Ang artificial intelligence ay inaasahang maging isang transformation force sa larangan ng pangangalagang pangkalusugan.Kaya paano nakikinabang ang mga doktor at pasyente mula sa epekto ng mga tool na hinimok ng AI?
Ang industriya ng pangangalagang pangkalusugan ngayon ay napaka-mature at maaaring gumawa ng ilang malalaking pagbabago.Mula sa mga malalang sakit at kanser hanggang sa radiology at pagtatasa ng panganib, ang industriya ng pangangalagang pangkalusugan ay tila may hindi mabilang na mga pagkakataon na gumamit ng teknolohiya upang mag-deploy ng mas tumpak, mahusay at epektibong mga interbensyon sa pangangalaga ng pasyente.
Sa pag-unlad ng teknolohiya, ang mga pasyente ay may mas mataas at mas mataas na mga kinakailangan para sa mga doktor, at ang bilang ng magagamit na data ay patuloy na lumalaki sa isang nakababahalang rate.Ang artificial intelligence ay magiging isang makina upang isulong ang patuloy na pagpapabuti ng pangangalagang medikal.
Kung ikukumpara sa tradisyunal na pagsusuri at klinikal na teknolohiya sa paggawa ng desisyon, ang artificial intelligence ay may maraming pakinabang.Kapag nakipag-ugnayan ang algorithm ng pag-aaral sa data ng pagsasanay, maaari itong maging mas tumpak, na magbibigay-daan sa mga doktor na makakuha ng mga hindi pa nagagawang insight sa diagnosis, proseso ng pag-aalaga, pagkakaiba-iba ng paggamot at mga resulta ng pasyente.
Sa 2018 World artificial intelligence medical innovation forum (wmif) na ginanap ng Partners Healthcare, ang mga medikal na mananaliksik at mga klinikal na eksperto ay nagpaliwanag sa mga teknolohiya at larangan ng industriya ng medikal na malamang na magkaroon ng malaking epekto sa pagpapatibay ng artificial intelligence sa susunod. dekada.
Sinabi ni Anne kiblanksi, MD, CO chair ng wmif noong 2018, at Gregg Meyer, MD, punong akademikong opisyal ng Partners Healthcare, na ang ganitong uri ng "subversion" na dinadala sa bawat lugar ng industriya ay may potensyal na magdala ng makabuluhang benepisyo sa mga pasyente at may malawak na potensyal na tagumpay sa negosyo.
Sa tulong ng mga eksperto mula sa mga partner na pangangalagang pangkalusugan, kabilang si Dr. Keith Dreyer, Propesor ng Harvard Medical School (HMS), punong opisyal ng data science ng mga kasosyo, at Dr. Katherine andreole, direktor ng diskarte sa pananaliksik at mga operasyon sa Massachusetts General Hospital (MGH) , nagmungkahi ng 12 paraan na babaguhin ng AI ang mga serbisyong medikal at agham.
1.Pag-isahin ang pag-iisip at makina sa pamamagitan ng interface ng computer sa utak
Ang paggamit ng computer upang makipag-usap ay hindi isang bagong ideya, ngunit ang paglikha ng isang direktang interface sa pagitan ng teknolohiya at pag-iisip ng tao na walang keyboard, mouse at display ay isang frontier na larangan ng pananaliksik, na may mahalagang aplikasyon para sa ilang mga pasyente.
Ang mga sakit at trauma sa sistema ng nerbiyos ay maaaring maging sanhi ng pagkawala ng kakayahan ng ilang pasyente sa makabuluhang pag-uusap, paggalaw at pakikipag-ugnayan sa iba at sa kanilang kapaligiran.Ang Brain computer interface (BCI) na suportado ng artificial intelligence ay maaaring ibalik ang mga pangunahing karanasan para sa mga pasyente na nag-aalala tungkol sa pagkawala ng mga function na ito nang tuluyan.
