Nowe podejście do wspomagania decyzji klinicznych: Analiza danych, sztuczna inteligencja i rozumowanie diagnostyczne

Opinie czytelników

Książka zapewnia kompleksową i wnikliwą eksplorację sztucznej inteligencji w medycynie, dzięki czemu złożone tematy są dostępne nawet dla osób bez wykształcenia medycznego. Służy jako cenne źródło informacji dla pracowników służby zdrowia i liderów informatyki, choć niektórzy czytelnicy uznali niektóre rozdziały za fragmentaryczne i mniej istotne dla praktykujących klinicystów.

⬤ Wyczerpująca i dobrze zbadana
⬤ napisana z jasnością i stylem
⬤ dostępna dla czytelników spoza branży medycznej
⬤ istotna dla profesjonalistów w dziedzinie informatyki opieki zdrowotnej
⬤ analizuje obecne i innowacyjne technologie
⬤ szczerze odnosi się do wyzwań związanych ze sztuczną inteligencją i uczeniem maszynowym.

Rozdziały mogą być fragmentaryczne i czasami nieistotne dla praktykujących klinicystów; może brakować skupienia się na obiecanych obszarach treści.

(na podstawie 4 opinii czytelników)

Oryginalny tytuł:

Reinventing Clinical Decision Support: Data Analytics, Artificial Intelligence, and Diagnostic Reasoning

Zawartość książki:

Ta książka zawiera dogłębne spojrzenie na pojawiające się technologie, które zmieniają sposób, w jaki lekarze zarządzają pacjentami, jednocześnie podkreślając, że najlepsi praktycy wykorzystują zarówno sztuczną, jak i ludzką inteligencję do podejmowania decyzji.

Sztuczna inteligencja i uczenie maszynowe są szczegółowo badane, z prostymi klinicznymi angielskimi wyjaśnieniami splotowych sieci neuronowych, propagacji wstecznej i cyfrowej analizy obrazu. Omówiono również rzeczywiste przykłady zastosowania tych narzędzi, w tym ich wartość w diagnozowaniu retinopatii cukrzycowej, czerniaka, raka piersi, przerzutów raka i raka jelita grubego, a także w leczeniu ciężkiej sepsy.

Przy całym entuzjazmie związanym ze sztuczną inteligencją i uczeniem maszynowym, konieczne było również przedstawienie niektórych krytycznych uwag, przeszkód i ograniczeń tych nowych narzędzi. Wśród omawianych zarzutów znalazły się: względny brak twardych dowodów naukowych wspierających niektóre z najnowszych algorytmów oraz tzw. problem czarnej skrzynki. W rozdziale poświęconym analityce danych szczegółowo omówiono nowe sposoby przeprowadzania analizy podgrup i sposób, w jaki zmusza ona kierownictwo służby zdrowia do ponownego przemyślenia sposobu, w jaki stosują wyniki dużych badań klinicznych w codziennej praktyce medycznej. Ta ponowna ocena powoli wpływa na sposób leczenia cukrzycy, chorób serca, nadciśnienia i raka. Omówione badania sugerują również, że analiza danych wpłynie na medycynę ratunkową, zarządzanie lekami i koszty opieki zdrowotnej.

Badanie samego procesu rozumowania diagnostycznego dotyczy tego, w jaki sposób mierzone są błędy diagnostyczne, jakie błędy technologiczne i poznawcze są winne oraz jakie rozwiązania najprawdopodobniej usprawnią ten proces. Analizowane są metody rozumowania typu 1 i typu 2.

Błędy poznawcze, takie jak błąd dostępności, błąd afektywny i zakotwiczenie.

I potencjalne rozwiązania, takie jak Human Diagnosis Project. Wreszcie, książka bada rolę biologii systemów i medycyny precyzyjnej we wspieraniu decyzji klinicznych i przedstawia kilka studiów przypadku pokazujących, jak sztuczna inteligencja nowej generacji zmienia opiekę nad pacjentem.