ปัญญาประดิษฐ์คาดว่าจะกลายเป็นพลังแห่งการเปลี่ยนแปลงในด้านการดูแลสุขภาพแพทย์และผู้ป่วยจะได้ประโยชน์อย่างไรจากผลกระทบของเครื่องมือที่ขับเคลื่อนด้วย AI
อุตสาหกรรมการดูแลสุขภาพในปัจจุบันเติบโตเต็มที่และสามารถเปลี่ยนแปลงครั้งใหญ่ได้ตั้งแต่โรคเรื้อรังและมะเร็งไปจนถึงรังสีวิทยาและการประเมินความเสี่ยง อุตสาหกรรมการดูแลสุขภาพดูเหมือนจะมีโอกาสนับไม่ถ้วนในการใช้เทคโนโลยีเพื่อปรับใช้การแทรกแซงที่แม่นยำ มีประสิทธิภาพและประสิทธิผลมากขึ้นในการดูแลผู้ป่วย
ด้วยการพัฒนาเทคโนโลยี ผู้ป่วยมีความต้องการแพทย์ที่สูงขึ้นเรื่อยๆ และจำนวนข้อมูลที่มีอยู่ก็เพิ่มขึ้นอย่างต่อเนื่องในอัตราที่น่าตกใจปัญญาประดิษฐ์จะกลายเป็นเครื่องมือในการส่งเสริมการพัฒนาการรักษาพยาบาลอย่างต่อเนื่อง
เมื่อเปรียบเทียบกับการวิเคราะห์แบบดั้งเดิมและเทคโนโลยีการตัดสินใจทางคลินิก ปัญญาประดิษฐ์มีข้อดีหลายประการเมื่ออัลกอริธึมการเรียนรู้โต้ตอบกับข้อมูลการฝึก จะมีความแม่นยำมากขึ้น ทำให้แพทย์ได้รับข้อมูลเชิงลึกที่ไม่เคยเกิดขึ้นมาก่อนเกี่ยวกับการวินิจฉัย กระบวนการพยาบาล ความแปรปรวนของการรักษา และผลลัพธ์ของผู้ป่วย
ที่ฟอรัมนวัตกรรมทางการแพทย์ปัญญาประดิษฐ์โลก (wmif) ประจำปี 2561 ซึ่งจัดขึ้นโดย Partners Healthcare นักวิจัยทางการแพทย์และผู้เชี่ยวชาญทางคลินิกได้อธิบายรายละเอียดเกี่ยวกับเทคโนโลยีและสาขาของอุตสาหกรรมการแพทย์ที่มีแนวโน้มที่จะมีผลกระทบอย่างมากต่อการนำปัญญาประดิษฐ์มาใช้ในอนาคต ทศวรรษ.
Anne kiblanksi, MD, ประธาน CO ของ wmif ในปี 2018 และ Gregg Meyer, MD, หัวหน้าเจ้าหน้าที่ด้านวิชาการของ Partners Healthcare กล่าวว่า "การโค่นล้ม" ประเภทนี้ที่นำมาสู่ทุกอุตสาหกรรมมีศักยภาพที่จะก่อให้เกิดประโยชน์อย่างมากต่อผู้ป่วยและมีผลในวงกว้าง ศักยภาพความสำเร็จของธุรกิจ
ด้วยความช่วยเหลือของผู้เชี่ยวชาญจากพันธมิตรด้านการดูแลสุขภาพ ซึ่งรวมถึง Dr. Keith Dreyer ศาสตราจารย์แห่ง Harvard Medical School (HMS) หัวหน้าเจ้าหน้าที่วิทยาศาสตร์ข้อมูลของพันธมิตร และ Dr. Katherine andreole ผู้อำนวยการฝ่ายกลยุทธ์การวิจัยและการดำเนินงานของ Massachusetts General Hospital (MGH) เสนอ 12 วิธีที่ AI จะปฏิวัติบริการทางการแพทย์และวิทยาศาสตร์
1. รวมความคิดและเครื่องจักรผ่านอินเทอร์เฟซคอมพิวเตอร์สมอง
การใช้คอมพิวเตอร์เพื่อสื่อสารไม่ใช่แนวคิดใหม่ แต่การสร้างส่วนต่อประสานโดยตรงระหว่างเทคโนโลยีและความคิดของมนุษย์โดยไม่ต้องใช้แป้นพิมพ์ เมาส์ และจอแสดงผลเป็นสาขาการวิจัยระดับแนวหน้า ซึ่งมีการประยุกต์ใช้ที่สำคัญสำหรับผู้ป่วยบางราย
โรคและการบาดเจ็บของระบบประสาทอาจทำให้ผู้ป่วยบางรายสูญเสียความสามารถในการสนทนา เคลื่อนไหว และปฏิสัมพันธ์กับผู้อื่นและสภาพแวดล้อมของพวกเขาอย่างมีความหมายอินเทอร์เฟซคอมพิวเตอร์สมอง (BCI) ที่ปัญญาประดิษฐ์รองรับสามารถคืนประสบการณ์พื้นฐานเหล่านั้นให้กับผู้ป่วยที่กังวลว่าจะสูญเสียหน้าที่เหล่านี้ไปตลอดกาล