"Kung nakakita ako ng isang pasyente sa yunit ng pangangalaga sa masinsinang neurology na biglang nawalan ng kakayahang kumilos o magsalita, inaasahan kong maibalik ang kanyang kakayahang makipag-usap sa susunod na araw," sabi ni Leigh Hochberg, MD, direktor ng sentro para sa neurotechnology at neurorehabilitation sa Massachusetts General Hospital (MGH).Sa pamamagitan ng paggamit ng brain computer interface (BCI) at artificial intelligence, maaari nating i-activate ang mga nerves na may kaugnayan sa paggalaw ng kamay, at dapat nating magawang makipag-usap ang pasyente sa iba ng hindi bababa sa limang beses sa buong aktibidad, tulad ng paggamit ng mga teknolohiya ng komunikasyon sa lahat ng dako. bilang mga tablet computer o mga mobile phone."
Ang interface ng utak ng computer ay maaaring lubos na mapabuti ang kalidad ng buhay ng mga pasyente na may amyotrophic lateral sclerosis (ALS), stroke o atresia syndrome, pati na rin ang 500000 mga pasyente na may pinsala sa spinal cord sa buong mundo bawat taon.
2. Bumuo ng susunod na henerasyon ng mga kagamitan sa radiation
Ang mga larawang radiation na nakuha sa pamamagitan ng magnetic resonance imaging (MRI), CT scanner, at X-ray ay nagbibigay ng hindi invasive na visibility sa loob ng katawan ng tao.Gayunpaman, maraming mga diagnostic procedure ang umaasa pa rin sa mga sample ng pisikal na tissue na nakuha sa pamamagitan ng biopsy, na may panganib ng impeksyon.
Hinuhulaan ng mga eksperto na sa ilang mga kaso, ang artificial intelligence ay magbibigay-daan sa susunod na henerasyon ng mga tool sa Radiology na maging tumpak at sapat na detalyado upang palitan ang pangangailangan para sa mga sample ng buhay na tissue.
Sinabi ni Alexandra golby, MD, direktor ng image-guided neurosurgery sa Brigham women's Hospital (BWh), "Gusto naming isama ang diagnostic imaging team kasama ng mga surgeon o interventional radiologist at pathologist, ngunit ito ay isang malaking hamon para sa iba't ibang mga koponan upang makamit ang kooperasyon. at pagkakapare-pareho ng mga layunin. Kung gusto naming ibigay ng radiology ang impormasyon na kasalukuyang magagamit mula sa mga sample ng tissue, kailangan naming makamit ang napakalapit na mga pamantayan upang malaman ang mga pangunahing katotohanan ng anumang partikular na pixel."
Ang tagumpay sa prosesong ito ay maaaring magbigay-daan sa mga clinician na mas tumpak na maunawaan ang pangkalahatang pagganap ng tumor, sa halip na gumawa ng mga desisyon sa paggamot batay sa isang maliit na bahagi ng mga katangian ng malignant na tumor.
Ang AI ay maaari ring mas mahusay na tukuyin ang invasiveness ng cancer, at mas naaangkop na matukoy ang target ng paggamot.Bilang karagdagan, ang artificial intelligence ay tumutulong upang mapagtanto ang "virtual biopsy" at magsulong ng pagbabago sa larangan ng Radiology, na nakatuon sa paggamit ng mga algorithm na nakabatay sa imahe upang makilala ang mga phenotypic at genetic na katangian ng mga tumor.
3. Palawakin ang mga serbisyong medikal sa mga lugar na kulang sa serbisyo o umuunlad
Ang kakulangan ng mga sinanay na tagapagbigay ng pangangalagang pangkalusugan sa mga umuunlad na bansa, kabilang ang mga ultrasound technician at radiologist, ay lubos na makakabawas sa mga pagkakataong gumamit ng mga serbisyong medikal upang iligtas ang buhay ng mga pasyente.
