Neiegkeeten

Zënter datt IBM Watson am Joer 2007 ugefaangen huet, hunn d'Mënsche sech kontinuéierlech fir d'Entwécklung vun der medizinescher kënschtlecher Intelligenz (KI) agesat. E brauchbaart a mächtegt medizinescht KI-System huet en enormt Potenzial fir all Aspekter vun der moderner Medizin nei ze gestalten, eng méi intelligent, méi präzis, effizient an inklusiv Versuergung ze erméiglechen, d'Wuelbefannen vum medizinesche Personal a Patienten ze erhéijen an doduerch d'mënschlech Gesondheet däitlech ze verbesseren. An de leschte 16 Joer hunn sech, obwuel Fuerscher am Beräich vun der medizinescher KI a verschiddene klenge Beräicher gesammelt hunn, bis elo nach net fäeg gewiescht, Science-Fiction an d'Realitéit ëmzesetzen.

Dëst Joer, mat der revolutionärer Entwécklung vun der KI-Technologie wéi ChatGPT, huet d'medizinesch KI a ville Beräicher grouss Fortschrëtter gemaach. Ongehéierten Duerchbroch an der Fäegkeet vun der medizinescher KI: D'Nature Journal huet kontinuéierlech d'Fuerschung iwwer grouss medizinesch Sproochmodeller a Basismodeller fir medizinesch Biller gestart; Google verëffentlecht Med-PaLM a säin Nofollger, wat en Expertenniveau an de Froen fir den US-Dokterprüfung erreecht huet. Grouss akademesch Zäitschrëften konzentréiere sech op medizinesch KI: Nature verëffentlecht d'Ausbléck op de Basismodell vun der allgemenger medizinescher KI; No enger Serie vu Rezensiounen iwwer KI an der Medizin fréier dëst Joer, huet den New England Journal of Medicine (NEJM) säin éischten digitale Gesondheetsrezensioun den 30. November publizéiert an déi éischt Ausgab vun der NEJM-Ënnerzäitschrëft NEJM AI den 12. Dezember lancéiert. De Buedem fir d'medizinesch KI ass weider reif: D'JAMA-Ënnerzäitschrëft huet déi global Initiativ fir den Deele vun Daten am Beräich vun de medizinesche Biller publizéiert; D'US Food and Drug Administration (FDA) entwéckelt Entworfsrichtlinne fir d'Reguléierung vun der medizinescher KI.

Hei ënnendrënner iwwerpréife mir déi bedeitend Fortschrëtter, déi Fuerscher weltwäit a Richtung vun enger brauchbarer medizinescher KI am Joer 2023 gemaach hunn.

Basismodell vun der medizinescher KI

De Bau vun engem Basismodell fir medizinesch KI ass ouni Zweiwel den heefegsten Fuerschungsfokus vun dësem Joer. D'Nature-Zeitschriften hunn am Laf vum Joer Iwwersiichtsartikelen iwwer den Universal Basic-Modell vum Gesondheetswiesen an de Large Language Model vum Gesondheetswiesen publizéiert. Medical Image Analysis, déi féierend Zäitschrëft an der Branche, huet d'Erausfuerderungen an d'Méiglechkeeten vun der Basismodellfuerschung an der medizinescher Bildanalyse iwwerpréift a sech drop gefreet, a proposéiert de Konzept vum "Pedigree of Basic Model" fir d'Entwécklung vun der Basismodellfuerschung vun der medizinescher KI zesummenzefaassen an ze guidéieren. D'Zukunft vun de Basismodeller fir d'Gesondheetswiesen gëtt ëmmer méi kloer. Op Basis vun den erfollegräiche Beispiller vu grousse Sproochmodeller wéi ChatGPT, andeems méi fortgeschratt selbstkontrolléiert Virtrainingsmethoden an eng grouss Akkumulatioun vun Trainingsdaten benotzt ginn, versichen d'Fuerscher am Beräich vun der medizinescher KI 1) krankheetsspezifesch Basismodeller, 2) allgemeng Basismodeller an 3) multimodal grouss Modeller ze bauen, déi eng breet Palette vu Modi mat massiven Parameteren an iwwerleeëne Fäegkeeten integréieren.

