هوش مصنوعی می‌تواند آزمایش‌های بالینی را در مناطق روستایی آمریکا بیاورد

هوش مصنوعی می‌تواند به گسترش دسترسی به آزمایش‌های بالینی برای بیماران در جوامع روستایی کمک کند، جایی که جغرافیا و فقدان زیرساخت‌های تحقیقاتی از لحاظ تاریخی فرصت‌های مشارکت را محدود کرده است.

به گفته شرکت کنندگان در اجلاس سلامت هوش مصنوعی نیوزویک در نیویورک، فناوری هوش مصنوعی توسعه یافته توسط Paradigm Health می تواند 8000 برابر بیشتر از بیماران را برای انجام آزمایشات بالینی بالقوه در تنها 10 دقیقه نسبت به فرآیندهای غربالگری سنتی در یک روز غربالگری کند.

کنت تولکه، مدیرعامل Paradigm Health توضیح داد: "اگر در یک منطقه روستایی زندگی می کنید، احتمال دسترسی شما به بهترین مراقبت ممکن، که می تواند یک کارآزمایی بالینی باشد، محدود است." حدود 81.7 میلیون آمریکایی - تقریبا یک چهارم جمعیت - در مناطقی زندگی می کنند که توسط آژانس مالی مسکن فدرال به عنوان روستایی طبقه بندی شده اند، با این حال بسیاری از آنها با موانع قابل توجهی برای دسترسی به آزمایشات بالینی روبرو هستند.

تحقیقات منتشر شده در JCO Oncology Practice نشان داد که 86٪ از شهرستان های غیرکلانشهری ایالات متحده هیچ کارآزمایی فعالی برای درمان سرطان در سال 2022 نداشتند، در مقایسه با 44٪ از شهرستان های کلانشهری. تحقیقات جداگانه‌ای که در مارس 2025 توسط کتابخانه ملی پزشکی منتشر شد که شامل تقریبا 30000 شرکت‌کننده در آزمایش سرطان بود، نشان داد که تقریبا سه چهارم از افرادی که از مناطق روستایی هستند، بیش از 50 مایل را برای شرکت در آن سفر کرده‌اند، در مقایسه با 16 درصد از بیماران شهری.

هوش مصنوعی می‌تواند با جستجوی سریع پرونده‌های سلامت الکترونیکی برای بیمارانی که معیارهای واجد شرایط بودن کارآزمایی پیچیده را دارند، این شکاف را برطرف کند.

تولکه گفت: «این فرآیند به صورت دستی می‌توانید در یک روز 12 بیمار را غربالگری کنید. ما می توانیم 100000 بیمار را در 10 دقیقه غربالگری کنیم.

تولکه گفت که بیش از 85 درصد از سیستم‌های بهداشتی که پارادایم با آنها کار می‌کند در جامعه و مناطق روستایی است.

او گفت که شرکت او پس از ادغام فناوری با پرونده الکترونیک سلامت، افزایش قابل توجهی در غربالگری بیماران در محیط های اجتماعی و روستایی داشته است.

وی گفت: ما از 10 هزار بیمار غربالگری شده به 20 هزار بیمار غربالگری شده می‌رسیم.

علاوه بر این، Thoelke گفت این سیستم می تواند از اطلاعات زمان بندی برای پرچم گذاری نامزدهای آزمایشی احتمالی قبل از قرار ملاقات های آینده استفاده کند.

تولکه گفت: «اگر می‌دانیم که بیمار در دو یا سه هفته آینده وارد می‌شود، که اسکن انجام می‌شود، سعی می‌کنیم بر اساس اطلاعاتی که در مورد وضعیت بیماری‌شان می‌دانیم و اگر با یک کارآزمایی مطابقت دارند، آن بیماران را در زمان مناسب با هم صحبت کنیم.»

جنیفر لیتون، انکولوژیست پزشکی پستان و افسر ارشد تحقیقات بالینی در مرکز سرطان اندرسون MD دانشگاه تگزاس، همچنین بر پتانسیل هوش مصنوعی برای گسترش جایی که آزمایش‌ها می‌تواند به بیماران دسترسی پیدا کند، تأکید کرد.

او گفت: «ما در حال یافتن راه‌هایی برای نزدیک‌تر کردن آزمایش‌ها به افرادی هستیم که در خانه هستند به جای افرادی که می‌توانند به یک مرکز بزرگ دانشگاهی برسند.

اما تولکه گفت فناوری به تنهایی نمی تواند موانع را از بین ببرد. اتصال سیستم‌های سلامت به زیرساخت‌های لازم نیازمند سرمایه‌گذاری در فناوری اطلاعات و توافق‌های قانونی است که می‌تواند ماه‌ها طول بکشد.

او گفت: «برای اکثر این سیستم‌های اجتماعی و روستایی، بدون آن زیرساخت، آنها نمی‌توانند در مقیاس بزرگ رقابت کنند و نمی‌توانند دسترسی بیماران خود را به این آزمایش‌ها فراهم کنند.»

برای تولکه، موضوع در نهایت به این می‌رسد که آیا جغرافیا تعیین می‌کند که بیماران چه فرصت‌های درمانی را دریافت می‌کنند.

او گفت: «اگر در مناطق روستایی داکوتای شمالی زندگی می‌کنید، نباید بمیرید زیرا در مناطق روستایی داکوتای شمالی زندگی می‌کنید و نمی‌توانید به کلینیک مایو یا کلینیک کلیولند بروید. "این اجازه می دهد تا در آن مناطق به درمان هایی دسترسی داشته باشید که در غیر این صورت آن بیماران نمی توانستند دریافت کنند."