1754879503
2025-08-11 00:00:00
このとおりのエッセイは、シンガポール総合病院の解剖学的病理学部長であるチェン・チー・レオン博士との会話に基づいています。このインタビューは、長さと明快さのために編集されています。
正確な診断が適切な治療と管理の重要な出発点であるため、私は病理学に惹かれています。私の分野では、顕微鏡下の組織を調べて、患者の病気や状態を決定します。
病理学者は、私たちの実践の複雑さの増加に対処するためにより多くの時間を費やす必要があります。 AIには可能性があります 生産性を向上させます。
老化の増加に伴い、より複雑な患者に対処します。私たちの 高齢者の人口 長生きしており、同時に複数の状態の患者がいます。
私たちは常に人材の相対的な不足を扱っており、それは私たちが実際に組織でますます多くのことをするように求められているという事実によって複雑です。
たとえば、過去には 前立腺生検 ケース全体に4つのパラメーターが必要になる場合があります。これで、個々の標本ごとに、より具体的なパラメーターを処理する必要があります。
標本の数は20〜30に達することがあります。これは、実際に慣れている作業の少なくとも10〜20倍です。これは、物事に10〜20回対処するために必要な人力の数を増やすことができないため、あまり持続可能ではありません。
そこでAIが入る必要があり、リソースの量を増やすことなく、より少ないことでより多くのパラメーターに対処できるようになります。
AIは、高倍率で調べるよりも迅速に関心のある領域を強調し、信頼と効率の両方を改善することができます。
AIは何年もの間病理学の一部でした
私はシンガポール軍の医療担当官だったときに、20年以上にわたって医療情報学に携わってきました。
関連するストーリー
ビジネスインサイダーはあなたが知りたい革新的な物語を語っています
ビジネスインサイダーはあなたが知りたい革新的な物語を語っています
私たちは、約10年前にデジタル病理画像のための機械学習ベースのツールにさらされていました。
2020年から2021年までのシンガポール総合病院とAIシンガポールの間のプロジェクトは、AIを使用して線維上皮病変と呼ばれる腫瘍を区別することに焦点を当てていました。これらはあなたの伝統ではありません 乳がん、むしろ、互いに模倣することがある2つの関連条件：腫瘍とフィロード腫瘍。
生検材料に関するこれら2つの病変を区別しようとするAIアルゴリズムを構築しました。目標は、診断の自信を改善し、治療の決定をよりよく導くことでした。
AIは間違いなく、特に複雑な場合はそうではありません
最も訓練されたAIでさえ、エラーのマージンがあり、そのパフォーマンスは入力データに大きく依存します。
AIには、複雑なデータを統合して、顕微鏡で見られるものと一緒に正しい診断に導くための何らかの方法があります。
たとえば、患者の電子記録や放射線レポートなどの他のデータを調べて、臨床像全体をよりよく理解します。
訓練を受けた専門家とは異なり、AIは、最適ではない状況での問題への対処など、適応性と一般化に関する問題がまだあります。
AIはそのことに非常に依存しています トレーニングデータ。 AIが異なる方法で処理された組織に遭遇すると、たとえば、色や外観が異なる海外のラボからのサンプルが最適に機能する可能性があります。
時々、AIは、折り畳まれた組織をスライドの折りたたみを間違え、そうでないはずの場合に肯定的な発見と間違えます。訓練を受けた人間の専門家は、AIが行う傾向があるカテゴリに力を合わせようとするのではなく、経験が少ない新しい調査結果や状況にアプローチする方法を見つけることができます。
今のところ、ループの人間は避けられません。私たちは常に間違いを犯さないように、常に安全のマージンを実践しています。
結局のところ、長年のトレーニングは、正確な解釈と診断を可能にする知識ベースを構築するのに役立ちました。
時間とともに、AIは十分に与えられます トレーニング、データ、 そして、適切なガイダンスは、実際にはより良いことができるかもしれません。
その間 AIは医師に取って代わりません または、中期から長期的な人間、AI能力のない人間は、急速に進化する医療分野に追いつくことができません。
AIは最終的に私たちの働き方を変えます。別のスキルセットを獲得し、より高い水準で実践することを要求する必要があります。
ヘルスケアでAIについて共有するストーリーはありますか？このレポーターに連絡してください [email protected]。
#AIはシンガポールの病理学者が患者の症例に追いつくのを助けています