12 būdų, kaip dirbtinis intelektas gali paveikti sveikatos priežiūros pramonę

Tikimasi, kad dirbtinis intelektas taps transformacijos jėga sveikatos apsaugos srityje.Taigi, kaip gydytojai ir pacientai gauna naudos iš AI valdomų įrankių poveikio?
Šiandieninė sveikatos priežiūros pramonė yra labai subrendusi ir gali padaryti didelių pokyčių.Panašu, kad nuo lėtinių ligų ir vėžio iki radiologijos ir rizikos vertinimo sveikatos priežiūros pramonė turi daugybę galimybių panaudoti technologijas tikslesnėms, veiksmingesnėms ir veiksmingesnėms pacientų priežiūros intervencijoms.
Tobulėjant technologijoms, pacientams keliami vis aukštesni reikalavimai gydytojams, o turimų duomenų skaičius ir toliau nerimą keliančiu greičiu auga.Dirbtinis intelektas taps varikliu, skatinančiu nuolatinį medicininės priežiūros tobulinimą.
Palyginti su tradicine analize ir klinikinių sprendimų priėmimo technologijomis, dirbtinis intelektas turi daug privalumų.Kai mokymosi algoritmas sąveikauja su mokymo duomenimis, jis gali tapti tikslesnis, todėl gydytojai gali įgyti precedento neturinčių įžvalgų apie diagnozę, slaugos procesą, gydymo kintamumą ir paciento rezultatus.
2018 m. pasauliniame dirbtinio intelekto medicinos inovacijų forume (wmif), kurį organizavo Partners Healthcare, medicinos mokslininkai ir klinikiniai ekspertai išsamiai išdėstė medicinos pramonės technologijas ir sritis, kurios artimiausiu metu greičiausiai turės reikšmingos įtakos dirbtinio intelekto pritaikymui. dešimtmetis.
Anne Kiblanksi, medicinos mokslų daktarė, wmif CO pirmininkė 2018 m., ir Greggas Meyeris, MD, „Partners Healthcare“ vyriausiasis akademinis pareigūnas, teigė, kad tokia „pavertimas“, taikomas kiekvienai pramonės sričiai, gali duoti didelės naudos pacientams ir turi didelę naudą. verslo sėkmės potencialas.
Padedami partnerių sveikatos priežiūros ekspertų, įskaitant Dr. Keithą Dreyerį, Harvardo medicinos mokyklos (HMS) profesorių, vyriausiąjį partnerių duomenų mokslo pareigūną, ir dr. Katherine andreole, Masačusetso bendrosios ligoninės (MGH) tyrimų strategijos ir operacijų direktorę, , pasiūlė 12 būdų, kaip dirbtinis intelektas pakeis medicinos paslaugas ir mokslą.
1. Suvienodinkite mąstymą ir mašiną per smegenų kompiuterio sąsają

Kompiuterio naudojimas bendravimui nėra nauja idėja, tačiau tiesioginės technologijos ir žmogaus mąstymo sąsajos kūrimas be klaviatūros, pelės ir ekrano yra pažangi mokslinių tyrimų sritis, kuri kai kuriems pacientams yra svarbi.
Dėl nervų sistemos ligų ir traumų kai kurie pacientai gali netekti prasmingo pokalbio, judėjimo ir bendrauti su kitais ir savo aplinka.Smegenų kompiuterio sąsaja (BCI), palaikoma dirbtinio intelekto, gali atkurti pagrindines patirtis pacientams, kurie nerimauja dėl šių funkcijų praradimo visam laikui.
„Jei matau neurologijos intensyviosios terapijos skyriuje esantį pacientą, kuris staiga praranda gebėjimą veikti ar kalbėti, tikiuosi, kad kitą dieną atkursiu jo gebėjimą bendrauti“, – sakė medicinos mokslų daktaras Leighas Hochbergas, Neurotechnologijų ir neuroreabilitacijos centro direktorius. Masačusetso bendroji ligoninė (MGH).Naudodami smegenų kompiuterio sąsają (BCI) ir dirbtinį intelektą, galime suaktyvinti nervus, susijusius su rankų judesiu, ir turėtume sugebėti priversti pacientą bendrauti su kitais bent penkis kartus per visą veiklą, pavyzdžiui, naudojant visur esančias komunikacijos technologijas, pvz. kaip planšetiniai kompiuteriai ar mobilieji telefonai.“
Smegenų kompiuterio sąsaja kasmet gali labai pagerinti pacientų, sergančių amiotrofine šonine skleroze (ALS), insultu ar atrezijos sindromu, taip pat 500 000 pacientų, patyrusių nugaros smegenų pažeidimą, gyvenimo kokybę.
2.Sukurti naujos kartos radiacijos priemones