Itinuro ng pulong na mayroong mas maraming radiologist na nagtatrabaho sa anim na ospital sa Boston na may sikat na Longwood Avenue kaysa sa lahat ng mga ospital sa West Africa.
Makakatulong ang artificial intelligence na mabawasan ang epekto ng isang kritikal na kakulangan ng mga clinician sa pamamagitan ng pagkuha sa ilan sa mga responsibilidad sa diagnostic na karaniwang nakatalaga sa mga tao.
Halimbawa, ang isang AI imaging tool ay maaaring gumamit ng chest X-ray upang suriin ang mga sintomas ng tuberculosis, kadalasang may parehong katumpakan gaya ng isang doktor.Maaaring i-deploy ang feature na ito sa pamamagitan ng isang application para sa mga provider sa mahihirap na lugar, na binabawasan ang pangangailangan para sa mga may karanasang diagnostic radiologist.
"Ang teknolohiyang ito ay may malaking potensyal na mapabuti ang pangangalagang pangkalusugan," sabi ni Dr. jayashree kalpathy Cramer, assistant neuroscience at associate professor ng Radiology sa Massachusetts General Hospital (MGH)
Gayunpaman, ang mga developer ng AI algorithm ay dapat na maingat na isaalang-alang ang katotohanan na ang mga tao ng iba't ibang nasyonalidad o rehiyon ay maaaring may natatanging physiological at kapaligiran na mga kadahilanan, na maaaring makaapekto sa pagganap ng sakit.
"Halimbawa, ang populasyon na apektado ng sakit sa India ay maaaring ibang-iba sa Estados Unidos," sabi niya.Kapag binuo namin ang mga algorithm na ito, napakahalagang tiyakin na kinakatawan ng data ang presentasyon ng sakit at ang pagkakaiba-iba ng populasyon.Hindi lamang tayo makakagawa ng mga algorithm batay sa iisang populasyon, ngunit umaasa rin na maaari itong gumanap ng isang papel sa ibang mga populasyon."
4.Bawasan ang bigat ng paggamit ng mga electronic na talaan ng kalusugan
Ang elektronikong rekord ng kalusugan (siya) ay may mahalagang papel sa digital na paglalakbay ng industriya ng pangangalagang pangkalusugan, ngunit ang pagbabagong ito ay nagdala ng maraming problema na nauugnay sa cognitive overload, walang katapusang mga dokumento at pagkapagod ng gumagamit.
Gumagamit na ngayon ang mga developer ng electronic health record (ang kanyang) mga developer ng artificial intelligence para gumawa ng mas intuitive na interface at i-automate ang mga routine na tumatagal ng maraming oras ng user.
Sinabi ni Dr. Adam Landman, vice president at punong opisyal ng impormasyon ng Brigham health, na ginugugol ng mga user ang karamihan ng kanilang oras sa tatlong gawain: klinikal na dokumentasyon, pagpasok ng order, at pag-uuri ng kanilang mga inbox.Ang pagkilala sa pagsasalita at pagdidikta ay maaaring makatulong na mapabuti ang pagpoproseso ng klinikal na dokumento, ngunit maaaring hindi sapat ang mga tool sa natural na pagpoproseso ng wika (NLP).
"Sa palagay ko ay maaaring kinakailangan na maging mas matapang at isaalang-alang ang ilang mga pagbabago, tulad ng paggamit ng pag-record ng video para sa klinikal na paggamot, tulad ng mga pulis na may suot na camera," sabi ni Landman.Magagamit na ang artificial intelligence at machine learning para i-index ang mga video na ito para sa pagbawi sa hinaharap.Tulad nina Siri at Alexa, na gumagamit ng mga artificial intelligence assistant sa bahay, ang mga virtual assistant ay dadalhin sa tabi ng kama ng mga pasyente sa hinaharap, na magbibigay-daan sa mga clinician na gumamit ng naka-embed na intelligence para magpasok ng mga medikal na order."
