12 начина да АИ утиче на индустрију здравствене заштите

Очекује се да ће вештачка интелигенција постати трансформаторска снага у области здравствене заштите.Дакле, како лекари и пацијенти имају користи од утицаја алата вођених вештачком интелигенцијом?
Данашња здравствена индустрија је веома зрела и може направити неке велике промене.Од хроничних болести и рака до радиологије и процене ризика, чини се да здравствена индустрија има безброј могућности да користи технологију за примену прецизнијих, ефикаснијих и ефикаснијих интервенција у нези пацијената.
Са развојем технологије, пацијенти имају све веће захтеве за лекарима, а број доступних података наставља да расте алармантном брзином.Вештачка интелигенција ће постати мотор за промовисање сталног побољшања медицинске неге.
У поређењу са традиционалном анализом и технологијом клиничког доношења одлука, вештачка интелигенција има много предности.Када алгоритам учења ступи у интеракцију са подацима обуке, може постати тачнији, омогућавајући лекарима да стекну невиђене увиде у дијагнозу, процес неге, варијабилност лечења и исходе пацијената.
На Светском форуму за медицинске иновације вештачке интелигенције (вмиф) 2018. који је одржао Партнерс Хеалтхцаре, медицински истраживачи и клинички стручњаци су елаборирали о технологијама и областима медицинске индустрије које ће највероватније имати значајан утицај на усвајање вештачке интелигенције у наредном периоду. декада.
Анне Кибланкси, МД, ЦО председавајући вмиф-а 2018. године, и Грегг Меиер, МД, главни академски директор Партнерс Хеалтхцаре-а, рекли су да ова врста „субверзије“ која се доноси у сваку област индустрије има потенцијал да донесе значајне користи пацијентима и да има широк потенцијал пословног успеха.
Уз помоћ стручњака из партнерске здравствене заштите, укључујући др Кеитха Дреиера, професора Харвардске медицинске школе (ХМС), главног службеника за науку о подацима партнера, и др Кетрин андреоле, директора стратегије истраживања и операција у Општој болници Масачусетса (МГХ) , предложио је 12 начина на које ће АИ револуционисати медицинске услуге и науку.
1.Ујединити размишљање и машину преко можданог рачунарског интерфејса

Коришћење рачунара за комуникацију није нова идеја, али стварање директног интерфејса између технологије и људског размишљања без тастатуре, миша и екрана је гранично поље истраживања које има важну примену за неке пацијенте.
Болести и трауме нервног система могу довести до тога да неки пацијенти изгубе способност смисленог разговора, кретања и интеракције са другима и њиховом околином.Интерфејс рачунара мозга (БЦИ) подржан вештачком интелигенцијом може да врати та основна искуства пацијентима који су забринути да ће заувек изгубити ове функције.
„Ако видим пацијента на неуролошкој јединици интензивне неге који изненада изгуби способност да делује или говори, надам се да ћу сутрадан повратити његову способност комуникације“, рекао је Леигх Хоцхберг, МД, директор центра за неуротехнологију и неурорехабилитацију у Општа болница Масачусетса (МГХ).Коришћењем можданог компјутерског интерфејса (БЦИ) и вештачке интелигенције, можемо да активирамо нерве везане за покрете руку, а требало би да будемо у могућности да натерамо пацијента да комуницира са другима најмање пет пута током целе активности, као што је коришћење свеприсутних комуникационих технологија као што је као таблет рачунари или мобилни телефони."
Мождани компјутерски интерфејс може значајно побољшати квалитет живота пацијената са амиотрофичном латералном склерозом (АЛС), можданим ударом или синдромом атрезије, као и 500.000 пацијената са повредом кичмене мождине широм света сваке године.
2.Развити следећу генерацију алата за зрачење

