„A mesterséges intelligencia nem arra való, hogy helyettesítse a klinikusokat.”
hallgatok Angela Adamsregisztrált ápolónő és az AI radiológiai nyomon követési menedzsment platform vezérigazgatója Inflo Health. Megosztja, hogy a vállalat miért jelent megoldást a klinikusok, a betegek és az egészségügyi ágazat egésze számára, és azt mondja, hogy a mesterséges intelligencia technológia az egészségügyben a káosz és a károk helyreállítására irányul. „Ki kellene cserélnie az egészségügyi rendszerek összes olyan törött részét, amelyre nem zúdíthatjuk tovább az embereket.”
Úgy kezdődött, hogy Adams, az észak-karolinai Duke University Medical Center kritikus ápolója, SMS-t kapott egy kollégájától és barátjától, aki súlyos hasi fájdalommal fordult a sürgősségire. Adams barátját akut vakbélgyulladás miatt sürgősségi műtétre szállították. Amíg ott volt, egy radiológus súlyos, rosszindulatú daganatra gyanús mellelváltozást észlelt, ami azonnali nyomon követést igényelt. A radiológus dokumentálta, de a lelet eltűnt a rendszerben.
„Nem kommunikált az elsődleges orvosával” – emlékszik vissza Adams. „És így ment 10 hónapig (amíg) elhalasztotta a diagnózist és a kezelést.”
Egy későbbi PET-vizsgálat metasztatikus emlőrákot mutatott ki, amely átterjedt az agyába. Adams barátja másfél évvel később, 2020-ban halt meg, ugyanabban az évben Adams a CTO-val együtt megalapította az Inflo Healtht. Nate Sutton.
Adams, akinek háttere kiterjed a kritikus ápolásra és az egészségügyi AI vezetésére – jóval a világjárvány utáni mesterséges intelligencia-hullám előtt – mesterséges intelligencia a megelőző ellátás és a betegkövetés javítása a radiológiában. Az Inflo Health küldetése köré épül, „soha ne hagyj ki egy nyomon követést”.
Ádám azt mondja, ha az Inflo Health helyén lett volna, akkor barátja SMS-t kapott volna arról, hogy a radiológiai leletek miatt nyomon követték, és értesítették volna az orvosát is.
Hogyan használja az Inflo Health az AI Sorapop/Getty Images alkalmazását
Amikor a radiológusok gyanús leleteket fedeznek fel a valami egészen másra rendelt vizsgálaton, ezek a felfedezések gyakran elvesznek a rendszer káoszában.
A Washingtoni Egyetem és a Lahey Kórház és Orvosi Központ 2015-17-es tanulmánya szerint kb. A követési radiológiai ajánlások 50%-át nem tartják be (kivéve a mammográfiát), ami késleltetett diagnózist, jogi kockázatokat és megnövekedett egészségügyi költségeket eredményez. Egy nemrégiben készült tanulmány kimutatta, hogy az elmulasztott nyomon követések eredményeként 3 millió dollár éves egészségügyi költség.
Történelmileg a radiológiai osztályok és a kórházi vezetés igen ellentmondó nézeteket vallott a betegek nyomon követési kommunikációjával kapcsolatos delegálásról. Adams szerint az egészségügyi rendszerben gyakran megszakad a kommunikáció, de van fordítási hiányosság is, például amikor egy radiológus szakértelmét nem mindig juttatják el egyértelműen a vizsgálatot megrendelő orvoshoz. Néha a megállapításokat félreértelmezhetik vagy figyelmen kívül hagyhatják.
Modern képalkotó technológia (gyakran mesterséges intelligencia segítségével) rendkívül jól észlelte a nem összefüggő rendellenességeket, amelyeket Adams „incidentalomáknak” nevez – olyan leletek, amelyek nem voltak a vizsgálat eredeti okai, mint például a barátja vakbélgyulladása során felfedezett mellelváltozás.
„Látunk a 40%-os növekedés egyedül a (képalkotó) észlelésben„- mondja Adams. A több lelet több olyan nyomon követést jelent, amely koordinációt igényel, túlnyomórészt már feszült rendszer.
Noha a dolgok drámaian megváltoztak az egészségügyben, bizonyos szempontok veszélyesen elmaradtak, mondja Adams. Korábban a kórház radiológusa felhívhatta az alapellátó orvost, és vészhelyzet esetén továbbította a betegek adatait. A telefonhívásokat felváltották az automatizált munkafolyamatok; a technológia azonban nem feltétlenül előnyös az ellátásban részesülő betegek számára, mivel a potenciálisan fontos információk elveszhetnek.
