მოსალოდნელია, რომ ხელოვნური ინტელექტი ტრანსფორმაციის ძალა გახდება ჯანდაცვის სფეროში.მაშ, როგორ სარგებლობენ ექიმები და პაციენტები ხელოვნური ინტელექტის მართვის ინსტრუმენტების გავლენისგან?
დღევანდელი ჯანდაცვის ინდუსტრია ძალიან მომწიფებულია და შეუძლია გარკვეული ცვლილებები შეიტანოს.ქრონიკული დაავადებებიდან და კიბოდან დაწყებული რადიოლოგიით და რისკის შეფასებამდე, ჯანდაცვის ინდუსტრიას, როგორც ჩანს, აქვს უთვალავი შესაძლებლობა გამოიყენოს ტექნოლოგია უფრო ზუსტი, ეფექტური და ეფექტური ინტერვენციების განსახორციელებლად პაციენტების მოვლაში.
ტექნოლოგიების განვითარებასთან ერთად, პაციენტებს უფრო და უფრო მეტი მოთხოვნები აქვთ ექიმების მიმართ და ხელმისაწვდომი მონაცემების რაოდენობა საგანგაშო ტემპით იზრდება.ხელოვნური ინტელექტი გახდება ძრავა, რომელიც ხელს შეუწყობს სამედიცინო მომსახურების მუდმივ გაუმჯობესებას.
ტრადიციულ ანალიზთან და კლინიკური გადაწყვეტილების მიღების ტექნოლოგიასთან შედარებით, ხელოვნურ ინტელექტს ბევრი უპირატესობა აქვს.როდესაც სასწავლო ალგორითმი ურთიერთქმედებს ტრენინგის მონაცემებთან, ის შეიძლება გახდეს უფრო ზუსტი, რაც საშუალებას მისცემს ექიმებს მიიღონ უპრეცედენტო შეხედულებები დიაგნოზზე, საექთნო პროცესზე, მკურნალობის ცვალებადობასა და პაციენტის შედეგებზე.
2018 წლის მსოფლიო ხელოვნური ინტელექტის სამედიცინო ინოვაციების ფორუმზე (wmif), რომელიც გაიმართა Partners Healthcare-ის მიერ, სამედიცინო მკვლევარებმა და კლინიკურმა ექსპერტებმა განიხილეს სამედიცინო ინდუსტრიის ტექნოლოგიები და სფეროები, რომლებიც, სავარაუდოდ, მნიშვნელოვან გავლენას მოახდენენ ხელოვნური ინტელექტის მიღებაზე შემდეგში. ათწლეული.
Anne kiblanksi, MD, CO თავმჯდომარე wmif 2018 წელს და გრეგ მაიერი, MD, MD, Partners Healthcare-ის მთავარი აკადემიური ოფიცერი, თქვეს, რომ ამ ტიპის „სუბვერსიას“, რომელიც განხორციელდა ინდუსტრიის ყველა სფეროში, აქვს პოტენციალი მნიშვნელოვანი სარგებელი მოუტანოს პაციენტებს და აქვს ფართო ბიზნესის წარმატების პოტენციალი.
პარტნიორების ჯანდაცვის ექსპერტების დახმარებით, მათ შორის დოქტორი კეიტ დრეიერი, ჰარვარდის სამედიცინო სკოლის პროფესორი (HMS), პარტნიორების მონაცემთა მეცნიერების მთავარი ოფიცერი და დოქტორი კეტრინ ანდრეოლი, მასაჩუსეტსის გენერალური საავადმყოფოს კვლევის სტრატეგიისა და ოპერაციების დირექტორი (MGH) , შემოგვთავაზა 12 გზა, რომლითაც ხელოვნური ინტელექტი მოახდენს რევოლუციას სამედიცინო სერვისებსა და მეცნიერებაში.
1. აზროვნებისა და მანქანის გაერთიანება ტვინის კომპიუტერული ინტერფეისის მეშვეობით
კომპიუტერის გამოყენება კომუნიკაციისთვის ახალი იდეა არ არის, მაგრამ ტექნოლოგიასა და ადამიანის აზროვნებას შორის პირდაპირი ინტერფეისის შექმნა კლავიატურის, მაუსის და დისპლეის გარეშე არის სასაზღვრო კვლევის სფერო, რომელსაც აქვს მნიშვნელოვანი გამოყენება ზოგიერთი პაციენტისთვის.
ნერვული სისტემის დაავადებები და ტრავმა ზოგიერთ პაციენტს შეუძლია დაკარგოს აზრიანი საუბრის, მოძრაობის და სხვებთან და მათ გარემოსთან ურთიერთობის უნარი.ტვინის კომპიუტერის ინტერფეისი (BCI), რომელსაც მხარს უჭერს ხელოვნური ინტელექტი, შეუძლია აღადგინოს ის ძირითადი გამოცდილება პაციენტებისთვის, რომლებსაც აწუხებთ ამ ფუნქციების სამუდამოდ დაკარგვა.
