Anonim

Ezt az átiratot az érthetőség kedvéért szerkesztettük.

Ivan Oransky: Jó estét és üdvözlet. Ivan Oransky vagyok, a Medscape szerkesztőségének alelnöke. Nagyon örülök, hogy köszönthetek egy különleges eseményen, a Deep Medicine [1] elindításánál, Eric Topol, a Medscape főszerkesztőjének legújabb könyve.

A lenyűgöző és fontos elolvasás egy részével összhangban mindent, amit tudok a vendégeinkről, a könyvindításokról és a mesterséges intelligenciáról (AI), beletettem a mély ideghálózatba, és arra kértem, hogy kössön ki egy sor nyitó megjegyzések. Először azt mondta: kék inget kell viselnem; jelölje be. Aztán azt mondta, hogy röviden szóljak; jelölje be. De az, amit ezután elmondott, nagyon ideges lett és kissé aggódott, mert azt mondta, hogy vicces vagyok. Ezt egy furcsa hang követte, amelyet néhányan felismerhetnek és ismerősnek találhatnak; nyugodtan azt mondta: "Sajnálom, Ivan. Attól tartok, hogy nem tudod megtenni."

És amikor Dr Topol eldobta AI-alapú étrendjével kapcsolatos tanácsát, amikor azt javasolta, azt hiszem, hogy sajttorta és büszke eszik, kihúztam a tervezetet, és úgy döntöttem, hogy csak bemutatom a hangszóróinkat, hogy inkább velük együtt töltsük el a legtöbb időt mint velem. (Ha elmulasztotta Dr. Topol "The AI ​​Diet" című cikkét a The New York Times-ban, akkor feltétlenül olvassa el azt. [2] )

Nálunk a Pulitzer-díjas szerző, Dr. Siddhartha Mukherjee, akinek az összes kórházi császára [3] című könyve hamarosan kötelező olvasmány lett mindenki számára, akit a rák érdekel, valamint a New York Times bestsellerje. Onkológiai kutató és orvos a New York-i Columbia Egyetemen, valamint a The Gene: An Intimate History szerzője. [4]

Ma este Dr. Mukherjee az asztalokat fordítja Dr. Topolról, aki 2015-ben interjút készített Dr. Mukherjee-rel a Medscape egy-egy interjúk sorozatának részeként az orvostudomány vezető gondolkodóival. Dr. Topol gyakorló kardiológus a Kaliforniai La Jolla Scripps Kutatóintézetében, és mint már említettem, a Medscape főszerkesztője. Széles körben a digitális innováció és az egészségügy területén a világ egyik legbefolyásosabb gondolatvezetőjének tekintik, és két korábbi könyv szerzője. [5, 6]

Tudom, hogy várhatunk egy elgondolkodtató és átgondolt beszélgetésre. Kérem, csatlakozzon hozzám Dr. Mukherjee és Dr. Topol köszöntéséhez.

A „mély tanulás” meghatározása

Siddhartha Mukherjee, MD, PhD: Eric, élveztem a könyvet és a cikkét. Ezekről a kérdésekről már hosszú ideje beszéltünk - mondom, majdnem egy évtizeddel. És most megvan a könyved. Talán ki kellene kezdenünk néhány meghatározást, hogy az emberek felkészüljenek a sebességre. Amikor az AI-ről és a mély tanulásról vagy gépi tanulásról beszél, mit értesz? Mit csinal?

A számítógépek ma már 20 vagy 30 éve vannak a gyógyászatban. A számítási algoritmusok 20, ha nem 30 éve vannak a gyógyászatban. Mi más most, és miért? Magyarázza el, hogy a mély tanulás és az AI milyen alapvetően különböznek egymástól. Adja meg nekünk.

Eric J. Topol, MD: Ez jó kérdés, Sid. Amit a mély tanulási történetrõl beszélünk, amelyet Geoffrey Hinton és kollégái alig egy évtizeddel ezelőtt vezettek be a kanadai Torontói Egyetemen. Jöttek egy teljesen új AI altípusra, az ötletre, hogy adatokat gyűjtsenek és neuronrétegeken keresztül tegyék át. Az emberek nem döntenek, hány réteget; inkább a mesterséges idegsejtek rétegei határozzák meg, hogy mi szükséges a tulajdonságok elolvasásához, legyen az beszéd vagy kép.

