Trí tuệ nhân tạo được kỳ vọng sẽ trở thành lực lượng biến đổi trong lĩnh vực chăm sóc sức khỏe.Vậy làm thế nào để các bác sĩ và bệnh nhân được hưởng lợi từ tác động của các công cụ do AI điều khiển?
Ngành chăm sóc sức khỏe ngày nay đã trưởng thành và có thể tạo ra một số thay đổi lớn.Từ các bệnh mãn tính và ung thư đến X quang và đánh giá rủi ro, ngành chăm sóc sức khỏe dường như có vô số cơ hội sử dụng công nghệ để triển khai các biện pháp can thiệp chính xác, hiệu quả và hiệu quả hơn trong chăm sóc bệnh nhân.
Với sự phát triển của công nghệ, bệnh nhân có yêu cầu ngày càng cao đối với bác sĩ và số lượng dữ liệu có sẵn tiếp tục tăng với tốc độ đáng báo động.Trí tuệ nhân tạo sẽ trở thành động cơ thúc đẩy cải tiến liên tục chăm sóc y tế.
So với công nghệ phân tích và ra quyết định lâm sàng truyền thống, trí tuệ nhân tạo có nhiều lợi thế hơn.Khi thuật toán học tập tương tác với dữ liệu đào tạo, nó có thể trở nên chính xác hơn, cho phép các bác sĩ hiểu rõ hơn về chẩn đoán, quy trình điều dưỡng, sự thay đổi trong điều trị và kết quả của bệnh nhân.
Tại Diễn đàn đổi mới y tế trí tuệ nhân tạo thế giới (wmif) năm 2018 do Partners Healthcare tổ chức, các nhà nghiên cứu y tế và chuyên gia lâm sàng đã thảo luận chi tiết về các công nghệ và lĩnh vực của ngành y tế có khả năng tác động đáng kể nhất đến việc áp dụng trí tuệ nhân tạo trong tương lai. thập kỷ.
Anne kiblanksi, MD, chủ tịch CO của wmif vào năm 2018 và Gregg Meyer, MD, giám đốc học thuật của Partners Healthcare, cho biết loại "lật đổ" này được đưa vào mọi lĩnh vực công nghiệp có khả năng mang lại lợi ích đáng kể cho bệnh nhân và có tác dụng rộng rãi. tiềm năng thành công trong kinh doanh.
Với sự giúp đỡ của các chuyên gia từ các đối tác chăm sóc sức khỏe, bao gồm Tiến sĩ Keith Dreyer, Giáo sư của Trường Y Harvard (HMS), giám đốc khoa học dữ liệu của các đối tác và Tiến sĩ Katherine andreole, giám đốc chiến lược và hoạt động nghiên cứu tại Bệnh viện Đa khoa Massachusetts (MGH) , đã đề xuất 12 cách mà AI sẽ cách mạng hóa các dịch vụ y tế và khoa học.
1. Thống nhất tư duy và máy móc thông qua giao diện máy tính não
Sử dụng máy tính để giao tiếp không phải là một ý tưởng mới, nhưng tạo ra giao diện trực tiếp giữa công nghệ và suy nghĩ của con người mà không cần bàn phím, chuột và màn hình là một lĩnh vực nghiên cứu tiên phong, có ứng dụng quan trọng đối với một số bệnh nhân.
Các bệnh và chấn thương hệ thần kinh có thể khiến một số bệnh nhân mất khả năng trò chuyện, cử động và tương tác có ý nghĩa với người khác và môi trường của họ.Giao diện máy tính não (BCI) được hỗ trợ bởi trí tuệ nhân tạo có thể khôi phục những trải nghiệm cơ bản đó cho những bệnh nhân lo lắng về việc mất các chức năng này mãi mãi.
Leigh Hochberg, MD, giám đốc trung tâm công nghệ thần kinh và phục hồi chức năng thần kinh cho biết: "Nếu tôi thấy một bệnh nhân trong khoa chăm sóc đặc biệt về thần kinh đột nhiên mất khả năng hành động hoặc nói, tôi hy vọng sẽ khôi phục khả năng giao tiếp của anh ấy vào ngày hôm sau". Bệnh viện Đa khoa Massachusetts (MGH).Bằng cách sử dụng giao diện máy tính não (BCI) và trí tuệ nhân tạo, chúng tôi có thể kích hoạt các dây thần kinh liên quan đến chuyển động của tay và chúng tôi có thể khiến bệnh nhân giao tiếp với người khác ít nhất năm lần trong toàn bộ hoạt động, chẳng hạn như sử dụng các công nghệ giao tiếp phổ biến như như máy tính bảng hoặc điện thoại di động."
Giao diện máy tính não có thể cải thiện đáng kể chất lượng cuộc sống của bệnh nhân mắc bệnh xơ cứng teo cơ một bên (ALS), hội chứng đột quỵ hoặc teo cơ, cũng như 500.000 bệnh nhân bị chấn thương tủy sống trên toàn thế giới mỗi năm.
2.Phát triển thế hệ công cụ bức xạ tiếp theo
Hình ảnh bức xạ thu được bằng chụp cộng hưởng từ (MRI), máy quét CT và tia X cung cấp khả năng hiển thị không xâm lấn vào bên trong cơ thể con người.Tuy nhiên, nhiều quy trình chẩn đoán vẫn dựa vào các mẫu mô vật lý thu được bằng sinh thiết, có nguy cơ nhiễm trùng.
Các chuyên gia dự đoán rằng trong một số trường hợp, trí tuệ nhân tạo sẽ cho phép các công cụ X quang thế hệ tiếp theo đủ chính xác và chi tiết để thay thế nhu cầu về các mẫu mô sống.
Alexandra golby, MD, giám đốc phẫu thuật thần kinh hướng dẫn bằng hình ảnh tại Bệnh viện phụ nữ Brigham (BWh), cho biết: "Chúng tôi muốn đưa nhóm chẩn đoán hình ảnh cùng với bác sĩ phẫu thuật hoặc bác sĩ X quang can thiệp và nhà nghiên cứu bệnh học, nhưng đó là một thách thức lớn đối với các nhóm khác nhau để đạt được sự hợp tác và tính nhất quán của các mục tiêu. Nếu chúng tôi muốn X quang cung cấp thông tin hiện có từ các mẫu mô, thì chúng tôi sẽ phải có khả năng đạt được các tiêu chuẩn rất gần để biết thông tin cơ bản của bất kỳ pixel cụ thể nào."
Thành công trong quá trình này có thể cho phép các bác sĩ lâm sàng hiểu chính xác hơn về hiệu suất tổng thể của khối u, thay vì đưa ra quyết định điều trị dựa trên một phần nhỏ các thuộc tính của khối u ác tính.
AI cũng có thể xác định rõ hơn mức độ xâm lấn của ung thư và xác định mục tiêu điều trị phù hợp hơn.Ngoài ra, trí tuệ nhân tạo đang giúp thực hiện "sinh thiết ảo" và thúc đẩy sự đổi mới trong lĩnh vực X quang, lĩnh vực cam kết sử dụng các thuật toán dựa trên hình ảnh để mô tả đặc điểm kiểu hình và di truyền của khối u.
3.Mở rộng dịch vụ y tế ở các khu vực chưa được phục vụ hoặc đang phát triển
Việc thiếu các nhà cung cấp dịch vụ chăm sóc sức khỏe được đào tạo ở các nước đang phát triển, bao gồm cả kỹ thuật viên siêu âm và bác sĩ X quang, sẽ làm giảm đáng kể cơ hội sử dụng các dịch vụ y tế để cứu sống bệnh nhân.