Radiacinės nuotraukos, gautos naudojant magnetinio rezonanso tomografiją (MRT), kompiuterinės tomografijos skaitytuvus ir rentgeno spindulius, suteikia neinvazinį matomumą žmogaus kūno viduje.Tačiau daugelis diagnostinių procedūrų vis dar remiasi fiziniais audinių mėginiais, paimtais biopsijos būdu, todėl kyla infekcijos rizika.
Ekspertai prognozuoja, kad kai kuriais atvejais dirbtinis intelektas leis naujos kartos radiologijos įrankiams būti pakankamai tikslūs ir išsamūs, kad pakeistų gyvų audinių mėginių poreikį.
Alexandra golby, medicinos mokslų daktarė, Brighamo moterų ligoninės (BWh) vaizdu valdomos neurochirurgijos direktorė, sakė: „Norime suburti diagnostikos vaizdavimo komandą su chirurgais arba intervenciniais radiologais ir patologais, tačiau tai didžiulis iššūkis skirtingoms komandoms bendradarbiauti. ir tikslų nuoseklumą. Jei norime, kad radiologija pateiktų informaciją, šiuo metu gaunamą iš audinių mėginių, turėsime pasiekti labai artimus standartus, kad žinotume pagrindinius bet kurio pikselio faktus.
Šio proceso sėkmė gali padėti gydytojams tiksliau suprasti bendrą naviko veikimą, o ne priimti sprendimus dėl gydymo pagal nedidelę piktybinio naviko požymių dalį.
AI taip pat gali geriau apibrėžti vėžio invaziškumą ir tiksliau nustatyti gydymo tikslą.Be to, dirbtinis intelektas padeda realizuoti „virtualią biopsiją“ ir skatina naujoves radiologijos srityje, kuri yra įsipareigojusi naudoti vaizdu pagrįstus algoritmus apibūdinti fenotipines ir genetines navikų savybes.
3.Plėsti medicinos paslaugas nepakankamai aptarnaujamose arba besivystančiose srityse

Dėl to, kad besivystančiose šalyse trūksta parengtų sveikatos priežiūros paslaugų teikėjų, įskaitant ultragarso specialistus ir radiologus, labai sumažės galimybės pasinaudoti medicinos paslaugomis siekiant išgelbėti pacientų gyvybes.
Susitikime buvo atkreiptas dėmesys, kad šešiose Bostono ligoninėse su garsiąja Longwood Avenue dirba daugiau radiologų nei visose Vakarų Afrikos ligoninėse.
Dirbtinis intelektas gali padėti sušvelninti kritinio gydytojų trūkumo poveikį, perimdamas kai kurias įprastai žmonėms priskiriamas diagnostikos pareigas.
Pavyzdžiui, AI vaizdo gavimo įrankis gali naudoti krūtinės ląstos rentgeno spindulius, kad ištirtų tuberkuliozės simptomus, paprastai tokiu pat tikslumu kaip gydytojas.Ši funkcija gali būti įdiegta naudojant programą, skirtą paslaugų teikėjams skurdžiuose regionuose, todėl sumažėja patyrusių diagnostinių radiologų poreikis.
„Ši technologija turi didelį potencialą pagerinti sveikatos priežiūrą“, – sakė Masačusetso bendrosios ligoninės (MGH) neurologijos mokslų daktarė ir radiologijos docentė, daktarė jayashree kalpathy Cramer.
Tačiau dirbtinio intelekto algoritmų kūrėjai turi atidžiai atsižvelgti į tai, kad skirtingų tautybių ar regionų žmonės gali turėti unikalių fiziologinių ir aplinkos veiksnių, kurie gali turėti įtakos ligos eigai.
„Pavyzdžiui, Indijos populiacija, kurią paveikė ligos, gali labai skirtis nuo gyventojų Jungtinėse Valstijose“, – sakė ji.Kuriant šiuos algoritmus labai svarbu užtikrinti, kad duomenys atspindėtų ligos vaizdą ir gyventojų įvairovę.Galime ne tik sukurti algoritmus, pagrįstus viena populiacija, bet ir tikėtis, kad jis gali atlikti vaidmenį kitose populiacijose.“
4. Sumažinti elektroninių sveikatos įrašų naudojimo naštą

Elektroniniai sveikatos įrašai (ji) suvaidino svarbų vaidmenį skaitmeninėje sveikatos priežiūros pramonės kelionėje, tačiau ši transformacija atnešė daug problemų, susijusių su pažinimo perkrova, nesibaigiančiais dokumentais ir vartotojų nuovargiu.
Elektroninių sveikatos įrašų (jos) kūrėjai dabar naudoja dirbtinį intelektą, kad sukurtų intuityvesnę sąsają ir automatizuotų rutinas, kurios užima daug vartotojo laiko.
Dr. Adam Landman, Brigham Health viceprezidentas ir vyriausiasis informacijos pareigūnas, sakė, kad vartotojai didžiąją laiko dalį praleidžia trims užduotims: klinikinei dokumentacijai, užsakymų įvedimui ir gautųjų rūšiavimui.Kalbos atpažinimas ir diktavimas gali padėti pagerinti klinikinių dokumentų apdorojimą, tačiau natūralios kalbos apdorojimo (NLP) įrankių gali nepakakti.
„Manau, kad gali prireikti būti drąsesniems ir apsvarstyti kai kuriuos pakeitimus, pavyzdžiui, vaizdo įrašų naudojimą klinikiniam gydymui, kaip ir policijai, nešiojant kameras“, - sakė Landmanas.Tada dirbtinis intelektas ir mašininis mokymasis gali būti naudojami šiems vaizdo įrašams indeksuoti, kad juos būtų galima gauti ateityje.Kaip ir Siri ir Alexa, kurios namuose naudoja dirbtinio intelekto asistentus, virtualūs padėjėjai ateityje bus atnešti prie pacientų lovos, todėl gydytojai galės naudoti įterptąjį intelektą, kad gautų medicininius nurodymus.“

AI taip pat gali padėti tvarkyti įprastas užklausas iš gautųjų, pvz., vaistų papildų ir pranešimų apie rezultatus.Tai taip pat gali padėti nustatyti prioritetus užduotims, kurioms tikrai reikia gydytojų dėmesio, todėl pacientams bus lengviau apdoroti savo darbų sąrašus, pridūrė Landmanas.
5.Atsparumo antibiotikams rizika

