«مرده می‌بود»: بیمارستان‌هایی که از هوش مصنوعی برای نجات جان انسان‌ها استفاده می‌کنند

در حالی که هوش مصنوعی اغلب با خودکار کردن کارهای اداری مرتبط است، رهبران مراقبت های بهداشتی در اجلاس سلامت هوش مصنوعی نیوزویک در شهر نیویورک توضیح دادند که چگونه از این فناوری در خط مقدم بالینی برای شناسایی زودتر شرایط جدی استفاده می شود و به پزشکان زمان بیشتری برای مداخله می دهند.

به گفته جان کوریس، رئیس و مدیر عامل مرکز علوم بهداشت فلوریدا که بیمارستان را اداره می کند، زمانی که بیمارستان عمومی تامپا برای اولین بار هوش مصنوعی را به کار گرفت، برنامه های کاربردی بالینی را بر ساده کردن وظایف دفتر پشتی اولویت داد. او به نیوزویک گفت: «من به سازمان دستور دادم، شما ابتدا هوش مصنوعی را در محیط بالینی مستقر خواهید کرد.

برای کوریس، قرار دادن برنامه های کاربردی بالینی در ابتدا به معنای تمرکز هوش مصنوعی بر حوزه هایی بود که می تواند بر کیفیت، ایمنی و نتایج بیمار تأثیر بگذارد. یکی از کاربردهای اولیه تامپا جنرال در مورد بیماران مبتلا به سپسیس و سپتی سمی بود، که کوریس تاکید کرد که "علت اصلی مرگ در کشور ما و مسلما در بیشتر کشورها" است.

کوریس گفت: "ما جان بیش از 1000 نفر را نجات داده ایم." این‌ها مادران و پدران و خاله‌ها و عمه‌ها و پدربزرگ‌ها هستند که در خانه هستند، با خانواده‌هایشان زندگی می‌کنند و زندگی می‌کنند، در غیر این صورت اگر به‌کارگیری هوش مصنوعی نبود، می‌مردند.»

او تاکید کرد که نتیجه کار تنها کار هوش مصنوعی نبود، و به پزشکان، پرستاران، داروسازان و دانشمندان کمک کرد تا بینش فناوری را به نتایج بهتری برای بیماران تبدیل کنند.

کوریس گفت هوش مصنوعی به پزشکان دید بیشتری نسبت به سپتی سمی می دهد و به آنها کمک می کند تا از تعقیب آن به پیش بینی اینکه آیا ممکن است بیمار سپتی سمی شود یا نه، حرکت کنند. او گفت: «این یک تغییر مطلق بازی بوده است.

مدیر عامل بیمارستان توضیح داد که در حال حاضر میزان مرگ و میر 48 ساعته در مرکز پزشکی دانشگاهی زیر 5 درصد است. او گفت که نرخ قابل مقایسه در ایالات متحده بین 15 تا 18 درصد است در حالی که برخی از بیمارستان ها نرخ مرگ و میر بالای 30 درصد دارند.

در Sanford Health نیز از هوش مصنوعی برای شناسایی زودتر خطر بیماری استفاده می شود. تامی ابراهیم، ​​مدیر ارشد تحول سنفورد گفت که این سازمان این فناوری را در پرونده های پزشکی الکترونیکی خود جاسازی کرده است.

ابراهیم گفت: «ما توانسته‌ایم میزان غربالگری را که برای بیماری‌های مزمن کلیوی انجام می‌دهیم دو برابر کنیم. و ما میزان تشخیص را نیز سه برابر کرده ایم.

"این تاثیر واقعی و کیفیت واقعی مراقبت است که ما در حال ارائه به جوامع خود هستیم. و مداخله زودتر و در واقع نجات افراد از پیشرفت بیماری مزمن کلیوی و در نهایت دیالیز شدن.

ابراهیم همچنین یک مورد سرطان کولورکتال را در روستایی داکوتای شمالی توصیف کرد که در آن یک الگوریتم عوامل خطر پنهان را در بیماری که در غیر این صورت غربالگری نمی شد، شناسایی کرد. بیمار برای کولونوسکوپی ارجاع شد، جایی که پزشکان ضایعات پیش سرطانی را تشخیص دادند و توانستند به سرعت عمل کنند.

به گفته ابراهیم، ​​سانفورد همچنین شاهد پیشرفت‌های اداری است، با اتوماسیون وظایف صورت‌حساب و پرداخت که پیش‌بینی می‌شود در سال جاری 100000 ساعت صرفه‌جویی کند - معادل حدود 50 کارمند تمام وقت.

او تاکید کرد که این به معنای کاهش مشاغل نیست، بلکه هوش مصنوعی کارمندان را آزاد می‌کند تا روی کارهای دیگر تمرکز کنند.

دکتر برندن کار، مدیر عامل شرکت Mount Sinai Health System گفت هوش مصنوعی می تواند به نوزادانی که در معرض خطر خونریزی داخل جمجمه هستند کمک کند.

او گفت: «نوزادان احتمال خونریزی داخل جمجمه‌ای دارند» و توضیح داد که تشخیص این بیماری می‌تواند دشوار باشد زیرا علائم اولیه ممکن است شامل «نوعی انقباض کوچک کوچک یا همی فلج کوچک» باشد.

اما، او گفت، "اگر بچه ای در دوربین داشته باشید، می توانید آن را زودتر ببینید. و اگر بتوانید آن را زودتر ببینید، می توانید سریعتر مداخله کنید."