المهام التي لا تتعلق مباشرة برعاية المرضى
تساعد أنظمة الذكاء الاصطناعي الحديثة الأطباء في علاج المرضى. على سبيل المثال ، يمكن لشركة HeartFlow ، باستخدام الصور المقطعية ، والمحاكاة الحاسوبية لتدفق الدم وخوارزميات التعلم العميق ، بناء بطاقة ثلاثية الأبعاد للقلب. وهذا يسمح للأطباء بتشخيص أمراض القلب بشكل أكثر دقة وسرعة ، مما يقلل من عدد الإجراءات الجراحية الضرورية بنسبة 80٪.
ومع ذلك ، يتم استخدام الذكاء الاصطناعي أيضًا في المناطق التي لا تتعلق مباشرة بمعالجة المريض ، ولكنها لا تزال تؤثر على جودة الرعاية الطبية. اليوم ، نريد أن نتحدث عن هذه المهام ، إلى حد ما المساعدة ، ولكن لا تزال مهمة.
" سيأتي الطبيب اليقظ في أي مكان مناسب لك "توجيه المستشفى
يمكن أن تساعد أنظمة الذكاء الاصطناعي والتعلم الآلي ليس فقط في التشخيص. على سبيل المثال ، في نهاية شهر مايو ، أعلنت Bloomsbury University College London Clinic (UCLH) أنها ستستخدم أنظمة الذكاء الاصطناعي لتحديد المرضى الذين يحتاجون حقًا إلى رعاية طبية طارئة.
عندما يدخل مريض يشكو من الألم إلى غرفة الطوارئ ، سيقوم الطاقم الطبي بإجراءات قياسية - أخذ الدم للتحليل ، وجمع سوابق ، وإذا لزم الأمر ، إجراء الأشعة السينية. كما لوحظ في العيادة ، في 80 ٪ من الحالات ، لا يعاني المرضى من أي شيء خطير - يتم وصف الأدوية لهم وإطلاق سراحهم إلى المنزل.
سيسمح لك نظام الذكاء الاصطناعي بتحديد 20٪ الذين يحتاجون حقًا إلى رعاية طارئة. قال الرئيس التنفيذي لـ UCLH في مقابلة مع Guardian أن البرنامج سيحدد أولوية المريض ، وتقييم خطر الأعراض التي عبر عنها. على سبيل المثال ، قد يشير الألم في البطن إلى التهاب الزائدة الدودية أو أمراض الكلى ، لذا فإن هذا الشخص "سوف يتحرك" باتجاه رأس الخط.
يمكن أن تساعد خوارزميات التعلم الآلي أيضًا في توجيه المرضى والأطباء. على سبيل المثال ، طور باحث وخبير أعصاب استشاري في المستشفى الوطني لأمراض الأعصاب وجراحة الأعصاب في المملكة المتحدة ، باراشكيف ناتشيف ، خوارزمية التعلم الآلي التي تحلل المعلومات حول المواعيد في العيادة وتقدر احتمالية أن يفقد المريض جلسة التصوير بالرنين المغناطيسي لسبب أو لآخر مسح.
يأخذ نظامه
في الاعتبار معلمات مثل عمر الشخص وعنوانه والمسافة إلى العيادة والظروف الجوية. حتى الآن ، تمكن العالم من تحقيق دقة 85٪. هذا يساعد على إعادة توزيع وقت التسجيل بسرعة.
وفي نفس UCLH ، نظام الذكاء الاصطناعي ، الذي طوره علماء من المعهد.
سيقوم آلان تورينج
بمراقبة كيفية "تحرك" الأطباء والمرضى حول المستشفى - المهام التي يؤدونها والإجراءات التي يذهبون إليها. سيساعد هذا على تحديد "الاختناقات" المحتملة في تنظيم العيادة - وهو موقف أو مكان حيث من المحتمل وجود طوابير أو نقص في المعدات.
ابحث عن معرفة جديدة
تميل ممارسات العلاج التي يتبعها الأطباء إلى أن تصبح بالية. تظهر منهجيات جديدة ودراسات وعقاقير جديدة. في عام 2004 ، فحص الباحثون محتويات 341 مجلة طبية ووجدوا أن إجمالي عدد المنشورات الشهرية
تجاوز 7 آلاف .
