Mendedahkan potensi AI dan ML dalam penjagaan kesihatan

Dalam bidang penjagaan kesihatan, kecerdasan buatan (AI) dan pembelajaran mesin (ML) secara beransur-ansur membawa kemajuan yang ketara dalam penjagaan pesakit, diagnosis dan rawatan. Teknologi termaju ini telah merevolusikan industri penjagaan kesihatan, meningkatkan ketepatan, kecekapan dan penjagaan peribadi. Pengesanan penyakit awal, perubatan ketepatan, kemajuan dalam pengimejan perubatan, pembantu kesihatan maya dan penemuan ubat adalah contoh bagaimana teknologi ini membentuk semula amalan penjagaan kesihatan.

Apabila kecerdasan buatan dan pembelajaran mesin berkembang, industri akan mengalami kemajuan transformatif selanjutnya, memperkasakan profesional penjagaan kesihatan dan memberi manfaat kepada pesakit di seluruh dunia. Dengan mengguna pakai teknologi ini secara bertanggungjawab dan beretika, penyedia penjagaan kesihatan dan pesakit akan bekerjasama untuk membuka potensi penuh kecerdasan buatan dan pembelajaran mesin serta membentuk masa depan penjagaan kesihatan.

Pengajaran daripada Pandemik Global

Wabak COVID-19 berlaku dengan sedikit amaran, dan teknologi memainkan peranan penting dalam komunikasi, diagnosis, rawatan, keselamatan data dan epidemiologi. Pfizer menggunakan kecerdasan buatan dan pembelajaran mesin untuk membangunkan vaksin pertama terhadap virus maut, yang dinilai dan diluluskan untuk kegunaan kecemasan dalam masa kurang daripada 12 bulan. Melangkah ke hadapan, kecerdasan buatan dan pembelajaran mesin akan menjadikan ujian klinikal lebih pantas dan lebih tepat untuk terus mendahului potensi wabak masa depan.

Pada bulan Julai, Gabungan Inovasi Kesiapsiagaan Epidemik (CEPI) memberikan hampir $5 juta kepada organisasi yang diketuai oleh Houston Methodist Research Institute untuk mengenal pasti virus yang muncul. Pada bulan Mei, Pentadbiran Makanan dan Dadah A.S. (FDA) mengeluarkan dua kertas kerja membincangkan potensi AI/ML dalam pembangunan dan pembuatan ubat. Menurut FDA, AI/ML "berpotensi untuk mengubah cara pihak berkepentingan membangun, mengeluarkan, menggunakan dan menilai terapi Pada akhirnya, AI/ML boleh membantu membawa rawatan yang selamat, berkesan dan berkualiti tinggi kepada pesakit dengan lebih cepat."

Anticipate Isu Penjagaan Kesihatan

Banyak syarikat penjagaan kesihatan memanfaatkan teknologi ini untuk meningkatkan penjagaan kesihatan untuk pelanggan mereka. Di Universiti Johns Hopkins, sistem kecerdasan buatan sedang digunakan untuk mengesan risiko sepsis pesakit lebih cepat daripada kaedah tradisional. Suchi Saria, pengarah penyelidikan pengasas Pusat Malone untuk Kejuruteraan Penjagaan Kesihatan di Universiti Johns Hopkins, berkata: "Ini adalah kali pertama kecerdasan buatan digunakan di sisi katil dan digunakan oleh beribu-ribu penyedia penjagaan kesihatan, dan kami melihat nyawa diselamatkan. ."

Teknologi ini akhirnya boleh mempunyai aplikasi langsung di luar penjagaan kesihatan juga. Contohnya, Apple Watch sudah boleh memantau kadar denyutan jantung seseorang, tekanan darah dan sama ada pemakainya mempunyai sebarang irama yang tidak teratur. Dengan kemajuan dalam pembelajaran AI/mesin, jam tangan juga boleh dilatih untuk memberitahu pemakai apabila mereka mengalami serangan jantung dan memberitahu mereka untuk menghubungi doktor atau pergi ke bilik kecemasan

