Kecerdasan buatan diajab bisa dadi tenaga transformasi ing bidang perawatan kesehatan.Dadi, kepiye dokter lan pasien entuk manfaat saka pengaruh alat sing didorong AI?
Industri kesehatan saiki wis diwasa banget lan bisa nggawe sawetara owah-owahan gedhe.Saka penyakit kronis lan kanker nganti radiologi lan penilaian risiko, industri kesehatan katon duwe kesempatan sing ora kaetung kanggo nggunakake teknologi kanggo nyebarake intervensi sing luwih tepat, efisien lan efektif ing perawatan pasien.
Kanthi perkembangan teknologi, pasien duwe syarat sing luwih dhuwur lan luwih dhuwur kanggo dokter, lan jumlah data sing kasedhiya terus berkembang kanthi cepet.Intelijen buatan bakal dadi mesin kanggo ningkatake perawatan medis sing terus-terusan.
Dibandhingake karo analisis tradisional lan teknologi nggawe keputusan klinis, intelijen buatan duwe akeh kaluwihan.Nalika algoritma learning sesambungan karo data latihan, iku bisa dadi luwih akurat, mbisakake dhokter kanggo gain kawruh unprecedented ing diagnosis, proses nursing, variabilitas perawatan lan asil sabar.
Ing 2018 World artificial intelligence medical innovation forum (wmif) sing dianakake dening Partners Healthcare, peneliti medis lan ahli klinis njlentrehake babagan teknologi lan lapangan industri medis sing paling mungkin duwe pengaruh sing signifikan marang adopsi intelijen buatan ing sabanjure. dasawarsa.
Anne kiblanksi, MD, ketua CO wmif ing 2018, lan Gregg Meyer, MD, kepala akademisi saka Partners Healthcare, ujar manawa "subversi" kaya iki sing digawa menyang saben wilayah industri duweni potensi nggawa keuntungan sing signifikan kanggo pasien lan wis akeh. potensial sukses bisnis.
Kanthi bantuan saka ahli saka kesehatan partners, kalebu Dr Keith Dreyer, Profesor Harvard Medical School (HMS), pangareping pejabat ilmu data partners, lan Dr Katherine andreole, direktur strategi riset lan operasi ing Massachusetts General Hospital (MGH) , ngusulake 12 cara AI bakal ngrevolusi layanan lan ilmu medis.
1.Nyawiji pamikiran lan mesin liwat antarmuka komputer otak
Nggunakake komputer kanggo komunikasi dudu ide anyar, nanging nggawe antarmuka langsung antarane teknologi lan pamikiran manungsa tanpa keyboard, mouse lan tampilan minangka lapangan riset wates, sing nduweni aplikasi penting kanggo sawetara pasien.
Penyakit lan trauma sistem saraf bisa nggawe sawetara pasien ilang kemampuan obrolan, gerakan lan interaksi sing migunani karo wong liya lan lingkungane.Antarmuka komputer otak (BCI) sing didhukung dening intelijen buatan bisa mulihake pengalaman dhasar kasebut kanggo pasien sing kuwatir bakal kelangan fungsi kasebut ing salawas-lawase.
"Yen aku ndeleng pasien ing unit perawatan intensif neurologi sing dumadakan ilang kemampuan kanggo tumindak utawa ngomong, aku ngarep-arep bisa mulihake kemampuane kanggo komunikasi ing dina sabanjure," ujare Leigh Hochberg, MD, direktur pusat neuroteknologi lan neurorehabilitasi ing Rumah Sakit Umum Massachusetts (MGH).Kanthi nggunakake antarmuka komputer otak (BCI) lan intelijen buatan, kita bisa ngaktifake saraf sing ana hubungane karo gerakan tangan, lan kita kudu bisa nggawe pasien komunikasi karo wong liya paling ora kaping lima sajrone kabeh kegiatan, kayata nggunakake teknologi komunikasi sing ana ing endi wae. minangka komputer tablet utawa ponsel."
Antarmuka komputer otak bisa ningkatake kualitas urip pasien kanthi amyotrophic lateral sclerosis (ALS), stroke utawa sindrom atresia, uga pasien 500000 kanthi cedera sumsum tulang belakang ing saindenging jagad saben taun.