Leigh Hochberg, MD, ผู้อำนวยการศูนย์เทคโนโลยีประสาทและการฟื้นฟูสมรรถภาพทางระบบประสาทกล่าวว่า "ถ้าฉันเห็นผู้ป่วยในหออภิบาลผู้ป่วยหนักด้านประสาทวิทยาซึ่งสูญเสียความสามารถในการแสดงหรือพูดในทันที ฉันหวังว่าจะสามารถฟื้นฟูความสามารถในการสื่อสารของเขาได้ในวันรุ่งขึ้น" โรงพยาบาลแมสซาชูเซตส์ เจเนอรัล (MGH)ด้วยการใช้สมองส่วนต่อประสานกับคอมพิวเตอร์ (BCI) และปัญญาประดิษฐ์ เราสามารถกระตุ้นเส้นประสาทที่เกี่ยวข้องกับการเคลื่อนไหวของมือ และเราควรทำให้ผู้ป่วยสื่อสารกับผู้อื่นได้อย่างน้อยห้าครั้งในระหว่างกิจกรรมทั้งหมด เช่น การใช้เทคโนโลยีการสื่อสารที่แพร่หลาย เช่น เป็นคอมพิวเตอร์แท็บเล็ตหรือโทรศัพท์มือถือ"
อินเทอร์เฟซของคอมพิวเตอร์ในสมองสามารถปรับปรุงคุณภาพชีวิตของผู้ป่วยที่มีเส้นโลหิตตีบด้านข้าง (amyotrophic lateral sclerosis - ALS) โรคหลอดเลือดสมองหรือ atresia syndrome ตลอดจนผู้ป่วยที่มีอาการบาดเจ็บที่ไขสันหลังกว่า 500,000 รายทั่วโลกทุกปี
2.พัฒนาเครื่องมือฉายรังสีรุ่นต่อไป
ภาพรังสีที่ได้จากการถ่ายภาพด้วยคลื่นสนามแม่เหล็ก (MRI) เครื่องสแกน CT และรังสีเอกซ์ช่วยให้มองเห็นภายในร่างกายมนุษย์ได้แบบไม่รุกรานอย่างไรก็ตาม ขั้นตอนการวินิจฉัยจำนวนมากยังคงอาศัยตัวอย่างเนื้อเยื่อจริงที่ได้จากการตรวจชิ้นเนื้อ ซึ่งมีความเสี่ยงต่อการติดเชื้อ
ผู้เชี่ยวชาญคาดการณ์ว่า ในบางกรณี ปัญญาประดิษฐ์จะช่วยให้เครื่องมือรังสีวิทยารุ่นต่อไปมีความแม่นยำและละเอียดเพียงพอที่จะทดแทนความต้องการตัวอย่างเนื้อเยื่อที่มีชีวิต
อเล็กซานดรา กอลบี ผู้อำนวยการแผนกศัลยศาสตร์ระบบประสาทที่ใช้ภาพนำทางที่โรงพยาบาลสตรีบริกแฮม (BWh) กล่าวว่า "เราต้องการนำทีมภาพวินิจฉัยร่วมกับศัลยแพทย์หรือนักรังสีวิทยาและนักพยาธิวิทยา แต่มันเป็นความท้าทายอย่างมากสำหรับแต่ละทีมในการบรรลุความร่วมมือ และความสอดคล้องของเป้าหมายหากเราต้องการให้รังสีวิทยาให้ข้อมูลที่มีอยู่ในปัจจุบันจากตัวอย่างเนื้อเยื่อเราจะต้องสามารถบรรลุมาตรฐานที่ใกล้เคียงมากเพื่อที่จะทราบข้อเท็จจริงพื้นฐานของพิกเซลใด ๆ ที่กำหนด "
ความสำเร็จในกระบวนการนี้อาจช่วยให้แพทย์เข้าใจประสิทธิภาพโดยรวมของเนื้องอกได้แม่นยำมากขึ้น แทนที่จะตัดสินใจการรักษาโดยพิจารณาจากคุณลักษณะเพียงส่วนเล็กๆ ของเนื้องอกร้าย
AI ยังสามารถระบุการลุกลามของมะเร็งได้ดีขึ้น และกำหนดเป้าหมายการรักษาได้อย่างเหมาะสมยิ่งขึ้นนอกจากนี้ ปัญญาประดิษฐ์ยังช่วยให้เกิด "การตัดชิ้นเนื้อเสมือนจริง" และส่งเสริมนวัตกรรมในด้านรังสีวิทยา ซึ่งมุ่งมั่นที่จะใช้อัลกอริทึมตามภาพเพื่อระบุลักษณะทางฟีโนไทป์และลักษณะทางพันธุกรรมของเนื้องอก
3.ขยายบริการทางการแพทย์ในพื้นที่ด้อยโอกาสหรือกำลังพัฒนา