Слике зрачења добијене магнетном резонанцом (МРИ), ЦТ скенерима и рендгенским зрацима пружају неинвазивну видљивост у унутрашњост људског тела.Међутим, многе дијагностичке процедуре се и даље ослањају на физичке узорке ткива добијене биопсијом, што има ризик од инфекције.
Стручњаци предвиђају да ће у неким случајевима вештачка интелигенција омогућити да следећа генерација радиолошких алата буде довољно тачна и детаљна да замени потражњу за узорцима живог ткива.
Александра Голби, МД, директорка неурохирургије вођене сликом у женској болници Бригам (БВх), рекла је: „Желимо да окупимо тим за дијагностичко снимање заједно са хирурзима или интервентним радиолозима и патолозима, али је велики изазов за различите тимове да остваре сарадњу и конзистентност циљева. Ако желимо да радиологија пружи информације које су тренутно доступне из узорака ткива, онда ћемо морати да будемо у стању да постигнемо веома блиске стандарде како бисмо знали основне чињенице било ког датог пиксела."
Успех у овом процесу може омогућити клиничарима да прецизније разумеју укупни учинак тумора, уместо да доносе одлуке о лечењу на основу малог дела атрибута малигног тумора.
АИ такође може боље да дефинише инвазивност рака и прикладније одреди циљ лечења.Поред тога, вештачка интелигенција помаже да се реализује „виртуелна биопсија“ и промовише иновације у области радиологије, која је посвећена коришћењу алгоритама заснованих на сликама за карактеризацију фенотипских и генетских карактеристика тумора.
3. Проширити медицинске услуге у областима које нису довољно опсервиране или у развоју

Недостатак обучених здравствених радника у земљама у развоју, укључујући ултразвучне техничаре и радиологе, у великој мери ће смањити шансе за коришћење медицинских услуга за спасавање живота пацијената.
На састанку је истакнуто да у шест болница у Бостону са чувеном Лонгвуд авенијом ради више радиолога него у свим болницама у западној Африци.
Вештачка интелигенција може помоћи у ублажавању утицаја критичног недостатка лекара тако што ће преузети неке од дијагностичких одговорности које се обично додељују људима.
На пример, АИ алат за снимање може да користи рендгенске снимке грудног коша да испита симптоме туберкулозе, обично са истом тачношћу као и лекар.Ова функција се може применити преко апликације за провајдере у областима са сиромашним ресурсима, смањујући потребу за искусним дијагностичким радиолозима.
„Ова технологија има велики потенцијал да побољша здравствену заштиту“, рекао је др Јаиасхрее Калпатхи Црамер, помоћник неуронауке и ванредни професор радиологије у Општој болници у Масачусетсу (МГХ)
Међутим, програмери алгоритма вештачке интелигенције морају пажљиво да размотре чињеницу да људи различитих националности или региона могу имати јединствене физиолошке факторе и факторе околине, који могу утицати на перформансе болести.
„На пример, популација погођена болешћу у Индији може бити веома различита од оне у Сједињеним Државама“, рекла је она.Када развијамо ове алгоритме, веома је важно осигурати да подаци представљају презентацију болести и разноликост популације.Не само да можемо развити алгоритме засноване на једној популацији, већ се и надамо да она може играти улогу у другим популацијама."
4.Смањити оптерећење коришћења електронских здравствених картона

Електронски здравствени картон (њен) је играо важну улогу у дигиталном путовању здравствене индустрије, али је ова трансформација донела бројне проблеме у вези са когнитивним преоптерећењем, бескрајним документима и замором корисника.
Програмери електронског здравственог картона (њени) сада користе вештачку интелигенцију да креирају интуитивнији интерфејс и аутоматизују рутине које одузимају много времена корисницима.
Др Адам Ландман, потпредседник и главни службеник за информисање Бригамовог здравља, рекао је да корисници проводе већину свог времена на три задатка: клиничку документацију, унос налога и сортирање својих сандучића.Препознавање говора и диктирање могу помоћи у побољшању клиничке обраде докумената, али алати за обраду природног језика (НЛП) можда неће бити довољни.
„Мислим да би можда било неопходно бити храбрији и размотрити неке промене, као што је коришћење видео записа за клиничко лечење, баш као што полиција носи камере“, рекао је Ландман.Вештачка интелигенција и машинско учење се затим могу користити за индексирање ових видео снимака за будуће преузимање.Баш као Сири и Алекса, који користе помоћнике вештачке интелигенције код куће, виртуелни асистенти ће у будућности бити доведени до кревета пацијената, што ће клиничарима омогућити да користе уграђену интелигенцију за унос медицинских налога."