2. Ngembangake piranti radiasi generasi sabanjure
Gambar radiasi sing dipikolehi dening pencitraan resonansi magnetik (MRI), pemindai CT, lan sinar-X nyedhiyakake visibilitas non-invasif menyang interior awak manungsa.Nanging, akeh prosedur diagnostik isih gumantung ing conto jaringan fisik sing dipikolehi kanthi biopsi, sing duwe risiko infeksi.
Para ahli prédhiksi manawa ing sawetara kasus, intelijen buatan bakal ngidini alat Radiologi generasi sabanjure dadi akurat lan cukup rinci kanggo ngganti panjaluk conto jaringan urip.
Alexandra golby, MD, direktur bedah saraf sing dipandu gambar ing Rumah Sakit Wanita Brigham (BWh), ujar, "kita pengin nggawa tim pencitraan diagnostik bebarengan karo ahli bedah utawa ahli radiologi intervensi lan ahli patologi, nanging minangka tantangan gedhe kanggo tim sing beda-beda kanggo entuk kerjasama. lan konsistensi tujuan. Yen kita pengin radiologi nyedhiyakake informasi sing saiki kasedhiya saka conto jaringan, mula kita kudu bisa nggayuh standar sing cedhak banget kanggo ngerti fakta dhasar saka piksel tartamtu.
Sukses ing proses iki bisa ngaktifake dokter kanggo luwih akurat mangertos kinerja sakabèhé saka tumor, tinimbang nggawe pancasan perawatan adhedhasar bagean cilik saka atribut saka tumor ganas.
AI uga bisa luwih nemtokake invasi kanker, lan luwih tepat nemtokake target perawatan.Kajaba iku, intelijen buatan mbantu mujudake "biopsi virtual" lan ningkatake inovasi ing bidang Radiologi, sing setya nggunakake algoritma adhedhasar gambar kanggo menehi ciri khas phenotypic lan genetik tumor.
3.Expand layanan medical ing wilayah underserved utawa berkembang
Kurang panyedhiya perawatan kesehatan sing dilatih ing negara berkembang, kalebu teknisi ultrasonik lan ahli radiologi, bakal nyuda kemungkinan nggunakake layanan medis kanggo nylametake nyawa pasien.
Rapat kasebut nuduhake manawa luwih akeh ahli radiologi sing kerja ing enem rumah sakit ing Boston kanthi Longwood Avenue sing misuwur tinimbang ing kabeh rumah sakit ing Afrika Kulon.
Kecerdasan buatan bisa mbantu nyuda dampak saka kekurangan kritis dokter kanthi njupuk sawetara tanggung jawab diagnostik sing biasane ditugasake kanggo manungsa.
Contone, alat pencitraan AI bisa nggunakake sinar-X dada kanggo mriksa gejala tuberkulosis, biasane kanthi akurasi sing padha karo dokter.Fitur iki bisa disebarake liwat aplikasi kanggo panyedhiya ing wilayah miskin sumber daya, ngurangi kabutuhan kanggo radiologists diagnostik experienced.
"Teknologi iki duweni potensi gedhe kanggo ningkatake kesehatan," ujare Dr. jayashree kalpathy Cramer, asisten neurosains lan profesor radiologi ing Massachusetts General Hospital (MGH)
Nanging, pangembang algoritma AI kudu kanthi ati-ati nimbang kasunyatan manawa wong saka macem-macem negara utawa wilayah bisa uga duwe faktor fisiologis lan lingkungan sing unik, sing bisa mengaruhi kinerja penyakit kasebut.
"Contone, populasi sing kena penyakit ing India bisa uga beda banget karo Amerika Serikat," ujare.Nalika ngembangake algoritma kasebut, penting banget kanggo mesthekake yen data kasebut nuduhake presentasi penyakit lan keragaman populasi.Kita ora mung bisa berkembang algoritma adhedhasar populasi siji, nanging uga ngarep-arep sing bisa muter peran ing populasi liyane."
4. Ngurangi beban panggunaan cathetan kesehatan elektronik
Rekaman kesehatan elektronik (dheweke) nduweni peran penting ing perjalanan digital industri kesehatan, nanging transformasi iki wis nggawa akeh masalah sing ana gandhengane karo kakehan kognitif, dokumen tanpa wates lan kekeselen pangguna.