การขาดผู้ให้บริการด้านสุขภาพที่ผ่านการฝึกอบรมในประเทศกำลังพัฒนา ซึ่งรวมถึงช่างเทคนิคอัลตราซาวนด์และรังสีแพทย์ จะช่วยลดโอกาสในการใช้บริการทางการแพทย์เพื่อช่วยชีวิตผู้ป่วยได้อย่างมาก
ที่ประชุมชี้ให้เห็นว่ามีนักรังสีวิทยาที่ทำงานในโรงพยาบาลหกแห่งในบอสตันที่มีถนน Longwood Avenue ที่มีชื่อเสียงมากกว่าโรงพยาบาลทุกแห่งในแอฟริกาตะวันตก
ปัญญาประดิษฐ์สามารถช่วยลดผลกระทบของการขาดแคลนแพทย์ขั้นวิกฤตได้โดยการเข้ารับตำแหน่งหน้าที่ในการวินิจฉัยที่ปกติแล้วมอบหมายให้กับมนุษย์
ตัวอย่างเช่น เครื่องมือสร้างภาพด้วย AI สามารถใช้เอกซเรย์ทรวงอกเพื่อตรวจดูอาการของวัณโรค ซึ่งโดยปกติจะมีความแม่นยำเทียบเท่ากับแพทย์คุณลักษณะนี้สามารถปรับใช้ผ่านแอปพลิเคชันสำหรับผู้ให้บริการในพื้นที่ขาดแคลนทรัพยากร ซึ่งช่วยลดความจำเป็นในการใช้รังสีวินิจฉัยที่มีประสบการณ์
Dr. jayashree kalpathy Cramer ผู้ช่วยด้านประสาทวิทยาศาสตร์และรองศาสตราจารย์ด้านรังสีวิทยาของโรงพยาบาล Massachusetts General Hospital (MGH) กล่าวว่า "เทคโนโลยีนี้มีศักยภาพที่ดีในการปรับปรุงการดูแลสุขภาพ
อย่างไรก็ตาม ผู้พัฒนาอัลกอริทึม AI ต้องพิจารณาอย่างรอบคอบถึงข้อเท็จจริงที่ว่าผู้คนจากเชื้อชาติหรือภูมิภาคต่างๆ อาจมีปัจจัยทางสรีรวิทยาและสิ่งแวดล้อมที่แตกต่างกัน ซึ่งอาจส่งผลต่อประสิทธิภาพของโรค
“ตัวอย่างเช่น ประชากรที่ได้รับผลกระทบจากโรคในอินเดียอาจแตกต่างจากในสหรัฐอเมริกาอย่างมาก” เธอกล่าวเมื่อเราพัฒนาอัลกอริธึมเหล่านี้ สิ่งสำคัญอย่างยิ่งคือต้องแน่ใจว่าข้อมูลแสดงถึงการนำเสนอโรคและความหลากหลายของประชากรเราไม่เพียงแต่พัฒนาอัลกอริทึมจากกลุ่มประชากรเพียงกลุ่มเดียว แต่ยังหวังว่าระบบจะสามารถมีบทบาทในกลุ่มประชากรกลุ่มอื่นๆ ได้"
4. ลดภาระการใช้บันทึกสุขภาพอิเล็กทรอนิกส์
บันทึกสุขภาพอิเล็กทรอนิกส์ (เธอ) มีบทบาทสำคัญในการเดินทางแบบดิจิทัลของอุตสาหกรรมการดูแลสุขภาพ แต่การเปลี่ยนแปลงนี้นำมาซึ่งปัญหามากมายที่เกี่ยวข้องกับความรู้ความเข้าใจมากเกินไป เอกสารที่ไม่มีที่สิ้นสุด และความเหนื่อยล้าของผู้ใช้
นักพัฒนาบันทึกสุขภาพอิเล็กทรอนิกส์ (ของเธอ) กำลังใช้ปัญญาประดิษฐ์เพื่อสร้างส่วนต่อประสานที่ใช้งานง่ายยิ่งขึ้นและทำให้กิจวัตรเป็นไปโดยอัตโนมัติซึ่งใช้เวลามากของผู้ใช้
ดร. Adam Landman รองประธานและประธานเจ้าหน้าที่ฝ่ายข้อมูลของ Brigham Health กล่าวว่าผู้ใช้ใช้เวลาส่วนใหญ่กับงานสามอย่าง ได้แก่ เอกสารทางคลินิก รายการสั่งซื้อ และการจัดเรียงกล่องจดหมายการรู้จำเสียงและการเขียนตามคำบอกสามารถช่วยปรับปรุงการประมวลผลเอกสารทางคลินิกได้ แต่เครื่องมือประมวลผลภาษาธรรมชาติ (NLP) อาจไม่เพียงพอ
“ฉันคิดว่าอาจจำเป็นต้องกล้ามากขึ้นและพิจารณาการเปลี่ยนแปลงบางอย่าง เช่น การใช้วิดีโอบันทึกการรักษาทางคลินิก เช่นเดียวกับตำรวจที่สวมกล้อง” แลนแมนกล่าวปัญญาประดิษฐ์และแมชชีนเลิร์นนิงสามารถใช้จัดทำดัชนีวิดีโอเหล่านี้เพื่อดึงข้อมูลในอนาคตได้เช่นเดียวกับ Siri และ Alexa ที่ใช้ผู้ช่วยปัญญาประดิษฐ์ที่บ้าน ในอนาคต ผู้ช่วยเสมือนจะถูกนำไปไว้ข้างเตียงผู้ป่วย ทำให้แพทย์สามารถใช้ปัญญาประดิษฐ์เพื่อสั่งการทางการแพทย์ได้"