Makakatulong din ang AI na pangasiwaan ang mga nakagawiang kahilingan mula sa mga inbox, gaya ng mga supplement sa gamot at notification ng mga resulta.Maaari rin itong makatulong na unahin ang mga gawain na talagang nangangailangan ng atensyon ng mga clinician, na ginagawang mas madali para sa mga pasyente na iproseso ang kanilang mga listahan ng gagawin, idinagdag ni Landman.
5. Panganib ng resistensya sa antibiotic
Ang paglaban sa antibiotic ay isang lumalagong banta sa mga tao, dahil ang sobrang paggamit ng mga pangunahing gamot na ito ay maaaring humantong sa ebolusyon ng superbacteria na hindi na tumutugon sa paggamot.Ang maraming bacteria na lumalaban sa droga ay maaaring magdulot ng malubhang pinsala sa kapaligiran ng ospital, na pumatay sa libu-libong pasyente bawat taon.Ang Clostridium difficile lamang ay nagkakahalaga ng humigit-kumulang $5 bilyon sa isang taon sa sistema ng pangangalagang pangkalusugan ng US at nagiging sanhi ng higit sa 30000 pagkamatay.
Ang data ng EHR ay tumutulong upang matukoy ang mga pattern ng impeksyon at i-highlight ang panganib bago magsimulang magpakita ng mga sintomas ang pasyente.Ang paggamit ng machine learning at mga tool sa artificial intelligence upang himukin ang mga pagsusuring ito ay maaaring mapabuti ang kanilang katumpakan at lumikha ng mas mabilis at mas tumpak na mga alerto para sa mga provider ng pangangalagang pangkalusugan.
"Maaaring matugunan ng mga tool ng artificial intelligence ang mga inaasahan para sa pagkontrol sa impeksyon at paglaban sa antibiotic," sabi ni Dr. Erica Shenoy, representante na direktor ng pagkontrol sa impeksyon sa Massachusetts General Hospital (MGH).Kung hindi, mabibigo ang lahat.Dahil ang mga ospital ay may maraming data ng EHR, kung hindi nila lubos na gagamitin ang mga ito, kung hindi sila gagawa ng mga industriya na mas matalino at mas mabilis sa disenyo ng klinikal na pagsubok, at kung hindi sila gumagamit ng mga EHR na gumagawa ng data na ito, kabiguan ang haharapin nila."
6.Gumawa ng mas tumpak na pagsusuri para sa mga pathological na imahe
Si Dr. Jeffrey golden, pinuno ng departamento ng patolohiya sa Brigham women's Hospital (BWh) at propesor ng patolohiya sa HMS, ay nagsabi na ang mga pathologist ay nagbibigay ng isa sa pinakamahalagang mapagkukunan ng diagnostic data para sa isang buong hanay ng mga tagapagbigay ng serbisyong medikal.
"70% ng mga desisyon sa pangangalagang pangkalusugan ay batay sa mga resulta ng pathological, at sa pagitan ng 70% at 75% ng lahat ng data sa EHRs ay nagmumula sa mga pathological na resulta," sabi niya.At kung mas tumpak ang mga resulta, mas maaga ang tamang pagsusuri ay gagawin.Ito ang layunin na may pagkakataong makamit ang digital pathology at artificial intelligence."
Ang malalim na pagsusuri sa antas ng pixel sa malalaking digital na imahe ay nagbibigay-daan sa mga doktor na makilala ang mga banayad na pagkakaiba na maaaring makatakas sa mga mata ng tao.
"Dumating na tayo ngayon sa punto kung saan mas masusuri natin kung ang kanser ay bubuo nang mabilis o dahan-dahan, at kung paano baguhin ang paggamot ng mga pasyente batay sa mga algorithm sa halip na mga klinikal na yugto o histopathological grading," sabi ni golden.Ito ay magiging isang malaking hakbang pasulong."