„თუ ნევროლოგიის რეანიმაციულ განყოფილებაში ვნახავ პაციენტს, რომელიც მოულოდნელად კარგავს მოქმედების ან ლაპარაკის უნარს, იმედი მაქვს, რომ მეორე დღეს აღვადგენ კომუნიკაციის უნარს“, - თქვა ლეი ჰოჩბერგმა, მედიცინის დოქტორმა, ნეიროტექნოლოგიისა და ნეირორეაბილიტაციის ცენტრის დირექტორმა. მასაჩუსეტსის გენერალური საავადმყოფო (MGH).ტვინის კომპიუტერის ინტერფეისის (BCI) და ხელოვნური ინტელექტის გამოყენებით, ჩვენ შეგვიძლია გავააქტიუროთ ხელის მოძრაობასთან დაკავშირებული ნერვები და უნდა შევძლოთ პაციენტის კომუნიკაცია სხვებთან სულ მცირე ხუთჯერ მთელი აქტივობის განმავლობაში, მაგალითად, ყველგან არსებული საკომუნიკაციო ტექნოლოგიების გამოყენებით. როგორც პლანშეტური კომპიუტერები ან მობილური ტელეფონები."
ტვინის კომპიუტერის ინტერფეისს შეუძლია მნიშვნელოვნად გააუმჯობესოს ამიოტროფიული გვერდითი სკლეროზის (ALS), ინსულტის ან ატრეზიის სინდრომის მქონე პაციენტების, ასევე ზურგის ტვინის დაზიანების მქონე 500000 პაციენტის ცხოვრების ხარისხი ყოველწლიურად მსოფლიოში.
2.შეიმუშავეთ რადიაციული ხელსაწყოების შემდეგი თაობა
მაგნიტურ-რეზონანსული ტომოგრაფიით (MRI), კომპიუტერული ტომოგრაფიის სკანერებით და რენტგენით მიღებული რადიაციული გამოსახულებები უზრუნველყოფს არაინვაზიურ ხილვადობას ადამიანის სხეულის ინტერიერში.თუმცა, ბევრი დიაგნოსტიკური პროცედურა კვლავ ეყრდნობა ბიოფსიით მიღებულ ფიზიკურ ქსოვილის ნიმუშებს, რომელსაც აქვს ინფექციის რისკი.
ექსპერტები ვარაუდობენ, რომ ზოგიერთ შემთხვევაში ხელოვნური ინტელექტი საშუალებას მისცემს შემდეგი თაობის რადიოლოგიის ინსტრუმენტებს იყოს საკმარისად ზუსტი და დეტალური, რათა შეცვალოს მოთხოვნილება ცოცხალი ქსოვილის ნიმუშებზე.
ალექსანდრა გოლბი, მედიცინის დოქტორი, ბრიგჰემის ქალთა ჰოსპიტალში (BWh) გამოსახულების მართვადი ნეიროქირურგიის დირექტორმა, თქვა: ”ჩვენ გვსურს გავაერთიანოთ დიაგნოსტიკური ვიზუალიზაციის ჯგუფი ქირურგებთან ან ინტერვენციულ რადიოლოგებთან და პათოლოგებთან, მაგრამ სხვადასხვა გუნდისთვის დიდი გამოწვევაა თანამშრომლობის მიღწევა. და მიზნების თანმიმდევრულობა. თუ გვსურს რადიოლოგიამ მოგვაწოდოს ინფორმაცია ქსოვილის ნიმუშებიდან ამჟამად ხელმისაწვდომი, მაშინ ჩვენ უნდა შევძლოთ მივაღწიოთ ძალიან ახლოს სტანდარტებს, რათა ვიცოდეთ ნებისმიერი მოცემული პიქსელის ძირითადი ფაქტები. ”
ამ პროცესში წარმატებამ კლინიცისტებს საშუალება მისცეს უფრო ზუსტად გაიგონ სიმსივნის საერთო მოქმედება, ვიდრე ავთვისებიანი სიმსივნის ატრიბუტების მცირე ნაწილის საფუძველზე მკურნალობის გადაწყვეტილებების მიღება.
AI-ს ასევე შეუძლია უკეთ განსაზღვროს კიბოს ინვაზიურობა და უფრო სწორად განსაზღვროს მკურნალობის მიზანი.გარდა ამისა, ხელოვნური ინტელექტი ხელს უწყობს „ვირტუალური ბიოფსიის“ რეალიზებას და ხელს უწყობს ინოვაციას რადიოლოგიის სფეროში, რომელიც მოწოდებულია გამოიყენოს გამოსახულებაზე დაფუძნებული ალგორითმები სიმსივნეების ფენოტიპური და გენეტიკური მახასიათებლების დასახასიათებლად.
3. სამედიცინო სერვისების გაფართოება დაუცველ ან განვითარებად ადგილებში
განვითარებად ქვეყნებში გაწვრთნილი ჯანდაცვის პროვაიდერების ნაკლებობა, მათ შორის ულტრაბგერითი ტექნიკოსები და რადიოლოგები, მნიშვნელოვნად შეამცირებს სამედიცინო სერვისების გამოყენების შანსებს პაციენტების სიცოცხლის გადასარჩენად.