Cuộc họp đã chỉ ra rằng có nhiều bác sĩ X quang làm việc tại sáu bệnh viện ở Boston với Đại lộ Longwood nổi tiếng hơn tất cả các bệnh viện ở Tây Phi.
Trí tuệ nhân tạo có thể giúp giảm thiểu tác động của tình trạng thiếu bác sĩ lâm sàng nghiêm trọng bằng cách đảm nhận một số trách nhiệm chẩn đoán thường được giao cho con người.
Ví dụ, một công cụ hình ảnh AI có thể sử dụng chụp X-quang ngực để kiểm tra các triệu chứng của bệnh lao, thường với độ chính xác tương đương với bác sĩ.Tính năng này có thể được triển khai thông qua một ứng dụng dành cho các nhà cung cấp ở những khu vực nghèo tài nguyên, giảm nhu cầu về các bác sĩ X quang chẩn đoán có kinh nghiệm.
Tiến sĩ jayashree kalpathy Cramer, trợ lý khoa học thần kinh và phó giáo sư X quang tại Bệnh viện Đa khoa Massachusetts (MGH) cho biết: “Công nghệ này có tiềm năng lớn để cải thiện việc chăm sóc sức khỏe.
Tuy nhiên, các nhà phát triển thuật toán AI phải xem xét cẩn thận thực tế là những người thuộc các quốc tịch hoặc khu vực khác nhau có thể có các yếu tố sinh lý và môi trường độc đáo, có thể ảnh hưởng đến hiệu suất của bệnh.
“Ví dụ, dân số bị ảnh hưởng bởi bệnh tật ở Ấn Độ có thể rất khác so với ở Hoa Kỳ,” cô nói.Khi chúng tôi phát triển các thuật toán này, điều rất quan trọng là đảm bảo rằng dữ liệu đại diện cho biểu hiện bệnh và sự đa dạng của quần thể.Chúng tôi không chỉ có thể phát triển các thuật toán dựa trên một quần thể duy nhất mà còn hy vọng rằng nó có thể đóng một vai trò nào đó trong các quần thể khác."
4. Giảm gánh nặng sử dụng hồ sơ sức khỏe điện tử
Hồ sơ sức khỏe điện tử (của cô ấy) đã đóng một vai trò quan trọng trong hành trình kỹ thuật số của ngành chăm sóc sức khỏe, nhưng sự chuyển đổi này đã mang lại nhiều vấn đề liên quan đến quá tải nhận thức, vô số tài liệu và sự mệt mỏi của người dùng.
Các nhà phát triển hồ sơ sức khỏe điện tử (của cô ấy) hiện đang sử dụng trí tuệ nhân tạo để tạo giao diện trực quan hơn và tự động hóa các quy trình chiếm nhiều thời gian của người dùng.
Tiến sĩ Adam Landman, phó chủ tịch và giám đốc thông tin của Brigham Health, cho biết người dùng dành phần lớn thời gian của họ cho ba nhiệm vụ: tài liệu lâm sàng, nhập đơn đặt hàng và sắp xếp hộp thư đến của họ.Nhận dạng giọng nói và đọc chính tả có thể giúp cải thiện quá trình xử lý tài liệu lâm sàng, nhưng các công cụ xử lý ngôn ngữ tự nhiên (NLP) có thể không đủ.
Landman nói: “Tôi nghĩ có thể cần phải mạnh dạn hơn và xem xét một số thay đổi, chẳng hạn như sử dụng quay video để điều trị lâm sàng, giống như cảnh sát đeo máy ảnh”.Sau đó, trí tuệ nhân tạo và học máy có thể được sử dụng để lập chỉ mục các video này để truy xuất trong tương lai.Giống như Siri và Alexa, những người sử dụng trợ lý trí tuệ nhân tạo tại nhà, trợ lý ảo sẽ được đưa đến bên giường bệnh nhân trong tương lai, cho phép các bác sĩ lâm sàng sử dụng trí thông minh nhúng để nhập các yêu cầu y tế."