KI-Modell fir medizinesch Datenerfassung

Nieft de groussen KI-Modeller, déi eng grouss Roll an den Downstream-Aufgaben vun der klinescher Datenanalyse spillen, ass och an der Upstream-Technologie vun der klinescher Datenerfassung d'Technologie entstanen, déi duerch generativ KI-Modeller representéiert gëtt. De Prozess, d'Geschwindegkeet an d'Qualitéit vun der Datenerfassung kënnen duerch KI-Algorithmen däitlech verbessert ginn.

Ufanks dëst Joer huet Nature Biomedical Engineering eng Studie vun der Straits University an der Tierkei publizéiert, déi sech op d'Benotzung vu generativer KI konzentréiert huet, fir d'Problem vun der pathologescher bildgestëtzter Diagnos a klineschen Uwendungen ze léisen. Artefakter am gefruerenen Schnëttgewebe während der Operatioun stellen en Hindernis fir eng séier diagnostesch Evaluatioun duer. Och wann a Formalin a Paraffin agebett (FFPE) Gewief eng méi héichqualitativ Prouf liwwert, ass säi Produktiounsprozess zäitopwänneg an dauert dacks 12-48 Stonnen, wouduerch et net gëeegent ass fir an der Chirurgie ze benotzen. D'Fuerschungsteam huet dofir en Algorithmus mam Numm AI-FFPE virgeschloen, deen d'Erscheinung vum Gewief an der gefruerener Schnëtt ähnlech wéi FFPE maache kann. Den Algorithmus huet d'Artefakter vu gefruerenen Schnëtter erfollegräich korrigéiert, d'Bildqualitéit verbessert an déi klinesch relevant Eegeschafte gläichzäiteg erhalen. An der klinescher Validatioun verbessert den AI-FFPE Algorithmus d'diagnostesch Genauegkeet vu Pathologen fir Tumorsubtypen däitlech, während d'Zäit fir d'klinesch Diagnos däitlech verkierzt gëtt.

Cell Reports Medicine bericht iwwer eng Fuerschungsaarbecht vun engem Team vum Third Clinical College vun der Jilin Universitéit, dem Departement fir Radiologie, dem Zhongshan Spidol, dat mat der Fudan Universitéit verbonnen ass, an der Shanghai University of Science and Technology [25]. Dës Studie proposéiert e generellen Deep Learning- a iterativen Rekonstruktiounsfusiounsframework (Hybrid DL-IR) mat héijer Villfältegkeet a Flexibilitéit, deen exzellent Bildrekonstruktiounsleistung a schneller MRI, Low-Dose-CT a schneller PET weist. Den Algorithmus kann MR Single-Organ Multi-Sequence Scanning an 100 Sekonnen erreechen, d'Stralendosis op nëmmen 10% vum CT-Bild reduzéieren, Rauschen eliminéieren, a kann kleng Läsionen aus der PET-Acquisitioun mat enger 2- bis 4-facher Beschleunigung rekonstruéieren, wärend den Effekt vu Bewegungsartefakte reduzéiert gëtt.

Medizinesch KI a Kooperatioun mat medizinesche Mataarbechter

Déi séier Entwécklung vun der medizinescher KI huet och medizinesch Fachleit dozou bruecht, eescht ze iwwerleeën an z'ënnersichen, wéi een mat KI zesummeschaffe kann, fir klinesch Prozesser ze verbesseren. Am Juli dëst Joer hunn DeepMind an en multiinstitutionellt Fuerschungsteam zesummen en KI-System mam Numm Complementary Driven Clinical Workflow Delay (CoDoC) virgeschloen. Den diagnostesche Prozess gëtt fir d'éischt vun engem prädiktive KI-System diagnostizéiert, dann vun engem aneren KI-System op Basis vum viregten Resultat beurteelt, a wann et Zweiwel gëtt, gëtt d'Diagnos schlussendlech vun engem Kliniker gestallt, fir d'Diagnosgenauegkeet ze verbesseren an d'Effizienz auszebalancéieren. Wat de Broschtkriibsscreening ugeet, huet CoDoC d'Falsch-Positiv-Raten ëm 25% mat der selwechter Falsch-Negativ-Raten reduzéiert, während d'Aarbechtsbelaaschtung vun de Kliniker ëm 66% reduzéiert gouf, am Verglach zum aktuellen "Double-Read Arbitration"-Prozess a Groussbritannien. Wat d'TB-Klassifikatioun ugeet, goufen d'Falsch-Positiv-Raten ëm 5 bis 15 Prozent mat der selwechter Falsch-Negativ-Raten am Verglach mat onofhängeger KI a klineschen Workflows reduzéiert.