AI ยังช่วยจัดการคำขอที่ทำเป็นประจำจากกล่องจดหมาย เช่น อาหารเสริม ยา และการแจ้งเตือนผลลัพธ์นอกจากนี้ยังอาจช่วยในการจัดลำดับความสำคัญของงานที่ต้องการความสนใจของแพทย์ ทำให้ผู้ป่วยสามารถดำเนินการรายการสิ่งที่ต้องทำได้ง่ายขึ้น Landman กล่าวเสริม
5. เสี่ยงต่อการดื้อยาปฏิชีวนะ
การดื้อยาปฏิชีวนะเป็นภัยคุกคามต่อมนุษย์มากขึ้นเรื่อยๆ เนื่องจากการใช้ยาหลักเหล่านี้มากเกินไปอาจนำไปสู่วิวัฒนาการของแบคทีเรียชั้นยอดที่ไม่ตอบสนองต่อการรักษาอีกต่อไปแบคทีเรียดื้อยาหลายชนิดอาจสร้างความเสียหายร้ายแรงต่อสภาพแวดล้อมของโรงพยาบาล คร่าชีวิตผู้ป่วยหลายหมื่นคนทุกปีClostridium difficile เพียงอย่างเดียวสร้างความเสียหายให้กับระบบการดูแลสุขภาพของสหรัฐฯ ประมาณ 5 พันล้านเหรียญต่อปี และทำให้มีผู้เสียชีวิตมากกว่า 30,000 คน
ข้อมูล EHR ช่วยในการระบุรูปแบบการติดเชื้อและเน้นความเสี่ยงก่อนที่ผู้ป่วยจะเริ่มแสดงอาการการใช้แมชชีนเลิร์นนิงและเครื่องมือปัญญาประดิษฐ์เพื่อขับเคลื่อนการวิเคราะห์เหล่านี้สามารถปรับปรุงความแม่นยำและสร้างการแจ้งเตือนที่รวดเร็วและแม่นยำยิ่งขึ้นสำหรับผู้ให้บริการด้านการแพทย์
Dr. Erica Shenoy รองผู้อำนวยการฝ่ายควบคุมการติดเชื้อของ Massachusetts General Hospital (MGH) กล่าวว่า "เครื่องมือปัญญาประดิษฐ์สามารถตอบสนองความคาดหวังในการควบคุมการติดเชื้อและการดื้อยาปฏิชีวนะได้ถ้าไม่เช่นนั้นทุกคนจะล้มเหลวเนื่องจากโรงพยาบาลมีข้อมูล EHR จำนวนมาก หากพวกเขาไม่ใช้ประโยชน์อย่างเต็มที่ หากพวกเขาไม่สร้างอุตสาหกรรมที่ชาญฉลาดและรวดเร็วกว่าในการออกแบบการทดลองทางคลินิก และถ้าพวกเขาไม่ใช้ EHR ที่สร้างข้อมูลเหล่านี้ พวกเขาจะพบกับความล้มเหลว"
6. สร้างการวิเคราะห์ที่แม่นยำยิ่งขึ้นสำหรับภาพทางพยาธิวิทยา
ดร. เจฟฟรีย์ โกลเดน หัวหน้าแผนกพยาธิวิทยาของโรงพยาบาล Brigham Women's Hospital (BWh) และศาสตราจารย์ด้านพยาธิวิทยาที่ HMS กล่าวว่าพยาธิแพทย์เป็นแหล่งข้อมูลการวินิจฉัยที่สำคัญที่สุดแหล่งหนึ่งสำหรับผู้ให้บริการทางการแพทย์อย่างเต็มรูปแบบ
"การตัดสินใจด้านการดูแลสุขภาพ 70% ขึ้นอยู่กับผลลัพธ์ทางพยาธิวิทยา และระหว่าง 70% ถึง 75% ของข้อมูลทั้งหมดใน EHRs มาจากผลลัพธ์ทางพยาธิวิทยา" เขากล่าวและยิ่งผลลัพธ์มีความแม่นยำมากเท่าใดการวินิจฉัยที่ถูกต้องก็จะเร็วขึ้นเท่านั้นนี่คือเป้าหมายที่พยาธิวิทยาดิจิทัลและปัญญาประดิษฐ์มีโอกาสบรรลุ"
การวิเคราะห์ระดับพิกเซลเชิงลึกบนภาพดิจิทัลขนาดใหญ่ช่วยให้แพทย์สามารถรับรู้ถึงความแตกต่างเล็กน้อยที่อาจเล็ดลอดสายตามนุษย์ได้