Pangembang rekaman kesehatan elektronik (dheweke) saiki nggunakake intelijen buatan kanggo nggawe antarmuka sing luwih intuisi lan ngotomatisasi rutinitas sing mbutuhake wektu akeh pangguna.
Dr. Adam Landman, wakil presiden lan kepala petugas informasi kesehatan Brigham, ujar manawa pangguna nggunakake paling akeh wektu kanggo telung tugas: dokumentasi klinis, entri pesenan, lan ngurutake kothak mlebu.Pangenalan wicara lan dikte bisa mbantu ningkatake pangolahan dokumen klinis, nanging alat pangolahan basa alami (NLP) bisa uga ora cukup.
"Aku mikir kudu luwih wani lan nimbang sawetara owah-owahan, kayata nggunakake rekaman video kanggo perawatan klinis, kaya polisi sing nganggo kamera," ujare Landman.Intelijen buatan lan pembelajaran mesin banjur bisa digunakake kanggo ngindeks video kasebut kanggo njupuk maneh ing mangsa ngarep.Kaya Siri lan Alexa, sing nggunakake asisten intelijen buatan ing omah, asisten virtual bakal digawa menyang amben pasien ing mangsa ngarep, ngidini dokter nggunakake intelijen sing dipasang kanggo mlebu pesenan medis."
AI uga bisa nulungi panjaluk rutin saka kothak mlebu, kayata suplemen obat lan kabar asil.Bisa uga mbantu nggawe prioritas tugas sing pancene mbutuhake perhatian dokter, supaya luwih gampang pasien ngolah dhaptar sing kudu ditindakake, tambah Landman.
5.Risiko resistensi antibiotik
Resistensi antibiotik dadi ancaman kanggo manungsa, amarga nggunakake obat-obatan kunci kasebut bisa nyebabake evolusi superbakteri sing ora nanggapi perawatan maneh.Bakteri tahan macem-macem obat bisa nyebabake karusakan serius ing lingkungan rumah sakit, mateni puluhan ewu pasien saben taun.Clostridium difficile mung biaya udakara $ 5 milyar saben taun kanggo sistem perawatan kesehatan AS lan nyebabake luwih saka 30000 tiwas.
Data EHR mbantu ngenali pola infeksi lan nyorot risiko sadurunge pasien wiwit nuduhake gejala.Nggunakake machine learning lan alat intelijen buatan kanggo nyopir analisis kasebut bisa nambah akurasi lan nggawe tandha sing luwih cepet lan akurat kanggo panyedhiya kesehatan.
"Alat intelijen buatan bisa nyukupi pangarepan kanggo kontrol infeksi lan resistensi antibiotik," ujare Dr Erica Shenoy, wakil direktur kontrol infeksi ing Rumah Sakit Umum Massachusetts (MGH).Yen ora, kabeh wong bakal gagal.Amarga rumah sakit duwe akeh data EHR, yen ora nggunakake kanthi lengkap, yen ora nggawe industri sing luwih pinter lan luwih cepet ing desain uji klinis, lan yen ora nggunakake EHR sing nggawe data kasebut, bakal ngadhepi kegagalan."
6. Nggawe analisis sing luwih akurat kanggo gambar patologis
Dr Jeffrey golden, kepala departemen patologi ing Rumah Sakit wanita Brigham (BWh) lan profesor patologi ing HMS, ngandika sing pathologists nyedhiyani salah siji saka sumber paling penting saka data diagnostik kanggo sawetara lengkap panyedhiya layanan medical.
"70% keputusan perawatan kesehatan adhedhasar asil patologis, lan antarane 70% lan 75% kabeh data ing EHR asale saka asil patologis," ujare.Lan asil sing luwih akurat, luwih cepet diagnosis sing bener bakal ditindakake.Iki minangka tujuan sing bisa ditindakake patologi digital lan intelijen buatan."
Analisis tingkat piksel jero ing gambar digital gedhe ngidini para dokter ngerteni beda subtle sing bisa uwal saka mripat manungsa.
"Saiki kita wis tekan titik ing ngendi kita bisa luwih netepake apa kanker bakal berkembang kanthi cepet utawa alon, lan carane ngganti perawatan pasien adhedhasar algoritma tinimbang tahap klinis utawa gradasi histopatologis," ujare emas.Iku bakal dadi langkah gedhe kanggo maju."