Ähnlech hunn d'Annie Y. Ng et al. vun der Kheiron Company zu London, UK, zousätzlech KI-Lieser (a Kooperatioun mat mënschlechen Examinateuren) agefouert, fir d'Resultater nei ze iwwerpréiwen, wa keng Recall-Resultater am Duebellies-Arbitrage-Prozess gouf, wat de Problem vun der verpasster Detektioun beim fréie Broschtkriibs-Screening verbessert huet, an de Prozess hat bal keng falsch Positiver. Eng aner Studie, déi vun engem Team vun der University of Texas McGovern Medical School geleet a a véier Schlaganfall-Zentren ofgeschloss gouf, huet KI-Technologie baséiert op Computertomographie-Angiographie (CTA) ugewannt, fir d'Detektioun vu grousse vaskuläre verstoppten ischämesche Schlaganfall (LVO) ze automatiséieren. Kliniker a Radiologen kréien Echtzäit-Alerten op hiren Handyen bannent Minutten nom Ofschloss vun der CT-Bildgebung, déi si iwwer déi méiglech Präsenz vu LVO informéieren. Dësen KI-Prozess verbessert d'Workflows am Spidol fir akuten ischämesche Schlaganfall, reduzéiert d'Zäit vun der Dier bis an d'Leist vun der Opnam bis zur Behandlung a bitt Méiglechkeeten fir eng erfollegräich Rettung. D'Resultater sinn am JAMA Neurology publizéiert.

En KI-Gesondheetsmodell fir den universelle Virdeel

2023 wäert och vill gutt Aarbecht gesinn, déi medizinesch KI benotzt fir Charakteristiken ze fannen, déi fir dat mënschlecht A onsichtbar sinn, aus méi einfach verfügbaren Donnéeën, wat eng universell Diagnos a fréi Screening a grousser Skala erméiglecht. Ufanks vum Joer huet Nature Medicine Studien publizéiert, déi vum Zhongshan Eye Center vun der Sun Yat-sen Universitéit an dem Second Affiliated Hospital vun der Fujian Medical University duerchgefouert goufen. Mat Smartphones als Applikatiounsterminalen hunn si cartoonähnlech Videobiller benotzt fir d'Bléck vu Kanner ze induzéieren an d'Bléckverhalen an d'Gesiichtszich vu Kanner opzehuelen, an hunn anormal Modeller weider mat Deep-Learning-Modeller analyséiert fir 16 Aekrankheeten erfollegräich z'identifizéieren, dorënner kongenital Katarakt, kongenital Ptosis a kongenital Glaukom, mat enger duerchschnëttlecher Screeninggenauegkeet vu méi wéi 85%. Dëst bitt en effektiven an einfach ze populariséierenden technesche Mëttel fir de groussflächege fréie Screening vu visueller Behënnerung bei Puppelcher a verwandte Aekrankheeten.

Um Enn vum Joer huet Nature Medicine iwwer d'Aarbecht bericht, déi vu méi wéi 10 medizineschen a Fuerschungsinstituter weltwäit gemaach gouf, dorënner de Shanghai Institute of Pancreatic Disease an den First Affiliated Hospital vun der Zhejiang University. Den Auteur huet KI beim Screening op Bauchspeicheldrüskriibs bei asymptomatesche Leit a kierperlechen Untersuchungszentren, Spideeler, etc. ugewannt, fir d'Läsiounsmerkmale an einfache CT-Biller z'entdecken, déi schwéier eleng mam bloussen A ze erkennen sinn, fir eng effizient an net-invasiv fréi Detektioun vu Bauchspeicheldrüskriibs z'erreechen. Bei der Iwwerpréiwung vun den Donnéeë vu méi wéi 20.000 Patienten huet de Modell och 31 Fäll vu klinesch iwwersinnene Läsionen identifizéiert, wat d'klinesch Resultater däitlech verbessert huet.