АИ такође може помоћи у обради рутинских захтева из пријемних сандучића, као што су додаци лековима и обавештења о резултатима.Такође може помоћи да се одреди приоритет задатака који заиста захтевају пажњу клиничара, што олакшава пацијентима да обрађују своје листе обавеза, додао је Ландман.
5. Ризик од резистенције на антибиотике

Отпорност на антибиотике представља растућу претњу за људе, јер прекомерна употреба ових кључних лекова може довести до еволуције супербактерија које више не реагују на лечење.Бактерије отпорне на више лекова могу изазвати озбиљну штету у болничком окружењу, убијајући десетине хиљада пацијената сваке године.Само Цлостридиум диффициле кошта око 5 милијарди долара годишње за амерички здравствени систем и узрокује више од 30.000 смртних случајева.
ЕХР подаци помажу да се идентификују обрасци инфекције и истакне ризик пре него што пацијент почне да показује симптоме.Коришћење алата за машинско учење и вештачку интелигенцију за покретање ових анализа може побољшати њихову тачност и креирати бржа и тачнија упозорења за пружаоце здравствених услуга.
„Алати вештачке интелигенције могу испунити очекивања у погледу контроле инфекције и отпорности на антибиотике“, рекла је др Ерика Шеној, заменица директора за контролу инфекција у Општој болници Масачусетса (МГХ).Ако то не ураде, онда ће сви пропасти.Зато што болнице имају много ЕХР података, ако их не искористе у потпуности, ако не створе индустрије које су паметније и брже у дизајну клиничких испитивања, и ако не користе ЕХР који креирају ове податке, суочиће се са неуспехом."
6. Направите прецизнију анализу за патолошке слике

Др Џефри голден, шеф одељења патологије у болници за жене Бригам (БВх) и професор патологије у ХМС, рекао је да патолози обезбеђују један од најважнијих извора дијагностичких података за читав низ пружалаца медицинских услуга.
„70% здравствених одлука је засновано на патолошким резултатима, а између 70% и 75% свих података у ЕХР-има потиче од патолошких резултата“, рекао је он.И што су тачнији резултати, пре ће бити постављена тачна дијагноза.То је циљ који дигитална патологија и вештачка интелигенција имају шансу да остваре."
Дубока анализа нивоа пиксела на великим дигиталним сликама омогућава лекарима да препознају суптилне разлике које могу избећи људским очима.
„Сада смо дошли до тачке у којој можемо боље да проценимо да ли ће се рак развијати брзо или споро, и како да променимо третман пацијената на основу алгоритама, а не клиничких стадијума или хистопатолошког оцењивања“, рекао је Голден.То ће бити велики корак напред."
Он је додао: „АИ такође може побољшати продуктивност тако што ће идентификовати карактеристике од интереса у слајдовима пре него што клиничари прегледају податке. АИ може да филтрира слајдове и води нас да видимо прави садржај како бисмо могли да проценимо шта је важно, а шта није. Ово побољшава ефикасност употребе патолога и повећава вредност њиховог проучавања сваког случаја."
Донесите интелигенцију у медицинске уређаје и машине

Паметни уређаји преузимају потрошачка окружења и обезбеђују уређаје у распону од видео записа у реалном времену унутар фрижидера до аутомобила који откривају ометање возача.
У медицинском окружењу, интелигентни уређаји су од суштинске важности за праћење пацијената у интензивним одељењима и другде.Употреба вештачке интелигенције за побољшање способности да се идентификује погоршање стања, као што је указивање да се сепса развија, или перцепција компликација може значајно побољшати резултате и смањити трошкове лечења.
„Када говоримо о интеграцији различитих података у здравствени систем, морамо да интегришемо и упозоримо лекаре интензивне неге да интервенишу што је пре могуће и да агрегација ових података није добра ствар коју људски лекари могу да ураде“, рекао је Марк Михалски. , извршни директор Научног центра клиничких података у БВх.Уметање паметних алгоритама у ове уређаје смањује когнитивно оптерећење лекара и обезбеђује да се пацијенти лече што је пре могуће."
8.промовисање имунотерапије за лечење рака