Idinagdag niya, "Maaari ding pagbutihin ng AI ang pagiging produktibo sa pamamagitan ng pagtukoy ng mga tampok ng interes sa mga slide bago suriin ng mga clinician ang data. Maaaring i-filter ng AI ang mga slide at gabayan kami upang makita ang tamang nilalaman upang masuri namin kung ano ang mahalaga at kung ano ang hindi. Nagpapabuti ito ang kahusayan ng paggamit ng mga pathologist at pinatataas ang halaga ng kanilang pag-aaral ng bawat kaso."
Magdala ng katalinuhan sa mga medikal na kagamitan at makina
Kinukuha ng mga matalinong device ang mga kapaligiran ng consumer at nagbibigay ng mga device mula sa real-time na video sa loob ng refrigerator hanggang sa mga kotseng nakaka-detect ng distraction ng driver.
Sa isang medikal na kapaligiran, ang mga matalinong aparato ay mahalaga sa pagsubaybay sa mga pasyente sa mga ICU at saanman.Ang paggamit ng artificial intelligence upang pahusayin ang kakayahang tukuyin ang pagkasira ng kondisyon, tulad ng pagpahiwatig na ang sepsis ay umuunlad, o ang pagdama ng mga komplikasyon ay maaaring makabuluhang mapabuti ang mga resulta at maaaring mabawasan ang mga gastos sa paggamot.
"Kapag pinag-uusapan natin ang tungkol sa pagsasama-sama ng iba't ibang data sa buong sistema ng pangangalagang pangkalusugan, kailangan nating isama at alertuhan ang mga doktor ng ICU na mamagitan nang maaga hangga't maaari, at na ang pagsasama-sama ng mga datos na ito ay hindi magandang bagay na magagawa ng mga doktor ng tao," sabi ni mark Michalski , executive director ng clinical data Science Center sa BWh.Ang paglalagay ng mga matalinong algorithm sa mga device na ito ay nakakabawas sa cognitive na pasanin sa mga doktor at tinitiyak na ang mga pasyente ay ginagamot kaagad hangga't maaari."
8. pagtataguyod ng immunotherapy para sa paggamot sa kanser
Ang immunotherapy ay isa sa mga pinaka-promising na paraan upang gamutin ang kanser.Sa pamamagitan ng paggamit ng sariling immune system ng katawan upang atakehin ang mga malignant na tumor, maaaring malampasan ng mga pasyente ang mga matigas na tumor.Gayunpaman, iilan lamang sa mga pasyente ang tumutugon sa kasalukuyang immunotherapy regimen, at ang mga oncologist ay wala pa ring tumpak at maaasahang paraan upang matukoy kung aling mga pasyente ang makikinabang sa regimen.
Ang mga algorithm sa pag-aaral ng machine at ang kanilang kakayahang mag-synthesize ng mga napakakomplikadong set ng data ay maaaring makapagpaliwanag sa natatanging komposisyon ng gene ng mga indibidwal at makapagbigay ng mga bagong opsyon para sa naka-target na therapy.
"Kamakailan lamang, ang pinakakapana-panabik na pag-unlad ay ang mga checkpoint inhibitor, na humaharang sa mga protina na ginawa ng ilang mga immune cell," paliwanag ni Dr. long Le, direktor ng computational pathology at pag-unlad ng teknolohiya sa Massachusetts General Hospital (MGH) comprehensive diagnostic center.Ngunit hindi pa rin natin naiintindihan ang lahat ng mga problema, na napakasalimuot.Tiyak na kailangan namin ng higit pang data ng pasyente.Ang mga paggamot na ito ay medyo bago, kaya hindi maraming mga pasyente ang talagang kumukuha nito.Samakatuwid, kailangan man nating pagsamahin ang data sa loob ng isang organisasyon o sa maraming organisasyon, ito ay magiging isang pangunahing salik sa pagpaparami ng bilang ng mga pasyente upang himukin ang proseso ng pagmomodelo."
