شفقنا آینده– با عدم دسترسی 4.5 میلیارد نفر به خدمات ضروری مراقبت های بهداشتی، هوش مصنوعی می تواند به پر کردن این شکاف کمک کند – اگر با نرده های محافظ مسئول استفاده شود. فناوری‌های هوش مصنوعی در حال حاضر به پزشکان کمک می‌کنند تا شکستگی‌ها را تشخیص دهند، بیماران را تریاژ کنند و علائم اولیه بیماری را تشخیص دهند.

به گزارش شفقنا از فروم، یک گزارش بینش از ابتکار تحول در مراقبت‌های بهداشتی دیجیتال مجمع جهانی اقتصاد، آینده‌ای را پیش‌بینی می‌کند که در آن فناوری‌هایی مانند این می‌توانند «تجربه بیمار را به‌طور چشمگیری دگرگون کنند». با وجود 4.5 میلیارد نفر در حال حاضر بدون دسترسی به خدمات بهداشتی ضروری و کمبود 10 میلیون نفری کارکنان بهداشتی تا سال 2030، هوش مصنوعی این پتانسیل را دارد که به پر کردن این شکاف و متحول کردن مراقبت های بهداشتی جهانی کمک کند.

حتی می‌تواند ما را در مسیر رسیدن به هدف توسعه پایدار سازمان ملل متحد برای دستیابی به پوشش سلامت همگانی تا سال 2030 بازگرداند.

اما در حالی که این فناوری به سرعت در حال توسعه است، نیاز به نظارت انسانی – و مقررات – به همان اندازه حیاتی است.

استلا کیریاکیدس، کمیسر بهداشت اتحادیه اروپا، در نشست داووس در مجمع جهانی اقتصاد در اوایل سال جاری گفت: «من معتقدم که ما می‌توانیم تمام پتانسیل‌هایی را که هوش مصنوعی به ما ارائه می‌دهد، داشته باشیم و نرده‌های محافظ را در اختیار داشته باشیم.

در اینجا چهار راه وجود دارد که هوش مصنوعی در حال حاضر مراقبت های بهداشتی را متحول می کند.

هوش مصنوعی می تواند شکستگی های استخوانی بیشتری نسبت به انسان تشخیص دهد

با کمال تعجب، پزشکان مراقبت های فوری در 10 درصد موارد شکستگی استخوان را از دست می دهند. علاوه بر این، تکنسین های اشعه ایکس هم کمبود دارند و هم بار زیادی دارند.

بنابراین استفاده از هوش مصنوعی برای انجام اسکن اولیه به طور بالقوه می تواند از اشعه ایکس غیر ضروری و شکستگی های از دست رفته جلوگیری کند. موسسه ملی بهداشت و مراقبت عالی بریتانیا (NICE) می گوید این فناوری ایمن، قابل اعتماد است و می تواند نیاز به قرار ملاقات های بعدی را کاهش دهد.

اما نگرانی هایی در مورد گسترش سریع هوش مصنوعی در مراقبت های بهداشتی وجود دارد.

دکتر کارولین گرین از موسسه اخلاق: “مهم است افرادی که از این ابزارها استفاده می کنند در انجام این کار به درستی آموزش ببینند، به این معنی که آنها می دانند و می دانند که چگونه خطرات ناشی از محدودیت های تکنولوژیکی … مانند احتمال ارائه اطلاعات اشتباه را کاهش دهند.” در هوش مصنوعی در دانشگاه آکسفورد به بی بی سی گفت.

ارزیابی نیازهای آمبولانس با هوش مصنوعی

در بریتانیا هر ماه حدود 350000 نفر با آمبولانس به بیمارستان منتقل می شوند. این به امدادگران بستگی دارد که تصمیم بگیرند چه کسی باید برود یا نیازی ندارد، و همیشه با آگاهی از تعداد تخت‌های کم در دسترس است.

مطالعه ای در یورکشایر در شمال انگلستان نشان داد که در 80 درصد موارد هوش مصنوعی می تواند به درستی بیمارانی را که باید به بیمارستان منتقل شوند، پیش بینی کند. مدل هوش مصنوعی بر روی عواملی مانند تحرک بیمار، نبض و سطح اکسیژن خون و درد قفسه سینه آموزش داده شد – همچنین ثابت شد که بدون جانبداری پاسخ می دهد. با این حال، NICE احتیاط کرد که قبل از استفاده گسترده تر، آموزش بیشتری لازم بود.