AI cũng có thể giúp xử lý các yêu cầu thông thường từ hộp thư đến, chẳng hạn như bổ sung thuốc và thông báo kết quả.Nó cũng có thể giúp ưu tiên các nhiệm vụ thực sự cần sự chú ý của bác sĩ lâm sàng, giúp bệnh nhân xử lý danh sách việc cần làm của họ dễ dàng hơn, Landman nói thêm.
5. Nguy cơ kháng kháng sinh
Kháng thuốc kháng sinh là mối đe dọa ngày càng tăng đối với con người, vì việc lạm dụng các loại thuốc chủ chốt này có thể dẫn đến sự tiến hóa của siêu vi khuẩn không còn đáp ứng với điều trị.Vi khuẩn đa kháng thuốc có thể gây ra thiệt hại nghiêm trọng trong môi trường bệnh viện, giết chết hàng chục ngàn bệnh nhân mỗi năm.Chỉ riêng Clostridium difficile đã tiêu tốn khoảng 5 tỷ đô la mỗi năm cho hệ thống chăm sóc sức khỏe của Hoa Kỳ và gây ra hơn 30.000 ca tử vong.
Dữ liệu EHR giúp xác định các kiểu lây nhiễm và làm nổi bật rủi ro trước khi bệnh nhân bắt đầu xuất hiện các triệu chứng.Sử dụng các công cụ máy học và trí tuệ nhân tạo để thúc đẩy các phân tích này có thể cải thiện độ chính xác của chúng và tạo ra các cảnh báo nhanh hơn và chính xác hơn cho các nhà cung cấp dịch vụ chăm sóc sức khỏe.
Tiến sĩ Erica Shenoy, phó giám đốc kiểm soát nhiễm trùng tại Bệnh viện Đa khoa Massachusetts (MGH) cho biết: “Các công cụ trí tuệ nhân tạo có thể đáp ứng kỳ vọng về kiểm soát nhiễm trùng và kháng kháng sinh”.Nếu không, thì mọi người sẽ thất bại.Bởi vì các bệnh viện có rất nhiều dữ liệu EHR, nếu họ không tận dụng hết chúng, nếu họ không tạo ra các ngành thiết kế thử nghiệm lâm sàng thông minh hơn và nhanh hơn, và nếu họ không sử dụng EHR để tạo ra những dữ liệu này, họ sẽ đối mặt với thất bại."
6.Tạo phân tích chính xác hơn cho hình ảnh bệnh lý
Tiến sĩ Jeffrey gold, trưởng khoa bệnh lý tại Bệnh viện phụ nữ Brigham (BWh) và là giáo sư bệnh lý tại HMS, cho biết các nhà bệnh lý học cung cấp một trong những nguồn dữ liệu chẩn đoán quan trọng nhất cho toàn bộ các nhà cung cấp dịch vụ y tế.
Ông nói: “70% các quyết định chăm sóc sức khỏe dựa trên kết quả bệnh lý và từ 70% đến 75% tất cả dữ liệu trong EHRs đến từ kết quả bệnh lý.Và kết quả càng chính xác thì càng sớm đưa ra chẩn đoán chính xác.Đây là mục tiêu mà bệnh học kỹ thuật số và trí tuệ nhân tạo có cơ hội đạt được."
Phân tích mức độ pixel sâu trên hình ảnh kỹ thuật số lớn cho phép các bác sĩ nhận ra những khác biệt tinh tế có thể thoát khỏi mắt người.
Golden cho biết: “Bây giờ chúng tôi đã đi đến điểm có thể đánh giá tốt hơn liệu ung thư sẽ phát triển nhanh hay chậm và cách thay đổi cách điều trị bệnh nhân dựa trên các thuật toán thay vì các giai đoạn lâm sàng hoặc phân loại mô bệnh học”.Nó sẽ là một bước tiến lớn."
