هیاهوی زیادی در مورد هوش مصنوعی در مراقبت های بهداشتی وجود دارد و هجوم شرکت های سلامت دیجیتال به دنبال پول نقد هستند.
اما کارشناسان مطمئن نیستند که چگونه برنامه‌های کاربردی هوش مصنوعی مانند ChatGPT و GPT-4 بر تشخیص بالینی و تصمیم‌گیری تأثیر می‌گذارند. اکثرا می گویند که موج اول پذیرش در مناطقی اتفاق می افتد که تعدیل اداری وجود دارد.
مطالب مرتبط: مایکروسافت و Nuance جانشین ChatGPT را برای مراقبت های بهداشتی معرفی کردند
دکتر گرگ آتور، افسر ارشد انفورماتیک پزشکی در سیستم بهداشتی دانشگاه کانزاس گفت: «بدیهی است که انرژی و نگرانی زیادی وجود دارد. «مردم با استفاده از برخی از این فناوری‌ها در مقابل اسکی‌های خود راه می‌روند.»
در عوض، پذیرش زودهنگام هوش مصنوعی مولد در مراقبت‌های بهداشتی در حوزه بالینی کمتر زرق و برق‌دار انجام می‌شود. یادداشت برداری. آتور بخشی از تیمی است که فناوری هوش مصنوعی مولد را در سیستم سلامت دانشگاهی برای کمک به پزشک اجرا می کند یادداشت برداری. این سیستم با Abridge، یک شرکت هوش مصنوعی پزشکی کار می کند تا مکالمات بالینی را از صدای ضبط شده در طول ویزیت بیمار خلاصه کند.
فناوری هوش مصنوعی مولد Abridge شبیه به Nuance Communications، یک شرکت نرم‌افزار اسناد بالینی متعلق به مایکروسافت است. دوشنبه گذشته، Nuance گفت که جانشین OpenAI ChaptGPT GPT-4 را به آخرین برنامه خود اضافه می کند، که در سیستم های پرونده الکترونیک سلامت استفاده خواهد شد.
در هر دو مورد، کاربران باید آنچه را که می بینند توضیح دهند تا نرم افزار به درستی کار کند. به عنوان مثال، اگر یک بیمار با گلودرد مراجعه می کند، تفسیر خاصی از آنچه پزشک می بیند باید به صورت شفاهی به اشتراک گذاشته شود تا برنامه بتواند اطلاعات را وارد کند.
علاوه بر وارد کردن اطلاعات مرتبط به EHR، هر دو برنامه مکالمه‌هایی را که برای طرح مراقبت قابل اجرا نیستند حذف می‌کنند.
شیو رائو، یکی از بنیانگذاران و مدیرعامل آبریج، گفت: «آنها ابزارهای برقی هستند. “[Generative AI is] یک ابزار قدرتمند در زمینه مجموعه بسیار بزرگ‌تری از فناوری‌ها که با هم هماهنگ شده و به راه‌حلی تبدیل می‌شود که می‌تواند در جریان کار ارزش ایجاد کند.»
به گفته آتور، سوابق پزشکی مکانی منطقی برای شروع است، زیرا پزشکان می توانند به سرعت تشخیص دهند که نتایج حاصل از هوش مصنوعی کجا به دست آمده است. اگر هوش مصنوعی اطلاعات ارزشمندی را از دست داد، پزشکان می توانند به راحتی دوباره به ضبط ویزیت گوش دهند.
رائو گفت: “آنچه در کنار، زیر و بالای این مدل های پایه مانند GPT-4 می سازید، سس مخفی است.” لایه خاصی از فناوری‌ها وجود دارد که اکنون در دسترس همه ما هستند، اما نحوه ادغام این ابزارها در راه‌حل‌های بزرگ‌تر تفاوت بین تجربیات واقعاً جادویی برای پزشکان و بیمارانشان و راه‌حل‌هایی است که احساس می‌کنند از دسترس خارج می‌شوند. اسباب بازی.”
علاقه سرمایه گذار همچنان قوی است
بر اساس داده های Rock Health، یک شرکت تحقیقاتی و سرمایه گذاری سلامت دیجیتال، سرمایه گذاری در هوش مصنوعی مراقبت های بهداشتی در سال 2022 بالغ بر 4.4 میلیارد دلار بوده است. در حالی که کل سال گذشته بیش از 50 درصد نسبت به سال 2021 کاهش داشت، اما مطابق با سال 2020 بود.