تشخیص علائم اولیه بیش از 1000 بیماری

به گفته سازنده AstraZeneca، یک مدل جدید یادگیری ماشینی هوش مصنوعی می تواند وجود برخی بیماری ها را قبل از اینکه بیمار حتی از علائمی آگاه شود، تشخیص دهد.

با استفاده از داده‌های پزشکی 500000 نفر که بخشی از مخزن داده‌های بهداشتی بریتانیا هستند، این دستگاه می‌تواند «تشخیص بیماری را سال‌ها بعد با اطمینان بالا پیش‌بینی کند».

اسلاو پتروفسکی، که رهبری این تحقیق را بر عهده داشت، به اسکای نیوز گفت: “برای بسیاری از این بیماری ها، زمانی که به صورت بالینی ظاهر می شوند و فرد به دلیل یک بیماری یا مشاهده مشهود به پزشک مراجعه می کند، بسیار پایین تر از زمان بیماری است. روند آغاز شد.

او گفت: «ما می‌توانیم علائمی را در یک فرد جمع‌آوری کنیم که بسیار پیش‌بینی‌کننده ابتلا به بیماری‌هایی مانند آلزایمر، بیماری مزمن انسدادی ریه، بیماری کلیوی و بسیاری دیگر است.

چت ربات های بالینی برای هدایت تصمیمات مراقبت های بهداشتی

پزشکان باید سریعاً آگاهانه تصمیمات پزشکی بگیرند: هوش مصنوعی به طور بالقوه می تواند این را تسریع کند، اما همچنین می تواند اطلاعات غیر قابل اعتماد یا مغرضانه ارائه دهد.

یک مطالعه در ایالات متحده نشان داد که مدل‌های استاندارد زبان بزرگ (LLM) مانند ChatGPT، Claude یا Gemini قادر به ارائه اطلاعات کافی به پزشکان نیستند.

پاسخ های مبتنی بر هویت به سوالات پزشکی آنها. اما ChatRWD، یک سیستم نسل افزوده بازیابی (RAG) – که اساساً LLM ها را با سیستم های بازیابی ترکیب می کند تا خروجی را بهبود بخشد – به 58٪ از سؤالات پاسخ های مفیدی ارائه داد (در مقایسه با 2٪ -10٪ برای LLM).

رابط های دیجیتال به طور فزاینده ای برای کمک به تریاژ بیماران نیز در حال گسترش هستند. در یک گزارش بینش از ژانویه، بخشی از ابتکار تحول سلامت دیجیتال مجمع جهانی اقتصاد، یک مطالعه موردی بر روی Huma، یک پلتفرم دیجیتال بیماران، نشان داد که می‌تواند نرخ بستری مجدد را تا 30 درصد، زمان صرف شده برای بررسی بیماران را تا 40 درصد کاهش دهد. بار کاری ارائه دهندگان مراقبت های بهداشتی را کاهش داد.

این گزارش آینده‌ای را پیش‌بینی می‌کند که در آن فناوری‌هایی مانند این می‌توانند «تجربه بیمار را به‌طور چشمگیری تغییر دهند. افرادی که به طور کلی سالم هستند می توانند از دستگاه های خود نظارتی برای بهینه سازی سلامت روحی و جسمی خود استفاده کنند، در حالی که افرادی که مشکلات سلامتی دارند به طیف گسترده ای از راه حل های دیجیتال دسترسی خواهند داشت.

برای اطمینان از اینکه این کار به طور عادلانه و ایمن انجام می شود، تنظیم ابزارهای هوش مصنوعی کلیدی است. در بریتانیا، دستگاه‌های پزشکی مبتنی بر هوش مصنوعی به‌شدت توسط آژانس تنظیم مقررات داروها و محصولات مراقبت‌های بهداشتی کنترل می‌شوند. در ایالات متحده، سازمان غذا و دارو (FDA) اخیراً مقررات هوش مصنوعی در مراقبت های بهداشتی را مورد بررسی قرار داد و به این نتیجه رسید که در حالی که FDA “به ایفای نقش اصلی در تضمین ابزارهای هوش مصنوعی ایمن، موثر و قابل اعتماد ادامه خواهد داد” این نیز ضروری است. که “همه نهادهای درگیر … با دقت لازم این فناوری تحول آفرین به هوش مصنوعی می پردازند”.

منبع؛ اکونومیک فروم