"ตอนนี้เรามาถึงจุดที่เราสามารถประเมินได้ดีขึ้นว่ามะเร็งจะพัฒนาอย่างรวดเร็วหรือช้า และวิธีเปลี่ยนการรักษาผู้ป่วยตามอัลกอริธึมมากกว่าขั้นตอนทางคลินิกหรือการให้คะแนนทางจุลพยาธิวิทยา" โกลเดนกล่าวมันจะเป็นก้าวไปข้างหน้าที่ยิ่งใหญ่"
เขากล่าวเสริมว่า "AI ยังสามารถปรับปรุงประสิทธิภาพการทำงานได้ด้วยการระบุคุณลักษณะที่น่าสนใจในสไลด์ก่อนที่แพทย์จะตรวจสอบข้อมูล AI สามารถกรองผ่านสไลด์และแนะนำให้เราดูเนื้อหาที่ถูกต้อง เพื่อให้เราสามารถประเมินว่าอะไรสำคัญและอะไรไม่สำคัญ ซึ่งจะช่วยปรับปรุงให้ดีขึ้น ประสิทธิภาพของการใช้พยาธิแพทย์และเพิ่มมูลค่าของการศึกษาในแต่ละกรณี”
นำความชาญฉลาดมาสู่อุปกรณ์และเครื่องจักรทางการแพทย์
อุปกรณ์อัจฉริยะกำลังครอบงำสภาพแวดล้อมของผู้บริโภคและจัดหาอุปกรณ์ต่างๆ ตั้งแต่วิดีโอแบบเรียลไทม์ภายในตู้เย็นไปจนถึงรถยนต์ที่ตรวจจับสิ่งที่ทำให้ผู้ขับขี่ไขว้เขว
ในสภาพแวดล้อมทางการแพทย์ อุปกรณ์อัจฉริยะมีความสำคัญต่อการตรวจสอบผู้ป่วยในห้องไอซียูและที่อื่น ๆการใช้ปัญญาประดิษฐ์เพื่อเพิ่มความสามารถในการระบุการเสื่อมสภาพของอาการ เช่น การระบุว่าเกิดภาวะติดเชื้อในกระแสเลือด หรือการรับรู้ถึงภาวะแทรกซ้อนสามารถปรับปรุงผลลัพธ์ได้อย่างมีนัยสำคัญและอาจลดค่าใช้จ่ายในการรักษา
Mark Michalski กล่าวว่า "เมื่อเราพูดถึงการรวมข้อมูลต่างๆ ในระบบการรักษาพยาบาล เราจำเป็นต้องบูรณาการและแจ้งเตือนแพทย์ ICU ให้เข้าแทรกแซงโดยเร็วที่สุด และการรวมข้อมูลเหล่านี้ไม่ใช่สิ่งที่ดีที่แพทย์ที่เป็นมนุษย์สามารถทำได้" Mark Michalski กล่าว ผู้อำนวยการบริหารของศูนย์วิทยาศาสตร์ข้อมูลทางคลินิกที่ BWhการใส่อัลกอริธึมอัจฉริยะลงในอุปกรณ์เหล่านี้ช่วยลดภาระด้านความรู้ความเข้าใจของแพทย์ และทำให้มั่นใจได้ว่าผู้ป่วยจะได้รับการรักษาอย่างทันท่วงทีที่สุด"
8.ส่งเสริมภูมิคุ้มกันบำบัดรักษามะเร็ง
การบำบัดด้วยภูมิคุ้มกันเป็นหนึ่งในวิธีที่มีแนวโน้มดีที่สุดในการรักษามะเร็งการใช้ระบบภูมิคุ้มกันของร่างกายในการโจมตีเนื้องอกร้าย ผู้ป่วยอาจสามารถเอาชนะเนื้องอกที่ดื้อได้อย่างไรก็ตาม มีผู้ป่วยเพียงไม่กี่รายที่ตอบสนองต่อวิธีการรักษาด้วยภูมิคุ้มกันในปัจจุบัน และผู้เชี่ยวชาญด้านเนื้องอกวิทยาก็ยังไม่มีวิธีการที่แม่นยำและเชื่อถือได้ในการระบุว่าผู้ป่วยรายใดจะได้รับประโยชน์จากวิธีการรักษา
อัลกอริธึมการเรียนรู้ด้วยเครื่องและความสามารถในการสังเคราะห์ชุดข้อมูลที่ซับซ้อนสูงอาจสามารถอธิบายองค์ประกอบยีนเฉพาะของบุคคลและให้ทางเลือกใหม่สำหรับการบำบัดแบบกำหนดเป้าหมาย
"เมื่อเร็ว ๆ นี้ การพัฒนาที่น่าตื่นเต้นที่สุดคือตัวยับยั้งจุดตรวจสอบ ซึ่งขัดขวางโปรตีนที่ผลิตโดยเซลล์ภูมิคุ้มกันบางชนิด" ดร. หลง เลอ ผู้อำนวยการฝ่ายพยาธิวิทยาคอมพิวเตอร์และการพัฒนาเทคโนโลยีของศูนย์วินิจฉัยที่ครอบคลุมของโรงพยาบาลแมสซาชูเซตส์ (MGH) อธิบายแต่เรายังไม่เข้าใจปัญหาทั้งหมด ซึ่งซับซ้อนมากเราต้องการข้อมูลผู้ป่วยมากกว่านี้อย่างแน่นอนการรักษาเหล่านี้ค่อนข้างใหม่ จึงมีผู้ป่วยไม่มากนักดังนั้น ไม่ว่าเราจำเป็นต้องผสานรวมข้อมูลภายในองค์กรหรือหลายองค์กร ก็จะเป็นปัจจัยสำคัญในการเพิ่มจำนวนผู้ป่วยเพื่อขับเคลื่อนกระบวนการสร้างแบบจำลอง"
9. เปลี่ยนบันทึกสุขภาพอิเล็กทรอนิกส์ให้เป็นตัวทำนายความเสี่ยงที่เชื่อถือได้
บันทึกสุขภาพอิเล็กทรอนิกส์ (ของเธอ) เป็นสมบัติของข้อมูลผู้ป่วย แต่เป็นความท้าทายอย่างต่อเนื่องสำหรับผู้ให้บริการและนักพัฒนาในการแยกและวิเคราะห์ข้อมูลจำนวนมากด้วยวิธีที่ถูกต้อง ทันท่วงที และเชื่อถือได้
ปัญหาคุณภาพและความสมบูรณ์ของข้อมูล ประกอบกับความสับสนของรูปแบบข้อมูล การป้อนข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง และบันทึกที่ไม่สมบูรณ์ ทำให้ยากต่อความเข้าใจที่ถูกต้องเกี่ยวกับวิธีการดำเนินการแบ่งชั้นความเสี่ยงที่มีความหมาย การวิเคราะห์เชิงคาดการณ์ และการสนับสนุนการตัดสินใจทางคลินิก
ดร. Ziad OBERMEYER ผู้ช่วยศาสตราจารย์ด้านการแพทย์ฉุกเฉินของ Brigham Women's Hospital (BWh) และผู้ช่วยศาสตราจารย์จาก Harvard Medical School (HMS) กล่าวว่า "มีงานหนักที่ต้องทำเพื่อรวมข้อมูลไว้ในที่เดียว แต่ปัญหาอีกประการหนึ่งคือการทำความเข้าใจ สิ่งที่ผู้คนได้รับเมื่อทำนายโรคในบันทึกสุขภาพอิเล็กทรอนิกส์ (เธอ) ผู้คนอาจได้ยินว่าอัลกอริธึมปัญญาประดิษฐ์สามารถทำนายภาวะซึมเศร้าหรือโรคหลอดเลือดสมองได้ แต่พบว่าจริง ๆ แล้วพวกเขากำลังทำนายการเพิ่มขึ้นของค่าใช้จ่ายของโรคหลอดเลือดสมอง ซึ่งแตกต่างจาก จังหวะตัวเอง”
เขากล่าวต่อว่า "การพึ่งพาผล MRI ดูเหมือนจะให้ชุดข้อมูลที่เฉพาะเจาะจงมากขึ้น แต่ตอนนี้เราต้องคิดว่าใครสามารถจ่าย MRI ได้ ดังนั้นการคาดการณ์สุดท้ายจึงไม่ใช่ผลลัพธ์ที่คาดหวัง "
การวิเคราะห์ NMR ได้สร้างเครื่องมือให้คะแนนความเสี่ยงและการแบ่งชั้นที่ประสบความสำเร็จมากมาย โดยเฉพาะอย่างยิ่งเมื่อนักวิจัยใช้เทคนิคการเรียนรู้เชิงลึกเพื่อระบุความเชื่อมโยงใหม่ระหว่างชุดข้อมูลที่ดูเหมือนไม่เกี่ยวข้องกัน
อย่างไรก็ตาม OBERMEYER เชื่อว่าการทำให้แน่ใจว่าอัลกอริทึมเหล่านี้ไม่ได้ระบุอคติที่ซ่อนอยู่ในข้อมูลเป็นสิ่งสำคัญสำหรับการปรับใช้เครื่องมือที่สามารถปรับปรุงการดูแลทางคลินิกได้อย่างแท้จริง
“ความท้าทายที่ยิ่งใหญ่ที่สุดคือการทำให้แน่ใจว่าเรารู้แน่ชัดถึงสิ่งที่เราทำนาย ก่อนที่เราจะเริ่มเปิดกล่องดำและดูวิธีการทำนาย” เขากล่าว
10.ติดตามสถานะสุขภาพผ่านอุปกรณ์สวมใส่และอุปกรณ์ส่วนตัว
ปัจจุบันผู้บริโภคเกือบทั้งหมดสามารถใช้เซ็นเซอร์เพื่อรวบรวมข้อมูลเกี่ยวกับคุณค่าด้านสุขภาพตั้งแต่สมาร์ทโฟนที่มีตัวติดตามจำนวนก้าวไปจนถึงอุปกรณ์สวมใส่ที่ติดตามอัตราการเต้นของหัวใจตลอดทั้งวัน สามารถสร้างข้อมูลที่เกี่ยวข้องกับสุขภาพได้มากขึ้นทุกเมื่อ
การรวบรวมและวิเคราะห์ข้อมูลเหล่านี้และเสริมข้อมูลที่ผู้ป่วยได้รับผ่านแอปพลิเคชันและอุปกรณ์ตรวจสอบที่บ้านอื่นๆ สามารถให้มุมมองที่ไม่เหมือนใครสำหรับสุขภาพส่วนบุคคลและฝูงชน