9. Gawing maaasahang mga predictor ng panganib ang mga electronic na tala sa kalusugan
Ang electronic health record (her) ay isang kayamanan ng data ng pasyente, ngunit ito ay isang palaging hamon para sa mga provider at developer na kunin at suriin ang isang malaking halaga ng impormasyon sa isang tumpak, napapanahon at maaasahang paraan.
Ang mga problema sa kalidad at integridad ng data, kasama ng pagkalito sa format ng data, structured at unstructured na input at hindi kumpletong mga tala, ay nagpapahirap sa mga tao na tumpak na maunawaan kung paano magsagawa ng makabuluhang stratification ng panganib, predictive analysis at klinikal na suporta sa desisyon.
Si Dr. Ziad OBERMEYER, assistant professor ng emergency medicine sa Brigham women's Hospital (BWh) at assistant professor sa Harvard Medical School (HMS), ay nagsabi, "mayroong ilang mahirap na gawain upang maisama ang data sa isang lugar. Ngunit ang isa pang problema ay upang maunawaan kung ano ang nakukuha ng mga tao kapag hinulaan nila ang isang sakit sa electronic na rekord ng kalusugan (siya). Maaaring marinig ng mga tao na ang mga algorithm ng artificial intelligence ay maaaring mahulaan ang depression o stroke, ngunit nalaman na talagang hinuhulaan nila ang pagtaas sa halaga ng stroke. Ibang-iba ito sa stroke mismo."
Ipinagpatuloy niya, "ang pag-asa sa mga resulta ng MRI ay tila nagbibigay ng isang mas tiyak na set ng data. Ngunit ngayon kailangan nating isipin kung sino ang kayang magbayad ng MRI? Kaya ang huling hula ay hindi ang inaasahang resulta."
Ang pagsusuri sa NMR ay gumawa ng maraming matagumpay na mga tool sa pagmamarka ng panganib at stratification, lalo na kapag ang mga mananaliksik ay gumagamit ng malalim na mga diskarte sa pag-aaral upang matukoy ang mga bagong koneksyon sa pagitan ng tila hindi nauugnay na mga set ng data.
Gayunpaman, naniniwala ang OBERMEYER na ang pagtiyak na hindi matukoy ng mga algorithm na ito ang mga bias na nakatago sa data ay mahalaga para sa pag-deploy ng mga tool na tunay na makakapagpabuti ng klinikal na pangangalaga.
"Ang pinakamalaking hamon ay tiyaking alam namin nang eksakto kung ano ang hinulaang namin bago namin simulan ang pagbukas ng itim na kahon at tingnan kung paano mahulaan," sabi niya.
10. Pagsubaybay sa katayuan ng kalusugan sa pamamagitan ng mga naisusuot na device at personal na device
Halos lahat ng mga mamimili ay maaari na ngayong gumamit ng mga sensor upang mangolekta ng data tungkol sa halaga ng kalusugan.Mula sa mga smartphone na may step tracker hanggang sa mga naisusuot na device na sumusubaybay sa tibok ng puso sa buong araw, mas maraming data na nauugnay sa kalusugan ang maaaring mabuo anumang oras.
Ang pagkolekta at pagsusuri sa mga data na ito at pagdaragdag sa impormasyong ibinibigay ng mga pasyente sa pamamagitan ng mga application at iba pang device sa pagsubaybay sa bahay ay maaaring magbigay ng kakaibang pananaw para sa kalusugan ng indibidwal at karamihan.
Gagampanan ng AI ang isang mahalagang papel sa pagkuha ng mga naaaksyunan na insight mula sa malaki at magkakaibang database na ito.