Az Inflo Health természetes nyelvi feldolgozást és nagy nyelvi modelleket használ annak biztosítására, hogy a radiológiai nyomon követési időpontok és ajánlások soha ne maradjanak el.
Először is, az Inflo platform automatikusan átvizsgálja a képalkotó jelentéseket, például a röntgen-, CT-vizsgálatokat, MRI-ket és ultrahangokat, hogy azonosítsa és kinyerje a releváns adatokat és kulcspontokat. Noha a pontosságára vonatkozó számok nem állnak rendelkezésre, tanulmányok orvostól függően megvizsgálták, hogy ez segít-e vagy árt-e a betegeknek.
Ezeket az ajánlásokat a sürgős vagy magas kockázatú helyzetek szerint rangsorolják, lehetővé téve a gondozási csoportok számára, hogy azonosítsák, mely esetek igényelnek először figyelmet. Ez a megközelítés csökkenti a kézi követést, ami ahol a legtöbb követési időpont gyakran átcsúszik.
Az Inflo Health a meglévő munkafolyamat-rendszerekkel is integrálható, hogy valós időben nyomon követhesse a nyomon követést, a feladatok pedig szöveges üzenetek és szolgáltatói platformértesítések révén eskalálódnak, így láthatóvá válik a személyzet hatékonysága.
Adams szigorú ember-in-the-loop megközelítést alkalmaz.
„Az MI nem helyettesíti a radiológusokat, hanem felhatalmazza őket arra, hogy megbízhatóbb betegellátást nyújtsanak” – mondja Adams.
A vállalati adatok szerint az automatizálás a nyomon követési esetek 60-70%-át az elejétől a végéig kezeli – ez az egyszerű forgatókönyv, amikor a betegek válaszolnak az üzenetekre, és befejezik a találkozójukat. A fennmaradó eseteket a humán ellátási koordinátorok elé terjesztik, mint például a több leletet tartalmazó összetett helyzeteket vagy a kezeléseken navigáló onkológiai betegeket.
Adams szerint a betegek és a radiológusok jobban átlátják a folyamatot, amely végül életeket menthet.
„A (munkafolyamat) piramis legcsúcsán helyezkednek el, és a mesterséges intelligencia automatizálása kezeli ennek nagy részét, hogy idejüket, tudásukat és energiájukat valóban ezekre az igazán összetett esetekre összpontosíthassák” – mondja Adams.
Az AI hatása az egészségügyre
Adams elmondása szerint bizonyos típusú mesterséges intelligencia már az 1960-as években beépült az egészségügyi rendszerbe, ideértve az Apache (Acute Physiology and Chronic Health Evaluation) pontszámokat a mortalitás előrejelzésére, valamint a 10 éves szívkockázat előrejelzésére szolgáló módszereket – olyan teszteket, amelyek ma már a klinikai ellátásba beépültek.
De az egészségügyi rendszer tradicionalista mentalitása visszatartja az embereket, és elkerülhetetlenül árt nekik, mondja.
Adams azt mondja, hogy ami a technológia átvételét illeti, az egészségügyi rendszerek egy évtizeddel le vannak maradva más iparágakban. Véleménye szerint nem működik több embert rávenni a problémára. „A nap végén az AI – és annak alapjai – csak matematika” – mondja.
Az Inflo Health mögött meghúzódó filozófia szerint, ha a technológiát az emberek támogatására, nem pedig helyettesítésére alkalmazzák, az eredmények nem csak a klinikusok és csapataik kommunikációs folyamainak, hanem a tágabb egészségügyi rendszernek is előnyösek.
A hatás mérhetőnek tűnik: együttműködés az Inflo Health-el, East Alabama Medical Center 74%-kal növelte a nyomon követéstszerint a American College of Radiology. Ezenkívül az Inflo Health jelentése szerint eddig összesen 125 000 életet érintett.
Ez az adat alátámaszt valamit, amit Adams hangsúlyozza: „A technológia legfőbb hivatása az, hogy az embereknek visszaadja az életben azt a két legfontosabb dolgot, amelyet nem lehet megvásárolni, az egészséget és az időt.”
Ne hagyja ki elfogulatlan műszaki tartalmainkat és laboratóriumi értékeléseinket sem. Adja hozzá a CNET-t preferált Google-forrásként.