Atsparumas antibiotikams kelia vis didesnę grėsmę žmonėms, nes per didelis šių pagrindinių vaistų vartojimas gali sukelti superbakterijų, kurios nebereaguoja į gydymą, evoliuciją.Daugeliui vaistų atsparios bakterijos gali sukelti rimtą žalą ligoninės aplinkai, kasmet nužudydamos dešimtis tūkstančių pacientų.Vien Clostridium difficile per metus JAV sveikatos priežiūros sistemai kainuoja apie 5 milijardus dolerių ir sukelia daugiau nei 30 000 mirčių.
ESI duomenys padeda nustatyti infekcijos būdus ir išryškinti riziką, kol pacientui pasireiškia simptomai.Mašininio mokymosi ir dirbtinio intelekto įrankių naudojimas šioms analizėms atlikti gali pagerinti jų tikslumą ir sukurti greitesnius bei tikslesnius įspėjimus sveikatos priežiūros paslaugų teikėjams.
„Dirbtinio intelekto įrankiai gali patenkinti infekcijų kontrolės ir atsparumo antibiotikams lūkesčius“, – sakė Masačusetso bendrosios ligoninės (MGH) infekcijų kontrolės direktoriaus pavaduotoja daktarė Erica Shenoy.Jei to nepadarys, visi žlugs.Kadangi ligoninės turi daug ESI duomenų, jei jos nevisiškai jais išnaudoja, jei nesukuria pramonės, kuri būtų protingesnė ir greitesnė klinikinių tyrimų planavimo srityje, ir jei jos nenaudoja ESI, kurios sukuria šiuos duomenis, jie susidurs su nesėkme.“
6.Sukurkite tikslesnę patologinių vaizdų analizę

Dr. Jeffrey golden, Brighamo moterų ligoninės (BWh) patologijos skyriaus vadovas ir HMS patologijos profesorius, teigė, kad patologai yra vienas iš svarbiausių diagnostinių duomenų šaltinių įvairiems medicinos paslaugų teikėjams.
"70% sveikatos priežiūros sprendimų yra pagrįsti patologiniais rezultatais, o nuo 70% iki 75% visų EHR duomenų gaunami iš patologinių rezultatų", - sakė jis.Ir kuo tikslesni rezultatai, tuo greičiau bus nustatyta teisinga diagnozė.Tai yra tikslas, kurį turi galimybių pasiekti skaitmeninė patologija ir dirbtinis intelektas.“
Didelių skaitmeninių vaizdų giliųjų pikselių lygio analizė leidžia gydytojams atpažinti subtilius skirtumus, kurie gali nepastebėti žmogaus akių.
„Dabar mes priėjome prie taško, kai galime geriau įvertinti, ar vėžys vystysis greitai, ar lėtai, ir kaip pakeisti pacientų gydymą remiantis algoritmais, o ne klinikinėmis stadijomis ar histopatologiniu įvertinimu“, – sakė Goldenas.Tai bus didžiulis žingsnis į priekį.“
Jis pridūrė: "AI taip pat gali pagerinti produktyvumą skaidrėse nustatydamas dominančias savybes prieš gydytojams peržiūrint duomenis. AI gali filtruoti skaidres ir padėti mums pamatyti tinkamą turinį, kad galėtume įvertinti, kas svarbu, o kas ne. Tai pagerina patologų naudojimo efektyvumą ir padidina jų kiekvieno atvejo tyrimo vertę.
Suteikite išmanumo medicinos prietaisams ir mašinoms

Išmanieji įrenginiai perima vartotojų aplinką ir teikia įvairius įrenginius nuo realiu laiku rodomo vaizdo šaldytuve iki automobilių, aptinkančių vairuotojo blaškymąsi.
Medicinos aplinkoje išmanieji prietaisai yra būtini stebint pacientus ICU ir kitur.Dirbtinio intelekto naudojimas siekiant pagerinti gebėjimą nustatyti būklės pablogėjimą, pvz., rodant, kad vystosi sepsis, arba komplikacijų suvokimas gali žymiai pagerinti rezultatus ir sumažinti gydymo išlaidas.
„Kai kalbame apie skirtingų duomenų integravimą sveikatos priežiūros sistemoje, turime integruoti ir įspėti ICU gydytojus, kad jie kuo anksčiau įsikištų, o šių duomenų apibendrinimas nėra geras dalykas, kurį gali padaryti gydytojai“, – sakė Markas Michalskis. , BWh klinikinių duomenų mokslo centro vykdomasis direktorius.Išmaniųjų algoritmų įterpimas į šiuos įrenginius sumažina gydytojų pažinimo naštą ir užtikrina, kad pacientai būtų gydomi kuo greičiau.“
8.skatinant imunoterapiją vėžio gydymui