Úgy gondolom, hogy a [mélyreható tanulás] összekapcsolhatja azokat az adatokat, amelyekre orvosi elárasztás történik, és lehetővé teszi számunkra, hogy visszatérjünk az idővel elvesztett betegellátáshoz.

Ezt kezdetben alkalmazták az ImageNet-re, a fantasztikus címkével ellátott képekre, amelyeket Fei-Fei Li és Stanford kollégái készítettek. Gondosan megjelölték a képek millióit a vizuális tárgyfelismerő szoftverben való felhasználáshoz. Geoffrey meg tudta mutatni, hogy az AI képes olvasni képeket, értelmezni és osztályozni azokat, valamint az emberek képesek, majd az elmúlt néhány év során az emberekkel még jobban, mint az emberek.

Ez határozta meg a lehetőségeket az orvostudományban. Különösen az ilyen típusú AI-vel rendelkezik mintázatfelismeréssel, amely alkalmazható például orvosi vizsgálatokra, patológiás tárgylemezekre és bőrkárosodásokra. És az a jó rész, hogy az emberi elfogultság nem része az idegi hálózatnak. Az emberi elfogultságot beprogramozhatja a bemenetek részeként, de ha nem, akkor ez valóban lehetővé teszi a gépen a munka elvégzését. Úgy gondolom, hogy van olyan potenciál, amely meghaladja ezeket a kezdeti területeket. A mély tanulás és az AI eszközök természetesen vannak más kiegészítő vonatkozásai is, amelyek átalakulnak.

A mély tanulás oldala meglehetősen új, és azt hiszem, hogy összekapcsolhatja azokat az adatokat, amelyekre orvosi elárasztódik, és lehetővé teszi számunkra, hogy visszatérjünk az idővel elvesztett betegellátáshoz.

Mukherjee: Vissza fog térni az elveszített betegellátáshoz. Mindez fontos jellemzője, és szeretnék ráirányítani az ideje annak megvitatására. De észrevettem, hogy a mély tanulás és az AI nagyon szűk meghatározását használta. Geoffrey Hinton és én már hosszú ideje beszélgetünk. Írtam egy darabot Geoffrey munkájáról.

Topol: A New Yorkerben, 2017. Jó cikk. "AI Versus MD" [7] De "AI plus MD" -nek kell lennie.

Mukherjee: Így van. És erről egy időben beszélünk. Nyilvánvalóan érdekli az a tény, hogy mintázatfelismerést használtál - az ImageNet-et -, és az Ön által alkalmazott példák a bőrelváltozások, a patológia és a radiológia stb. Diagnosztizálása voltak. Van benyomásod, hogy az AI-t ilyen módon korlátozzák, vagy kinyílik és szélesebb lesz? Felteszi a mélyebb és szélesebb körű kérdéseket az orvostudományról, amelyeket orvosként kérünk? Más szavakkal: ez az eszköz egy mintafelismerő eszköz - ami rendkívül fontos; ne üssünk és ne flippeljünk körül, de melyik kapacitása korlátozott?

Ebben a New Yorker-cikkben arról beszélek, mikor egy edzésen részt vevő fiatal dermatológus megtalálja első melanómáját; a nulla esettanulmánytól az egyik esettanulmányáig mennek. De amikor egy ideghálózat, amely adatot vett fel - 578 000 melanóma - újabbat vesz igénybe, akkor az 578 000-ről 578 001-re esettanulmányt folytat. Tehát megértjük ezeknek az adatoknak a hatalmát, de van értelme, milyen széles lesz ez?

Image

Topol: Ez egy nagyon fontos pont, mivel manapság viszonylag szűk, és részben azért, mert az adatkészletek, amelyekkel az orvosi szférában dolgoznunk kell, viszonylag korlátozottak. Nincsenek ezek a hatalmas, kommentált adatkészletek. De ez sokkal szélesebb körben megy végbe. Úgy gondolom, hogy az eddig megtanult egyik legnagyobb tanulság az, hogy képesek vagyunk olyan gépeket kiképezni, amelyek látása messze meghaladja az emberek látását.

Az, amit néhány dologgal kezdtem, amelyet említettem, most kibővült. Például egy kardiogramban nem csak a szív funkcióját meg tudja mondani, hanem annak valószínűségét is, hogy egy vagy több ilyen aritmia kialakul. Ez az, amit az emberek nem látnak.

