Newsy

Nadchodzi rewolucja w badaniach klinicznych. Poziom stresu u pacjentów automatycznie zbadają algorytmy uczenia maszynowego

2019-01-30  |  06:00

Dzięki sztucznej inteligencji badania kliniczne mogą być przeprowadzane z dużo większą dokładnością. Algorytmy uczenia maszynowego w oparciu o dane biometryczne sprawdzą poziom stresu u osób poddanych badaniu. Dzięki strumieniowej transmisji danych lekarze będą mieli możliwość dokładniejszej i szybszej oceny wpływu badania na pacjenta, co pomoże udoskonalić testowane leki, również po ich wprowadzeniu na rynek. Sztuczna inteligencja jest przyszłością medycyny, a jej wykorzystanie pozwoli na znaczne oszczędności w systemach ochrony zdrowia.

– Stworzyliśmy nieinwazyjny system pomiaru i monitorowania poziomu stresu u pacjentów biorących udział w badaniach klinicznych. Podstawowym wskaźnikiem poziomu stresu jest stężenie kortyzolu, jednak jego pomiar wymaga pobrania krwi lub śliny. Stworzyliśmy więc zastępczy system pomiaru poziomu stresu oparty na czujnikach i sztucznej inteligencji, przeprowadzając uczenie algorytmu w zakresie zgłaszania odczuwanego stresu – mówi agencji informacyjnej Newseria Innowacje Jaquie Finn z Cambridge Consultants.

Opracowany w porozumieniu z klinicystami i neurologami system Verum wykorzystuje moc danych biometrycznych, głównie głosowych i elektromiograficznych (EMG), oraz uczenie maszynowe w celu lepszego zrozumienia wyników i zwiększenia prawdopodobieństwa sukcesu klinicznego. System oparty na uczeniu maszynowym może zapewnić głębszy wgląd w wyniki uczestników badania podczas prób. Strumieniowanie danych w czasie rzeczywistym umożliwia lekarzom, pielęgniarkom i koordynatorom testów m.in. wpływ poziomu stresu na wyniki badania klinicznego.

– Aby zebrać potrzebne informacje, umieściliśmy na naszych ciałach osiem różnych czujników biometrycznych i nosiliśmy je przez 12 godzin na dobę, 4 dni w tygodniu. Stworzyliśmy aplikację, za pomocą której zebraliśmy dane kontekstowe i behawioralne. Następnie, korzystając z trzech wzorcowych kwestionariuszy do mierzenia poziomu stresu, przeprowadziliśmy odpowiednie uczenie algorytmu. Zbadaliśmy 256 różnych kombinacji czujników, aby sprawdzić, które kombinacje są niezbędne do pomiaru stresu – tłumaczy Jaquie Finn.

Dotychczas monitorowanie samopoczucia pacjentów biorących udział w próbach klinicznych najczęściej opierało się na codziennym wypełnianiu testu. Kompleksowe badanie samopoczucia leczonej osoby odbywało się natomiast podczas wizyt w określonych tygodniach, nawet po miesiącu od rzeczywistego badania. Verum dane zbiera na bieżąco, co może znacznie poprawić wiarygodność badań klinicznych.

Dane z czujników zintegrowane są w poręcznej aplikacji. System działa poprzez umożliwienie lekarzom, pielęgniarkom i koordynatorom dostępu do danych biometrycznych i behawioralnych stale monitorowanych pacjentów. Zastosowanie algorytmu uczenia maszynowego analizującego spływające na bieżąco dane, pozwala określić konkretny stan pacjenta w konkretnym czasie oraz jego zmiany, np. przy podaniu jakiegoś leku.

– Ustaliliśmy, że do dokładnego określenia poziomu stresu wystarczą dwa pomiary: elektromiografia mięśnia czworobocznego – jego napięcie w określonym czasie pozwala bowiem na określenie poziomu stresu – oraz badanie głosu – przekonuje ekspertka.

W ten sposób powstaje jeden numeryczny estymator poziomu stresu pacjenta na dowolnym etapie próby. Takie rozwiązanie zapewnia niespotykany dotychczas wgląd kliniczny. Zdaniem twórców zdolność Verum do dostarczania bogatych, kontekstualnych informacji biometrycznych zarówno na poziomie populacji, jak i pacjenta może potencjalnie zrewolucjonizować precyzyjną medycynę, a także nadzór po wprowadzeniu do obrotu i rozwój leków.