შეხვედრაზე აღინიშნა, რომ უფრო მეტი რადიოლოგი მუშაობს ბოსტონის ექვს საავადმყოფოში ცნობილი ლონგვუდის გამზირზე, ვიდრე დასავლეთ აფრიკის ყველა საავადმყოფოში.
ხელოვნური ინტელექტი შეიძლება დაეხმაროს კლინიცისტების კრიტიკული დეფიციტის გავლენის შერბილებას, გარკვეული დიაგნოსტიკური პასუხისმგებლობის აღებით, რომლებიც ჩვეულებრივ ენიჭება ადამიანებს.
მაგალითად, ხელოვნური ინტელექტის გამოსახულების ხელსაწყოს შეუძლია გამოიყენოს გულმკერდის რენტგენი ტუბერკულოზის სიმპტომების შესამოწმებლად, როგორც წესი, იგივე სიზუსტით, როგორც ექიმი.ეს ფუნქცია შეიძლება განთავსდეს აპლიკაციის საშუალებით პროვაიდერებისთვის რესურსებით ღარიბ ადგილებში, რაც ამცირებს გამოცდილი დიაგნოსტიკური რადიოლოგების საჭიროებას.
„ამ ტექნოლოგიას აქვს დიდი პოტენციალი ჯანდაცვის გასაუმჯობესებლად“, თქვა დოქტორმა ჯაიაშრი კალპათი კრამერმა, ნეირომეცნიერების ასისტენტმა და რადიოლოგიის ასოცირებულმა პროფესორმა მასაჩუსეტსის გენერალურ საავადმყოფოში (MGH)
თუმცა, ხელოვნური ინტელექტის ალგორითმის შემქმნელებმა გულდასმით უნდა გაითვალისწინონ ის ფაქტი, რომ სხვადასხვა ეროვნების ან რეგიონის ადამიანებს შეიძლება ჰქონდეთ უნიკალური ფიზიოლოგიური და გარემო ფაქტორები, რამაც შეიძლება გავლენა მოახდინოს დაავადების შესრულებაზე.
”მაგალითად, ინდოეთში დაავადებით დაზარალებული მოსახლეობა შეიძლება ძალიან განსხვავდებოდეს შეერთებული შტატებისგან”, - თქვა მან.როდესაც ჩვენ ვამუშავებთ ამ ალგორითმებს, ძალიან მნიშვნელოვანია იმის უზრუნველყოფა, რომ მონაცემები წარმოადგენს დაავადების პრეზენტაციას და მოსახლეობის მრავალფეროვნებას.ჩვენ შეგვიძლია არა მხოლოდ განვავითაროთ ალგორითმები, რომლებიც დაფუძნებულია ერთ პოპულაციაზე, არამედ ვიმედოვნებთ, რომ მას შეუძლია როლი შეასრულოს სხვა პოპულაციებში."
4. შემცირდეს ჯანმრთელობის ელექტრონული ჩანაწერების გამოყენების ტვირთი
ჯანმრთელობის ელექტრონულმა ჩანაწერმა (მას) მნიშვნელოვანი როლი ითამაშა ჯანდაცვის ინდუსტრიის ციფრულ მოგზაურობაში, მაგრამ ამ ტრანსფორმაციამ მრავალი პრობლემა მოუტანა კოგნიტურ გადატვირთვასთან, გაუთავებელ დოკუმენტებთან და მომხმარებლის დაღლილობასთან.
ჯანმრთელობის ელექტრონული ჩანაწერის (მისი) დეველოპერები ახლა იყენებენ ხელოვნურ ინტელექტს უფრო ინტუიციური ინტერფეისის შესაქმნელად და რუტინების ავტომატიზაციისთვის, რომელსაც მომხმარებლის დიდი დრო სჭირდება.
დოქტორმა ადამ ლენდმანმა, ვიცე-პრეზიდენტმა და Brigham Health-ის მთავარმა საინფორმაციო ოფიცერმა, თქვა, რომ მომხმარებლები დროის უმეტეს ნაწილს ატარებენ სამ ამოცანაზე: კლინიკურ დოკუმენტაციაზე, შეკვეთის შეყვანაზე და შემოსულების დახარისხებაზე.მეტყველების ამოცნობა და კარნახი შეიძლება დაეხმაროს კლინიკური დოკუმენტების დამუშავების გაუმჯობესებას, მაგრამ ბუნებრივი ენის დამუშავების (NLP) ინსტრუმენტები შეიძლება არ იყოს საკმარისი.
”ვფიქრობ, რომ შესაძლოა საჭირო იყოს უფრო გაბედული და განიხილოს გარკვეული ცვლილებები, როგორიცაა ვიდეო ჩანაწერის გამოყენება კლინიკური მკურნალობისთვის, ისევე როგორც პოლიციას ატარებს კამერები,” - თქვა ლენდმანმა.ხელოვნური ინტელექტი და მანქანათმცოდნეობა შეიძლება გამოყენებულ იქნეს ამ ვიდეოების ინდექსაციისთვის მომავალი მოსაძიებლად.ისევე, როგორც Siri და Alexa, რომლებიც იყენებენ ხელოვნური ინტელექტის ასისტენტებს სახლში, ვირტუალური ასისტენტები მომავალში პაციენტების საწოლთან მიიყვანენ, რაც კლინიკებს საშუალებას მისცემს გამოიყენონ ჩაშენებული ინტელექტი სამედიცინო შეკვეთების შესატანად."