Ennek talán a legnagyobb példája a retina. Az ilyen algoritmus segítségével megkülönböztetheti a férfit és a nőket anélkül, hogy feltétlenül meg kellene néznie a retina képet. Ez valami, amit még senki nem magyarázott, és ez hangsúlyozza a fekete doboz magyarázatát. Ha rábukkannak a retina szakértőire, a nemzetközi hatóságokra, hogy nézzenek meg retina képeket, akkor nem tudják megmondani a különbséget a férfi és a nő között. 50/50 esélyük van arra, hogy ezt megszerezzék, férfi vagy nő. De megtaníthatja egy algoritmus 97% -nál vagy 98% -nál nagyobb pontosságát, és senki sem tudja, miért.

Amikor szűk meghatározást mond, csak elkezdjük elképzelni azokat a dolgokat, amelyekre képesek vagyunk a gépeket kiképezni. Akkor, amikor elkezdi behozni az ember összes különféle rétegét és az orvosi irodalom korpuszát - az érzékelőket, a genomikát, a mikrobiómot, ezeket a különféle dolgokat -, akkor sokkal szélesebb beállításokkal rendelkezik, mind az egyén, mind pedig az egyén számára. azokat az embereket, akik ezt a személyt gondozzák.

23andMe

Image

Mukherjee: Az egyik dolog, amelyet nyilvánvalóan érintünk, a magánélet, amely hihetetlenül fontos aréna, tehát később krétázunk rá rá időt. Az én területem a rák, és lenyűgöztek az adatok, amelyek az Egyesült Királyság Biobankjából származtak az emlőrák kiszámíthatóságának szempontjából. Ezt megvitatja a könyvében.

Csak annak érdekében, hogy megismerje a közönséget, hogyan mozog ez a világ - és ez igaz a szív- és érrendszeri betegségekre is -, képzelje el, hogy a családjában mellrák van. Tudod, hogy több generációt is átlépte. A múltban az egyetlen erősen áthatoló gének, mint például a BRCA1 és a BRCA2, előrejelzésünk azon képességét, hogy megjósoljuk, hogy Ön, nő vagy férfi - fennáll-e a jövőbeni mellrák kockázatának, korlátozódtak. Az emberek fontos döntéseket hoznának az életükben - mivel ezek közé tartozik Angelina Jolie - e genetikai diagnózis alapján.

Ha megnézzük a családi mellrákban szenvedők körét, akkor a kördiagramnak csak körülbelül 10% -20% -a volt kiszámítható az egyes, erősen áthatoló genetikai változások szempontjából. A többi részben bizonyos mértékben sötét anyag volt. Más szavakkal, eljöhetsz hozzám, és azt mondhatod: "Nekem van mellrák a családomban; meg tudod mondani nekem, mi a kockázatom?" És azt mondanám: "Ha nincs BRCA1 vagy BRCA2 mutáció, nem tudom megmondani neked a kockázatát. Nem tudom megmondani, hogy a legmagasabb vagy legkisebb kockázatban van-e."

Az egyik dolog, ami történt az Egyesült Királyság Biobankjával és más biobankjaival, az, hogy ha genomokat vesz fel, majd a sorsot ennek a genomnak a alapján térképezi fel - és a sors egyik aspektusa lehet mellrák -, akkor meglepően mély előrejelzéseket készíthet az emberekről, akik a mellrák legmagasabb kvartilje, vagy a jövőben valószínűleg mellrákja is, például olyan nő, akinek genetikai felépítése alapján kilencszer nagyobb kockázatot jelenthet a jövőbeni mellrák lakosságához képest.

Ez történt a szív- és érrendszeri betegségekben is, és ezek az algoritmusok, amint rámutattál, viszonylag egyszerűek. Ezek additív algoritmusok. Vessen egy szcenáriót arról, hogy mi történne, ha elkészítjük ezeket a gén sorstérképeket. Engedje szabadon az AI eszközöket. Menj át mindazon, ami mély lehet, és járjon át minket a problémákon.

Topol: Persze. Természetesen vigyázni kell arra, hogy talán ne tegye ugyanabba a mondatba a sorsot és a genomikát, és erről ékesszólóan írta a The Gene: An Intimate History című könyvében. De azt hiszem, hogy arra gondolsz, hogy az emlőrák olyan poligén kockázati pontszáma, amely nem kapcsolódik a BRCA-hoz és a ritka mutációkhoz -

Mukherjee: Magyarázza el kissé jobban a poligén kockázati pontszámot, mert ez fontos.

Topol: Ehhez nem is kell sorozatot tennie. Hány ember csatlakozott a 23andMe-hez? Sok ember. Ebből vagy az Ancestry.com-ból 1 millió betű szerezhet genomot egy chipen keresztül, amely akár 20 dollárért is futtatható. Mindezeket a változatokat együttesen megtalálja - több száz megváltozott betű, amelyek egyenértékűek lennének a BRCA1 vagy 2 mutációval.

A nők körülbelül 88% -a soha nem lesz mellrák az életében. Kik azok a 12%, akik valóban veszélyben vannak? Manapság ez a rendkívül pazarló módszer arra, hogy az összes nőt mammográfia útján végezzük, 60% -os hamis pozitív rátával, de már láthatjuk, hogy a jól jellemzett ritka mutációk, valamint ezen variánsok, a közös variánsok gyűjteménye között együtt megjósolhatjuk nagyon közel ezeket a 12% -ot - lehet 20%.

Látnod kellene ezeket a nőket, akiket nem kellene átvizsgálni, vagy csak 10 évente át kellene szűrni, vagy ilyesmi. Ugyanaz a feltétel mindegyikén. Van egy cselekvési út. Nem csak mellrák esetén.

Mukherjee: Beszéljünk a szív- és érrendszeri betegségekről.

Topol: A szívbetegség az, amely még határozottabb, így megtalálhatja a veszélyeztetett emberek 10% -át. Nincsenek szívbetegségeim a családomban, tehát ez számomra nagyon elutasító volt. A Scripps csapata készített egy alkalmazást; ingyenes, néhány percet igénybe vesz, és megszerezheti a gén rangját. Mehet a génosztályba, és feltöltheti a 23andMe adatait az alkalmazásba, és kihozhatja a pontszámát a 100-ból. Ezt megtettem, és a pontszámom 92 volt, ami nagyon magas kockázatot jelent. Emiatt elkezdtem sztatint venni. Kiderült, hogy a sztatinok sokkal nagyobb hatással vannak a nagyobb kockázatra. Nagyon sok ember sztatint szed csak azért, mert magas az LDL koleszterinszintje, de ez nekik nem lesz haszna.

Megváltoztatja az emberi kapcsolatok szerkezetét, ha úgy dönt, hogy nem a meglévő tudás alapján cselekszik. Mi történik akkor?

Mukherjee: Természetesen érdekes ebben az, hogy ez a pontszám olyan kockázati tényező, amely független az LDL koleszterintől. Ez kissé ortogonális, mint kockázati tényező.

Topol: Ortogonális és additív. Ez jobb, mint a családi történelem vagy a legtöbb többi, például a dohányzás, és még csak az egyszerű LDL koleszterin is. A genomikus információréteggel kapcsolatban az a lényeg, hogy még egy réteg is sok adatot szolgáltat. Csak egy chipekkel. Ezután, amikor elkezdi venni a genomszekvenciát, amelyet az AI, különösen a mélyreható tanulás, annyira tesz, hogy kibontakozhasson, mondod, wow, ezt már megtesszük a különféle közös feltételek kockázati pontszáma alapján. Előre zoomol. Hol lesz ez egy-két év alatt? A könyvben a mély felfedezésről szóló fejezet a tudományról, a genomikáról és a rákról szól. Most történik a legnagyobb előrelépés. Egy napon ez sokkal jobb megelőzésbe és sokkal jobb, erőteljes erőforrás-felhasználásba fordul, tehát nem lesz a jelenlegi, akaratlan ijesztő taktika.

Meg tudjuk akadályozni, hogy magunk váljanak a „kockázat helyeévé”?

Mukherjee: Beszéljünk a forgatókönyv hátoldaláról. Ezzel megváltozik a mi magunkról, mint emberről való megértésünk, amikor felszabadítjuk saját magunk által feltalált algoritmusokat. Számomra komoly aggodalomra ad okot, hogy mindenki a kockázat helyévé válunk és azt képzeljük el.

Egy biztosító társaság mindenkit a kockázat helyének képzel el, és ez alapvetően megváltoztatja, hogy kik az emberek és hogyan gondolkodunk önmagunkban. Aztán ott van a magánélet proximális kérdése. Ha Ön a kockázat helye, és véletlenül elhagyja ezt a hátizsákot a 23andMe alkalmazásával a metrón, és valaki megtalálja … Talán ez egy messzire jutott forgatókönyv, de sokkal több közel állt a forgatókönyv. Szeretné megosztani ezt az információt a házastársával? Tegyük fel, hogy az emlőrák poliogén kockázati pontszáma a legmagasabb kvartilisben van. Ezt az információt meg szeretné osztani a házastársával? Megváltoztatja az emberi kapcsolatok szerkezetét, ha úgy dönt, hogy nem a meglévő tudás alapján cselekszik. Mi történik akkor?

Image

Topol: Úgy gondolom, hogy ez az adatvédelmi kérdés alapvető fontosságú. Sokan közületek látják, hogy a magánélet más körökben halottnak nyilvánult, az egészségügyben és az orvostudományban azonban még nem, mivel az egészségügy világában nem elfogadható.

Ennek a problémának a megoldására van mód. A számítógépes szakértők, akik megértik a hackelést és a jogsértéseket, az egészségügyi rendszerek túszul tartott adatait, mindezeket a dolgokat, azt javasolják, hogy az adatok legyenek a lehető legkisebb egységekben: Az egyénnek saját adatait kell birtokolnia. Valójában valamikor oda kell jutnunk.

Észtországban mindenki birtokolja az adatait, és nem tömeges kiszolgálón található, amely a számítógépes tolvajok ideális célpontja. Ez az egyik módja a magánélet megőrzésének, de a tulajdonjog nagyon fontos. Ennek oka nem csak a magánélet védelme. Jelenleg senkinek nincs az összes orvosi adata az anyaméhben töltött időktől kezdve, amikor ez az életük során nagyon fontos ez a pillanat. Senki sem rendelkezik, mert adataihoz sokféle emberhez és különböző helyhez kellene mennie. Ha AI-t fog használni a feltételek elkerülésére vagy azok jobb kezelésére, akkor minden bemeneti adatot meg kell adnia. Ezt tudjuk, és senki sem rendelkezik.

Egyensúly van a magánélet maximalizálása és az összes adat összesítése között. Manapság az emberek saját adataikat generálják érzékelőkön keresztül, és ha szekvenálva van a genomja, vagy akár a chipedet a 23andMe-ről vagy bármi másra szeretné, akkor nem akarja, hogy az orvosi nyilvántartásában a kórházban vagy az egészségügyi rendszerben üljön, mert az felhasználható ellened. Ebben az országban csak az egészségbiztosítás és a munkáltató státusza terjed ki, de az életbiztosítás és a rokkantság nem tartozik ide, tehát nem akarja, hogy genetikai információit az elektronikus nyilvántartásba helyezze. Biztonságos helyre van szükségünk ehhez.

Jelenleg sok ilyen adatkészlet hajléktalan. Szükségünk van egy otthonra, és ennek az egyénnek kell lennie. Egyszer odaérünk. Messze elmaradunk Észtországtól, és most más országok, például Finnország, Svédország és Svájc ebben az irányban haladnak, de mi nem.

A kórházi és kijelentkezési folytonossági fordulókat túl gyakran végzik… anélkül, hogy soha nem mennének a beteg ágyához.

Mukherjee: Mik az akadályok az Egyesült Államokban? A rákgenetika és a rákgenomika szempontjából zavarba ejtő volt, hogy az Egyesült Királyság Biobankját hónappal, évekkel ezelőtt hozták létre, mielőtt létrehoztuk volna a miénket, és mióta hozzáférünk ezekhez az adatokhoz. És az Egyesült Királyságban nem az egyetlen biobank; vannak mások. Miért késünk ebben a játékban?

Image

Topol: Elég késünk. Nemrég fejeztem be az Egyesült Királyság Nemzeti Egészségügyi Szolgálatának majdnem kétéves áttekintését, és nemcsak ők a világ vezető géntechnológiája, hanem elindították a biobankjukat, és most már évekkel ezelőtt Angliában a genomokat. Arra is munkám van, hogy velük készítettem egy digitális és egy AI stratégiát a következő 20 évre. Több milliárd forrást fordítottak erre, tehát a Brexit közepén előre tervezik az egészségügyi ellátást. Ebben az országban nem valósítottunk meg egy dollárt egy nemzeti stratégia felé. Az elnök nemrégiben tett bejelentést egy nulla dollár nélküli és nem specifikus AI stratégiáról. Az Egyesült Királyság előre halad, és mi elmaradunk.

Mukherjee: Kulturális probléma? Diagnosztizálni tudja a problémát?

Topol: Jelenleg úgy tűnik, hogy csak próbálunk nap mint nap túlélni ebben az országban. Miután sok időt töltöttem és interakcióba léptem a britekkel, azt a benyomást kelték, hogy nagyon komolyan veszik ezt a tervezést és tiszteletben tartják az AI erejét. Például megszabadultak a billentyűzetről valamelyik nagyon nagy sürgősségi osztályukban. Beszélni szeretne néhány boldog orvossal és boldog beteggel? Nincs billentyűzet, minden hangfelismerés. Megmutatták, hogy ez lehetséges, és ez a sürgősségi környezetben volt, ahol különféle típusú betegek jönnek be. Megmutatják a világnak, hogy az országukban először megszabadulnak a billentyűzetről. A régi időkben a papír megszabadulásáról beszéltünk. Soha nem szabadultunk meg a papírtól. De a billentyűzetek az orvosok, a betegek, az ápolók és mindenki ellenségei.

A mélyreható tanulás a beszédfelismerés ma olyan fejlett, és az Egyesült Államokban semmit sem teszünk. Több mint 20 amerikai vállalat dolgozik ezen a téren, köztük sok tech-vállalat, de országként nem vagyunk mögött az erőfeszítések, míg az Egyesült Királyság és Kína. Elcsúszunk ezen. Nagyszerű lehetőség. Nem hiszem, hogy sok éven át, sőt nemzedékek előtt is leszünk ilyen lehetőségekkel.

A diszembodizált diagnózis

Mukherjee: Sokat beszél a betegekről. Kicsit szeretnék beszélni az orvosokról is. Nemrég írtam egy nagy cikket [8] arról, hogy a billentyűzetelés miként vált az orvosok kiégésének egyik forrásává, és miért találjuk automatizáltnak, de embertelennek is magunkat, mivel egész nap átjárjuk. Olvasni fogok valamit a könyvedből.

Ez a könyv 306. oldalán található [1] :

Az orvostanhallgatók gondolatait is át kell vezetnünk, hogy inkább emberorvosra, ne betegségorientáltságra tegyék őket. A kórházi és kijelentkezési folytonossági fordulókat túlságosan gyakran kártyalap segítségével végzik, így az egyik képző orvos áttekinti a betegséget vagy a beteg állapotát és a releváns teszt eredményeit anélkül, hogy soha nem menne a páciens ágyához.
Még a betegség diagnózisát is fel lehet tüntetni azzal, hogy a szkennelési vagy laboratóriumi teszteket nézik meg ahelyett, hogy kezeket helyeznének az emberre. Az ilyen rutinok sokkal gyorsabbak és könnyebbek, mint egy ember megismerése. Rana Awdish, a detroiti orvos, ezt jól kidolgozta két orvostanhallgató csoporttal. Az egyiket patológiának, a másikat humanisztikusnak hívták. A patológia csoport rendkívüli képzésben részesül a betegségek felismerésében, a bőr léziójának felismerésével, a zümmögések meghallgatásával vagy a véralvadási lépések ismeretével. A humanista csoport mindazt a kiképzést megkapja, de arra is felkészítik, hogy kövesse az emberi kontextust, engedve, hogy a betegek beszéljenek és megismerjék, mi az életük, mi számukra fontos, mi aggasztja őket. Az a beteg, aki sírni kezd, a patológiás csoport képes diagnosztizálni a betegséget, de nem reagál. Az érzelmekhez vezetõ humanista csoport még a könnyek megkezdése elõtt meghallja a hangos zsinórok feszült hangmagasságát, amelyet hamis bátorság és kényelem húz meg.

Ez az Ön elképzelése arról, hogyan lehet ezeknek a terheknek az orvostudományból való eltávolítása végül visszaállítani egyfajta hitét, amely orvosi hallgatóinkban kezd kibontakozni?

Topol: Köszönöm a részet. Ez magában foglalja az egész történetet, azaz elveszítettük az utat. Az orvosi iskola befejezésétől számított 40 év alatt folyamatos eróziót tapasztaltam, és egyre távolabb esettünk a gondozástól, az igazi emberi köteléktől. Lehetőségünk van - és azt hiszem, hogy az egyetlen lehetőség, legalábbis életemben - visszafordítani és visszatérni oda, ahol voltunk. Ez az idő ajándéka, de nem csak ez. Mint mondtad, az orvosi ellátás emberi központú aspektusáról szól. Adsz időt az orvosoknak és a betegeknek, de ez nem elég; művelni kell. Hihetetlenül fontos, hogy helyreállítsa a bizalmat, a jelenlétét, ezt az értékes kapcsolatot, amely korábban intim volt. Régebben szentséges volt. Mi történt?

Mukherjee: Amikor orvostanhallgatók vannak körökben, a forduló utolsó napján két lehetőséget adok nekik, egy hetes felkészüléssel. Az egyik lehetőség a téma kiválasztása, a patológia témája: hármas negatív emlőrák, akut leukémia időskorban, bármilyen is legyen - ez egy választás. A másik választás az, hogy a beteg bármelyikét a hallgató bemutatta, de teljes egészében bemutatja. Szeretném tudni, hogy hol születtek, mi a neve. Készítsen háromdimenziós embert ebből a betegből.

Körülbelül 5-7 évvel ezelőtt mindenki akart hármas negatív emlőrákot vagy valamilyen más patológiai témát bemutatni; most mindenki szeretné bemutatni a beteget. Az orvostudományban részt vevő összes hallgató bemutatni akarja az úgynevezett háromdimenziós beteget. Azt mondom nekik, hogy órákat kell tölteniük a beteg ágya mellett - ez természetesen rák -, és beszélniük kell velük szorongásukról, aggodalmaikról, jövőjükről, hogy vannak-e gyermekeik, hogy nincsenek gyerekeik. Ki fizeti a bérleti díjat?

Tegye fel a hallgatóktól azokat a kérdéseket, amelyeket feltehetne, ha hármas negatív emlőrákot jelentene, mondván: "Mi a statisztika azt mutatja meg, hány afroamerikai nőt hármas negatív emlőrákban szenvedünk, hanem azt is, hogy mennyi bérleti díjat fizetnek? Mennyibe kerülnek, ha élnek? Mennyibe kerül egy tipikus napi étkezés? " Ha a hallgatók nem tudják a választ ezekre a kérdésekre, vissza kell menniük, és fel kell tenniük ezeket a kérdéseket.

Topol: Több tanárra van szükségünk, mint te.

Mukherjee: Én vagyok a leg türelmetlenebb tanár, akit valaha is el tudott volna képzelni.

Nagy teret fedtünk le. Ön meghatározta nekünk egy új típusú gyógyszert, egy új típusú gyógyszert, amely felszabadítja a betegeket és felszabadítja a gyógyszer gondolatát, ugyanakkor erőteljesen befolyásolja az orvosokat és azt is, hogyan gondolkodunk önmagunkban. Egy utolsó kérdéssel fejezem be: Kik a szkeptikusok? Ki nem hisz neked, és miért? Miért ne higgyünk neked?

Topol: Van egy jó ok, hogy ne higgyünk, és az az oka, hogy korábbi tapasztalataink vannak az adminisztrátorokról, a menedzserekről és az üzletemberekről, akik egyre inkább szorítják az orvosokat. Ha nagyobb a termelékenység, a jobb hatékonyság és a munkafolyamat, akkor a természetes alapértelmezett mód több beteg látása, több szkennelés, további diák elolvasása lesz. Ha mi orvosi közösségként - és ez azt jelenti, hogy az egészségügyi szolgáltatók és a betegek - nem állunk ki ezen üzleti erő ellen, akkor itt nem látjuk a potenciált. Ez a legnagyobb kihívás.

A naysayers-ekkel szemben ők mindenki. Az emberek elég cinikuskká váltak. Figyelemmel kísérjük az elektronikus egészségügyi nyilvántartást, amely az orvostudományban az elmúlt évtizedekben bekövetkezett legrosszabb katasztrófa, rossz nevet ad a digitális telefonnak; sokan azt gondolják, hogy ez valahogy az AI folytonossága, amikor nem lehetne távolabb az igazságtól.

Kövesse a Medscape-t a Facebook-on, a Twitter-en, az Instagram-on és a YouTube-on