Dheweke nambahake, "AI uga bisa nambah produktivitas kanthi ngenali fitur sing disenengi ing slide sadurunge dokter mriksa data. AI bisa nyaring liwat slide lan nuntun kita kanggo ndeleng konten sing bener supaya kita bisa netepake apa sing penting lan sing ora. efisiensi panggunaan ahli patologi lan nambah nilai sinau saben kasus.
Nggawa intelijen menyang piranti medis lan mesin
Piranti cerdas njupuk alih lingkungan konsumen lan nyedhiyakake piranti wiwit saka video wektu nyata ing kulkas nganti mobil sing ndeteksi gangguan driver.
Ing lingkungan medis, piranti cerdas penting kanggo ngawasi pasien ing ICU lan ing papan liya.Panggunaan intelijen buatan kanggo ningkatake kemampuan kanggo ngenali kerusakan kondisi, kayata nuduhake yen sepsis berkembang, utawa persepsi komplikasi bisa ningkatake asil kanthi signifikan lan bisa nyuda biaya perawatan.
"Nalika kita ngomong babagan nggabungake data sing beda-beda ing sistem kesehatan, kita kudu nggabungake lan menehi tandha marang para dokter ICU supaya bisa campur sedini mungkin, lan manawa panggabungan data kasebut dudu perkara sing apik sing bisa ditindakake dening dokter manungsa," ujare tandha Michalski. , direktur eksekutif Pusat Ilmu Data klinis ing BWh.Nglebokake algoritma cerdas menyang piranti kasebut nyuda beban kognitif ing dokter lan mesthekake yen pasien diobati kanthi cepet."
8. promosi immunotherapy kanggo perawatan kanker
Imunoterapi minangka salah sawijining cara sing paling apik kanggo ngobati kanker.Kanthi nggunakake sistem kekebalan awak dhewe kanggo nyerang tumor ganas, pasien bisa ngatasi tumor bandel.Nanging, mung sawetara pasien sing nanggapi regimen imunoterapi saiki, lan ahli onkologi isih ora duwe cara sing tepat lan dipercaya kanggo nemtokake pasien sing bakal entuk manfaat saka regimen kasebut.
Algoritma pembelajaran mesin lan kemampuan kanggo nyintesis set data sing rumit banget bisa uga bisa njlentrehake komposisi gen sing unik saka individu lan menehi pilihan anyar kanggo terapi sing ditargetake.
"Bubar iki, pangembangan paling nyenengake yaiku inhibitor checkpoint, sing ngalangi protein sing diprodhuksi dening sel kekebalan tartamtu," jelas Dr long Le, direktur patologi komputasi lan pangembangan teknologi ing pusat diagnostik komprehensif Massachusetts General Hospital (MGH).Nanging kita isih ora ngerti kabeh masalah, sing rumit banget.Kita mesthi mbutuhake data pasien liyane.Pangobatan kasebut relatif anyar, mula ora akeh pasien sing njupuk.Mulane, apa kita kudu nggabungake data ing sawijining organisasi utawa ing pirang-pirang organisasi, iku bakal dadi faktor kunci kanggo nambah jumlah pasien kanggo nyopir proses modeling."
9. Nguripake cathetan kesehatan elektronik dadi prediktor risiko sing bisa dipercaya
Rekaman kesehatan elektronik (dheweke) minangka bandha data pasien, nanging minangka tantangan sing tetep kanggo panyedhiya lan pangembang kanggo ngekstrak lan nganalisa akeh informasi kanthi akurat, pas wektune lan dipercaya.
Masalah kualitas lan integritas data, ditambah karo kebingungan format data, input terstruktur lan ora terstruktur lan cathetan sing ora lengkap, nggawe angel kanggo wong ngerti kanthi akurat carane nindakake stratifikasi risiko sing migunani, analisis prediktif lan dhukungan keputusan klinis.