Имунотерапија је један од најперспективнијих начина лечења рака.Коришћењем сопственог имунолошког система за напад на малигне туморе, пацијенти могу бити у стању да превазиђу тврдоглаве туморе.Међутим, само неколико пацијената реагује на тренутни режим имунотерапије, а онколози још увек немају прецизан и поуздан метод да одреде који пацијенти ће имати користи од режима.
Алгоритми машинског учења и њихова способност да синтетишу веома сложене скупове података могу бити у стању да разјасне јединствени састав гена појединаца и пруже нове опције за циљану терапију.
„У последње време, најузбудљивији развој су инхибитори контролних тачака, који блокирају протеине које производе одређене имуне ћелије,“ објашњава др Лонг Ле, директор рачунарске патологије и развоја технологије у свеобухватном дијагностичком центру Опште болнице у Масачусетсу (МГХ).Али још увек не разумемо све проблеме, што је веома компликовано.Дефинитивно нам треба више података о пацијентима.Ови третмани су релативно нови, тако да их не узима много пацијената.Стога, било да треба да интегришемо податке унутар организације или у више организација, то ће бити кључни фактор у повећању броја пацијената који ће покретати процес моделирања."
9. Претворите електронске здравствене картоне у поуздане предикторе ризика

Електронски здравствени картон (њен) је ризница података о пацијентима, али је стални изазов за провајдере и програмере да извуку и анализирају велику количину информација на тачан, благовремен и поуздан начин.
Проблеми са квалитетом и интегритетом података, заједно са конфузијом формата података, структурираним и неструктурираним уносом и непотпуним записима, отежавају људима да тачно схвате како да спроведу смислену стратификацију ризика, предиктивну анализу и подршку клиничким одлукама.
Др Зиад ОБЕРМЕИЕР, помоћник професора ургентне медицине у болници за жене Бригхам (БВх) и доцент на Харвардској медицинској школи (ХМС), рекао је: „Постоји тежак посао да се подаци интегришу на једно место. Али други проблем је разумети шта људи добију када предвиде болест у електронском здравственом картону (јој). Људи могу чути да алгоритми вештачке интелигенције могу предвидети депресију или мождани удар, али открију да заправо предвиђају повећање трошкова можданог удара. То се веома разликује од сам удар."

Наставио је, „чини се да ослањање на резултате магнетне резонанције пружа конкретнији скуп података. Али сада морамо да размислимо о томе ко може да приушти магнетну резонанцу? Дакле, коначно предвиђање није очекивани резултат.“
НМР анализа је произвела многе успешне алате за бодовање ризика и стратификацију, посебно када истраживачи користе технике дубоког учења да идентификују нове везе између наизглед неповезаних скупова података.
Међутим, ОБЕРМЕИЕР верује да је обезбеђивање да ови алгоритми не идентификују пристрасности скривене у подацима кључно за примену алата који заиста могу да побољшају клиничку негу.
„Највећи изазов је да будемо сигурни да знамо тачно шта смо предвидели пре него што почнемо да отварамо црну кутију и гледамо како да предвидимо“, рекао је он.
10.Праћење здравственог стања путем носивих уређаја и личних уређаја

Скоро сви потрошачи сада могу да користе сензоре за прикупљање података о здравственој вредности.Од паметних телефона са праћењем корака до носивих уређаја који прате рад срца током целог дана, све више и више података у вези са здрављем може да се генерише у било ком тренутку.
Прикупљање и анализа ових података и допуна информација које пружају пацијенти путем апликација и других уређаја за праћење у кући могу пружити јединствену перспективу за здравље појединца и гомиле.
АИ ће играти важну улогу у извлачењу практичних увида из ове велике и разноврсне базе података.
Међутим, др Омар Арноут, неурохирург у болници за жене Бригам (БВх), директор центра за компјутерске неуронауке, рекао је да ће можда бити потребан додатни рад како би се помогло пацијентима да се прилагоде овим интимним, текућим подацима праћења.
„Некада смо били прилично слободни да обрађујемо дигиталне податке“, рекао је он.Али како долази до цурења података у Кембриџ аналитици и Фејсбуку, људи ће бити све опрезнији у погледу тога ко ће поделити које податке деле."
Пацијенти имају тенденцију да више верују својим лекарима него великим компанијама као што је Фејсбук, додао је он, што би могло помоћи да се ублажи нелагодност пружања података за велике истраживачке програме.
„Вероватно ће подаци који се могу носити имати значајан утицај јер је пажња људи веома случајна, а прикупљени подаци су веома груби“, рекао је Арноут.Континуираним прикупљањем детаљних података, вероватније је да ће подаци помоћи лекарима да се боље брину о пацијентима."
11. учинити паметне телефоне моћним дијагностичким алатом