AI จะมีบทบาทสำคัญในการดึงข้อมูลเชิงลึกที่นำไปใช้ได้จริงจากฐานข้อมูลขนาดใหญ่และหลากหลายนี้
แต่ดร. Omar arnout ศัลยแพทย์ระบบประสาทที่โรงพยาบาล Brigham women's Hospital (BWh) ผู้อำนวยการ CO ของศูนย์ผลลัพธ์ด้านประสาทวิทยาศาสตร์เชิงคำนวณ กล่าวว่า อาจต้องใช้การทำงานเพิ่มเติมเพื่อช่วยให้ผู้ป่วยปรับตัวเข้ากับข้อมูลการติดตามที่ใกล้ชิดและต่อเนื่องนี้
"เราเคยมีอิสระในการประมวลผลข้อมูลดิจิทัล" เขากล่าวแต่เมื่อข้อมูลรั่วไหลเกิดขึ้นที่ Cambridge analytics และ Facebook ผู้คนจะระมัดระวังมากขึ้นว่าใครจะแบ่งปันข้อมูลที่พวกเขาแบ่งปัน"
ผู้ป่วยมักจะไว้วางใจแพทย์ของพวกเขามากกว่าบริษัทขนาดใหญ่อย่าง Facebook เขากล่าวเสริม ซึ่งสามารถช่วยบรรเทาความไม่สบายใจในการให้ข้อมูลสำหรับโครงการวิจัยขนาดใหญ่
“มีแนวโน้มว่าข้อมูลที่สวมใส่ได้จะมีผลกระทบอย่างมาก เนื่องจากความสนใจของผู้คนนั้นเกิดขึ้นโดยไม่ได้ตั้งใจ และข้อมูลที่รวบรวมได้ก็หยาบมาก” arnout กล่าวด้วยการรวบรวมข้อมูลแบบละเอียดอย่างต่อเนื่อง ข้อมูลมีแนวโน้มที่จะช่วยให้แพทย์ดูแลผู้ป่วยได้ดีขึ้น"
11. ทำให้สมาร์ทโฟนเป็นเครื่องมือวินิจฉัยที่ทรงพลัง
ผู้เชี่ยวชาญเชื่อว่าภาพที่ได้รับจากสมาร์ทโฟนและทรัพยากรระดับผู้บริโภคอื่นๆ จะกลายเป็นส่วนเสริมที่สำคัญสำหรับการถ่ายภาพที่มีคุณภาพทางคลินิก โดยเฉพาะอย่างยิ่งในพื้นที่ด้อยโอกาสหรือประเทศกำลังพัฒนา โดยการใช้ฟังก์ชันอันทรงพลังของอุปกรณ์พกพาต่อไป
คุณภาพของกล้องมือถือพัฒนาขึ้นทุกปี และสามารถสร้างภาพที่สามารถใช้สำหรับการวิเคราะห์อัลกอริทึม AIโรคผิวหนังและจักษุวิทยาเป็นผู้รับประโยชน์ในช่วงต้นของแนวโน้มนี้
นักวิจัยชาวอังกฤษได้พัฒนาเครื่องมือเพื่อระบุโรคพัฒนาการโดยการวิเคราะห์ภาพใบหน้าของเด็กอัลกอริทึมสามารถตรวจจับลักษณะที่แยกจากกัน เช่น เส้นขากรรไกรล่างของเด็ก ตำแหน่งของตาและจมูก และคุณลักษณะอื่นๆ ที่อาจบ่งบอกถึงความผิดปกติของใบหน้าปัจจุบัน เครื่องมือนี้สามารถจับคู่ภาพทั่วไปกับโรคมากกว่า 90 โรคเพื่อสนับสนุนการตัดสินใจทางคลินิก
ดร.ฮาดี ชาฟี ผู้อำนวยการห้องปฏิบัติการการแพทย์ไมโคร/นาโนและสุขภาพดิจิทัลของโรงพยาบาลสตรีบริกแฮม (BWh) กล่าวว่า "คนส่วนใหญ่มีโทรศัพท์มือถือที่ทรงพลังพร้อมเซ็นเซอร์ต่างๆ มากมายในตัว เป็นโอกาสที่ดีสำหรับเรา เกือบทั้งหมด ผู้เล่นในอุตสาหกรรมต่างเริ่มสร้างซอฟต์แวร์และฮาร์ดแวร์ Ai ในอุปกรณ์ของตนไม่ใช่เรื่องบังเอิญ ในโลกดิจิทัล ข้อมูลมากกว่า 2.5 ล้านเทราไบต์ถูกสร้างขึ้นทุกวัน ในด้านของ โทรศัพท์มือถือ ผู้ผลิตเชื่อว่าสามารถใช้สิ่งนี้ได้ ข้อมูลสำหรับปัญญาประดิษฐ์เพื่อให้บริการที่เป็นส่วนตัวมากขึ้น เร็วขึ้น และชาญฉลาดยิ่งขึ้น "