Ông nói thêm: "AI cũng có thể cải thiện năng suất bằng cách xác định các tính năng quan tâm trong các trang trình bày trước khi các bác sĩ lâm sàng xem xét dữ liệu. AI có thể lọc qua các trang trình bày và hướng dẫn chúng tôi xem nội dung phù hợp để chúng tôi có thể đánh giá nội dung nào quan trọng và nội dung nào không. Điều này giúp cải thiện hiệu quả của việc sử dụng các nhà nghiên cứu bệnh học và tăng giá trị nghiên cứu của họ đối với từng trường hợp."
Mang trí thông minh đến các thiết bị và máy móc y tế
Các thiết bị thông minh đang chiếm lĩnh môi trường của người tiêu dùng và cung cấp các thiết bị từ video thời gian thực bên trong tủ lạnh đến ô tô phát hiện sự mất tập trung của người lái xe.
Trong môi trường y tế, các thiết bị thông minh rất cần thiết để theo dõi bệnh nhân trong ICU và các nơi khác.Việc sử dụng trí tuệ nhân tạo để nâng cao khả năng xác định tình trạng xấu đi, chẳng hạn như chỉ ra rằng nhiễm trùng huyết đang phát triển hoặc nhận thức về các biến chứng có thể cải thiện đáng kể kết quả và có thể giảm chi phí điều trị.
Mark Michalski cho biết: "Khi chúng ta nói về việc tích hợp các dữ liệu khác nhau trong hệ thống chăm sóc sức khỏe, chúng ta cần tích hợp và cảnh báo các bác sĩ ICU can thiệp càng sớm càng tốt và việc tổng hợp những dữ liệu này không phải là điều tốt mà các bác sĩ con người có thể làm". , giám đốc điều hành của Trung tâm khoa học dữ liệu lâm sàng tại BWh.Việc đưa các thuật toán thông minh vào các thiết bị này giúp giảm gánh nặng nhận thức cho các bác sĩ và đảm bảo rằng bệnh nhân được điều trị nhanh nhất có thể."
8. thúc đẩy liệu pháp miễn dịch trong điều trị ung thư
Liệu pháp miễn dịch là một trong những cách hứa hẹn nhất để điều trị ung thư.Bằng cách sử dụng chính hệ thống miễn dịch của cơ thể để tấn công các khối u ác tính, người bệnh có thể chiến thắng được các khối u cứng đầu.Tuy nhiên, chỉ có một số bệnh nhân đáp ứng với chế độ trị liệu miễn dịch hiện tại và các bác sĩ ung thư vẫn chưa có phương pháp chính xác và đáng tin cậy để xác định bệnh nhân nào sẽ được hưởng lợi từ chế độ này.
Các thuật toán học máy và khả năng tổng hợp các tập dữ liệu rất phức tạp của chúng có thể làm sáng tỏ thành phần gen duy nhất của các cá nhân và cung cấp các tùy chọn mới cho liệu pháp nhắm mục tiêu.
Tiến sĩ long Le, giám đốc phát triển công nghệ và bệnh lý tính toán tại trung tâm chẩn đoán toàn diện của Bệnh viện Đa khoa Massachusetts (MGH) giải thích: “Gần đây, sự phát triển thú vị nhất là các chất ức chế điểm kiểm soát, ngăn chặn các protein được tạo ra bởi một số tế bào miễn dịch”.Nhưng chúng ta vẫn chưa hiểu hết vấn đề, rất phức tạp.Chúng tôi chắc chắn cần thêm dữ liệu bệnh nhân.Những phương pháp điều trị này là tương đối mới, vì vậy không có nhiều bệnh nhân thực sự sử dụng chúng.Do đó, cho dù chúng ta cần tích hợp dữ liệu trong một tổ chức hay trên nhiều tổ chức, thì đó sẽ là yếu tố chính giúp tăng số lượng bệnh nhân để thúc đẩy quá trình lập mô hình."