Dr Ziad OBERMEYER, asisten profesor kedokteran darurat ing Rumah Sakit wanita Brigham (BWh) lan asisten profesor ing Harvard Medical School (HMS), ujar, "ana sawetara kerja keras sing kudu ditindakake kanggo nggabungake data menyang sak panggonan. Nanging masalah liyane yaiku mangertos apa sing ditampa wong nalika prédhiksi penyakit ing cathetan kesehatan elektronik (dheweke). Wong bisa krungu manawa algoritma intelijen buatan bisa prédhiksi depresi utawa stroke, nanging nyatane dheweke prédhiksi kenaikan biaya stroke. Beda banget karo stroke dhewe."
Dheweke terus, "ngandelake asil MRI katon nyedhiyakake set data sing luwih spesifik. Nanging saiki kita kudu mikir babagan sapa sing bisa mbayar MRI? Dadi prediksi pungkasan dudu asil sing dikarepake. "
Analisis NMR wis ngasilake akeh alat skor resiko lan stratifikasi sing sukses, utamane nalika peneliti nggunakake teknik sinau jero kanggo ngenali sambungan anyar antarane set data sing ora ana hubungane.
Nanging, OBERMEYER percaya yen mesthekake yen algoritma kasebut ora ngenali bias sing didhelikake ing data kasebut penting kanggo nggunakake alat sing bisa ningkatake perawatan klinis.
"Tantangan paling gedhe yaiku kanggo mesthekake yen kita ngerti persis apa sing diramalake sadurunge kita miwiti mbukak kothak ireng lan ndeleng carane prédhiksi," ujare.
10.Monitoring status kesehatan liwat piranti wearable lan piranti pribadi
Meh kabeh konsumen saiki bisa nggunakake sensor kanggo ngumpulake data babagan nilai kesehatan.Saka smartphone kanthi tracker langkah nganti piranti sing bisa dipakai sing nglacak denyut jantung sedina muput, data sing gegandhengan karo kesehatan luwih akeh bisa digawe kapan wae.
Nglumpukake lan nganalisa data kasebut lan nambah informasi sing diwenehake dening pasien liwat aplikasi lan piranti ngawasi omah liyane bisa menehi perspektif unik kanggo kesehatan individu lan wong akeh.
AI bakal duwe peran penting kanggo ngekstrak wawasan sing bisa ditindakake saka database gedhe lan macem-macem iki.
Nanging Dr. Omar arnout, ahli bedah saraf ing Rumah Sakit wanita Brigham (BWh), direktur CO pusat kanggo asil neuroscience komputasi, ujar manawa butuh kerja tambahan kanggo mbantu pasien adaptasi karo data pemantauan sing terus-terusan.
"Kita biyen cukup bebas ngolah data digital," ujare.Nanging nalika bocor data kedadeyan ing Cambridge analytics lan Facebook, wong bakal luwih ati-ati babagan sapa sing bakal nuduhake data sing dituduhake."
Patients cenderung dipercaya dokter luwih saka perusahaan gedhe kaya Facebook, dheweke nambah, sing bisa mbantu nyuda rasa ora nyaman kanggo nyedhiyakake data kanggo program riset skala gedhe.
"Koyone data sing bisa dipakai bakal duwe pengaruh sing signifikan amarga perhatian wong ora sengaja lan data sing diklumpukake kasar banget," ujare arnout.Kanthi terus-terusan ngumpulake data granular, data luwih bisa mbantu para dokter ngrawat pasien kanthi luwih apik."
11. nggawe telpon pinter alat diagnostik kuat
Para ahli percaya yen gambar sing dipikolehi saka telpon pinter lan sumber daya tingkat konsumen liyane bakal dadi tambahan penting kanggo pencitraan kualitas klinis, utamane ing wilayah sing kurang utawa negara berkembang, kanthi terus nggunakake fungsi piranti portabel sing kuat.
Kualitas kamera seluler saya apik saben taun, lan bisa ngasilake gambar sing bisa digunakake kanggo analisis algoritma AI.Dermatologi lan ophthalmology minangka ahli awal saka tren iki.
Peneliti Inggris malah wis ngembangake alat kanggo ngenali penyakit perkembangan kanthi nganalisa gambar pasuryan bocah.Algoritma kasebut bisa ndeteksi fitur sing beda-beda, kayata garis mandible bocah, posisi mata lan irung, lan atribut liyane sing bisa nuduhake kelainan rai.Saiki, alat kasebut bisa cocog karo gambar umum kanthi luwih saka 90 penyakit kanggo nyedhiyakake dhukungan keputusan klinis.