Deele vu medizineschen Donnéeën

Am Joer 2023 sinn weltwäit vill méi perfekt Mechanismen fir den Datenaustausch a erfollegräich Fäll opgetrueden, déi d'Zesummenaarbecht tëscht verschiddenen Zentren an d'Oppenheet vun den Daten ënner der Viraussetzung vum Schutz vun der Dateschutz- a Sécherheetsrecht garantéieren.

Éischtens, mat Hëllef vun der KI-Technologie selwer, hunn KI-Fuerscher zum Deele vu medizineschen Donnéeën bäigedroen. De Qi Chang an anerer vun der Rutgers University an den USA hunn en Artikel an Nature Communications publizéiert, an deem se e federale Léierrahmen DSL baséiert op verdeelten syntheteschen Adversarial-Netzwierker virschloen, deen generativ KI benotzt fir déi spezifesch generéiert Donnéeën vu Multicenteren ze trainéieren, an dann déi richteg Donnéeën vu Multicenteren duerch déi generéiert Donnéeën ersetzt. KI-Training baséiert op Multicenter-Big Data garantéiert, wärend d'Dateschutz geschützt gëtt. Datselwecht Team huet och en Datesaz vu generéierte pathologesche Biller an hiren entspriechenden Annotatiounen open-source gemaach. De Segmentéierungsmodell, deen op dem generéierten Datesaz trainéiert gouf, kann ähnlech Resultater wéi déi richteg Donnéeën erreechen.

D'Team vum Dai Qionghai vun der Tsinghua Universitéit huet eng Publikatioun iwwer npj Digital Health publizéiert, an där se Relay Learning virschloen, wat Big Data iwwer verschidde Site benotzt fir KI-Modeller ze trainéieren, ënner der Viraussetzung vun der lokaler Datensouveränitéit an ouni Cross-Site-Netzwierkverbindung. Et balanséiert Datensécherheets- a Privatsphärbedenken mat dem Striewen no KI-Performance. Déiselwecht Equipe huet duerno gemeinsam CAIMEN entwéckelt a validéiert, e Pan-Mediastinaltumordiagnostiksystem fir d'CT-Scan vun der Broscht, dat op federalem Léieren baséiert, a Kooperatioun mam First Affiliated Hospital vun der Guangzhou Medical University a 24 Spideeler am ganze Land. De System, deen op 12 allgemeng Mediastinaltumoren ugewannt ka ginn, huet eng 44,9 Prozent besser Genauegkeet erreecht, wann eleng benotzt gouf, wéi wann e nëmme vu mënschlechen Experten, an eng 19 Prozent besser Diagnosgenauegkeet, wann mënschlech Experten dovun ënnerstëtzt goufen.

Op der anerer Säit ginn et verschidden Initiativen, fir sécher, global a groussflächeg medizinesch Datensätz opzebauen. Am November 2023 hunn d'Agustina Saenz an aner aus dem Departement fir Biomedizinesch Informatik vun der Harvard Medical School online am Lancet Digital Health e globale Kader fir den Deele vu medizinesche Bilddaten mam Numm Artificial Intelligence Data for All Healthcare (MAIDA) publizéiert. Si schaffen zesumme mat Gesondheetsorganisatiounen weltwäit, fir ëmfaassend Richtlinnen iwwer d'Datensammlung an d'Deidentifikatioun ze bidden, andeems se d'Schabloun vum US Federal Demonstration Partner (FDP) benotzen, fir den Deele vun Daten ze standardiséieren. Si plangen, Datensätz, déi a verschiddene Regiounen a klineschen Ëmfeld weltwäit gesammelt goufen, graduell ze verëffentlechen. Den éischten Datesaz soll Ufank 2024 verëffentlecht ginn, a méi kommen nach, wa sech d'Partnerschaft ausbreet. De Projet ass e wichtege Versuch, e globale, groussflächegen an diversen Set vun ëffentlech verfügbaren KI-Daten opzebauen.

Nom Virschlag huet d'UK Biobank e Beispill gesat. D'UK Biobank huet den 30. November nei Donnéeën iwwer d'Genomsequenzéierung vun hire 500.000 Participanten verëffentlecht. D'Datebank, déi déi komplett Genomsequenz vun all de 500.000 britesche Fräiwëllegen publizéiert, ass déi gréisst komplett mënschlech Genomdatebank op der Welt. Fuerscher weltwäit kënnen Zougang zu dësen desidentifizéierten Donnéeën ufroen a se benotze fir déi genetesch Basis vu Gesondheet a Krankheet z'ënnersichen. Genetesch Donnéeë ware fréier ëmmer ganz sensibel fir d'Verifizéierung, an dës historesch Leeschtung vun der UK Biobank beweist, datt et méiglech ass, eng oppe, privatsphärfräi global grouss Datebank opzebauen. Mat dëser Technologie an Datebank wäert medizinesch KI sécherlech den nächste Sprong abréngen.

