Световното население продължава да расте и да застарява, а здравните системи на много места са все по-близо до ръба на колапса. Според Световната здравна организация, настоящият брой лекари и здравни работници не е достатъчен, за да се справи с нарастващото количество медицински случаи. 

Освен това повишеният стрес и т. нар. "прегаряне" карат мнозина да напуснат полето на медицината, като допълнително намаляват броя на практикуващите работници. Оценките на консултантската компания Becker Health показват, че близо 72 000 американски лекари са напуснали работната сила между 2021 и 2022 г., а очакваните 30 000, които ще се присъединят към нея, няма да са достатъчни, за да отговорят на нарастващото търсене.

А тази статистика не се наблюдава само в САЩ, но и на много други места по света. Основният риск е влошаването на качеството на грижите за пациентите. Но един от неочакваните помощници на здравеопазването може да се окаже генеративният изкуствен интелект, който спестява ценно време и ресурси на медиците и им позволява да се съсредоточат върху подобряването на клиничните резултати, пише Forbes.

AI не е нещо ново в здравеопазването. Здравните организации от години експериментират с алгоритми за прогнозиране и диагностика. Генеративният изкуствен интелект обаче излезе "на сцената" с пускането на ChatGPT през 2022 година. Неговите алгоритми използват невронни мрежи за идентифициране на модели и структури в съществуващи бази данни и генериране на ново съдържание като текст и изображения. Те са приложими в различни сектори, включително и в здравеопазването, където организациите кумулативно генерират около 300 петабайта данни всеки ден.

Способността на AI да се учи от данните и да създава нови неща не може изцяло да замени лекарите или да върши тяхната работа, но със сигурност може да облекчи напрегнатите системи на здравеопазването, като разшири определени аспекти на системата. Това може да бъде свързано с много неща - от опростяване на пътуванията на пациентите и телеконсултации до обработка на клинична документация и предоставяне на информация.

Медицински асистенти с изкуствен интелект

След пандемията от COVID-19 много медицински заведения предложиха услуги за дистанционна консултация, чрез които пациентите можеха да се свържат с лекаря, без да посещават болницата лично. Подходът проработи донякъде, но лекарите бяха претоварени, тъй като трябваше да се справят както с онлайн, така и с офлайн пациентите си. 

Генеративният AI може да помогне за създаването на "виртуални" асистенти, които да поемат част от задачите. Модели като GPT-4 могат да бъдат настроени върху медицински данни, да приемат някои базови случаи и да насочват пациентите към най-добрите възможности за лечение. Ако някой конкретен случай изглежда по-сложен, моделът може да пренасочи пациента към лекар или медицински специалист. По този начин всички случаи ще бъдат разгледани, без да поставят лекарите под огромен работен натиск. Множество организации, включително Sanofi, Bayer и Novartis, вече възприехатози подход и пуснаха AI помощници на своите платформи.

Наред с оценката на условията и предоставянето на насоки, генеративните чат ботове с изкуствен интелект могат да се справят и с основни здравни операции като записване на часове и напомняне на пациентите за техните планирани посещения. Това може да спести много работа на операторите, което те отделят за обработка на непрекъснато нарастващия брой обаждания и съобщения в здравните системи.

Някои компании дори внедряват "помощник пилоти", базирани на изкуствен интелект, които слушат разговора между пациента и лекаря и генерират обобщени клинични бележки.  

Извличане и анализ на данни 

Една от най-силните страни на т. нар. "големи езикови модели" (LLM - Large Language Models) е, че те могат да бъдат подобрени с генериране на разширение за извличане, за да използват допълнителни ресурси за данни без повторно обучение. Това позволява на здравните организации да изграждат вътрешни "интелигентни" асистенти или системи за търсене.

Те биха могли да помогнат на лекарите при вземането на решения и поставянето на диагнози, като предоставят препоръки, основани на доказателства за конкретни медицински състояния. В други случаи те ще могат да изготвят основани на факти медицински доклади за пациенти или да споделят най-новите клинични насоки за лечение. 

Базираната в Сан Диего Nanome използва тази техника, за да разработи асистент, който използва големи езикови модели (LLM) и достъп до вътрешни данни в реално време и системи за молекулярна симулация.  Това помага на фармацевтичните екипи в разработването на нови лекарства.

Друго забележително приложение на генеративния AI би бил анализът на данни, по-специално анализът на медицински изображения като компютърна томография, ядрено-магнитен резонанс и рентгенови снимки. Дори след бързата дигитализация през последните години, повечето диагностични центрове в днешно време разчитат на човешки експерти, за да изучават медицинските изображения и да пишат доклади за пациентите. Работата отнема много време и усилия и е свързана със сериозен риск от грешки.

С  помощта на генеративния AI екипите биха могли да прецизират модели като GPT-4 Vision и да ги използват за изучаване и генериране на доклади от медицински данни, автоматизирайки и ускорявайки целия процес. Идеята все още е нова, но ранните експерименти показват, че това е обещаващо приложение на изкуствения интелект в здравеопазването. 

Според проучване на JAMA Network, генерираните от AI доклади за рентгенографии на гръдния кош имат същото ниво на качество и точност като тези, изготвени от рентгенолози.

Разработка на лекарства

Способността на изкуствения интелект да разбира сложни модели и структури в големи обеми медицински данни може също да помогне при разработването на лекарства.

Технологията може да оцени уникалните маркери на конкретно заболяване и да създаде нови комбинации от химикали или нови молекулярни структури, които биха могли да доведат до потенциални кандидати за лекарства. Той дори може да следи генерираните съединения въз основа на техните характеристики и да предвиди страничните ефекти и взаимодействия между медикаментите. 

Миналата година лекарството INS018_055, генерирано от изкуствен интелект на Insilico Medicine за идиопатична белодробна фиброза, която засяга около 100 000 души в САЩ, премина периода на клинични изпитвания върху хора и е все по-близо до масовото разпространение.

Въпреки тези потенциално трансформиращи приложения, генеративният AI ще бъде толкова добър, колкото и данните, върху които е обучен и настроен. Ако данните не са подготвени добре или съдържат сериозни отклонения, резултатите от моделите също ще отразяват тези проблеми, което може да се отрази на репутацията на медицинските заведения. 

Това означава, че организациите трябва първо да подготвят данните по най-добрия възможен начин и да гарантират стриктното съхранение на чувствителната лична информация на пациентите, а чак след това да преминат към следващите етапи от жизнения цикъл на своите AI проекти, пише още изданието. 

Наградата за тези усилия ще бъде намаляването на стреса и натоварването за лекарите и административните специалисти. 

Новините на Darik Business Review във Facebook , Instagram , LinkedIn и Twitter !