Dr Hadi shafiee, direktur obat mikro / nano lan laboratorium kesehatan digital ing Rumah Sakit Wanita Brigham (BWh), ujar: "Umume wong dilengkapi ponsel sing kuat kanthi macem-macem sensor sing dibangun. Iki minangka kesempatan sing apik kanggo kita. Meh kabeh pemain industri wis wiwit mbangun piranti lunak lan hardware Ai ing piranti. Iku ora kebeneran. Ing donya digital kita, luwih saka 2,5 yuta terabyte data diasilake saben dina. Ing bidang telpon seluler, manufaktur yakin bisa nggunakake iki. data kanggo intelijen buatan kanggo nyedhiyakake layanan sing luwih pribadi, luwih cepet lan luwih cerdas.
Nggunakake telpon pinter kanggo ngumpulake gambar mata pasien, lesi kulit, tatu, infeksi, obat-obatan utawa subyek liyane bisa mbantu ngatasi kekurangan ahli ing wilayah sing ora dilayani, lan uga nyuda wektu kanggo diagnosa keluhan tartamtu.
"Mungkin ana sawetara acara utama ing mangsa ngarep, lan kita bisa nggunakake kesempatan iki kanggo ngrampungake sawetara masalah penting babagan manajemen penyakit ing titik perawatan," ujare shafiee.
12. Inovasi nggawe keputusan klinis karo bedside AI
Nalika industri kesehatan dadi layanan adhedhasar biaya, mula saya adoh saka perawatan kesehatan pasif.Nyegah sadurunge penyakit kronis, acara penyakit akut lan kerusakan dadakan minangka tujuan saben panyedhiya, lan struktur kompensasi pungkasane ngidini dheweke ngembangake proses sing bisa entuk intervensi aktif lan prediktif.
Kecerdasan buatan bakal nyedhiyakake akeh teknologi dhasar kanggo evolusi iki, kanthi ndhukung analisis prediktif lan alat dhukungan keputusan klinis, kanggo ngatasi masalah sadurunge panyedhiya nyadari yen kudu tumindak.Kecerdasan buatan bisa menehi peringatan dini kanggo epilepsi utawa sepsis, sing biasane mbutuhake analisis jero set data sing rumit banget.
Brandon Westover, MD, direktur data klinis ing Rumah Sakit Umum Massachusetts (MGH), ujar manawa sinau mesin uga bisa mbantu nyengkuyung perawatan terus kanggo pasien sing lara kritis, kayata koma sawise serangan jantung.
Dheweke nerangake yen ing kahanan normal, dokter kudu mriksa data EEG pasien kasebut.Proses iki mbutuhake wektu lan subyektif, lan asil bisa beda karo katrampilan lan pengalaman dokter.
Dheweke ujar, "Ing pasien kasebut, tren kasebut bisa uga alon.Kadhangkala nalika dokter pengin ndeleng manawa ana wong sing pulih, bisa uga ndeleng data sing dipantau saben 10 detik.Nanging, kanggo ndeleng yen wis owah saka 10 detik data sing diklumpukake ing 24 jam kaya ndeleng yen rambute wis tuwuh ing sauntara.Nanging, yen algoritma intelijen buatan lan akeh data saka akeh pasien digunakake, bakal luwih gampang kanggo cocog karo apa sing dideleng wong kanthi pola jangka panjang, lan sawetara perbaikan subtle bisa ditemokake, sing bakal mengaruhi pengambilan keputusan dokter ing keperawatan. ."
Nggunakake teknologi intelijen buatan kanggo dhukungan keputusan klinis, skor risiko lan peringatan dini minangka salah sawijining wilayah pangembangan sing paling njanjeni metode analisis data revolusioner iki.
Kanthi nyedhiyakake kekuwatan kanggo alat lan sistem generasi anyar, dokter bisa luwih ngerti nuansa penyakit, nyedhiyakake layanan perawat kanthi luwih efektif, lan ngrampungake masalah luwih dhisik.Kecerdasan buatan bakal miwiti jaman anyar kanggo ningkatake kualitas perawatan klinis, lan nggawe terobosan sing nyenengake babagan perawatan pasien.
Wektu kirim: Aug-06-2021