Ngunit si Dr. Omar arnout, isang neurosurgeon sa Brigham women's Hospital (BWh), CO director ng center para sa mga resulta ng computational neuroscience, ay nagsabi na maaaring kailanganin ng karagdagang trabaho upang matulungan ang mga pasyente na umangkop sa intimate, patuloy na data ng pagsubaybay.
"Dati kami ay medyo libre upang iproseso ang digital data," sabi niya.Ngunit habang nangyayari ang mga pagtagas ng data sa Cambridge analytics at Facebook, ang mga tao ay magiging mas maingat tungkol sa kung sino ang ibabahagi kung anong data ang kanilang ibinabahagi."
Ang mga pasyente ay may posibilidad na magtiwala sa kanilang mga doktor nang higit pa kaysa sa malalaking kumpanya tulad ng Facebook, idinagdag niya, na maaaring makatulong sa pagpapagaan ng kakulangan sa ginhawa ng pagbibigay ng data para sa mga malalaking programa sa pananaliksik.
"Malamang na ang naisusuot na data ay magkakaroon ng malaking epekto dahil ang atensyon ng mga tao ay napakaaksidente at ang data na nakolekta ay napakahirap," sabi ni arnout.Sa pamamagitan ng patuloy na pagkolekta ng granular na data, mas malamang na matulungan ng data ang mga doktor na mas pangalagaan ang mga pasyente."
11. gawing makapangyarihang diagnostic tool ang mga smart phone
Naniniwala ang mga eksperto na ang mga larawang nakuha mula sa mga smart phone at iba pang mga mapagkukunan sa antas ng consumer ay magiging isang mahalagang suplemento sa klinikal na kalidad ng imaging, lalo na sa mga lugar na kulang sa serbisyo o mga umuunlad na bansa, sa pamamagitan ng patuloy na paggamit ng makapangyarihang mga function ng mga portable device.
Ang kalidad ng mobile camera ay umuunlad bawat taon, at maaari itong makabuo ng mga larawan na magagamit para sa pagsusuri ng algorithm ng AI.Ang dermatology at ophthalmology ay maagang nakikinabang sa kalakaran na ito.
Ang mga mananaliksik sa Britanya ay nakagawa pa nga ng isang tool upang matukoy ang mga sakit sa pag-unlad sa pamamagitan ng pagsusuri ng mga larawan ng mga mukha ng mga bata.Ang algorithm ay makaka-detect ng mga discrete na feature, gaya ng mandible line ng mga bata, ang posisyon ng mga mata at ilong, at iba pang katangian na maaaring magpahiwatig ng mga abnormalidad sa mukha.Sa kasalukuyan, ang tool ay maaaring tumugma sa mga karaniwang larawan na may higit sa 90 mga sakit upang magbigay ng klinikal na suporta sa desisyon.
Si Dr Hadi shafiee, direktor ng micro / nano medicine at digital health laboratory sa Brigham women's Hospital (BWh), ay nagsabi: "karamihan sa mga tao ay nilagyan ng malalakas na mga mobile phone na may maraming iba't ibang sensor na built in. Ito ay isang magandang pagkakataon para sa amin. Halos lahat Sinimulan ng mga manlalaro sa industriya na bumuo ng Ai software at hardware sa kanilang mga device. Hindi ito nagkataon. Sa ating digital world, mahigit 2.5 milyong terabytes ng data ang nabubuo araw-araw. Sa larangan ng mga mobile phone, naniniwala ang mga manufacturer na magagamit nila ito data para sa artificial intelligence upang makapagbigay ng mas personalized, mas mabilis at mas matalinong mga serbisyo."
Ang paggamit ng mga smart phone upang mangolekta ng mga larawan ng mga mata ng mga pasyente, mga sugat sa balat, mga sugat, mga impeksyon, mga gamot o iba pang mga paksa ay maaaring makatulong na matugunan ang kakulangan ng mga eksperto sa mga lugar na kulang sa serbisyo, habang binabawasan ang oras upang masuri ang ilang mga reklamo.