Imunoterapija yra vienas iš perspektyviausių vėžio gydymo būdų.Naudodami paties organizmo imuninę sistemą piktybiniams navikams atakuoti, pacientai gali įveikti užsispyrusius navikus.Tačiau tik keli pacientai reaguoja į dabartinį imunoterapijos režimą, o onkologai vis dar neturi tikslaus ir patikimo metodo, kaip nustatyti, kuriems pacientams šis režimas bus naudingas.
Mašininio mokymosi algoritmai ir jų gebėjimas sintetinti labai sudėtingus duomenų rinkinius gali padėti išsiaiškinti unikalią individų genų sudėtį ir suteikti naujų tikslinės terapijos galimybių.
„Pastaruoju metu įdomiausia plėtra buvo kontrolinių taškų inhibitoriai, kurie blokuoja tam tikrų imuninių ląstelių gaminamus baltymus“, – aiškina Masačusetso bendrosios ligoninės (MGH) išsamios diagnostikos centro kompiuterinės patologijos ir technologijų plėtros direktorius Dr. Long Le.Tačiau mes vis dar nesuprantame visų problemų, o tai labai sudėtinga.Mums tikrai reikia daugiau pacientų duomenų.Šie gydymo būdai yra palyginti nauji, todėl nedaug pacientų jų vartoja.Todėl nesvarbu, ar mums reikia integruoti duomenis organizacijoje, ar keliose organizacijose, tai bus pagrindinis veiksnys didinant pacientų skaičių, skatinantį modeliavimo procesą.“
9. Elektroninius sveikatos įrašus paverskite patikimais rizikos prognozėmis

Elektroninis sveikatos įrašas (jos) yra pacientų duomenų lobynas, tačiau nuolatinis iššūkis tiekėjams ir kūrėjams tiksliai, laiku ir patikimai išgauti ir išanalizuoti didelį kiekį informacijos.
Duomenų kokybės ir vientisumo problemos kartu su duomenų formatų painiavomis, struktūrizuota ir nestruktūrizuota įvestimi ir neišsamiais įrašais, todėl žmonėms sunku tiksliai suprasti, kaip atlikti reikšmingą rizikos stratifikavimą, nuspėjamą analizę ir klinikinių sprendimų palaikymą.
Dr. Ziad OBERMEYER, Brighamo moterų ligoninės (BWh) skubiosios medicinos docentas ir Harvardo medicinos mokyklos (HMS) docentas, sakė: "Yra šiek tiek sunkaus darbo, norint integruoti duomenis į vieną vietą. Tačiau kita problema yra suprasti ką žmonės gauna, kai nuspėja ligą elektroniniame sveikatos įraše (jos). Žmonės gali išgirsti, kad dirbtinio intelekto algoritmai gali numatyti depresiją ar insultą, bet pastebėti, kad jie iš tikrųjų prognozuoja insulto kainos padidėjimą. Tai labai skiriasi nuo pats insultas“.

Jis tęsė: "Atrodo, kad pasitikėjimas MRT rezultatais suteikia konkretesnių duomenų. Tačiau dabar turime galvoti, kas gali sau leisti MRT? Taigi galutinė prognozė nėra laukiamas rezultatas."
BMR analizė sukūrė daug sėkmingų rizikos įvertinimo ir stratifikavimo įrankių, ypač kai mokslininkai naudoja gilaus mokymosi metodus, kad nustatytų naujus ryšius tarp iš pažiūros nesusijusių duomenų rinkinių.
Tačiau OBERMEYER mano, kad norint įdiegti įrankius, galinčius iš tikrųjų pagerinti klinikinę priežiūrą, labai svarbu užtikrinti, kad šie algoritmai nenustatytų duomenų paslėptų paklaidų.
„Didžiausias iššūkis yra įsitikinti, kad tiksliai žinome, ką prognozavome, prieš atidarydami juodąją dėžę ir ieškodami, kaip prognozuoti“, – sakė jis.
10.Sveikatos būklės stebėjimas naudojant nešiojamus prietaisus ir asmeninius prietaisus