9. Biến hồ sơ sức khỏe điện tử thành công cụ dự đoán rủi ro đáng tin cậy
Hồ sơ sức khỏe điện tử (của cô ấy) là một kho dữ liệu về bệnh nhân, nhưng việc trích xuất và phân tích một lượng lớn thông tin một cách chính xác, kịp thời và đáng tin cậy là một thách thức không ngừng đối với các nhà cung cấp và nhà phát triển.
Các vấn đề về chất lượng và tính toàn vẹn của dữ liệu, cùng với sự nhầm lẫn về định dạng dữ liệu, đầu vào có cấu trúc và không có cấu trúc cũng như hồ sơ không đầy đủ, khiến mọi người khó hiểu chính xác cách thực hiện phân tầng rủi ro có ý nghĩa, phân tích dự đoán và hỗ trợ quyết định lâm sàng.
Tiến sĩ Ziad OBERMEYER, trợ lý giáo sư khoa cấp cứu tại Bệnh viện phụ nữ Brigham (BWh) và trợ lý giáo sư tại Trường Y Harvard (HMS), cho biết: "Có một số việc khó phải làm để tích hợp dữ liệu vào một nơi. Nhưng một vấn đề khác là hiểu những gì mọi người nhận được khi họ dự đoán một căn bệnh trong hồ sơ sức khỏe điện tử (của cô ấy). Mọi người có thể nghe nói rằng các thuật toán trí tuệ nhân tạo có thể dự đoán trầm cảm hoặc đột quỵ, nhưng lại thấy rằng chúng thực sự đang dự đoán sự gia tăng chi phí đột quỵ. Nó rất khác so với đột quỵ chính mình."
Anh ấy tiếp tục, "dựa vào kết quả MRI dường như cung cấp một bộ dữ liệu cụ thể hơn. Nhưng bây giờ chúng ta phải suy nghĩ xem ai có đủ khả năng chụp MRI? Vì vậy, dự đoán cuối cùng không phải là kết quả mong đợi."
Phân tích NMR đã tạo ra nhiều công cụ phân tầng và chấm điểm rủi ro thành công, đặc biệt là khi các nhà nghiên cứu sử dụng các kỹ thuật học sâu để xác định các kết nối mới giữa các tập dữ liệu dường như không liên quan.
Tuy nhiên, OBERMEYER tin rằng việc đảm bảo rằng các thuật toán này không xác định các thành kiến ẩn trong dữ liệu là rất quan trọng để triển khai các công cụ có thể thực sự cải thiện việc chăm sóc lâm sàng.
Ông nói: “Thách thức lớn nhất là đảm bảo chúng ta biết chính xác những gì đã dự đoán trước khi bắt đầu mở hộp đen và tìm cách dự đoán”.
10.Theo dõi tình trạng sức khỏe thông qua thiết bị đeo và thiết bị cá nhân
Hầu như tất cả người tiêu dùng hiện có thể sử dụng cảm biến để thu thập dữ liệu về giá trị sức khỏe.Từ điện thoại thông minh có tính năng theo dõi bước chân đến thiết bị đeo được theo dõi nhịp tim cả ngày, ngày càng có nhiều dữ liệu liên quan đến sức khỏe có thể được tạo ra bất kỳ lúc nào.
Việc thu thập và phân tích những dữ liệu này cũng như bổ sung thông tin do bệnh nhân cung cấp thông qua các ứng dụng và các thiết bị theo dõi tại nhà khác có thể mang lại một viễn cảnh độc đáo cho sức khỏe cá nhân và đám đông.
Trí tuệ nhân tạo sẽ đóng một vai trò quan trọng trong việc trích xuất những hiểu biết có thể hành động từ cơ sở dữ liệu lớn và đa dạng này.