Verifizéierung an Evaluatioun vun der medizinescher KI

Am Verglach mat der rapider Entwécklung vun der medizinescher KI-Technologie selwer ass d'Entwécklung vun der Verifizéierung an Evaluatioun vun der medizinescher KI liicht lues. Validéierung an Evaluatioun am allgemenge KI-Beräich ignoréieren dacks déi tatsächlech Ufuerderunge vu Kliniker a Patienten un KI. Traditionell randomiséiert kontrolléiert klinesch Studien si ze mühsam fir der schneller Iteratioun vun KI-Tools gerecht ze ginn. D'Verbesserung vum Verifizéierungs- an Evaluatiounssystem, dat fir medizinesch KI-Tools gëeegent ass, sou séier wéi méiglech ass dat Wichtegst, fir medizinesch KI ze fërderen, fir datt d'Fuerschung an d'Entwécklung wierklech zum klineschen Zil féieren.

An der Google-Fuerschungsartikel iwwer Med-PaLM, déi an der Zäitschrëft Nature publizéiert gouf, huet d'Team och de MultiMedQA Evaluatiounsbenchmark publizéiert, deen benotzt gëtt fir d'Fäegkeet vu grousse Sproochmodeller ze evaluéieren, klinescht Wëssen ze kréien. De Benchmark kombinéiert sechs existent professionell medizinesch Q&A-Datensätz, déi professionell medizinescht Wëssen, Fuerschung an aner Aspekter ofdecken, souwéi en Online-Sich-Medizin-Froen-Datebank-Datesaz, deen Online Q&A tëscht Dokter a Patient berécksiichtegt a probéiert, KI aus ville Aspekter zu engem qualifizéierten Dokter auszebilden. Zousätzlech proposéiert d'Team e Kader baséiert op mënschlecher Bewäertung, deen verschidde Dimensioune vu Fakten, Versteesdemech, Argumentatioun a méigleche Viruerteeler berécksiichtegt. Dëst ass eng vun de representativste Fuerschungsaktivitéiten fir KI am Gesondheetswiesen ze evaluéieren, déi dëst Joer publizéiert goufen.

Heescht awer d'Tatsaach, datt grouss Sproochmodeller en héije Niveau vun der Kodéierung vu klineschem Wëssen opweisen, datt grouss Sproochmodeller och fir klinesch Aufgaben an der Praxis kompetent sinn? Genee wéi e Medizinstudent, deen den Examen fir berufflech Dokteren mat engem perfekte Score besteet, nach wäit ewech ass vun engem Solo-Chefdokter, sinn d'Evaluatiounskriterien, déi vu Google virgeschloe ginn, vläicht keng perfekt Äntwert op d'Thema vun der Evaluatioun vun der medizinescher KI fir KI-Modeller. Schonn an de Joren 2021 an 2022 hunn d'Fuerscher Richtlinne fir Berichterstattung wéi Decid-AI, SPIRIT-AI an INTRPRT virgeschloen, an der Hoffnung, déi fréi Entwécklung a Validatioun vun der medizinescher KI ënner der Bedingung ze leeden, datt Faktoren wéi klinesch Praktikabilitéit, Sécherheet, mënschlech Faktoren an Transparenz/Interpretabilitéit berécksiichtegt ginn. Just viru kuerzem huet d'Zäitschrëft Nature Medicine eng Studie vu Fuerscher vun der Oxford University an der Stanford University publizéiert, ob "extern Validatioun" oder "widderhuelend lokal Validatioun" benotzt soll ginn, fir KI-Tools ze validéieren.