Beveik visi vartotojai dabar gali naudoti jutiklius duomenims apie sveikatos vertę rinkti.Nuo išmaniųjų telefonų su žingsnių sekimo priemone iki nešiojamų prietaisų, kurie seka širdies ritmą visą dieną, bet kuriuo metu galima sugeneruoti vis daugiau su sveikata susijusių duomenų.
Šių duomenų rinkimas ir analizė bei pacientų teikiamos informacijos papildymas programomis ir kitais namų stebėjimo prietaisais gali suteikti unikalią asmens ir minios sveikatos perspektyvą.
AI vaidins svarbų vaidmenį iš šios didelės ir įvairios duomenų bazės išgaunant realias įžvalgas.
Tačiau Dr. Omaras Arnoutas, Brighamo moterų ligoninės (BWh) neurochirurgas, Kompiuterinių neurologijos rezultatų centro direktorius, sakė, kad gali prireikti papildomo darbo, kad pacientai prisitaikytų prie šių intymių, nuolatinių stebėjimo duomenų.
„Anksčiau galėjome gana laisvi apdoroti skaitmeninius duomenis“, – sakė jis.Tačiau „Cambridge analytics“ ir „Facebook“ nuteka duomenų, todėl žmonės bus vis atsargesni, kam dalintis, kokiais duomenimis dalijasi.“
Jis pridūrė, kad pacientai linkę labiau pasitikėti savo gydytojais nei didelėmis kompanijomis, tokiomis kaip „Facebook“, o tai gali padėti sumažinti diskomfortą teikiant duomenis didelės apimties tyrimų programoms.
„Tikėtina, kad nešiojami duomenys turės didelį poveikį, nes žmonių dėmesys yra labai atsitiktinis, o surinkti duomenys yra labai neapytiksliai“, – sakė Arnout.Nuolat renkant detalius duomenis, labiau tikėtina, kad duomenys padės gydytojams geriau prižiūrėti pacientus.“
11.padarykite išmaniuosius telefonus galingu diagnostikos įrankiu

Ekspertai mano, kad vaizdai, gauti iš išmaniųjų telefonų ir kitų vartotojų lygio išteklių, taps svarbiu klinikinės kokybės vaizdo papildymu, ypač nepakankamai aptarnaujamose vietovėse ar besivystančiose šalyse, nes ir toliau bus naudojamos galingos nešiojamųjų įrenginių funkcijos.
Kasmet gerėja mobiliojo fotoaparato kokybė ir ji gali generuoti vaizdus, ​​​​kuriuos galima naudoti AI algoritmo analizei.Dermatologija ir oftalmologija yra pirmieji šios tendencijos naudos gavėjai.
Britų mokslininkai netgi sukūrė įrankį, leidžiantį nustatyti vystymosi ligas, analizuodami vaikų veidų vaizdus.Algoritmas gali aptikti atskiras ypatybes, tokias kaip vaikų apatinio žandikaulio linija, akių ir nosies padėtis ir kiti požymiai, galintys rodyti veido anomalijas.Šiuo metu įrankis gali suderinti įprastus vaizdus su daugiau nei 90 ligų, kad būtų palaikomas klinikinis sprendimas.
Dr Hadi Shafiee, Brighamo moterų ligoninės (BWh) mikro/nano medicinos ir skaitmeninės sveikatos laboratorijos direktorius, sakė: „Dauguma žmonių turi galingus mobiliuosius telefonus su daugybe skirtingų jutiklių. Tai mums puiki galimybė. Beveik visi pramonės žaidėjai pradėjo kurti Ai programinę ir aparatinę įrangą savo įrenginiuose.Tai nėra atsitiktinumas.Mūsų skaitmeniniame pasaulyje kasdien sugeneruojama daugiau nei 2,5 milijono terabaitų duomenų. Mobiliųjų telefonų srityje gamintojai tiki, kad gali tai panaudoti duomenis dirbtiniam intelektui, kad būtų galima teikti labiau individualizuotas, greitesnes ir išmanesnes paslaugas.
Išmaniųjų telefonų naudojimas pacientų akių, odos pažeidimų, žaizdų, infekcijų, vaistų ar kitų objektų vaizdams rinkti gali padėti išspręsti ekspertų trūkumą nepakankamai aptarnaujamose vietose ir sutrumpinti tam tikrų nusiskundimų diagnozavimo laiką.
„Ateityje gali įvykti keletas svarbių įvykių, ir mes galime pasinaudoti šia galimybe išspręsti kai kurias svarbias ligų valdymo problemas priežiūros punkte“, – sakė Shafiee.
12. Naujoviškas klinikinių sprendimų priėmimas naudojant DI