Nhưng Tiến sĩ Omar arnout, bác sĩ giải phẫu thần kinh tại Bệnh viện phụ nữ Brigham (BWh), Giám đốc CO của trung tâm kết quả khoa học thần kinh tính toán, cho biết có thể cần thêm công việc để giúp bệnh nhân thích nghi với dữ liệu theo dõi liên tục, mật thiết này.
Ông nói: “Chúng tôi từng khá tự do trong việc xử lý dữ liệu kỹ thuật số.Nhưng khi rò rỉ dữ liệu xảy ra tại Cambridge analytics và Facebook, mọi người sẽ ngày càng thận trọng hơn về việc chia sẻ dữ liệu nào với ai."
Ông nói thêm, bệnh nhân có xu hướng tin tưởng bác sĩ của họ hơn các công ty lớn như Facebook, điều này có thể giúp giảm bớt sự khó chịu khi cung cấp dữ liệu cho các chương trình nghiên cứu quy mô lớn.
Arnout cho biết: “Có khả năng dữ liệu thiết bị đeo sẽ có tác động đáng kể vì sự chú ý của mọi người rất tình cờ và dữ liệu thu thập được rất sơ sài”.Bằng cách liên tục thu thập dữ liệu chi tiết, dữ liệu có nhiều khả năng giúp bác sĩ chăm sóc bệnh nhân tốt hơn."
11. biến điện thoại thông minh thành một công cụ chẩn đoán mạnh mẽ
Các chuyên gia tin rằng hình ảnh thu được từ điện thoại thông minh và các tài nguyên cấp độ người tiêu dùng khác sẽ trở thành một phần bổ sung quan trọng cho hình ảnh chất lượng lâm sàng, đặc biệt là ở các khu vực chưa được phục vụ hoặc các nước đang phát triển, bằng cách tiếp tục sử dụng các chức năng mạnh mẽ của thiết bị di động.
Chất lượng của máy ảnh di động đang được cải thiện hàng năm và nó có thể tạo ra những hình ảnh có thể được sử dụng để phân tích thuật toán AI.Da liễu và nhãn khoa là những người hưởng lợi sớm từ xu hướng này.
Các nhà nghiên cứu người Anh thậm chí đã phát triển một công cụ để xác định các bệnh phát triển bằng cách phân tích hình ảnh khuôn mặt của trẻ em.Thuật toán có thể phát hiện các đặc điểm riêng biệt, chẳng hạn như đường hàm dưới của trẻ, vị trí của mắt và mũi và các thuộc tính khác có thể chỉ ra những bất thường trên khuôn mặt.Hiện tại, công cụ này có thể khớp các hình ảnh phổ biến với hơn 90 bệnh để cung cấp hỗ trợ quyết định lâm sàng.
Tiến sĩ Hadi shafiee, giám đốc phòng thí nghiệm sức khỏe kỹ thuật số và y học vi mô/nano tại Bệnh viện phụ nữ Brigham (BWh), cho biết: "Hầu hết mọi người đều được trang bị điện thoại di động mạnh mẽ với nhiều cảm biến khác nhau được tích hợp sẵn. Đó là cơ hội tuyệt vời cho chúng tôi. Hầu như tất cả các công ty trong ngành đã bắt đầu xây dựng phần cứng và phần mềm Ai trong thiết bị của họ. Không phải ngẫu nhiên. Trong thế giới kỹ thuật số của chúng ta, hơn 2,5 triệu terabyte dữ liệu được tạo ra mỗi ngày. Trong lĩnh vực điện thoại di động, các nhà sản xuất tin rằng họ có thể sử dụng điều này dữ liệu cho trí tuệ nhân tạo để cung cấp các dịch vụ được cá nhân hóa hơn, nhanh hơn và thông minh hơn."
Sử dụng điện thoại thông minh để thu thập hình ảnh về mắt, tổn thương da, vết thương, nhiễm trùng, thuốc hoặc các chủ đề khác của bệnh nhân có thể giúp giải quyết tình trạng thiếu chuyên gia ở những khu vực chưa được phục vụ, đồng thời giảm thời gian chẩn đoán một số khiếu nại.