همان داده‌ها نشان داد که سال 2021 با 224 معامله برای شرکت‌هایی که از فناوری هوش مصنوعی استفاده می‌کنند، علامت مشخصی ایجاد کرد. اگرچه سال 2022 چندان پربار نبود، اما از سال 2020 بالاتر بود. اگرچه کارشناسان می گویند سطوح از سال 2021 به این زودی ها باز نمی گردند، اما این فضا همچنان مورد توجه است.
بدبینان می گویند در حالی که سرمایه گذاری های هوش مصنوعی قوی باقی مانده اند، تعداد کمی از این سرمایه گذاری ها آماده پذیرش گسترده هستند.
Erik Brynjolfsson، مدیر آزمایشگاه اقتصاد دیجیتال در موسسه هوش مصنوعی انسان محور دانشگاه استنفورد گفت: “من فکر می کنم که برای مدتی به آینده، ما همچنان به حضور انسان در حلقه نیاز خواهیم داشت، زیرا هوش مصنوعی بسیار کامل نیست.” . “این نمی تواند بسیاری از کارها را انجام دهد.”
Brynjolfsson گفت که متخصصان پزشکی آموزش دیده می توانند به سرعت ناهنجاری ها را در یک اسکن یا تصویر پزشکی رد کنند، در حالی که AI ممکن است تشخیص اشتباه بدهد در حالی که پتانسیلی برای جایگزینی برخی از نقش های پزشکان وجود دارد، کارشناسان می گویند که ورودی انسانی همچنان حیاتی است.
نصب هوش مصنوعی مولد نیز زمان بر است و حتی در مناطق امیدوارکننده نیز برای پرایم تایم آماده نیست. Nuance ویژگی GPT-4 خود را در تابستان عرضه می کند.
آتور گفت که سیستم بهداشتی دانشگاه کانزاس این فناوری را طی چند ماه اجرا می کند. او خوشبین است که تا پایان سال تکمیل شود، اما نمی‌خواهد جدول زمانی مشخصی ارائه کند. این تا حد زیادی به دلیل زمان لازم برای آموزش پزشکان و ادغام مورد نیاز با پلت فرم EHR ارائه دهنده Epic است.
هر زمان که با یک سیستم پیچیده مانند Epic که سیستم پزشکی پایه ما است کار می کنید، باید با آنها تعامل داشته باشیم. [the implementation] Ator گفت که براساس جدول زمانی آنها هدایت می شود.
یکی دیگر از موانع بالقوه برای فرزندخواندگی می تواند پذیرش بیمار باشد. نظرسنجی مرکز تحقیقات پیو که در دسامبر انجام شد نشان داد 60 درصد از بیماران بزرگسال ایالات متحده اگر ارائه دهنده مراقبت های بهداشتی آنها برای مراقبت های پزشکی خود به هوش مصنوعی متکی باشد، احساس ناراحتی می کنند. کمتر از یک سوم احساس می‌کردند که کیفیت مراقبت‌هایشان با اجرای هوش مصنوعی افزایش می‌یابد.
در حالی که این مطالعه به طور خاص از پاسخ دهندگان در مورد تجزیه و تحلیل ضبط های صوتی بازدیدهایشان سوالی نپرسید، نویسندگان گزارش دریافتند که “نگرانی در مورد سرعت پذیرش هوش مصنوعی” به طور گسترده در پزشکی مشترک است.
Brynjolfsson گفت که دیکته و تصویربرداری پزشکی مناطقی هستند که ارائه دهندگان می توانند فرآیندها را بهبود بخشند. اما او گفت که آینده مراقبت های بهداشتی همچنان مستلزم نظارت بالینی و انسانی است.
با این حال، دیگران نسبت به پذیرش آینده خوش بین تر هستند.
دکتر رابرت پرل، مدیر عامل سابق اوکلند، کایزر پرماننته مستقر در کالیفرنیا و استاد فعلی دانشگاه استنفورد، گفت: «آنچه امروز می‌بینیم فقط نشانه‌ای از آنچه قرار است بیاید است. «همه روی اشتباهات روز یا کاستی های امروز تمرکز می کنند. آنها بی ربط هستند.”
این داستان برای اولین بار در Digital Health Business & Technology ظاهر شد.