من الناحية المثالية ، يجب على الطبيب الحفاظ باستمرار على مستوى المعرفة بالمادة ، ومواكبة ممارسات العلاج الحديثة - ومع ذلك ، يكاد يكون من المستحيل دراسة مجموعة المنشورات الكاملة التي يتم نشرها بانتظام في مجلات المواد - حتى لو كانت متخصصة.
تقنيات الذكاء الاصطناعي بالاشتراك مع محركات البحث
قادرة على المساعدة في هذه الحالة. تم تطوير حل مماثل من قبل علماء من مركز الأبحاث الأمريكي
RAND ، الذين شاركوا في تحليل المشاكل الاستراتيجية. علموا النظام للبحث في كميات ضخمة من المعلومات عن الكلمات الرئيسية والمصطلحات المتعلقة بموضوع الطلب.
خلال الاختبارات ، كان هذا الموضوع عبارة عن بيانات عن النقرس ، وانخفاض كثافة العظام ، وهشاشة العظام في الركبة. تمكنت الخوارزمية من تقليل عدد المقالات ذات الصلة التي تهم الأطباء بنسبة 67-83٪. وفقًا للمطورين ، تخطي النظام مقالتين فقط سيختارهما الأشخاص ، لكن لم يحتوي أي منهما على معلومات مهمة. كانت دقة خوارزمية التعلم الآلي 96٪.
تطوير المخدرات
تظهر تجربة شركات الأدوية أنه من بداية التجارب قبل السريرية إلى الموافقة على الدواء وعلاج المرضى ، يمر ما يقرب من 12 عامًا. في الوقت نفسه ، تقع 0.1٪ فقط من "الأدوية المرشحة" في الاختبارات السريرية. يحصل على موافقة 20٪ منهم.
يمكن أن تساعد أنظمة الذكاء الاصطناعي في حل هذا الوضع وتسريع إطلاق الأدوية الجديدة. يتم
استخدام أنظمة التعلم الآلي والذكاء الاصطناعي في المراحل الأولى من تطوير الدواء.
مثال على ذلك هو حل AtomWise San Francisco. نظامهم يسمى AtomNet. تستخدم أساليب التعلم العميق للتنبؤ بكيفية تصرف الجزيئات ومدى احتمالية تشكيل الروابط الضرورية.
خلال التدريب ، قام مطورو AtomNet بتغذية بيانات نظام الذكاء الاصطناعي على نتائج عدة ملايين من التفاعلات الجزيئية المعروفة بالفعل. بناءً على هذه التفاعلات ،
تعلم النظام التنبؤ بالتفاعلات التي لم تحدث بعد. لقد ساعد البرنامج بالفعل في
إنشاء أدوية لعلاج الإيبولا.
تساعد أنظمة الذكاء الاصطناعي والتعلم الآلي الأطباء والعلماء على العمل بكفاءة أكبر. يتم تحرير الأطباء من المهام الروتينية ، ويسهل على العلماء إجراء البحوث ، ويتلقى المرضى العلاج بشكل أسرع.
اليوم ، أصبحت التطورات في تقاطع الذكاء الاصطناعي والطب شائعة بشكل متزايد. على سبيل المثال ، بدأت Google في اختيار الشركات المشاركة في إنشاء أنظمة ذكاء اصطناعي "طبي" للمشاركة في برنامج تسريع بدء التشغيل Launchpad Studio. في نهاية العام الماضي ،
انضمت أربع شركات
إلى المشروع في وقت واحد.
في DOC + نشارك أيضًا في التطورات في هذا المجال: نحن نعمل على تطوير
نظام NLP الخاص بنا الذي يمكنه معالجة النصوص المتعلقة بالمواضيع الطبية. يتم استخدامه في برنامج
الدردشة الآلي الخاص بنا - فهو يساعد على جمع سوابق المرض ، ويعرف كيفية عزل أعراض الأمراض من شكاوى المرضى وفي شكل منظم ينقلها إلى الطبيب.
بالمناسبة ، بالإضافة إلى مدونة حبري ، لدينا مجلة مواضيعية " اسأل فقط " - نتحدث فيها عن الطب الحديث والصحة: