Hvordan AI ændrer Sundhedsvæsenet

2023 Forfatter: Susan Creighton | [email protected]. Sidst ændret: 2023-08-25 03:47

• Maskinlæring og dybe neurale netværk har ansporet betydelige fremskridt inden for kunstig intelligens.
• Største AI-applikationer inden for sundhedsvæsen inkluderer diagnostik, robotkirurgi og virtuelle sygeplejeassisterende.
• Healthcare AI forventes at nå 6, 6 milliarder dollars værdi i 2021.
• Vedtagelse af AI kunne spare den amerikanske sundhedsindustri $ 150 milliarder dollars årligt inden 2026.

I Star Wars: The Empire slår tilbage reddes Luke Skywalker fra den frosne affald fra Hoth efter et næsten dødbringende møde, heldigvis for at blive returneret til en medicinsk facilitet fyldt med avanceret robotik og futuristisk teknologi, der behandler hans sår og hurtigt bringer ham tilbage til helbredet. Det er selvfølgelig de ting af science fiction … lige nu.

Sundhedsindustrien kunne være på vej mod endnu en højteknologisk makeover (selvom den fortsætter med at tilpasse sig fremkomsten af elektroniske sundhedsregistreringssystemer og andre IT-produkter til sundhedsvæsen), da kunstig intelligens (AI) forbedres. Kunne AI-applikationer blive den nye normale i stort set alle sektorer i sundhedsindustrien? Mange eksperter mener, at det er uundgåeligt og kommer hurtigere end du kunne forvente.

Hvad er kunstig intelligens?

AI kunne simpelthen defineres som computere og computersoftware, der er i stand til intelligent opførsel, såsom analyse og læring. Det er en bred kategori i forkant med den teknologiske udvikling, der vokser og skifter hver dag.

Maskinindlæring og neurale netværk

Maskinlæring er grundlaget for moderne AI og er i det væsentlige en algoritme, der giver computere mulighed for at lære uafhængigt uden at følge nogen eksplicit programmering. Når maskinlæringsalgoritmer støder på flere data, forbedres algoritmenes ydelse.

Deep learning er en delmængde af maskinlæring, der fungerer på en lignende måde med en lille vri. Dyb indlæring går et skridt videre og gør konklusioner baseret på de data, den har stødt på før. Med andre ord, dyb læring gør det muligt for en AI-applikation at drage sine egne konklusioner. Det fungerer gennem et kunstigt neuralt netværk, som er et sæt maskinlæringsalgoritmer, der fungerer i tandem. Et neuralt netværk ligner løst den menneskelige hjerne med en række "neuroner", der "affyrer", når der er visse stimuli (i dette tilfælde data).

"Konventionelle maskinlæringsløsninger er ikke kognitive; de er trænet fra data, men mangler evnen til at springe ud over manglende eller ødelagte data og opbygge en hypotese om potentielle handlinger, " sagde AJ Abdallat, administrerende direktør for Beyond Limits. "Maskinlæring kan være effektiv til at opdage noget, der forventes, men det mislykkes, når det konfronteres med det uventede."

For at tage kunstig intelligens til det næste niveau, sagde Abdallat, skal udviklere understrege både deduktiv og induktiv begrundelse og efterligne disse kognitive mønstre i de maskiner, de designer. En fordel ved dynamiske, dybe læringsløsninger, tilføjede han, er, at de kan forklare deres ræsonnement og konklusioner, en stor fordel for kompleks beslutningstagning.

Hvordan bruges AI i sundhedsvæsenet?

AI er stadig en relativt ny teknologi, især i sundhedsindustrien, hvor adoption stadig er i sin spædbarn. Efterhånden som AI og maskinindlæringsværktøjer bliver mere sofistikerede, er deres brugssager udvidet; adoption af AI er dog fortsat lav, ifølge John Frownfelter, chef for medicinsk information ved Jvion.

"Vi er stadig i hype-fasen, hvor mange organisationer forsøger at forstå, hvordan det passer ind i en overordnet strategi, " sagde Frownfelter. "Tidlig AI blev set … med mere vægt på mønstergenkendelse til faktureringsprocesser. Det har udviklet sig til en meget mere sofistikeret anvendelse af dyb maskinlæring og udnytte kraften i big data."

