3 پیش بینی برای هوش مصنوعی در مراقبت های بهداشتی در سال 2024

در سال 2023 هوش مصنوعی مولد (ژن AI) صنعت مراقبت های بهداشتی را شگفت زده، به چالش کشید و الهام بخشید. ما برخی از ابزارها را برای کمک به سازمان‌های مراقبت‌های بهداشتی در ایجاد راه‌حل‌هایی با هوش مصنوعی ژنرال که به مراقبان کمک می‌کند، از جمله MedLM، خانواده‌ای از مدل‌های بنیادی که برای موارد استفاده در صنعت مراقبت‌های بهداشتی به‌خوبی تنظیم شده‌اند، و Vertex AI Search for Health، طراحی‌شده برای کمک به یافتن اطلاعات مناسب، راه‌اندازی کردیم. از آن بینش به دست آورید در هر دوی این موارد، ما بهترین‌های Google Research را برای مشتریان Google Cloud ارائه می‌کنیم.

در سال 2024، شاهد حرکت این فناوری از آزمایش و آزمایش به موارد استفاده واقعی خواهیم بود، به ویژه در زمینه هایی که بار اداری را کاهش می دهد، به پزشکان کمک می کند اطلاعات را به راحتی پیدا کنند، به عوامل مرکز تماس مراقبت های بهداشتی کمک می کنند، و در نهایت به سازمان ها کمک می کند کارآمدتر کار کنند. البته، در سال 2024، ما همچنان شاهد آزمایش‌های هوش مصنوعی ژنرال برای مواردی خواهیم بود که به آزمایش و توسعه بیشتری نیاز دارند، مانند جذب اطلاعات از منابع مختلف مانند تصاویر پزشکی، گزارش‌های بالینی متنی و صدا. در نهایت، این فناوری باعث ایجاد درک جدیدی در مورد سلامت و مراقبت های بهداشتی خواهد شد.

من به آنچه که انتظار دارم در هر سه این زمینه ها ببینم می پردازم: بهینه سازی کوتاه مدت، تحول بلندمدت و یادگیری عمیق، اما به خاطر داشته باشید که یکی از آنها کاملاً از بقیه جدا نیست. برای مثال، گام‌های اولیه‌ای که مردم برای برداشتن بارهای اداری کوتاه‌مدت برمی‌دارند، در درک کلی ما از هوش مصنوعی ژنرال و بهترین شیوه‌ها در مراقبت‌های بهداشتی نقش خواهد داشت. این بر تغییرات بزرگی که در دهه آینده شاهد خواهیم بود تأثیر می گذارد. به عبارت دیگر، تغییرات گسترده مانند یک رعد و برق نمی‌آیند. آنها به صورت تدریجی ساخته می شوند. در اینجا به نظر من این است که چگونه در سال 2024 کار خواهد کرد.

بهینه سازی کار اداری با نسل AI

حتی برای سیستمی به پویایی مانند ارائه دارو و مراقبت، چند سال گذشته به طرز غیرمعمولی پرآشوب بوده است. اول، کووید-19 فشارهای هزینه، کمبود نیروی انسانی، فناوری های تکه تکه، و پیچیدگی های اداری را که صنعت در سطح جهانی با آن مواجه است، شدیداً ایجاد کرد. سه سال بعد وارد نسل هوش مصنوعی شوید، که می تواند به کاهش برخی از این فشارها کمک کند. به عنوان مثال، هوش مصنوعی ژنرال می‌تواند با هضم گزارش‌ها و فایل‌های طولانی برای مصرف سریع‌تر، ایجاد اسناد را آسان‌تر کند و به کاهش بار اداری برای پزشکان کم‌پرست کمک کند.

هوش مصنوعی مولد همچنین می‌تواند با کمک به مستندات بالینی، یافتن آسان اطلاعات مرتبط، و با کمک به رادیولوژیست‌ها، پاتولوژیست‌ها و کارکنان آزمایشگاه در گذراندن مجموعه‌های وسیعی از نتایج، بار شناختی را بر مراقبین کاهش دهد. اشتباه نکنید، انسان‌ها بیش از هر زمان دیگری در این فرآیند نقش محوری دارند، اما با ژنرال هوش مصنوعی، آنها ابزار جدید قدرتمندی برای انجام کارهای رضایت‌بخش‌تر با خستگی کمتر دارند.

بر اساس گزارش سازمان بهداشت جهانی، در سال 2020 حدود 28 میلیون پرستار در جهان وجود داشته است. فقط 5 دقیقه در روز از آنها صرفه جویی کنید، و این 266 سال تمرکز بهتری بر مراقبت از بیمار است.

نکته این نیست که زمان زیادی را آزاد کنید، بلکه افزایش جذابیت این حرفه است. WHO همچنین می گوید که ما شش میلیون پرستار کم داریم. تغییرات تدریجی در مقیاس، تغییرات عظیمی را ایجاد می کند. به عبارت ساده تر: فرسودگی کمتر، رضایت بیشتر. در نهایت، بازگرداندن شادی به پزشکی به نفع همه است.