Déi onparteiesch Natur vun KI-Tools ass och eng wichteg Evaluatiounsrichtung, déi dëst Joer souwuel a Science- wéi och an NEJM-Artikelen Opmierksamkeet kritt huet. KI weist dacks Bias op, well se sech op Trainingsdaten beschränkt. Dës Bias kéint sozial Ongläichheet reflektéieren, déi sech weider zu algorithmescher Diskriminéierung entwéckelt. D'National Institutes of Health hunn viru kuerzem d'Bridge2AI-Initiativ gestart, déi op 130 Milliounen Dollar geschat gëtt, fir divers Datensätz ze bauen (am Aklang mat den Ziler vun der uewe genannter MAIDA-Initiativ), déi benotzt kënne ginn, fir d'Onparteilechkeet vu medizineschen KI-Tools ze validéieren. Dës Aspekter gi vu MultiMedQA net berücksichtegt. D'Fro, wéi medizinesch KI-Modeller gemooss a validéiert kënne ginn, brauch nach ëmmer eng extensiv an detailléiert Diskussioun.

Am Januar huet Nature Medicine en Meenungsartikel mam Titel "The Next Generation of Evidence-Based Medicine" vum Vivek Subbiah vum University of Texas MD Anderson Cancer Center publizéiert, an deem d'Limiten vu klineschen Studien, déi am Kontext vun der COVID-19 Pandemie opgedeckt goufen, iwwerpréift ginn an op de Widdersproch tëscht Innovatioun an der Adhärenz un de klinesche Fuerschungsprozess higewisen gëtt. Schlussendlech weist et op eng Zukunft vun der Ëmstrukturéierung vu klineschen Studien hin - déi nächst Generatioun vu klineschen Studien, déi kënschtlech Intelligenz benotzen, dat heescht d'Benotzung vun kënschtlecher Intelligenz aus enger grousser Zuel vun historesche Fuerschungsdaten, Daten aus der realer Welt, multimodale klineschen Daten, Daten vun tragbaren Apparater fir Schlësselbeweiser ze fannen. Heescht dat, datt KI-Technologie a klinesch Validatiounsprozesser vun KI sech géigesäiteg verstäerken a sech an Zukunft zesumme entwéckelen? Dëst ass déi oppe a nodenklech Fro vum Joer 2023.

Reguléierung vun der medizinescher KI

D'Fortschrëtter vun der KI-Technologie stellen och Erausfuerderunge fir d'Reguléierung vun KI duer, an d'Politiker weltwäit reagéieren virsiichteg a virsiichteg. Am Joer 2019 huet d'FDA fir d'éischt e proposéierte Reguléierungsrahmen fir Softwareännerungen un medizineschen Apparater mat kënschtlecher Intelligenz (Diskussiounsentworf) publizéiert, an deem hire potenziellen Usaz fir d'Premarket-Iwwerpréiwung vun KI- a maschinellt Léieren-gedriwwene Softwaremodifikatioune detailléiert erkläert gëtt. Am Joer 2021 huet d'FDA den "Artificial Intelligence/Machine Learning-based Software as a Medical Device Action Plan" virgeschloen, deen fënnef spezifesch KI-medizinesch Reguléierungsmoossnamen präziséiert huet. Dëst Joer huet d'FDA de Premarket-Submission for Device Software Features nei erausginn, fir Informatiounen iwwer Premarket-Submission-Empfehlungen fir d'Evaluatioun vun der FDA vun der Sécherheet an der Effizienz vun Apparatsoftwarefeatures ze liwweren, dorënner e puer Softwarefeatures, déi maschinellt Léierenmodeller benotzen, déi duerch maschinellt Léierenmethoden trainéiert goufen. D'Reguléierungspolitik vun der FDA huet sech vun engem initialen Virschlag zu praktesche Richtlinne entwéckelt.