"Maaaring may ilang malalaking kaganapan sa hinaharap, at maaari nating samantalahin ang pagkakataong ito upang malutas ang ilang mahahalagang problema ng pamamahala ng sakit sa punto ng pangangalaga," sabi ni shafiee
12. Nagpapabago ng klinikal na paggawa ng desisyon gamit ang bedside AI
Habang ang industriya ng pangangalagang pangkalusugan ay lumiliko sa mga serbisyong nakabatay sa bayad, lalo itong lumalayo sa passive na pangangalagang pangkalusugan.Ang pag-iwas bago ang malalang sakit, mga kaganapan sa talamak na sakit at biglaang pagkasira ay ang layunin ng bawat provider, at ang istruktura ng kompensasyon sa huli ay nagpapahintulot sa kanila na bumuo ng mga proseso na maaaring makamit ang aktibo at predictive na interbensyon.
Ang artificial intelligence ay magbibigay ng maraming pangunahing teknolohiya para sa ebolusyong ito, sa pamamagitan ng pagsuporta sa predictive analysis at mga tool sa suporta sa klinikal na desisyon, upang malutas ang mga problema bago matanto ng mga provider ang pangangailangang kumilos.Ang artificial intelligence ay maaaring magbigay ng maagang babala para sa epilepsy o sepsis, na karaniwang nangangailangan ng malalim na pagsusuri ng mga napakakumplikadong set ng data.
Sinabi ni Brandon Westover, MD, direktor ng klinikal na data sa Massachusetts General Hospital (MGH), na makakatulong din ang pag-aaral ng makina na suportahan ang patuloy na pagbibigay ng pangangalaga para sa mga pasyenteng may kritikal na sakit, tulad ng mga nasa coma pagkatapos ng pag-aresto sa puso.
Ipinaliwanag niya na sa ilalim ng normal na mga pangyayari, kailangang suriin ng mga doktor ang data ng EEG ng mga pasyenteng ito.Ang prosesong ito ay tumatagal ng oras at subjective, at ang mga resulta ay maaaring mag-iba sa mga kasanayan at karanasan ng mga clinician.
"Sa mga pasyenteng ito, maaaring mabagal ang takbo.Minsan kapag gusto ng mga doktor na makita kung may gumagaling, maaari nilang tingnan ang data na sinusubaybayan isang beses bawat 10 segundo.Gayunpaman, upang makita kung ito ay nagbago mula sa 10 segundo ng data na nakolekta sa loob ng 24 na oras ay tulad ng pagtingin sa kung ang buhok ay tumubo pansamantala.Gayunpaman, kung gagamitin ang mga algorithm ng artificial intelligence at malalaking data mula sa maraming pasyente, magiging mas madaling itugma ang nakikita ng mga tao sa mga pangmatagalang pattern, at maaaring makakita ng ilang banayad na pagpapabuti, na makakaapekto sa paggawa ng desisyon ng mga doktor sa nursing. ."
Ang paggamit ng teknolohiyang artipisyal na katalinuhan para sa suporta sa klinikal na desisyon, pag-iskor ng panganib at maagang babala ay isa sa mga pinaka-maaasahan na lugar ng pag-unlad ng rebolusyonaryong paraan ng pagsusuri ng data na ito.
Sa pamamagitan ng pagbibigay ng kapangyarihan para sa isang bagong henerasyon ng mga tool at system, mas mauunawaan ng mga clinician ang mga nuances ng sakit, mas epektibong makapagbigay ng mga serbisyo sa pag-aalaga, at mas maagang malutas ang mga problema.Ang artificial intelligence ay magdadala sa isang bagong panahon ng pagpapabuti ng kalidad ng klinikal na paggamot, at gumawa ng mga kapana-panabik na tagumpay sa pangangalaga ng pasyente.
Oras ng post: Ago-06-2021