Rozwiązania z zakresu sztucznej inteligencji znajdują coraz szersze zastosowanie w medycynie. Już dziś algorytmy uczenia maszynowego są w stanie precyzyjnie diagnozować chociażby zmiany nowotworowe. Według wyników badań opublikowanych w majowym numerze specjalistycznego czasopisma Annals of Oncology głęboko uczące się splotowe sieci neuronowe (CNN) wykryły potencjalnie rakowe zmiany skórne lepiej niż 58 dermatologów uczestniczących w teście. Ustalenia te mogą mieć znaczący wpływ na przyszłość opieki zdrowotnej.

Według Skin Cancer Foundation w ostatnim dziesięcioleciu roczna liczba diagnozowanych przypadków czerniaka wzrosła o prawie 53 proc. Potrzeba wdrożenia szybkich i wydajnych narzędzi diagnostycznych jest więc większa niż kiedykolwiek, a CNN bardzo może pomóc dermatologom wcześniej wykryć i leczyć potencjalnie nowotworowe zmiany skórne.

Sztuczna inteligencja znajduje w medycynie ogromne zastosowanie również w salach operacyjnych. Zrobotyzowane systemy chirurgiczne wyposażone w sztuczną inteligencję mogą być używane do standaryzacji jakości procedur chirurgicznych. Sztuczna inteligencja napędzająca działanie robotów umożliwia chirurgom wykonywanie skomplikowanych procedur z wysoką dokładnością i precyzją. 

Z analiz sporządzonych przez Frost & Sullivan wynika, że rynek sztucznej inteligencji w sektorze opieki zdrowotnej osiągnie do 2022 roku wartość ponad 6 mld dol.

Czytaj także

CES 2019

Start-upy

Niedługo maszyny będą rozpoznawać emocje lepiej niż człowiek. Umożliwi to budowanie jeszcze bardziej inteligentnych i empatycznych asystentów

Maszyny coraz częściej reagują na emocje ludzi. Dostosowują reklamy, muzykę czy obrazy. Już niedługo analizowanie i mierzenie emocji pozwoli na nawiązanie bliskich relacji z robotami czy asystentami głosowymi. Analiza uczuć będzie miała też funkcje terapeutyczne. Emocje to przyszłość całego rynku smart urządzeń. Już niedługo mogą się pojawić gry i filmy reagujące na emocje gracza, telewizor sam ustawi odpowiedni program, a samochody włączą muzykę zgodną z nastrojem kierowcy.

Medycyna

Mobilne rozwiązania pozwalają na skuteczną diagnostykę chorób układu sercowo-naczyniowego. Sprawdzą się też w kontrolowaniu przebiegu cukrzycy

Nieinwazyjne badanie wykonane za pomocą aparatu smartfona pozwala zbadać parametry fizjologiczne kluczowe dla diagnostyki chorób układu sercowo-naczyniowego. Może się też sprawdzić jako przełomowa metoda kontrolowania glikemii w czasie rzeczywistym bez nakłuwania i konieczności noszenia przez chorego sensora na ciele. Skuteczność metod diagnostycznych opartych na urządzeniach mobilnych została potwierdzona w badaniach klinicznych.

CES 2019

Inteligentne urządzenie zapobiegnie marnotrawieniu wody. Dzięki uczeniu maszynowemu wykryje nieszczelność i zaalarmuje użytkownika

Tylko jeden nieszczelny kran, z którego woda ścieka z częstotliwością kropli na sekundę, oznacza stratę nawet 5 tys. litrów w ciągu roku. Nieszczelna spłuczka to kolejne 800 litrów straty. Dzięki technologii opartej na sztucznej inteligencji można łatwo wykryć wyciek wody i zidentyfikować urządzenie, którego dotyczy problem. System odetnie dopływ wody do tej strefy bez wyłączania całej instalacji. Wykrycie nieszczelności zajmuje kilka sekund i pozwala znacznie zaoszczędzić na rachunkach za wodę.