ხელოვნური ინტელექტი ასევე დაგეხმარებათ რუტინული მოთხოვნების დამუშავებაში შემოსულებიდან, როგორიცაა წამლების დანამატები და შედეგების შეტყობინება.ეს ასევე შეიძლება დაეხმაროს იმ ამოცანების პრიორიტეტიზაციას, რომლებსაც ნამდვილად სჭირდებათ კლინიკის ყურადღება, რაც გაუადვილებს პაციენტებს თავიანთი სამუშაოების სიების დამუშავებას, დასძინა ლენდმანმა.
5. ანტიბიოტიკების წინააღმდეგობის რისკი
ანტიბიოტიკების რეზისტენტობა მზარდი საფრთხეა ადამიანებისთვის, რადგან ამ ძირითადი წამლების გადაჭარბებულმა გამოყენებამ შეიძლება გამოიწვიოს სუპერბაქტერიების ევოლუცია, რომლებიც აღარ რეაგირებენ მკურნალობაზე.მრავალ წამლის რეზისტენტულმა ბაქტერიამ შეიძლება სერიოზული ზიანი მიაყენოს საავადმყოფოს გარემოს, კლავს ათიათასობით პაციენტს ყოველწლიურად.მარტო Clostridium difficile აშშ-ის ჯანდაცვის სისტემას წელიწადში დაახლოებით 5 მილიარდი დოლარი უჯდება და იწვევს 30000-ზე მეტ სიკვდილს.
EHR მონაცემები ხელს უწყობს ინფექციის შაბლონების იდენტიფიცირებას და ხაზს უსვამს რისკს, სანამ პაციენტი დაიწყებს სიმპტომების გამოვლენას.მანქანური სწავლისა და ხელოვნური ინტელექტის ინსტრუმენტების გამოყენება ამ ანალიზების გასატარებლად შეიძლება გააუმჯობესოს მათი სიზუსტე და შექმნას უფრო სწრაფი და ზუსტი გაფრთხილებები ჯანდაცვის პროვაიდერებისთვის.
„ხელოვნური ინტელექტის ინსტრუმენტებს შეუძლიათ დააკმაყოფილონ ინფექციების კონტროლისა და ანტიბიოტიკების წინააღმდეგობის მოლოდინი“, - თქვა დოქტორმა ერიკა შენოიმ, მასაჩუსეტსის გენერალურ საავადმყოფოში ინფექციის კონტროლის დირექტორის მოადგილემ (MGH).თუ არა, მაშინ ყველა დამარცხდება.იმის გამო, რომ საავადმყოფოებს აქვთ ბევრი EHR მონაცემები, თუ ისინი არ გამოიყენებენ მათ სრულად, თუ არ შექმნიან ინდუსტრიებს, რომლებიც უფრო ჭკვიანები და სწრაფია კლინიკური კვლევების დიზაინში, და თუ ისინი არ იყენებენ EHR-ებს, რომლებიც ქმნიან ამ მონაცემებს, წარუმატებლობის წინაშე აღმოჩნდებიან."
6. შექმენით უფრო ზუსტი ანალიზი პათოლოგიური სურათებისთვის
დოქტორმა ჯეფრი გოლდენმა, ბრიგჰემის ქალთა ჰოსპიტალში (BWh) პათოლოგიის განყოფილების ხელმძღვანელმა და HMS-ის პათოლოგიის პროფესორმა, თქვა, რომ პათოლოგიები უზრუნველყოფენ დიაგნოსტიკური მონაცემების ერთ-ერთ ყველაზე მნიშვნელოვან წყაროს სამედიცინო მომსახურების სრულ სპექტრს.
„ჯანმრთელობის შესახებ გადაწყვეტილებების 70% ეფუძნება პათოლოგიურ შედეგებს, ხოლო EHR–ში არსებული ყველა მონაცემის 70%–დან 75%–მდე მოდის პათოლოგიურ შედეგებზე“, – თქვა მან.და რაც უფრო ზუსტი იქნება შედეგები, მით უფრო მალე დაისმება სწორი დიაგნოზი.ეს ის მიზანია, რომლის მიღწევის შანსიც ციფრულ პათოლოგიასა და ხელოვნურ ინტელექტს აქვს."
ღრმა პიქსელის დონის ანალიზი დიდ ციფრულ სურათებზე ექიმებს საშუალებას აძლევს ამოიცნონ დახვეწილი განსხვავებები, რომლებიც შეიძლება გაურბოდეს ადამიანის თვალს.
