Neue Rezension diskutiert die wachsenden Horizonte der KI in den medizinischen Wissenschaften

In den letzten Jahren ist die künstliche Intelligenz (KI) bemerkenswert gewachsen, angetrieben durch innovative Basismodelle (FMs) wie die GPT-n-Serie von OpenAI und abgeleitete große Sprachmodelle (LLMs) wie den generativen vortrainierten Chat-Transformer, im Volksmund als ChatGPT bekannt . Diese FMs und LLMs haben in verschiedenen Bereichen, einschließlich der medizinischen Wissenschaften, umfangreiche Anwendung gefunden. Infolgedessen hat die medizinische KI weltweit rasante Fortschritte gemacht. Insbesondere MedPaLM, das medizinische LLM von Google, hat bei der Lösung der US-amerikanischen medizinischen Zulassungsprüfung erfolgreich die Genauigkeit auf Expertenniveau unter Beweis gestellt.

Darüber hinaus werden sowohl FMs als auch LLMs in großem Umfang für die medizinische Diagnostik und Ausbildung eingesetzt, wie aus den von veröffentlichten Forschungsarbeiten hervorgeht Springer Natur und die New England Journal of Medicine. Jüngste Initiativen, die auf den weltweiten Austausch medizinischer Bilddaten und die Festlegung regulatorischer Richtlinien für medizinische KI durch die US-amerikanische FDA abzielen, deuten auf die wachsenden Horizonte der KI in den medizinischen Wissenschaften hin. Diese Entwicklungen läuten eine neue Ära des Wachstums und der Entwicklung ein, in der KI eine entscheidende Rolle bei der Verbesserung der Diagnosegenauigkeit spielen und medizinische Fachkräfte weltweit unterstützen kann.

Wie jede neue Technologie steht auch die medizinische KI jedoch vor mehreren Herausforderungen, die angegangen werden müssen, um künftige Vorteile zu erzielen. Die von Prof. Io Nam Wong vom Institute for AI in Medicine, Faculty of Medicine, Macau University of Science and Technology, zusammen mit Olivia Monteiro, Zhuo Sun, Sheng Nie und Yun Yin als entsprechenden Autoren geleitete Rezension liefert a umfassende Analyse der Aussichten von KI-Technologien wie FMs und LLMs für medizinische Anwendungen. Diese Rezension wurde am 19. September 2024 online veröffentlicht und in Band 137, Ausgabe 21 der veröffentlicht Chinesisches medizinisches Journal am 5. November 2024.

Die Autoren weisen darauf hin, dass medizinische KI-Modelle verschiedene Arten medizinischer Daten verarbeiten und analysieren. Dazu gehören Bilddaten (CT, MRT und Röntgenaufnahmen), Textdaten (Patientenakten und Ergebnisse körperlicher Untersuchungen), experimentelle Daten (Zell-, Tier- und klinische Studien) und strukturiertes medizinisches Wissen (Anatomie, Pathologie und Pharmakologie). . Die Forscher schlagen außerdem einen neuartigen Klassifizierungsrahmen für medizinische KI-Modelle vor, der sie in krankheitsspezifische, allgemeine Domänen- und multimodale Modelle kategorisiert. Krankheitsspezifische Modelle, oft FMs, sind auf die Diagnose bestimmter Erkrankungen zugeschnitten; Beispiele hierfür sind RetFound für Augenkrankheiten, Neuro-Oph GPT für Neuroophthalmologie, UNI für computergestützte Pathologieaufgaben und Virchow für die Krebserkennung. Allgemeine Domänenmodelle wie ChatGPT, MedPaLM, MedSAM, SAM-Med2D und MedLSAM bieten breitere Anwendungen und berücksichtigen die Einschränkungen krankheitsspezifischer Modelle. Multimodale Modelle wie PathChat, PLIP, OpenMEDLab und IRENE zeichnen sich durch die Verarbeitung von Textinformationen und die Datenintegration aus mehreren Modalitäten aus.

Insgesamt haben sich medizinische KI-Modelle für die Krankheitsdiagnose und Prognosevorhersage, die Segmentierung medizinischer Bilder, die Erstellung medizinischer Berichte, das Screening von Biomarkern, die molekulare Subtypisierung und die Beantwortung medizinischer Fragen als äußerst vielversprechend erwiesen. Dennoch bleiben wichtige Herausforderungen im Zusammenhang mit der Datenerfassung und -analyse bestehen, darunter Probleme mit Datenvolumen, Annotation, multimodaler Fusion, Vorurteilen, Überwachungsbedarf und Bedenken hinsichtlich des Datenschutzes. Laut Prof. Wong: „Um den Fortschritt zu erleichtern, ist es unbedingt erforderlich, eine Umgebung zu schaffen, die einen nahtlosen Datenaustausch ermöglicht und durch strenge Vorschriften unterstützt wird. Darüber hinaus ist die Entwicklung sicherer Frameworks für den Umgang mit umfangreichen medizinischen Daten von größter Bedeutung, um die Privatsphäre der Patienten zu gewährleisten und gleichzeitig effiziente Analysen zu ermöglichen.„

Zukünftige Untersuchungen sollten sich auf algorithmische Verbesserungen und standardisierte Bewertungsprotokolle konzentrieren. Eine effektive Zusammenarbeit zwischen Forschern, medizinischem Fachpersonal und Regulierungsbehörden wird für die Einführung medizinischer KI in die klinische Praxis von entscheidender Bedeutung sein.

„Medizinische KI-Modelle haben ein enormes Potenzial für die Transformation des Gesundheitswesens. Mit ihrer Fähigkeit, die Diagnostik zu verbessern, Behandlungen anzupassen und die Patientenergebnisse zu verbessern, können diese Modelle den Gesundheitsbereich neu definieren. Um jedoch die transformative Kraft der medizinischen KI voll auszuschöpfen, sind kontinuierliche Forschung, Innovation und sorgfältige ethische Überlegungen erforderlich, um die Herausforderungen zu bewältigen, die sich bei der effektiven Implementierung dieser Tools ergeben.“ schließt Prof. Wong.

Wir hoffen, dass solche Fortschritte auf diesem Gebiet auch in Zukunft die Effizienz von Diagnose und Behandlung steigern werden!

Quellen: