Umetna inteligenca naj bi postala transformacijska sila na področju zdravstva.Kako imajo torej zdravniki in pacienti koristi od vpliva orodij, ki jih poganja umetna inteligenca?
Današnja zdravstvena industrija je zelo zrela in lahko naredi nekaj večjih sprememb.Od kroničnih bolezni in raka do radiologije in ocene tveganja se zdi, da ima zdravstvena industrija nešteto priložnosti za uporabo tehnologije za uvedbo natančnejših, učinkovitejših in uspešnejših posegov pri oskrbi bolnikov.
Z razvojem tehnologije imajo pacienti vedno večje zahteve do zdravnikov, število razpoložljivih podatkov pa še naprej grozljivo narašča.Umetna inteligenca bo postala motor za spodbujanje nenehnega izboljševanja zdravstvene oskrbe.
V primerjavi s tradicionalno analizo in tehnologijo kliničnega odločanja ima umetna inteligenca veliko prednosti.Ko učni algoritem sodeluje s podatki o usposabljanju, lahko postane natančnejši, kar zdravnikom omogoča, da pridobijo brez primere vpogled v diagnozo, proces zdravstvene nege, variabilnosti zdravljenja in rezultate bolnikov.
Na Svetovnem forumu o medicinskih inovacijah na področju umetne inteligence (wmif) 2018, ki ga organizira Partners Healthcare, so medicinski raziskovalci in klinični strokovnjaki razpravljali o tehnologijah in področjih medicinske industrije, ki bodo najverjetneje pomembno vplivala na uvedbo umetne inteligence v naslednjem desetletje.
Anne kiblanksi, dr. med., direktorica vodje wmif leta 2018, in dr. Gregg Meyer, glavni akademski direktor družbe Partners Healthcare, sta dejala, da lahko tovrstna "subverzija", ki je vnesena v vsa področja industrije, bolnikom prinese pomembne koristi in ima širok potencial poslovnega uspeha.
S pomočjo strokovnjakov iz partnerskega zdravstvenega varstva, vključno z dr. Keithom Dreyerjem, profesorjem medicinske šole Harvard (HMS), glavnim uradnikom za podatkovno znanost partnerjev, in dr. Katherine andreole, direktorico raziskovalne strategije in operacij v splošni bolnišnici Massachusetts (MGH) , je predlagal 12 načinov, kako bo umetna inteligenca spremenila zdravstvene storitve in znanost.
1. Poenotite razmišljanje in stroj prek možganskega računalniškega vmesnika
Uporaba računalnika za komunikacijo ni nova ideja, vendar je ustvarjanje neposrednega vmesnika med tehnologijo in človeškim razmišljanjem brez tipkovnice, miške in zaslona mejno raziskovalno področje, ki ima pomembno vlogo pri nekaterih bolnikih.
Zaradi bolezni živčnega sistema in travme lahko nekateri bolniki izgubijo sposobnost smiselnega pogovora, gibanja in interakcije z drugimi in njihovim okoljem.Možganski računalniški vmesnik (BCI), ki ga podpira umetna inteligenca, lahko bolnikom, ki jih skrbi, da bodo te funkcije izgubili za vedno, povrne tiste osnovne izkušnje.
"Če vidim pacienta na nevrološki intenzivni enoti, ki nenadoma izgubi sposobnost delovanja ali govora, upam, da mu bom naslednji dan povrnil sposobnost komuniciranja," je dejal Leigh Hochberg, dr. med., direktor centra za nevrotehnologijo in nevrorehabilitacijo pri Splošna bolnišnica Massachusetts (MGH).Z uporabo možganskega računalniškega vmesnika (BCI) in umetne inteligence lahko aktiviramo živce, povezane z gibanjem rok, in morali bi biti sposobni doseči, da pacient komunicira z drugimi vsaj petkrat med celotno aktivnostjo, na primer z uporabo vseprisotnih komunikacijskih tehnologij, kot je kot tablični računalniki ali mobilni telefoni."
Možganski računalniški vmesnik lahko močno izboljša kakovost življenja bolnikov z amiotrofično lateralno sklerozo (ALS), možgansko kapjo ali sindromom atrezije, pa tudi 500.000 bolnikom s poškodbo hrbtenjače po vsem svetu vsako leto.
2. Razvijte naslednjo generacijo orodij za sevanje
Slike sevanja, pridobljene z magnetno resonanco (MRI), CT skenerji in rentgenskimi žarki, zagotavljajo neinvazivno vidljivost v notranjost človeškega telesa.Vendar se številni diagnostični postopki še vedno zanašajo na fizične vzorce tkiva, pridobljene z biopsijo, kar predstavlja tveganje za okužbo.
Strokovnjaki napovedujejo, da bo v nekaterih primerih umetna inteligenca naslednji generaciji radioloških orodij omogočila, da bodo dovolj natančna in podrobna, da bodo nadomestila povpraševanje po vzorcih živih tkiv.
Alexandra golby, dr. med., direktorica slikovno vodene nevrokirurgije v ženski bolnišnici Brigham (BWh), je dejala: "Želimo združiti ekipo za diagnostično slikanje s kirurgi ali intervencijskimi radiologi in patologi, vendar je za različne ekipe velik izziv, da dosežejo sodelovanje in doslednost ciljev. Če želimo, da radiologija zagotovi informacije, ki so trenutno na voljo iz vzorcev tkiv, potem bomo morali biti sposobni doseči zelo tesne standarde, da bomo poznali osnovna dejstva katerega koli danega piksla."
Uspeh v tem procesu lahko kliničnim zdravnikom omogoči natančnejše razumevanje splošne učinkovitosti tumorja, namesto da bi sprejemali odločitve o zdravljenju na podlagi majhnega dela lastnosti malignega tumorja.
AI lahko tudi bolje opredeli invazivnost raka in ustrezneje določi cilj zdravljenja.Poleg tega umetna inteligenca pomaga uresničiti "virtualno biopsijo" in spodbuja inovacije na področju radiologije, ki je zavezana k uporabi slikovnih algoritmov za karakterizacijo fenotipskih in genetskih značilnosti tumorjev.
3. Razširite zdravstvene storitve na slabo oskrbovanih območjih ali območjih v razvoju
Pomanjkanje usposobljenih ponudnikov zdravstvenih storitev v državah v razvoju, vključno z ultrazvočnimi tehniki in radiologi, bo močno zmanjšalo možnosti uporabe zdravstvenih storitev za reševanje življenj bolnikov.
Na srečanju je bilo poudarjeno, da v šestih bostonskih bolnišnicah z znamenito Longwood Avenue dela več radiologov kot v vseh bolnišnicah v Zahodni Afriki.
Umetna inteligenca lahko pomaga ublažiti vpliv kritičnega pomanjkanja klinikov tako, da prevzame nekatere diagnostične odgovornosti, ki so običajno dodeljene ljudem.
Na primer, orodje za slikanje z umetno inteligenco lahko uporablja rentgenske žarke prsnega koša za pregled simptomov tuberkuloze, običajno z enako natančnostjo kot zdravnik.To funkcijo je mogoče uvesti prek aplikacije za ponudnike na območjih z revnimi viri, kar zmanjša potrebo po izkušenih diagnostičnih radiologih.
"Ta tehnologija ima velik potencial za izboljšanje zdravstvene oskrbe," je povedala dr. jayashree kalpathy Cramer, asistentka nevroznanosti in izredna profesorica radiologije v splošni bolnišnici Massachusetts (MGH).
Vendar pa morajo razvijalci algoritmov umetne inteligence natančno upoštevati dejstvo, da imajo lahko ljudje različnih narodnosti ali regij edinstvene fiziološke in okoljske dejavnike, ki lahko vplivajo na uspešnost bolezni.
"Na primer, prebivalstvo, ki ga prizadene bolezen v Indiji, se lahko zelo razlikuje od tistega v Združenih državah," je dejala.Ko razvijamo te algoritme, je zelo pomembno zagotoviti, da podatki predstavljajo pojav bolezni in raznolikost populacije.Ne moremo samo razviti algoritmov, ki temeljijo na eni populaciji, ampak tudi upati, da bo lahko igral vlogo v drugih populacijah."
4. Zmanjšajte breme uporabe elektronskih zdravstvenih kartotek
Elektronska zdravstvena kartoteka je igrala pomembno vlogo na digitalnem potovanju zdravstvene industrije, vendar je ta preobrazba prinesla številne težave, povezane s kognitivno preobremenitvijo, neskončnimi dokumenti in utrujenostjo uporabnikov.
Razvijalci (njenih) elektronskih zdravstvenih kartotek zdaj uporabljajo umetno inteligenco za ustvarjanje bolj intuitivnega vmesnika in avtomatizacijo rutin, ki uporabniku vzamejo veliko časa.
Dr. Adam Landman, podpredsednik in glavni informacijski uradnik Brigham Health, je dejal, da uporabniki večino svojega časa porabijo za tri naloge: klinično dokumentacijo, vnos naročil in razvrščanje svojih nabiralnikov.Prepoznavanje govora in narekovanje lahko pomagata izboljšati obdelavo kliničnih dokumentov, vendar orodja za obdelavo naravnega jezika (NLP) morda ne bodo zadostovala.
"Mislim, da bo morda treba biti bolj drzen in razmisliti o nekaterih spremembah, kot je uporaba video snemanja za klinično zdravljenje, tako kot policija, ki nosi kamere," je dejal Landman.Umetna inteligenca in strojno učenje se lahko nato uporabita za indeksiranje teh videoposnetkov za prihodnje iskanje.Tako kot Siri in Alexa, ki doma uporabljata pomočnike z umetno inteligenco, bodo virtualni pomočniki v prihodnosti pripeljani k pacientovi postelji, kar bo klinikom omogočilo uporabo vgrajene inteligence za vnos zdravniških naročil."
Umetna inteligenca lahko pomaga tudi pri obravnavi rutinskih zahtev iz map »Prejeto«, kot so dodatki za zdravila in obveščanje o rezultatih.Pomaga lahko tudi pri razvrščanju nalog, ki resnično potrebujejo pozornost zdravnikov, kar bolnikom olajša obdelavo seznamov opravil, je dodal Landman.
5.Tveganje odpornosti na antibiotike
Odpornost na antibiotike je vse večja grožnja ljudem, saj lahko prekomerna uporaba teh ključnih zdravil povzroči razvoj superbakterij, ki se ne odzivajo več na zdravljenje.Bakterije, odporne na več zdravil, lahko povzročijo resno škodo v bolnišničnem okolju in vsako leto ubijejo na desettisoče bolnikov.Samo Clostridium difficile stane približno 5 milijard ameriških dolarjev na leto za zdravstveni sistem ZDA in povzroči več kot 30.000 smrti.
Podatki EHR pomagajo prepoznati vzorce okužbe in izpostaviti tveganje, preden se pri bolniku začnejo kazati simptomi.Uporaba orodij strojnega učenja in umetne inteligence za poganjanje teh analiz lahko izboljša njihovo natančnost ter ustvari hitrejša in natančnejša opozorila za ponudnike zdravstvenih storitev.
"Orodja umetne inteligence lahko izpolnijo pričakovanja glede obvladovanja okužb in odpornosti na antibiotike," je dejala dr. Erica Shenoy, namestnica direktorja za obvladovanje okužb v splošni bolnišnici Massachusetts (MGH).Če ne bodo, bodo vsi propadli.Ker imajo bolnišnice veliko podatkov EZK, če jih ne izkoristijo v celoti, če ne ustvarijo industrij, ki so pametnejše in hitrejše pri načrtovanju kliničnih preskušanj, in če ne uporabljajo EZK, ki ustvarja te podatke, soočili se bodo z neuspehom."
6. Ustvarite natančnejšo analizo za patološke slike
Dr. Jeffrey golden, vodja patološkega oddelka v ženski bolnišnici Brigham (BWh) in profesor patologije na HMS, je dejal, da patologi zagotavljajo enega najpomembnejših virov diagnostičnih podatkov za celotno paleto ponudnikov zdravstvenih storitev.
"70 % odločitev o zdravstvenem varstvu temelji na patoloških izvidih, med 70 % in 75 % vseh podatkov v EZK izvira iz patoloških izvidov," je dejal.In bolj kot so rezultati natančni, prej bo postavljena pravilna diagnoza.To je cilj, ki ga imata možnost doseči digitalna patologija in umetna inteligenca."
Globoka analiza na ravni slikovnih pik na velikih digitalnih slikah omogoča zdravnikom, da prepoznajo subtilne razlike, ki lahko uidejo človeškim očem.
"Zdaj smo prišli do točke, ko lahko bolje ocenimo, ali se bo rak razvijal hitro ali počasi, in kako spremeniti zdravljenje bolnikov, ki temelji na algoritmih in ne na kliničnih stopnjah ali histopatološkem ocenjevanju," je dejal golden.To bo velik korak naprej."
Dodal je: "Umetna inteligenca lahko tudi izboljša produktivnost tako, da identificira zanimive značilnosti na diapozitivih, preden kliniki pregledajo podatke. Umetna inteligenca lahko filtrira skozi diapozitive in nas vodi, da vidimo pravo vsebino, tako da lahko ocenimo, kaj je pomembno in kaj ne. To izboljša učinkovitosti uporabe patologov in povečuje vrednost njihove študije vsakega primera."
Vnesite inteligenco v medicinske naprave in stroje
Pametne naprave prevzemajo potrošniška okolja in ponujajo naprave, ki segajo od videa v realnem času v hladilniku do avtomobilov, ki zaznavajo motnje voznika.
V medicinskem okolju so inteligentne naprave bistvenega pomena za spremljanje bolnikov na oddelkih za intenzivno nego in drugod.Uporaba umetne inteligence za izboljšanje zmožnosti prepoznavanja poslabšanja stanja, kot je nakazovanje razvoja sepse, ali zaznavanje zapletov lahko bistveno izboljša rezultate in zmanjša stroške zdravljenja.
"Ko govorimo o integraciji različnih podatkov v sistem zdravstvenega varstva, moramo integrirati in opozoriti zdravnike na intenzivni negi, da posredujejo čim prej, in da združevanje teh podatkov ni dobra stvar, ki jo lahko naredijo zdravniki," je dejal Mark Michalski , izvršni direktor Znanstvenega centra za klinične podatke pri BWh.Vstavljanje pametnih algoritmov v te naprave zmanjšuje kognitivno obremenitev zdravnikov in zagotavlja čim hitrejšo obravnavo bolnikov."
8. spodbujanje imunoterapije za zdravljenje raka
Imunoterapija je eden najbolj obetavnih načinov zdravljenja raka.Z uporabo lastnega imunskega sistema telesa za napad na maligne tumorje lahko bolniki premagajo trdovratne tumorje.Vendar se na sedanji režim imunoterapije odzove le nekaj bolnikov, onkologi pa še vedno nimajo natančne in zanesljive metode, s katero bi ugotovili, katerim bolnikom bo režim koristil.
Algoritmi strojnega učenja in njihova zmožnost sintetiziranja zelo zapletenih nizov podatkov bodo morda lahko razjasnili edinstveno gensko sestavo posameznikov in zagotovili nove možnosti za ciljno terapijo.
"V zadnjem času so bili najbolj vznemirljivi razvoj inhibitorji kontrolnih točk, ki blokirajo beljakovine, ki jih proizvajajo določene imunske celice," pojasnjuje dr. long Le, direktor računalniške patologije in razvoja tehnologije v celovitem diagnostičnem centru splošne bolnišnice Massachusetts (MGH).A še vedno ne razumemo vseh težav, ki so zelo zapletene.Vsekakor potrebujemo več podatkov o bolnikih.Ta zdravljenja so razmeroma nova, zato jih dejansko ne jemlje veliko bolnikov.Ne glede na to, ali moramo podatke integrirati znotraj organizacije ali v več organizacijah, bo to ključni dejavnik pri povečanju števila pacientov za spodbujanje procesa modeliranja."
9. Spremenite elektronske zdravstvene zapise v zanesljive napovedovalce tveganja
Elektronska zdravstvena kartoteka je zakladnica podatkov o pacientih, vendar je za ponudnike in razvijalce nenehen izziv izluščiti in analizirati veliko količino informacij na natančen, pravočasen in zanesljiv način.
Težave s kakovostjo in celovitostjo podatkov, skupaj z zmedo formata podatkov, strukturiranim in nestrukturiranim vnosom ter nepopolnimi zapisi, ljudem otežujejo natančno razumevanje, kako izvesti smiselno stratifikacijo tveganja, napovedno analizo in podporo pri kliničnem odločanju.
Dr. Ziad OBERMEYER, docent za urgentno medicino v ženski bolnišnici Brigham (BWh) in docent na medicinski šoli Harvard (HMS), je dejal, da je treba opraviti nekaj trdega dela, da bi podatke združili na eno mesto. Druga težava pa je razumeti kaj ljudje dobijo, ko v elektronskem zdravstvenem kartonu (nje) napovejo bolezen. Ljudje morda slišijo, da lahko algoritmi umetne inteligence napovejo depresijo ali možgansko kap, vendar ugotovijo, da dejansko napovedujejo povečanje stroškov kapi. Zelo se razlikuje od sama kap."
Nadaljeval je: "Zdi se, da zanašanje na rezultate MRI zagotavlja bolj specifičen nabor podatkov. Zdaj pa moramo razmisliti, kdo si lahko privošči MRI? Torej končna napoved ni pričakovan rezultat."
Analiza NMR je ustvarila veliko uspešnih orodij za točkovanje tveganja in stratifikacijo, zlasti ko raziskovalci uporabljajo tehnike globokega učenja za prepoznavanje novih povezav med na videz nepovezanimi nizi podatkov.
Vendar OBERMEYER verjame, da je zagotavljanje, da ti algoritmi ne prepoznajo pristranskosti, skritih v podatkih, ključnega pomena za uporabo orodij, ki lahko resnično izboljšajo klinično oskrbo.
"Največji izziv je zagotoviti, da natančno vemo, kaj smo napovedali, preden začnemo odpirati črno skrinjico in iskati, kako napovedati," je dejal.
10.Spremljanje zdravstvenega stanja preko nosljivih naprav in osebnih naprav
Skoraj vsi potrošniki lahko zdaj uporabljajo senzorje za zbiranje podatkov o vrednosti za zdravje.Od pametnih telefonov s sledilnikom korakov do nosljivih naprav, ki spremljajo srčni utrip ves dan, je vedno več podatkov o zdravju mogoče ustvariti kadar koli.
Zbiranje in analiziranje teh podatkov ter dopolnjevanje informacij, ki jih bolniki zagotovijo prek aplikacij in drugih naprav za spremljanje doma, lahko zagotovijo edinstveno perspektivo za zdravje posameznika in množice.
Umetna inteligenca bo igrala pomembno vlogo pri pridobivanju uporabnih vpogledov iz te velike in raznolike zbirke podatkov.
Toda dr. Omar arnout, nevrokirurg v ženski bolnišnici Brigham (BWh), direktor CO centra za rezultate računalniške nevroznanosti, je dejal, da bo morda potrebno dodatno delo, da se bolnikom pomaga prilagoditi tem intimnim, stalnim spremljanjem podatkov.
"Včasih smo bili precej svobodni pri obdelavi digitalnih podatkov," je dejal.Ker pa prihaja do uhajanja podatkov v analitiki Cambridge in Facebooku, bodo ljudje vedno bolj previdni pri tem, komu deliti katere podatke delijo."
Pacienti običajno bolj zaupajo svojim zdravnikom kot velikim podjetjem, kot je Facebook, je dodal, kar bi lahko olajšalo nelagodje pri zagotavljanju podatkov za obsežne raziskovalne programe.
"Verjetno bodo nosljivi podatki imeli pomemben vpliv, ker je pozornost ljudi zelo naključna in zbrani podatki so zelo grobi," je dejal arnout.Z nenehnim zbiranjem podrobnih podatkov obstaja večja verjetnost, da bodo podatki pomagali zdravnikom pri boljši oskrbi bolnikov."
11. narediti pametne telefone močno diagnostično orodje
Strokovnjaki verjamejo, da bodo slike, pridobljene s pametnimi telefoni in drugimi viri na ravni potrošnikov, postale pomemben dodatek h kakovostnemu kliničnemu slikanju, zlasti na območjih s slabšo oskrbo ali v državah v razvoju, z nadaljnjo uporabo zmogljivih funkcij prenosnih naprav.
Kakovost mobilne kamere se vsako leto izboljšuje in lahko ustvari slike, ki jih je mogoče uporabiti za analizo algoritmov AI.Dermatologija in oftalmologija imata prve koristi od tega trenda.
Britanski raziskovalci so celo razvili orodje za prepoznavanje razvojnih bolezni z analizo slik otroških obrazov.Algoritem lahko zazna diskretne značilnosti, kot so linija spodnje čeljusti pri otrocih, položaj oči in nosu ter drugi atributi, ki lahko kažejo na nepravilnosti obraza.Trenutno lahko orodje primerja običajne slike z več kot 90 boleznimi, da zagotovi podporo pri kliničnem odločanju.