„ახლა მივედით იქამდე, რომ უკეთ შევაფასოთ, განვითარდება კიბო სწრაფად თუ ნელა, და როგორ შევცვალოთ პაციენტების მკურნალობა ალგორითმებზე დაყრდნობით და არა კლინიკურ სტადიებზე ან ჰისტოპათოლოგიურ შეფასებაზე“, - თქვა გოლდენმა.ეს იქნება უზარმაზარი წინგადადგმული ნაბიჯი."
მან დაამატა, "AI ასევე შეუძლია გააუმჯობესოს პროდუქტიულობა სლაიდების ინტერესის მახასიათებლების იდენტიფიცირებით, სანამ კლინიცისტები განიხილავენ მონაცემებს. AI-ს შეუძლია გაფილტროს სლაიდები და მოგვმართოს სწორი შინაარსის დასანახად, რათა შევაფასოთ რა არის მნიშვნელოვანი და რა არა. ეს აუმჯობესებს. პათოლოგების გამოყენების ეფექტურობა და ზრდის თითოეული შემთხვევის მათი შესწავლის ღირებულებას. ”
მიიტანეთ ინტელექტი სამედიცინო მოწყობილობებსა და მანქანებში
ჭკვიანი მოწყობილობები იპყრობენ სამომხმარებლო გარემოს და უზრუნველყოფენ მოწყობილობებს, დაწყებული რეალურ დროში ვიდეოდან მაცივრის შიგნით და დამთავრებული მანქანებით, რომლებიც ამჩნევენ მძღოლის ყურადღების გაფანტვას.
სამედიცინო გარემოში ინტელექტუალური მოწყობილობები აუცილებელია პაციენტების მონიტორინგისთვის ICU-ში და სხვაგან.ხელოვნური ინტელექტის გამოყენება მდგომარეობის გაუარესების იდენტიფიცირების უნარის გასაძლიერებლად, როგორიცაა სეფსისის განვითარება, ან გართულებების აღქმა, შეიძლება მნიშვნელოვნად გააუმჯობესოს შედეგები და შეამციროს მკურნალობის ხარჯები.
”როდესაც ვსაუბრობთ ჯანდაცვის სისტემაში სხვადასხვა მონაცემების ინტეგრირებაზე, ჩვენ უნდა გავაერთიანოთ და გავაფრთხილოთ ICU ექიმები, რომ ჩაერიონ რაც შეიძლება ადრე, და რომ ამ მონაცემების გაერთიანება არ არის კარგი რამ, რისი გაკეთებაც ექიმებს შეუძლიათ”, - თქვა მარკ მიხალსკიმ. , კლინიკური მონაცემების სამეცნიერო ცენტრის აღმასრულებელი დირექტორი BWh.ჭკვიანი ალგორითმების ჩასმა ამ მოწყობილობებში ამცირებს ექიმების შემეცნებით დატვირთვას და უზრუნველყოფს პაციენტების მკურნალობას რაც შეიძლება სწრაფად."
8. კიბოს მკურნალობის იმუნოთერაპიის ხელშეწყობა
იმუნოთერაპია კიბოს მკურნალობის ერთ-ერთი ყველაზე პერსპექტიული გზაა.სხეულის საკუთარი იმუნური სისტემის გამოყენებით ავთვისებიანი სიმსივნეების შეტევისთვის, პაციენტებს შეუძლიათ გადალახონ ჯიუტი სიმსივნეები.თუმცა, იმუნოთერაპიის მოქმედ რეჟიმზე მხოლოდ რამდენიმე პაციენტი რეაგირებს და ონკოლოგებს ჯერ კიდევ არ აქვთ ზუსტი და სანდო მეთოდი იმის დასადგენად, თუ რომელი პაციენტი მიიღებს სარგებელს ამ რეჟიმით.
მანქანათმცოდნეობის ალგორითმები და მათი უაღრესად კომპლექსური მონაცემთა ნაკრების სინთეზის უნარი შეიძლება შეძლონ ინდივიდების უნიკალური გენის შემადგენლობის გარკვევა და მიზნობრივი თერაპიის ახალი ვარიანტების უზრუნველყოფა.
„ბოლო დროს, ყველაზე საინტერესო განვითარება იყო საგუშაგოს ინჰიბიტორები, რომლებიც ბლოკავს გარკვეული იმუნური უჯრედების მიერ წარმოქმნილ ცილებს“, განმარტავს დოქტორი ლონგ ლე, გამოთვლითი პათოლოგიისა და ტექნოლოგიების განვითარების დირექტორი მასაჩუსეტსის გენერალური საავადმყოფოს (MGH) ყოვლისმომცველი დიაგნოსტიკური ცენტრის.მაგრამ ჩვენ ჯერ კიდევ არ გვესმის ყველა პრობლემა, რაც ძალიან რთულია.ჩვენ აუცილებლად გვჭირდება მეტი პაციენტის მონაცემები.ეს მკურნალობა შედარებით ახალია, ამიტომ ბევრი პაციენტი არ იღებს მათ.ამიტომ, დაგვჭირდება თუ არა მონაცემთა ინტეგრირება ორგანიზაციაში თუ მრავალ ორგანიზაციაში, ეს იქნება ძირითადი ფაქტორი პაციენტთა რაოდენობის გაზრდისათვის, რათა წარმართოს მოდელირების პროცესი."
9. გადააქციეთ ჯანმრთელობის ელექტრონული ჩანაწერები რისკის საიმედო პროგნოზირებად
ჯანმრთელობის ელექტრონული ჩანაწერი (მისი) არის პაციენტის მონაცემების საგანძური, მაგრამ პროვაიდერებისა და დეველოპერებისთვის მუდმივი გამოწვევაა დიდი რაოდენობით ინფორმაციის ზუსტი, დროული და საიმედო გზით ამოღება და ანალიზი.
მონაცემთა ხარისხისა და მთლიანობის პრობლემები, მონაცემთა ფორმატის დაბნეულობასთან, სტრუქტურირებულ და არასტრუქტურირებულ შეყვანასთან და არასრულ ჩანაწერებთან ერთად, ართულებს ადამიანებს ზუსტად იმის გაგება, თუ როგორ განახორციელონ მნიშვნელოვანი რისკის სტრატიფიკაცია, პროგნოზირებადი ანალიზი და კლინიკური გადაწყვეტილების მხარდაჭერა.
დოქტორმა ზიად ობერმეიერმა, გადაუდებელი მედიცინის ასისტენტმა პროფესორმა ბრიგჰემის ქალთა საავადმყოფოში (BWh) და ასისტენტ პროფესორმა ჰარვარდის სამედიცინო სკოლაში (HMS), თქვა, "არის გარკვეული შრომა გასაკეთებელი, რათა მოხდეს მონაცემების ერთ ადგილზე ინტეგრირება. მაგრამ სხვა პრობლემაა იმის გაგება. რას იღებენ ადამიანები, როდესაც ისინი იწინასწარმეტყველებენ დაავადებას ჯანმრთელობის ელექტრონულ ჩანაწერში (მას). ხალხმა შეიძლება გაიგოს, რომ ხელოვნური ინტელექტის ალგორითმებს შეუძლიათ იწინასწარმეტყველონ დეპრესია ან ინსულტი, მაგრამ აღმოაჩინონ, რომ ისინი რეალურად წინასწარმეტყველებენ ინსულტის ღირებულების ზრდას. ეს ძალიან განსხვავდება იმისგან. თავად ინსულტი. ”
მან განაგრძო, "მაგნიტურ ტომოგრაფიის შედეგებზე დაყრდნობა, როგორც ჩანს, უფრო კონკრეტულ მონაცემებს იძლევა. მაგრამ ახლა ჩვენ უნდა ვიფიქროთ იმაზე, ვის შეუძლია MRI-ს საშუალება? ასე რომ, საბოლოო პროგნოზი არ არის მოსალოდნელი შედეგი."
NMR ანალიზმა შექმნა მრავალი წარმატებული რისკის შეფასების და სტრატიფიკაციის ინსტრუმენტი, განსაკუთრებით მაშინ, როდესაც მკვლევარები იყენებენ ღრმა სწავლის ტექნიკას ახალი კავშირების იდენტიფიცირებისთვის ერთი შეხედვით დაუკავშირებელ მონაცემთა ნაკრებებს შორის.
თუმცა, OBERMEYER თვლის, რომ იმის უზრუნველყოფა, რომ ეს ალგორითმები არ იდენტიფიცირებენ მონაცემებში დამალული მიკერძოებების იდენტიფიცირებას, გადამწყვეტია იმ ინსტრუმენტების გამოსაყენებლად, რომლებსაც შეუძლიათ რეალურად გააუმჯობესონ კლინიკური დახმარება.
”ყველაზე დიდი გამოწვევა არის დავრწმუნდეთ, რომ ზუსტად ვიცით, რა ვიწინასწარმეტყველეთ, სანამ დავიწყებდით შავი ყუთის გახსნას და ვიკვლევთ, თუ როგორ უნდა ვიწინასწარმეტყველოთ,” - თქვა მან.
10. ჯანმრთელობის მდგომარეობის მონიტორინგი აცვიათ ხელსაწყოებისა და პერსონალური მოწყობილობების მეშვეობით
თითქმის ყველა მომხმარებელს შეუძლია გამოიყენოს სენსორები ჯანმრთელობის ღირებულების შესახებ მონაცემების შესაგროვებლად.სმარტფონებიდან დაწყებული სტეპ-ტრეკერით დაწყებული და დამთავრებული ხელსაწყოებით, რომლებიც აკონტროლებენ გულისცემას მთელი დღის განმავლობაში, ჯანმრთელობასთან დაკავშირებული უფრო და უფრო მეტი მონაცემების გენერირება შესაძლებელია ნებისმიერ დროს.
ამ მონაცემების შეგროვება და ანალიზი და პაციენტების მიერ მოწოდებული ინფორმაციის დამატება აპლიკაციებისა და სახლის მონიტორინგის სხვა მოწყობილობების საშუალებით შეუძლია უნიკალური პერსპექტივის შექმნა ინდივიდუალური და ბრბოს ჯანმრთელობისთვის.