Стручњаци верују да ће слике добијене са паметних телефона и других ресурса на нивоу потрошача постати важан додатак клиничком квалитету сликања, посебно у областима са недостатком услуга или земљама у развоју, настављајући да користе моћне функције преносивих уређаја.
Квалитет мобилне камере се побољшава сваке године и може да генерише слике које се могу користити за анализу АИ алгоритма.Дерматологија и офталмологија су рани корисници овог тренда.
Британски истраживачи су чак развили алат за идентификацију развојних болести анализом слика дечијих лица.Алгоритам може да открије дискретне карактеристике, као што су дечја линија доње вилице, положај очију и носа и други атрибути који могу указивати на абнормалности лица.Тренутно, алат може да упореди уобичајене слике са више од 90 болести како би пружио клиничку подршку при доношењу одлука.
Др Хади Шафи, директор лабораторије за микро/нано медицину и дигитално здравље у болници за жене Бригам (БВх), рекао је: „Већина људи је опремљена моћним мобилним телефонима са много различитих уграђених сензора. То је одлична прилика за нас. Скоро сви играчи у индустрији су почели да граде Аи софтвер и хардвер у својим уређајима. То није случајност. У нашем дигиталном свету, дневно се генерише више од 2,5 милиона терабајта података. У области мобилних телефона, произвођачи верују да могу да искористе ово податке за вештачку интелигенцију како би се пружиле персонализованије, брже и интелигентније услуге."
Коришћење паметних телефона за прикупљање слика очију пацијената, лезија на кожи, рана, инфекција, лекова или других субјеката може помоћи у решавању недостатка стручњака у областима са недостатком услуга, док истовремено смањује време за дијагностиковање одређених притужби.
„Можда ће бити неких великих догађаја у будућности и можемо искористити ову прилику да решимо неке важне проблеме управљања болестима у центру за негу“, рекао је Шафи
12. Иновирање клиничког одлучивања са АИ поред кревета

Како се здравствена индустрија окреће услугама заснованим на накнадама, све више се удаљава од пасивне здравствене заштите.Превенција пре хроничне болести, акутних болести и изненадног погоршања је циљ сваког провајдера, а структура компензације им на крају омогућава да развију процесе који могу постићи активну и предиктивну интервенцију.
Вештачка интелигенција ће обезбедити многе основне технологије за ову еволуцију, подржавајући предиктивну анализу и алате за подршку клиничком одлучивању, како би се решили проблеми пре него што провајдери схвате потребу да предузму акцију.Вештачка интелигенција може да пружи рано упозорење за епилепсију или сепсу, што обично захтева дубинску анализу веома сложених скупова података.
Брендон Вестовер, МД, директор клиничких података у Општој болници у Масачусетсу (МГХ), рекао је да би машинско учење такође могло помоћи у наставку пружања неге критично болесним пацијентима, као што су они у коми након срчаног застоја.
Он је објаснио да у нормалним околностима лекари морају да провере ЕЕГ податке ових пацијената.Овај процес је дуготрајан и субјективан, а резултати могу варирати у зависности од вештина и искуства клиничара.
Рекао је „Код ових пацијената, тренд може бити спор.Понекад када лекари желе да виде да ли се неко опоравља, могу да погледају податке који се прате сваких 10 секунди.Међутим, видети да ли се променило у односу на 10 секунди података прикупљених за 24 сата је као да гледате да ли је коса у међувремену порасла.Међутим, ако се користе алгоритми вештачке интелигенције и велике количине података од многих пацијената, биће лакше ускладити оно што људи виде са дугорочним обрасцима и могу се пронаћи нека суптилна побољшања, која ће утицати на доношење одлука лекара у сестринству. ."
Коришћење технологије вештачке интелигенције за подршку клиничком одлучивању, бодовање ризика и рано упозорење је једно од области развоја које највише обећава у овој револуционарној методи анализе података.
Пружајући снагу за нову генерацију алата и система, клиничари могу боље да разумеју нијансе болести, ефикасније пружају услуге медицинских сестара и унапред решавају проблеме.Вештачка интелигенција ће увести нову еру побољшања квалитета клиничког лечења и направити узбудљиве помаке у нези пацијената.


Време објаве: 06.08.2021