Sveikatos priežiūros pramonei pereinant prie mokamų paslaugų, ji vis labiau nutolsta nuo pasyvios sveikatos priežiūros.Prevencija prieš lėtines ligas, ūminius ligos įvykius ir staigų būklės pablogėjimą yra kiekvieno paslaugų teikėjo tikslas, o kompensavimo struktūra galiausiai leidžia jiems plėtoti procesus, kuriais galima pasiekti aktyvią ir prognozuojamą intervenciją.
Dirbtinis intelektas suteiks daug pagrindinių šios evoliucijos technologijų, palaikydamas nuspėjamąją analizę ir klinikinių sprendimų palaikymo įrankius, kad būtų išspręstos problemos, kol paslaugų teikėjai nesuvoks, kad reikia imtis veiksmų.Dirbtinis intelektas gali iš anksto įspėti apie epilepsiją ar sepsį, dėl kurio paprastai reikia nuodugniai išanalizuoti labai sudėtingus duomenų rinkinius.
Brandonas Westoveris, medicinos mokslų daktaras, Masačusetso bendrosios ligoninės (MGH) klinikinių duomenų direktorius, teigė, kad mašininis mokymasis taip pat gali padėti toliau teikti pagalbą kritiškai sergantiems pacientams, pavyzdžiui, tiems, kurie ištikti komoje po širdies sustojimo.
Jis paaiškino, kad įprastomis sąlygomis gydytojai turi tikrinti šių pacientų EEG duomenis.Šis procesas užima daug laiko ir yra subjektyvus, o rezultatai gali skirtis priklausomai nuo gydytojų įgūdžių ir patirties.
Jis sakė: „Šių pacientų tendencija gali būti lėta.Kartais, kai gydytojai nori pamatyti, ar kas nors sveiksta, jie gali peržiūrėti stebimus duomenis kartą per 10 sekundžių.Tačiau pamatyti, ar jis pasikeitė nuo 10 sekundžių duomenų, surinktų per 24 valandas, prilygsta žiūrėjimui, ar plaukai per tą laiką paaugo.Tačiau jei bus naudojami dirbtinio intelekto algoritmai ir dideli duomenų kiekiai iš daugelio pacientų, bus lengviau suderinti tai, ką žmonės mato su ilgalaikiais modeliais, ir gali būti rasta subtilių patobulinimų, kurie turės įtakos gydytojų slaugos sprendimų priėmimui. .“
Dirbtinio intelekto technologijos naudojimas klinikinių sprendimų palaikymui, rizikos įvertinimui ir išankstiniam įspėjimui yra viena iš perspektyviausių šio revoliucinio duomenų analizės metodo plėtros sričių.
Suteikdami galią naujos kartos įrankiams ir sistemoms, gydytojai gali geriau suprasti ligos niuansus, efektyviau teikti slaugos paslaugas ir iš anksto išspręsti problemas.Dirbtinis intelektas pradės naują klinikinio gydymo kokybės gerinimo erą ir padarys įdomių laimėjimų pacientų priežiūros srityje.


Paskelbimo laikas: 2021-06-06