"Có thể có một số sự kiện lớn trong tương lai và chúng tôi có thể tận dụng cơ hội này để giải quyết một số vấn đề quan trọng về quản lý dịch bệnh tại điểm chăm sóc," Shafiee nói
12.Đổi mới việc ra quyết định lâm sàng với AI đầu giường
Khi ngành chăm sóc sức khỏe chuyển sang các dịch vụ dựa trên phí, nó ngày càng rời xa dịch vụ chăm sóc sức khỏe thụ động.Phòng ngừa trước bệnh mãn tính, bệnh cấp tính và suy giảm đột ngột là mục tiêu của mỗi nhà cung cấp và cơ cấu bồi thường cuối cùng cho phép họ phát triển các quy trình có thể đạt được sự can thiệp tích cực và dự đoán.
Trí tuệ nhân tạo sẽ cung cấp nhiều công nghệ cơ bản cho quá trình phát triển này, bằng cách hỗ trợ các công cụ phân tích dự đoán và hỗ trợ quyết định lâm sàng, để giải quyết các vấn đề trước khi các nhà cung cấp nhận ra cần phải hành động.Trí tuệ nhân tạo có thể đưa ra cảnh báo sớm về bệnh động kinh hoặc nhiễm trùng huyết, thường yêu cầu phân tích chuyên sâu các tập dữ liệu rất phức tạp.
Brandon Westover, MD, giám đốc dữ liệu lâm sàng tại Bệnh viện Đa khoa Massachusetts (MGH), cho biết học máy cũng có thể giúp hỗ trợ việc cung cấp dịch vụ chăm sóc liên tục cho những bệnh nhân nguy kịch, chẳng hạn như những người hôn mê sau khi tim ngừng đập.
Ông giải thích rằng trong những trường hợp bình thường, các bác sĩ phải kiểm tra dữ liệu điện não đồ của những bệnh nhân này.Quá trình này tốn nhiều thời gian và chủ quan, và kết quả có thể thay đổi tùy theo kỹ năng và kinh nghiệm của bác sĩ lâm sàng.
Anh ấy nói“ Ở những bệnh nhân này, xu hướng có thể chậm lại.Đôi khi, khi các bác sĩ muốn xem ai đó có đang hồi phục hay không, họ có thể xem dữ liệu được theo dõi cứ sau 10 giây.Tuy nhiên, để xem liệu nó có thay đổi hay không từ 10 giây dữ liệu được thu thập trong 24 giờ cũng giống như việc xem liệu tóc có mọc trong thời gian đó hay không.Tuy nhiên, nếu các thuật toán trí tuệ nhân tạo và một lượng lớn dữ liệu từ nhiều bệnh nhân được sử dụng, việc khớp những gì mọi người nhìn thấy với các mẫu dài hạn sẽ dễ dàng hơn và có thể tìm thấy một số cải tiến tinh tế, điều này sẽ ảnh hưởng đến việc ra quyết định của bác sĩ trong điều dưỡng ."
Sử dụng công nghệ trí tuệ nhân tạo để hỗ trợ quyết định lâm sàng, chấm điểm rủi ro và cảnh báo sớm là một trong những lĩnh vực phát triển hứa hẹn nhất của phương pháp phân tích dữ liệu mang tính cách mạng này.
Bằng cách cung cấp năng lượng cho một thế hệ công cụ và hệ thống mới, các bác sĩ lâm sàng có thể hiểu rõ hơn về các sắc thái của bệnh tật, cung cấp các dịch vụ điều dưỡng hiệu quả hơn và giải quyết các vấn đề trước.Trí tuệ nhân tạo sẽ mở ra một kỷ nguyên mới trong việc cải thiện chất lượng điều trị lâm sàng và tạo ra những bước đột phá thú vị trong chăm sóc bệnh nhân.
Thời gian đăng: 06-08-2021