ხელოვნური ინტელექტი მნიშვნელოვან როლს შეასრულებს ამ დიდი და მრავალფეროვანი მონაცემთა ბაზიდან ქმედითი შეხედულებების მოპოვებაში.
მაგრამ დოქტორ ომარ არნაუტმა, ბრიგჰემის ქალთა საავადმყოფოს ნეიროქირურგმა (BWh), გამოთვლითი ნეირომეცნიერების შედეგების ცენტრის CO დირექტორი, თქვა, რომ შესაძლოა დამატებითი სამუშაო დასჭირდეს პაციენტებს დაეხმარონ ამ ინტიმურ, მიმდინარე მონიტორინგის მონაცემებთან ადაპტაციაში.
”ჩვენ საკმაოდ თავისუფლად ვიყავით ციფრული მონაცემების დამუშავებაში,” - თქვა მან.მაგრამ, როდესაც მონაცემთა გაჟონვა ხდება კემბრიჯის ანალიტიკასა და ფეისბუქში, ადამიანები უფრო და უფრო ფრთხილად იქნებიან იმის შესახებ, თუ ვის გაუზიარებენ რა მონაცემებს."
პაციენტები უფრო მეტად ენდობიან თავიანთ ექიმებს, ვიდრე მსხვილ კომპანიებს, როგორიცაა Facebook, დასძინა მან, რაც შეიძლება შეამსუბუქოს დისკომფორტი ფართომასშტაბიანი კვლევითი პროგრამებისთვის მონაცემების მიწოდების დროს.
„სავარაუდოა, რომ ტარების მონაცემებს მნიშვნელოვანი გავლენა ექნება, რადგან ადამიანების ყურადღება ძალიან შემთხვევითია და შეგროვებული მონაცემები ძალიან უხეშია“, - თქვა არნოტმა.მარცვლოვანი მონაცემების უწყვეტი შეგროვებით, მონაცემები უფრო მეტად დაეხმარება ექიმებს პაციენტებზე უკეთ ზრუნვაში."
11.აქციე სმარტფონები მძლავრ დიაგნოსტიკურ ინსტრუმენტად
ექსპერტები თვლიან, რომ სმარტფონებიდან და სხვა მომხმარებლის დონის რესურსებიდან მიღებული სურათები გახდება კლინიკური ხარისხის გამოსახულების მნიშვნელოვანი დანამატი, განსაკუთრებით დაუცველ ადგილებში ან განვითარებად ქვეყნებში, პორტატული მოწყობილობების ძლიერი ფუნქციების გამოყენების გაგრძელებით.
მობილური კამერის ხარისხი ყოველწლიურად უმჯობესდება და მას შეუძლია შექმნას სურათები, რომლებიც შეიძლება გამოყენებულ იქნას AI ალგორითმის ანალიზისთვის.დერმატოლოგია და ოფთალმოლოგია ამ ტენდენციის ადრეული ბენეფიციარები არიან.
ბრიტანელმა მკვლევარებმა შეიმუშავეს ინსტრუმენტი განვითარების დაავადებების იდენტიფიცირებისთვის ბავშვების სახის სურათების ანალიზით.ალგორითმს შეუძლია აღმოაჩინოს დისკრეტული მახასიათებლები, როგორიცაა ბავშვთა ქვედა ყბის ხაზი, თვალებისა და ცხვირის პოზიცია და სხვა ატრიბუტები, რომლებიც შეიძლება მიუთითებდეს სახის დარღვევებზე.ამჟამად, ხელსაწყოს შეუძლია შეესაბამებოდეს საერთო სურათებს 90-ზე მეტ დაავადებასთან, რათა უზრუნველყოს კლინიკური გადაწყვეტილების მხარდაჭერა.
დოქტორმა ჰადი შაფიემ, ბრიგამის ქალთა ჰოსპიტალში (BWh) მიკრო/ნანო მედიცინისა და ციფრული ჯანმრთელობის ლაბორატორიის დირექტორმა თქვა: „ადამიანთა უმეტესობა აღჭურვილია მძლავრი მობილური ტელეფონებით მრავალი განსხვავებული სენსორით. ეს ჩვენთვის შესანიშნავი შესაძლებლობაა. თითქმის ყველა ინდუსტრიის მოთამაშეებმა დაიწყეს Ai-ს პროგრამული უზრუნველყოფისა და აპარატურის შექმნა საკუთარ მოწყობილობებში. ეს შემთხვევითი არ არის. ჩვენს ციფრულ სამყაროში ყოველდღიურად 2,5 მილიონ ტერაბაიტზე მეტი მონაცემთა გენერირება ხდება. მობილური ტელეფონების სფეროში მწარმოებლები თვლიან, რომ მათ შეუძლიათ გამოიყენონ ეს. მონაცემები ხელოვნური ინტელექტისთვის, რათა უზრუნველყოს უფრო პერსონალიზებული, სწრაფი და ინტელექტუალური სერვისები.