Moderne AI-applikationer inkluderer omfattende anvendelsessager, fra cybersikkerhed til radiografisk billeddannelse, sagde Frownfelter. Da AI-applikationer fortsætter med at forbedre, kunne hele sundhedsindustrien gennemgå et skift. Her er nogle af de vigtigste måder AI forventes at forme sundhedsydelser i de kommende år.

Diagnosticering

AI udmærker sig ved at kategorisere data, især når de er blevet udsat for store mængder data om emnet. Det skaber et stort løfte for AI, når det kommer til diagnostik - medicinsk billeddannelsesanalyse og patientundersøgelser, genetik og mere kan alle kombineres for at forbedre diagnostiske resultater. Desuden kan AI-værktøjer bruge lignende oplysninger til at skabe unikke behandlingsmetoder og tilbyde anbefalinger til læger.

"Den virkelig interessante udvikling er i den kliniske arena, " sagde Frownfelter. "Klinisk receptpligtig analyse er sandsynligvis den nærmeste AI, der kommer til at støtte direkte patientpleje i 2019."

Robotassisteret operation

Robotkirurger giver kirurger mulighed for at bruge mindre værktøjer og foretage mere præcise snit. Kirurger (og patienter) kunne også drage fordel af AI ved at kombinere medicinske poster med data i realtid under operationer samt trække på data fra tidligere vellykkede operationer af samme type. Accenture, et teknologirådgivningsfirma, estimerer, at AI-aktiveret, robotassisteret kirurgi kan spare den amerikanske sundhedsindustri 40 millioner dollars årligt inden 2026.

Virtuel sygeplejeassistent

Tænk på virtuelle sygeplejeassisterende som en Alexa til dit hospital på sengen. Disse virtuelle assistenter gentager en sygeplejersks typiske opførsel ved at hjælpe patienter med deres daglige rutiner, minde dem om at tage medicin eller gå til aftaler, hjælpe med at besvare medicinske spørgsmål og mere. Accenture anslår, at virtuelle sygeplejeassistenter kan være den næststørste kilde til årlige besparelser for den amerikanske sundhedsindustri og skære så meget som $ 20 milliarder i omkostninger.

Administrativ arbejdsgangshjælp

Naturligvis resulterer medicinsk praksis, hospitaler og andre plejepunkter i meget papirarbejde. Faktisk var det at konsolidere og digitalisere disse poster, der førte til branchenomfattende vedtagelse af elektroniske sundhedsregistreringssystemer. AI er allerede begyndt at komme vej ind i disse systemer og kan bruges til at strømline administrative funktioner også. Accenture estimerer, at ny effektivitet i administrativ arbejdsgang på grund af nye AI-teknologier kan resultere i 18 milliarder dollars i årlige besparelser.

Redaktørens note: Leder du efter et EPJ-system til dit hospital eller din medicinske praksis? Udfyld nedenstående spørgeskema for at blive kontaktet af vores leverandørpartnere med mere information om en mulig løsning for dig

køberzone-widget

Patient engagement

Allerede er automatiserede planlægnings- og aftalepåmindelser almindelige, men ansigtet til patientinddragelse kan snart blive mere robotisk (og alligevel på samme tid mere personlig.)

"Der har med rette været fokus på, hvordan AI kan bruges til at diagnosticere og helbrede patienter bedre, " sagde Phil Marshall, medstifter af Conversa Health. "Det er vigtigt, men nu ser vi et skift til måderne, AI kan udvide til patientoplevelsen på."

For eksempel kan patienter, der er bekymrede for en specifik tilstand eller bivirkningerne af behandlingen, spørge om en chatbot når som helst, selv når deres læge ikke er tilgængelig, sagde Marshall.

"Forestil dig en kræftpasient, der gennemgår stråling [hvem], der ikke er bekendt med, hvad der er en normal bivirkning, og hvad der ikke er. Nu, i stedet for at bekymre sig om natten, indtil doktorens kontor åbner, kan chatbotten fortælle dem, " sagde han.

Kunsten af kunstig intelligens inden for sundhedsvæsenet

Hvad er alt dette værd? Accenture estimerer, at de 10 AI-applikationer inden for sundhedsvæsenet kan spare industrien $ 150 milliarder årligt inden 2026. Selve AI-sundhedsmarkedet forventes at være værd $ 6, 6 milliarder i 2021, hvilket repræsenterer en massiv sammensat årlig vækstrate på 40% siden 2014, men også en beskeden investering sammenlignet med de forventede besparelser, der er direkte relateret til vedtagelsen af AI.