Nom Publikatioun vum Europäesche Gesondheetsdatenraum am Juli vum leschte Joer huet d'EU nach eng Kéier den Artificial Intelligence Act agefouert. Dee fréiere Gesetz zielt drop of, Gesondheetsdaten optimal ze notzen, fir eng héichqualitativ Gesondheetsversuergung ze bidden, Ongläichheeten ze reduzéieren an Daten fir Präventioun, Diagnos, Behandlung, wëssenschaftlech Innovatioun, Entscheedungsprozesser a Gesetzgebung z'ënnerstëtzen, wärend gläichzäiteg séchergestallt gëtt, datt d'EU-Bierger eng méi grouss Kontroll iwwer hir perséinlech Gesondheetsdaten hunn. Dee leschte mécht kloer, datt de medizineschen Diagnosesystem en héichriskante KI-System ass, an et muss eng gezielt staark Iwwerwaachung, eng ganzliewenszyklusiwwerwaachung an eng Virevaluatiounsiwwerwaachung aféieren. D'Europäesch Medikamentenagence (EMA) huet en Entworf vun engem Reflexiounspabeier iwwer d'Benotzung vun KI fir d'Entwécklung, d'Reguléierung an d'Benotzung vu Medikamenter z'ënnerstëtzen, mat engem Schwéierpunkt op der Verbesserung vun der Glaawwierdegkeet vun KI fir d'Patientensécherheet an d'Integritéit vun de klinesche Fuerschungsresultater ze garantéieren. Am Allgemengen hëlt de Reguléierungsplang vun der EU lues a lues Form un, an déi endgülteg Ëmsetzungsdetailer kéinte méi detailléiert a strikt sinn. Am Géigesaz zu der strenger Reguléierung vun der EU mécht de briteschen KI-Reguléierungsplang kloer, datt d'Regierung plangt, e mëllen Usaz ze verfollegen an am Moment keng nei Gesetzesprojeten ze vereinbaren oder nei Reguléierungsautoritéiten anzestellen.

A China huet de Medical Device Technical Review Center (NMPA) vun der National Medical Products Administration virdru schonn Dokumenter erausginn, wéi zum Beispill "Review Points of Deep Learning Assisted Decision Software", "Guiding Principles for the Registration Review of Artificial Intelligence Medical Devices (Draft for Comment)" an "Circular on Guiding Principles for the Classification and Definition of Artificial Intelligence Medical Software Products (No. 47 am Joer 2021)". Dëst Joer gouf d'„Zesummefassung vun den éischte Resultater vun der Klassifikatioun vu medizineschen Apparater am Joer 2023“ erëm publizéiert. Dës Serie vun Dokumenter mécht d'Definitioun, d'Klassifikatioun an d'Reguléierung vu medizinesche Softwareprodukter fir kënschtlech Intelligenz méi kloer a méi einfach ze bedreiwen, a bitt kloer Richtlinne fir d'Produktpositionéierung an d'Registréierungsstrategien vu verschiddenen Entreprisen an der Industrie. Dës Dokumenter bidden e Kader a Gestiounsentscheedungen fir d'wëssenschaftlech Reguléierung vun KI-medizineschen Apparater. Et ass derwäert ze freeën, datt d'Agenda vun der China Medical Artificial Intelligence Conference, déi vum 21. bis den 23. Dezember zu Hangzhou ofgehale gouf, e spezielle Forum iwwer digital medizinesch Gouvernance an héichqualitativ Entwécklung vun ëffentleche Spideeler an e Forum fir d'Standardiséierung vun der Industrie fir d'Test- an Evaluatiounstechnologie fir kënschtlech Intelligenz-Medizinapparater ageriicht huet. Zu deem Zäitpunkt wäerten d'Beamten vun der Nationaler Entwécklungs- a Reformkommissioun an der NMPA un der Versammlung deelhuelen a kënnen nei Informatiounen verëffentlechen.

Conclusioun

Am Joer 2023 huet medizinesch KI ugefaang sech an de gesamte medizinesche Prozess Upstream an Downstream z'integréieren, wat d'Datensammlung, d'Fusioun, d'Analyse, d'Diagnos an d'Behandlung an de Spideeler, souwéi d'Screening an der Gemeinschaft ëmfaasst, an organesch mat Mataarbechter aus dem Gesondheetswiesen/Krankheetskontrollberäich zesummeschafft, wat de Potenzial weist, d'Gesondheet vum Mënsch ze verbesseren. Benotzbar Fuerschung iwwer medizinesch KI fänkt un ze weisen. An Zukunft hänkt de Fortschrëtt vun der medizinescher KI net nëmmen vun der technologescher Entwécklung selwer of, mä brauch och déi voll Kooperatioun vun der Industrie, den Universitéiten an der medizinescher Fuerschung, souwéi d'Ënnerstëtzung vu Politiker a Reguléierungsautoritéiten. Dës interdomänesch Zesummenaarbecht ass de Schlëssel fir KI-integréiert medizinesch Servicer z'erreechen a wäert sécherlech d'Entwécklung vun der mënschlecher Gesondheet förderen.