Selain itu, chatbots dan pembantu kesihatan maya akan dapat untuk berbuat demikian dalam masa nyata Membantu pesakit—contohnya, menentukan sama ada kanak-kanak yang demam memerlukan ubat penurun demam atau sama ada simptom kanak-kanak memerlukan perjalanan ke bilik kecemasan. Set data yang dicipta melalui model AI/ML adalah penting untuk menangani pandemik global melalui ujian klinikal, membangunkan vaksin yang berkesan, meramalkan masalah pesakit yang berpotensi, menyediakan diagnostik yang lebih berkesan dan meningkatkan penjagaan pesakit

Menetapkan parameter

untuk model AI/ML Satu aspek yang menarik ialah mereka boleh mengemas kini diri mereka sendiri dan belajar daripada diri mereka sendiri. Selagi anda mempunyai kuasa pengkomputeran awan, lebih banyak data yang anda berikan dan lebih banyak anda berinteraksi dengan AI, lebih pantas model boleh memberikan jawapan yang lebih tepat.

Pada mulanya, jurutera sains data perlu menyediakan parameter set data kepada penyedia penjagaan kesihatan. Contohnya, menggunakan data sejarah dan maklumat daripada rekod kesihatan elektronik (EHR), model latihan boleh dibuat untuk orang yang mempunyai keadaan kesihatan tertentu. Model ini kemudiannya boleh memutuskan ubat yang hendak digunakan dan pembantu maya boleh menjana preskripsi dan ubat tersebut.

Sudah tentu, ini juga bermakna bahawa latihan ini mesti berdasarkan prinsip tidak melanggar undang-undang dan peraturan yang sepadan, seperti Akta Mudah Alih dan Akauntabiliti Insurans Kesihatan (HIPAA), Penilaian Kesan Privasi Pesakit (PIA), dan tidak meninggalkan secara peribadi maklumat yang boleh dikenal pasti (PII). Semasa melatih model, jurutera mesti memastikan mereka hanya memasukkan umur, jantina, pekerjaan dan keadaan perubatan pesakit. Ini bermakna adalah menjadi tanggungjawab penyedia penjagaan kesihatan untuk mengesahkan bahawa mereka tidak memasukkan maklumat HIPAA atau PIA dalam maklumat yang mereka berikan kepada jurutera.

Redakan Risau

Sesetengah orang masih bimbang, dan itu boleh difahami. Salah satu kebimbangan terbesar bagi penyedia penjagaan kesihatan ialah privasi. Adalah penting bagi pembekal untuk mencipta model latihan khusus untuk organisasi mereka untuk memastikan data tidak pernah meninggalkan premis mereka. Satu lagi isu utama ialah ketepatan data. Oleh itu, syarikat harus digalakkan untuk mengambil masa yang diperlukan untuk mencipta model latihan mereka. Ia boleh mengambil masa tiga hingga enam bulan untuk AI menjana dan mengesahkan keputusan yang tepat bagaimanapun, sebaik sahaja syarikat mula melihat hasil yang tepat ini secara tetap, mereka akan lebih yakin dengan ramalan model.

Masa depan adalah sekarang

Bagi pesakit yang menerima teknologi baru ini, mereka masih ingin tahu ada unsur manusia yang terlibat dan mereka boleh bercakap dengan doktor atau jururawat jika diperlukan. Penyedia, doktor, jururawat dan saintis penyelidikan adalah komponen penting dalam penjagaan kesihatan. Industri penjagaan kesihatan secara langsung memberi kesan kepada manusia. Itulah sebabnya adalah sama penting untuk melatih jururawat, doktor dan penyelidik klinikal, serta jurutera data yang mencipta model, supaya mereka mempunyai pemahaman asas tentang kecerdasan buatan dan pembelajaran mesin serta cara menggunakan data sejarah dengan betul.

Kemungkinan untuk kecerdasan buatan dan pembelajaran mesin dalam industri untuk membuat kemajuan ketara dalam penjagaan kesihatan yang lebih baik adalah menarik dan inovatif, mengurangkan masa untuk menjalankan kajian percubaan klinikal dan membawa potensi bantuan dan rawatan ke pasaran dengan lebih pantas, menyediakan Teleperubatan tersedia di negara terpencil dan kawasan serta memberikan ketepatan yang lebih tinggi dalam meramal penyakit pesakit. Penerimaan teknologi yang berkembang pesat ini dalam industri adalah penting untuk kedua-dua pembekal dan pengamal.

Atas ialah kandungan terperinci Mendedahkan potensi AI dan ML dalam penjagaan kesihatan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!