آماده شدن برای تحول گسترده ای که بر اساس نسل هوش مصنوعی ساخته شده است

“تفاوت های کوچک باعث ایجاد تفاوت بزرگ” ابزاری است که از طریق آن هوش مصنوعی ژنرال شروع به ایجاد تغییرات دگرگونی می کند. برای ذکر دو مثال بسیار متفاوت: HCA Healthcare که 180 بیمارستان و تقریباً 2300 مرکز مراقبت های سرپایی را در سراسر ایالات متحده و بریتانیا با ده ها هزار پرستار اداره می کند، در حال کار بر روی ژن هوش مصنوعی برای بهبود انتقال بیماران بین پرستاران است. در همین حال، کلینیک مایو، که سالانه بیش از دو میلیارد بازدید کننده از وب سایت خود دریافت می کند، جستجوی سازمانی مبتنی بر هوش مصنوعی را برای بهبود اشتراک گذاری اطلاعات در مورد همه چیز، از درک علائم تا توضیح داروها و درمان ها، به کار می گیرد.

در هر دو مورد، کارایی و خدمات بهتری که توسط هوش مصنوعی ژنرال هدایت می‌شوند، ممکن است در ابتدا افزایشی به نظر برسند، اما با نگاهی بلندمدت مشخص می‌شود که راه را برای بهبود اسناد بالینی، تعامل مؤثرتر پزشک و بیمار و در نهایت هموار می‌کند. نتایج سلامت بهتر برای بیماران

در حالی که هوش مصنوعی پیشرفت‌هایی را در مناطقی که قبلاً کشف نشده بود، مانند تا کردن پروتئین با پیشنهاداتی مانند آلفا فولد، فراهم می‌کند، همچنین در راه انجام کارهای تحول‌آفرین برای درک بهتر آنچه از قبل فکر می‌کنیم می‌دانیم، است. جالب ترین زمینه برای این ممکن است در جمع آوری و پیکربندی مجدد داده های موجود به روش های جدید باشد. صدها میلیون پرونده الکترونیکی سلامت، گزارش‌های تشخیصی و فایل‌های PDF وجود دارد که شرایط بیمار و بیمارستان را توصیف می‌کنند که می‌توانند با محاسبات قدرتمند ژنرال هوش مصنوعی، بینش‌های جدیدی ایجاد کنند و الگوهای پرده‌برداری را ایجاد کنند. این به نوبه خود پتانسیل افزایش تجربه مراقبت از بیمار و کمک به بهبود کلی سلامت جمعیت را دارد. MEDITECH در این فضا پیشرو است و با آسان‌تر کردن جستجو و خلاصه کردن پرونده‌های سلامت الکترونیکی و با تولید خودکار پیش‌نویس اولیه روایت دوره بیمارستان در هنگام ترخیص شروع می‌کند. حتی هیجان انگیزتر این است که هوش مصنوعی ژنرال قادر خواهد بود برای یک سازمان مراقبت های بهداشتی انجام دهد که نه تنها داده ها را از منابع مختلف، بلکه اطلاعاتی را از حالت های کاملاً متفاوت، مانند اسکن تصویربرداری، نتایج آزمایشگاهی، و مصاحبه با بیمار ترکیب کند. گردآوری این اطلاعات و داده‌های مختلف در کنار هم می‌تواند راه‌حل‌های مبتنی بر هوش مصنوعی را قادر سازد تا به سؤالات پزشکی دقیق‌تر و ایمن‌تر پاسخ دهند. این تازه شروعی است که این درک غنی‌تر به کجا می‌رود.

تعمیق درک ما از بهترین راه‌های استفاده از هوش مصنوعی ژنرال در مراقبت‌های بهداشتی

مراقبت های بهداشتی یک حوزه منحصر به فرد پاداش و، صادقانه بگویم، چالش برانگیز است زیرا ترکیبی از علم، انسانیت و تجارت ارائه مراقبت است. سختگیری تحلیلی، همدلی و ضرورت اقتصادی همگی مهم هستند، و من مفتخرم که در زمینه ای کار می کنم که افراد با استعداد زیادی به طور مستمر سعی می کنند تعادل هر سه را بهبود بخشند.

بزرگترین مزیت نسل هوش مصنوعی در سال 2024 و بعد از آن، درک رو به رشد هر سه حوزه خواهد بود. این موضوع برای تنظیم کننده های مراقبت های بهداشتی که به دنبال درک و به کارگیری فناوری های جدید هستند، اهمیت دارد. برای محققان و پزشکانی که به دنبال درک بهتر بیماران و نحوه ارائه درمان های بهتر هستند، اهمیت دارد. و برای شرکت های مراقبت های بهداشتی و میلیون ها بیمار که به دنبال راه هایی برای مراقبت عادلانه تر و موثرتر هستند، اهمیت دارد.

در کوتاه مدت، ما شروع به رشد این درک خواهیم کرد. با کمی شانس و تلاش زیاد از سوی متخصصان متعهد، شاهد تحول بلندمدت خرد خواهیم بود.