پلتفرم هوش مصنوعی، در آزمایش‌ها، پذیرش بیمارستان را تا بیش از ۵۰٪ کاهش می‌دهد

منتشر شده در: forbes به تاریخ ۳۰ اکتبر ۲۰۲۰
لینک مقاله اصلی: Artificial Intelligence Platform Reduces Hospital Admissions By Over 50% In Trial

یک ابزار تشخیصی مبتنی بر هوش مصنوعی پذیرش بیمارستان را در میان بیماران سالمند در معرض خطر تا ۵۱٪ کاهش داده‌است، با توجه به نتایج آزمایشی که توسط تولید کننده این ابزار، Clare Medical تامین‌کننده مراقبت‌های بهداشتی، منتشر شد.

با اعلام نتایج تریال روز چهارشنبه، Clare Medical نتیجه گرفت که پیش‌بینی اینکه کدام بیماران احتمال بیشتری برای تجربه «رویدادهای پزشکی» دارند، احتمال وقوع چنین رویدادهایی را به میزان قابل‌توجهی کاهش می‌دهد. این امر به این دلیل است که ابزار مبتنی بر هوش مصنوعی آن، فرصت مداخله زودهنگام را برای متخصصان بالینی فراهم می‌کند.

این آزمایش نشان داد که استفاده از تشخیص‌های مبتنی بر هوش مصنوعی نتایج مثبت قابل‌توجهی در رابطه با کاهش خطر بیمار برای الزام به بازدید از بیمارستان در عرض ۳۰ روز دارد. در زمانی که بیماری همه‌گیر کروناویروس فشار زیادی به سیستم‌های بهداشتی جهان وارد می‌کند، چنین نتایجی می‌تواند منجر به صرفه‌جویی در زمان و هزینه قابل‌توجهی برای بیمارستان‌ها شود، بدون آنکه به منافع خود بیماران نیز اشاره شود.

این ابزار تشخیصی این پتانسیل را دارد که یک تغییر الگو در نحوه بررسی و نظارت بر بیماران باشد. ، مدیر عامل پزشکی Clare، Ron Lipstein می‌گوید: « با ارائه یک هشدار به پزشکان برای بیماران پرخطر، ما معتقدیم که این امر توانایی قابل‌توجهی برای مداخله زودهنگام و تغییر مثبت مسیر درمان یک بیمار را فراهم می‌آورد.»

این مطالعه با بیماران عمدتا مسن در بیمارستان‌های نیوجرسی با حداقل یک بیماری زمینه‌ای انجام شد. در مقایسه با جمعیت عمومی، چنین بیمارانی در معرض انواع پیامدهای بالینی مهم، از جمله عفونت‌های دستگاه ادراری، ذات‌الریه، افتادن و شکستگی، تشدید بیماری انسدادی مزمن ریه، بدتر شدن دیابت، و بدتر شدن بیماری مزمن کلیه هستند.

با این حال، تیم پزشکی Clare با استفاده از ابزار مبتنی بر هوش مصنوعی خود -که از الگوریتمی برای نمایش نمودارها و داده‌های پزشکی بیماران استفاده می‌کند- توانست ۱۲.۸ درصد از بیماران شرکت‌کننده در این برنامه را شناسایی کند، چرا که در معرض خطر بالای ۳۰ روز نیاز به بازدید از بیمارستان یا اتاق اورژانس قرار دارند. این امر منجر به این شد که به پزشکان اطلاع داده شود و بیماران مورد بازبینی قرار گیرند و بر روی آن‌ها عمل شود.

در نتیجه، تنها ۶.۳٪ از بیماران-یا ۵۱٪ از ۱۲.۸٪ که به عنوان در معرض خطر شناسایی شدند-در نهایت به بازدید از بیمارستان یا اورژانس نیاز پیدا کردند. البته لازم به ذکر است که گزارش پزشکی Clare یک خطای ۳ درصدی دارد، بنابراین شناسایی اولیه ۱۲.۸٪ بیمارانی که در معرض خطر هستند ممکن است بیش از حد برآورد شده (یا تخمین کم‌تر از حد تخمین زده) باشد.