Dr. Hadi shafiee, direktor laboratorija za mikro/nano medicino in digitalno zdravje v ženski bolnišnici Brigham (BWh), je dejal: "Večina ljudi ima zmogljive mobilne telefone z vgrajenimi številnimi različnimi senzorji. To je odlična priložnost za nas. Skoraj vsi akterji v industriji so začeli vgrajevati programsko in strojno opremo Ai v svoje naprave. To ni naključje. V našem digitalnem svetu se vsak dan ustvari več kot 2,5 milijona terabajtov podatkov. Na področju mobilnih telefonov proizvajalci verjamejo, da lahko to uporabijo podatki za umetno inteligenco za zagotavljanje bolj personaliziranih, hitrejših in bolj inteligentnih storitev."
Uporaba pametnih telefonov za zbiranje slik pacientovih oči, kožnih lezij, ran, okužb, zdravil ali drugih predmetov lahko pomaga odpraviti pomanjkanje strokovnjakov na slabo pokritih območjih, hkrati pa skrajša čas za diagnosticiranje določenih težav.
"V prihodnosti se lahko zgodi nekaj večjih dogodkov in to priložnost lahko izkoristimo za rešitev nekaterih pomembnih težav pri obvladovanju bolezni v zdravstveni ustanovi," je dejal shafiee.
12. Inovacija kliničnega odločanja z umetno inteligenco ob postelji
Ker se zdravstvena industrija obrača k plačljivim storitvam, se vse bolj odmika od pasivnega zdravstvenega varstva.Preventiva pred kronično boleznijo, akutnimi boleznimi in nenadnim poslabšanjem je cilj vsakega ponudnika, struktura nadomestil pa jim na koncu omogoča razvoj procesov, ki lahko dosežejo aktivno in napovedno posredovanje.
Umetna inteligenca bo zagotovila številne osnovne tehnologije za ta razvoj s podporo napovedne analize in orodij za podporo kliničnemu odločanju, da bi rešila težave, preden ponudniki ugotovijo, da je treba ukrepati.Umetna inteligenca lahko zagotovi zgodnje opozorilo za epilepsijo ali sepso, kar običajno zahteva poglobljeno analizo zelo kompleksnih nizov podatkov.
Brandon Westover, MD, direktor kliničnih podatkov v splošni bolnišnici Massachusetts (MGH), je dejal, da bi strojno učenje lahko pomagalo tudi pri nadaljnji oskrbi kritično bolnih bolnikov, kot so tisti v komi po srčnem zastoju.
Pojasnil je, da morajo zdravniki v normalnih okoliščinah pri teh bolnikih preveriti podatke EEG.Ta postopek je dolgotrajen in subjektiven, rezultati pa se lahko razlikujejo glede na znanje in izkušnje klinikov.
Rekel je: "Pri teh bolnikih je trend lahko počasen.Včasih, ko želijo zdravniki preveriti, ali nekdo okreva, lahko pogledajo spremljane podatke vsakih 10 sekund.Vendar pa je videti, ali se je spremenil iz 10 sekund podatkov, zbranih v 24 urah, kot če bi gledali, ali je medtem zrasel las.Če pa se uporabijo algoritmi umetne inteligence in velike količine podatkov številnih pacientov, bo lažje uskladiti to, kar ljudje vidijo, z dolgoročnimi vzorci in mogoče najti nekatere subtilne izboljšave, ki bodo vplivale na odločanje zdravnikov v zdravstveni negi. ."
Uporaba tehnologije umetne inteligence za podporo pri kliničnem odločanju, točkovanje tveganja in zgodnje opozarjanje je eno najbolj obetavnih razvojnih področij te revolucionarne metode analize podatkov.
Z zagotavljanjem moči za novo generacijo orodij in sistemov lahko kliniki bolje razumejo nianse bolezni, učinkoviteje zagotavljajo storitve zdravstvene nege in vnaprej rešujejo težave.Umetna inteligenca bo začela novo dobo izboljšanja kakovosti kliničnega zdravljenja in naredila vznemirljive preboje pri oskrbi bolnikov.
Čas objave: 6. avgusta 2021