სმარტ ტელეფონების გამოყენება პაციენტების თვალების, კანის დაზიანებების, ჭრილობების, ინფექციების, წამლების ან სხვა საგნების გამოსახულების შესაგროვებლად შეიძლება დაეხმაროს დაუცველ ადგილებში ექსპერტების დეფიციტის აღმოფხვრას და ამავდროულად შეამციროს გარკვეული საჩივრების დიაგნოსტიკის დრო.
”მომავალში შეიძლება იყოს რამდენიმე მნიშვნელოვანი მოვლენა და ჩვენ შეგვიძლია ვისარგებლოთ ამ შესაძლებლობით, რათა გადავჭრათ დაავადების მართვის რამდენიმე მნიშვნელოვანი პრობლემა მოვლის პუნქტში”, - თქვა შაფიემ.
12. ინოვაციური კლინიკური გადაწყვეტილებების მიღება საწოლის AI-ით
რამდენადაც ჯანდაცვის ინდუსტრია გადადის საფასურზე დაფუძნებულ სერვისებზე, ის სულ უფრო შორდება პასიურ ჯანდაცვას.პრევენცია ქრონიკულ დაავადებებამდე, დაავადების მწვავე მოვლენებსა და უეცარ გაუარესებამდე არის თითოეული მიმწოდებლის მიზანი და კომპენსაციის სტრუქტურა საბოლოოდ საშუალებას აძლევს მათ განავითარონ პროცესები, რომლებსაც შეუძლიათ მიაღწიონ აქტიურ და პროგნოზირებად ჩარევას.
ხელოვნური ინტელექტი უზრუნველყოფს ამ ევოლუციის ბევრ ძირითად ტექნოლოგიას, პროგნოზირებადი ანალიზისა და კლინიკური გადაწყვეტილების მხარდაჭერის ხელსაწყოების მხარდაჭერით, პრობლემების გადასაჭრელად, სანამ პროვაიდერები გააცნობიერებენ მოქმედების აუცილებლობას.ხელოვნურ ინტელექტს შეუძლია ადრეული გაფრთხილება ეპილეფსიის ან სეფსისის შესახებ, რაც ჩვეულებრივ მოითხოვს უაღრესად რთული მონაცემთა ნაკრების სიღრმისეულ ანალიზს.
ბრენდონ ვესტოვერი, მედიცინის დოქტორი, მასაჩუსეტსის გენერალური საავადმყოფოს კლინიკური მონაცემების დირექტორი (MGH), თქვა, რომ მანქანური სწავლება ასევე შეიძლება დაეხმაროს კრიტიკულად დაავადებული პაციენტების მუდმივ დახმარებას, როგორიცაა კომაში მყოფი პაციენტები გულის გაჩერების შემდეგ.
მისი განმარტებით, ნორმალურ პირობებში ექიმებმა უნდა შეამოწმონ ამ პაციენტების ეეგ მონაცემები.ეს პროცესი შრომატევადი და სუბიექტურია და შედეგები შეიძლება განსხვავდებოდეს კლინიცისტების უნარებისა და გამოცდილების მიხედვით.
მისი თქმით, „ამ პაციენტებში ტენდენცია შეიძლება ნელი იყოს.ზოგჯერ, როდესაც ექიმებს სურთ დაინახონ, გამოჯანმრთელდება თუ არა ვინმე, მათ შეუძლიათ 10 წამში ერთხელ დაათვალიერონ მონაცემები.თუმცა, იმის დანახვა, შეიცვალა თუ არა ის 24 საათის განმავლობაში შეგროვებული მონაცემების 10 წამიდან, იგივეა, თუ შეხედეთ, გაიზარდა თუ არა თმა ამასობაში.თუმცა, თუ გამოყენებული იქნება ხელოვნური ინტელექტის ალგორითმები და მრავალი პაციენტის მონაცემების დიდი რაოდენობა, უფრო ადვილი იქნება ხალხის ნანახის შედარება გრძელვადიან ნიმუშებთან და შეიძლება აღმოჩნდეს გარკვეული დახვეწილი გაუმჯობესება, რაც გავლენას მოახდენს ექიმების გადაწყვეტილების მიღებაზე მედდაში. ."
ხელოვნური ინტელექტის ტექნოლოგიის გამოყენება კლინიკური გადაწყვეტილების მხარდასაჭერად, რისკების შეფასების და ადრეული გაფრთხილებისთვის არის ამ რევოლუციური მონაცემთა ანალიზის მეთოდის განვითარების ერთ-ერთი ყველაზე პერსპექტიული სფერო.
ახალი თაობის ხელსაწყოებისა და სისტემებისთვის ენერგიის მიწოდებით, კლინიცისტებს შეუძლიათ უკეთ გაიგონ დაავადების ნიუანსი, უზრუნველყონ საექთნო მომსახურება უფრო ეფექტურად და წინასწარ მოაგვარონ პრობლემები.ხელოვნური ინტელექტი გამოიწვევს კლინიკური მკურნალობის ხარისხის გაუმჯობესების ახალ ეპოქას და პაციენტთა მოვლის სფეროში საინტერესო გარღვევებს.
გამოქვეყნების დრო: აგვისტო-06-2021