هوش مصنوعی در دوران COVID19

برآوردهای پزشکی Clare حاکی از آن است که پذیرش یک بیمارستان شامل یک بیمار مسن که چندین بیماری همراه دارد بیش از ۳۰،۰۰۰ دلار هزینه دارد.

در عین حال، پذیرش پس از شروع یک وضعیت، بیمار را در معرض خطر بیشتری قرار می‌دهد. این خطر در حال حاضر با توجه به این واقعیت که بار بیماری همه‌گیر کرونا ویروس، بیمارستان‌ها و سیستم‌های بهداشتی را کم‌تر قادر به غربالگری بیماران ساخته‌است، در حال افزایش است.

برای مثال، دولت بریتانیا در ماه جولای تخمین زد که کاهش مراقبت‌های اورژانسی، مراقبت‌های اجتماعی بزرگسالان، مراقبت‌های انتخابی و مراقبت‌های اولیه می‌تواند به ترتیب منجر به مرگ ۱۰،۰۰۰، ۱۶۰۰۰، ۱۲۵۰۰ و ۱۴۰۰ مورد اضافی در طول ۱۲ ماه شود (رقم برای مراقبت‌های انتخابی یک چارچوب زمانی پنج ساله را پوشش می‌دهد) ، با این فرض که مراقبت COVID19 همچنان بر درمان پزشکی برای شرایط دیگر تاثیر می‌گذارد.

این همان مشکلی است که تشخیص هوش مصنوعی می‌تواند به راحتی آن را حل کند. با کاهش زمان و منابع موردنیاز برای ارائه شاخص‌های قابل‌اعتماد از رویدادها و شرایط احتمالی سلامت، ابزارهای مبتنی بر هوش مصنوعی می‌توانند به طور بالقوه مواجهه با COVID19 را برای بیمارستان‌ها آسان‌تر کنند در حالی که هنوز هم به مراقبت از بیماران برای بیماری‌های دیگر ادامه می‌دهند.

و با اطمینان خاطر، پزشکی Clare تنها شرکتی نیست که از هوش مصنوعی برای تسریع و بهبود تشخیص استفاده می‌کند. در ماه جولای، متخصصان تجزیه و تحلیل داده‌های پزشکی آغاز به کار روباتیک تشخیصی قراردادی را با مرکز پزشکی کلینیک مایو امضا کردند که از ابزارهای مبتنی بر هوش مصنوعی خود برای سرعت بخشیدن به فرآیند تشخیص و درمان بیماران در بیمارستان‌ها و اتاق‌های اورژانس استفاده خواهد کرد. به همین ترتیب، امسال سهم عادلانه خود را از تحقیقات آکادمیک به دست داده‌است که نشان می‌دهد برای مثال، الگوریتم های هوش مصنوعی به اندازه رادیولوژیست‌ها در غربالگری سرطان سینه موثر هستند.

پاندمی ویروس کرونا به بیمارستان‌ها انگیزه بیشتری برای وارد کردن اطلاعات مصنوعی در فرآیند تشخیص داده‌است، در حالی که اخیرا مدل‌های هوش مصنوعی برای شناسایی ناقلان بدون علامت COVID19 توسعه‌یافته اند.

به عبارت دیگر، بسیار بعید است که Clare Medical آخرین پزشک برای آزمایش و استفاده از هوش مصنوعی باشد. چون با توجه به اینکه ویروس کرونا به طور بالقوه برای چند سال آینده با ما می‌ماند، و با افزایش جمعیت جهان، بیمارستان‌ها تنها در آینده کار بیشتری خواهند داشت، نه کم‌تر.

این متن با استفاده از ربات ترجمه مقالات هوش مصنوعی ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است. در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.