การใช้สมาร์ทโฟนเพื่อเก็บภาพดวงตาของผู้ป่วย รอยโรคที่ผิวหนัง บาดแผล การติดเชื้อ ยา หรือวัตถุอื่นๆ อาจช่วยแก้ปัญหาการขาดแคลนผู้เชี่ยวชาญในพื้นที่ที่ไม่ได้รับการดูแล ขณะเดียวกันก็ช่วยลดเวลาในการวินิจฉัยข้อร้องเรียนบางอย่าง
“อาจมีเหตุการณ์สำคัญเกิดขึ้นในอนาคต และเราสามารถใช้ประโยชน์จากโอกาสนี้เพื่อแก้ปัญหาสำคัญบางประการของการจัดการโรคในสถานพยาบาล” ชาฟีอีกล่าว
12.สร้างนวัตกรรมการตัดสินใจทางคลินิกด้วย AI ข้างเตียง
เนื่องจากอุตสาหกรรมการดูแลสุขภาพหันไปใช้บริการที่คิดค่าธรรมเนียม จึงห่างไกลจากการรักษาพยาบาลแบบพาสซีฟมากขึ้นเรื่อยๆการป้องกันก่อนเกิดโรคเรื้อรัง เหตุการณ์ของโรคเฉียบพลัน และการเสื่อมสภาพอย่างกะทันหันเป็นเป้าหมายของผู้ให้บริการแต่ละราย และท้ายที่สุดแล้ว โครงสร้างการชดเชยช่วยให้พวกเขาพัฒนากระบวนการที่สามารถบรรลุการแทรกแซงเชิงรุกและคาดการณ์ได้
ปัญญาประดิษฐ์จะมอบเทคโนโลยีพื้นฐานมากมายสำหรับวิวัฒนาการนี้ โดยสนับสนุนการวิเคราะห์เชิงคาดการณ์และเครื่องมือสนับสนุนการตัดสินใจทางคลินิก เพื่อแก้ปัญหาก่อนที่ผู้ให้บริการจะตระหนักถึงความจำเป็นในการดำเนินการปัญญาประดิษฐ์สามารถแจ้งเตือนล่วงหน้าสำหรับโรคลมบ้าหมูหรือภาวะติดเชื้อ ซึ่งโดยปกติแล้วจะต้องมีการวิเคราะห์เชิงลึกของชุดข้อมูลที่ซับซ้อนมาก
Brandon Westover, MD, ผู้อำนวยการฝ่ายข้อมูลทางคลินิกของ Massachusetts General Hospital (MGH) กล่าวว่าการเรียนรู้ด้วยเครื่องสามารถช่วยสนับสนุนการดูแลอย่างต่อเนื่องสำหรับผู้ป่วยวิกฤต เช่น ผู้ที่อยู่ในอาการโคม่าหลังจากหัวใจหยุดเต้น
เขาอธิบายว่าภายใต้สถานการณ์ปกติ แพทย์จะต้องตรวจสอบข้อมูล EEG ของผู้ป่วยเหล่านี้กระบวนการนี้ใช้เวลานานและเป็นอัตวิสัย และผลลัพธ์อาจแตกต่างกันไปตามทักษะและประสบการณ์ของแพทย์
เขากล่าวว่า “ในผู้ป่วยเหล่านี้แนวโน้มอาจจะช้าบางครั้งเมื่อแพทย์ต้องการดูว่ามีใครฟื้นตัวหรือไม่ พวกเขาอาจดูข้อมูลที่ตรวจสอบทุกๆ 10 วินาทีอย่างไรก็ตาม การดูว่ามีการเปลี่ยนแปลงจากข้อมูล 10 วินาทีที่รวบรวมใน 24 ชั่วโมงหรือไม่ ก็เหมือนกับการดูว่าเส้นผมงอกขึ้นหรือไม่ในระหว่างนั้นอย่างไรก็ตาม หากใช้อัลกอริธึมปัญญาประดิษฐ์และข้อมูลจำนวนมากจากผู้ป่วยจำนวนมาก การจับคู่สิ่งที่ผู้คนเห็นกับรูปแบบระยะยาวจะง่ายขึ้น และอาจพบการปรับปรุงเล็กน้อยซึ่งจะส่งผลต่อการตัดสินใจของแพทย์ในการพยาบาล ."
การใช้เทคโนโลยีปัญญาประดิษฐ์เพื่อสนับสนุนการตัดสินใจทางคลินิก การให้คะแนนความเสี่ยง และการเตือนล่วงหน้าเป็นหนึ่งในพื้นที่การพัฒนาที่มีแนวโน้มมากที่สุดของวิธีการวิเคราะห์ข้อมูลที่ปฏิวัติวงการนี้
ด้วยการมอบพลังให้กับเครื่องมือและระบบรุ่นใหม่ แพทย์สามารถเข้าใจความแตกต่างของความเจ็บป่วยได้ดีขึ้น ให้บริการพยาบาลได้อย่างมีประสิทธิภาพมากขึ้น และแก้ปัญหาล่วงหน้าได้ปัญญาประดิษฐ์จะนำเข้าสู่ยุคใหม่ของการปรับปรุงคุณภาพการรักษาทางคลินิก และสร้างความก้าวหน้าที่น่าตื่นเต้นในการดูแลผู้ป่วย
เวลาโพสต์: ส.ค.-06-2564
