции выброса, регулируемое IRB с несколькими сайтами и странами, мы сможем экспериментировать с различными программными стеками и стратегиями федеративного обучения. Это ключ к следующему шагу в области ИИ в медицине.

Было подсчитано, что для того, чтобы добраться до Луны в оригинальном лунном снимке, понадобилось 40 000 человек. Pediatric Moonshot также примет сообщество. Успех в этой миссии уменьшит несправедливость в отношении здравоохранения, снизит затраты на здравоохранение и улучшит результаты лечения пациентов на национальном и глобальном уровнях. Наши усилия подпитываются нашей твердой верой в то, что программное обеспечение можно и нужно использовать для того, чтобы приносить пользу миру.

Если вы хотите узнать больше, вы можете подписаться на этот канал Medium или связаться с Тимоти Чоу или Альберто Тоцци.

Большое спасибо за тщательное редактирование Лауре Яне, педиатру, социальному предпринимателю и соединителю точек; Линн Уэст, главный инженер отдела педиатрических технологий в Технологическом институте Джорджии. Особая благодарность Альберто Тоцци, руководителю отдела исследований в области предиктивной и профилактической медицины в Ospedale Pediatrico Bambino Gesù за перевод на итальянский язык.