AI-nin səhiyyə sənayesinə təsir göstərməsinin 12 yolu

Süni intellektin səhiyyə sahəsində transformasiya gücünə çevriləcəyi gözlənilir.Həkimlər və xəstələr süni intellektlə idarə olunan vasitələrin təsirindən necə faydalanırlar?
Bugünkü səhiyyə sənayesi çox yetkindir və bəzi böyük dəyişikliklər edə bilər.Xroniki xəstəliklərdən və xərçəngdən tutmuş radiologiyaya və risklərin qiymətləndirilməsinə qədər, səhiyyə sənayesinin xəstələrə qulluqda daha dəqiq, səmərəli və təsirli müdaxilələr tətbiq etmək üçün texnologiyadan istifadə etmək üçün saysız-hesabsız imkanları var.
Texnologiyanın inkişafı ilə xəstələrin həkimlərə daha yüksək və daha yüksək tələbləri var və mövcud məlumatların sayı həyəcan verici bir sürətlə artmağa davam edir.Süni intellekt tibbi xidmətin davamlı təkmilləşdirilməsi üçün mühərrikə çevriləcək.
Ənənəvi analiz və klinik qərar vermə texnologiyası ilə müqayisədə süni intellektin bir çox üstünlükləri var.Öyrənmə alqoritmi təlim məlumatları ilə qarşılıqlı əlaqədə olduqda, həkimlərə diaqnoz, tibb bacısı prosesi, müalicə dəyişkənliyi və xəstənin nəticələri haqqında görünməmiş anlayışlar əldə etməyə imkan verən daha dəqiq ola bilər.
Partners Healthcare tərəfindən keçirilən 2018 Ümumdünya süni intellekt tibbi innovasiya forumunda (wmif) tibbi tədqiqatçılar və klinik ekspertlər növbəti ildə süni intellektin mənimsənilməsinə əhəmiyyətli təsir göstərə biləcək tibb sənayesinin texnologiyaları və sahələri haqqında ətraflı danışdılar. onillik.
Anne Kiblanksi, MD, 2018-ci ildə wmif-in CO sədri və Partners Healthcare-in baş akademik direktoru, MD Gregg Meyer, hər bir sənaye sahəsinə gətirilən bu cür "təxribatın" xəstələrə əhəmiyyətli fayda gətirmə potensialına sahib olduğunu və geniş biznes uğur potensialı.
Harvard Tibb Məktəbinin (HMS) professoru, partnyorların məlumat elmləri üzrə baş mütəxəssisi Dr. Keith Dreyer və Massaçusets Ümumi Xəstəxanasının (MGH) tədqiqat strategiyası və əməliyyatları direktoru Dr. Katherine andreole də daxil olmaqla partnyorların səhiyyə mütəxəssislərinin köməyi ilə , süni intellektin tibbi xidmətlərdə və elmdə inqilab edəcəyi 12 yol təklif etdi.
1.Beyin kompüter interfeysi vasitəsilə düşüncə və maşını birləşdirin

Ünsiyyət üçün kompüterdən istifadə yeni ideya deyil, lakin klaviatura, siçan və displey olmadan texnologiya ilə insan təfəkkürü arasında birbaşa interfeys yaratmaq bəzi xəstələr üçün mühüm tətbiqi olan sərhəd tədqiqat sahəsidir.
Sinir sistemi xəstəlikləri və travma bəzi xəstələrin başqaları və ətraf mühitlə mənalı söhbət, hərəkət və qarşılıqlı əlaqə qabiliyyətini itirməsinə səbəb ola bilər.Süni intellekt tərəfindən dəstəklənən beyin kompüter interfeysi (BCI) bu funksiyaları əbədi olaraq itirməkdən narahat olan xəstələr üçün həmin əsas təcrübələri bərpa edə bilər.
"Nevrologiya reanimasiya şöbəsində qəfil hərəkət və ya danışma qabiliyyətini itirən bir xəstə görsəm, ümid edirəm ki, ertəsi gün onun ünsiyyət qabiliyyətini bərpa edəcəm" dedi Neyrotexnologiya və Neyroreabilitasiya Mərkəzinin direktoru Leigh Hochberg. Massaçusets Ümumi Xəstəxanası (MGH).Beyin kompüter interfeysi (BCI) və süni intellektdən istifadə etməklə biz əl hərəkəti ilə bağlı sinirləri aktivləşdirə bilərik və xəstəni bütün fəaliyyət ərzində ən azı beş dəfə başqaları ilə ünsiyyət qura bilməliyik, məsələn, hər yerdə yayılmış kommunikasiya texnologiyalarından istifadə etməklə. planşet kompüterlər və ya mobil telefonlar kimi."
Beyin kompüter interfeysi amiotrofik lateral skleroz (ALS), insult və ya atreziya sindromu olan xəstələrin, eləcə də hər il dünyada onurğa beyni zədəsi olan 500000 xəstənin həyat keyfiyyətini əhəmiyyətli dərəcədə yaxşılaşdıra bilər.
2. Radiasiya vasitələrinin növbəti nəslini inkişaf etdirin

Maqnit rezonans görüntüləmə (MRT), CT skanerləri və rentgen şüaları ilə əldə edilən radiasiya təsvirləri insan bədəninin daxili hissəsini qeyri-invaziv görünməni təmin edir.Bununla belə, bir çox diaqnostik prosedurlar hələ də infeksiya riski olan biopsiya ilə əldə edilən fiziki toxuma nümunələrinə əsaslanır.
Mütəxəssislər proqnozlaşdırırlar ki, bəzi hallarda süni intellekt Radiologiya vasitələrinin növbəti nəslinə canlı toxuma nümunələrinə olan tələbatı əvəz edəcək qədər dəqiq və detallı olmağa imkan verəcək.
Brigham Qadın Xəstəxanasının (BWh) təsvir əsasında idarə olunan neyrocərrahiyyə direktoru, MD Alexandra Qolbi dedi: "Biz diaqnostik görüntüləmə qrupunu cərrahlar və ya müdaxiləli radioloqlar və patoloqlarla bir araya gətirmək istəyirik, lakin bu, müxtəlif komandalar üçün əməkdaşlığa nail olmaq üçün böyük bir problemdir. və məqsədlərin ardıcıllığı. Əgər radiologiyanın toxuma nümunələrindən hazırda mövcud olan məlumatları təmin etməsini istəyiriksə, o zaman hər hansı bir pikselin əsas faktlarını bilmək üçün çox yaxın standartlara nail olmalıyıq.
Bu prosesdə uğur klinisyenlere bədxassəli şişin atributlarının kiçik bir hissəsinə əsaslanaraq müalicə qərarları qəbul etməkdənsə, şişin ümumi fəaliyyətini daha dəqiq başa düşməyə imkan verə bilər.
Süni intellekt həmçinin xərçəngin invazivliyini daha yaxşı müəyyənləşdirə və müalicə hədəfini daha uyğun təyin edə bilər.Bundan əlavə, süni intellekt “virtual biopsiyanın” həyata keçirilməsinə və şişlərin fenotipik və genetik xüsusiyyətlərini xarakterizə etmək üçün təsvirə əsaslanan alqoritmlərdən istifadə etməyə sadiq olan Radiologiya sahəsində innovasiyaları təşviq etməyə kömək edir.
3. Xidmət olunmayan və ya inkişaf etməkdə olan ərazilərdə tibbi xidmətləri genişləndirin

İnkişaf etməkdə olan ölkələrdə ultrasəs müayinəsi üzrə texniki mütəxəssislər və radioloqlar da daxil olmaqla, təlim keçmiş səhiyyə təminatçılarının olmaması xəstələrin həyatını xilas etmək üçün tibbi xidmətlərdən istifadə şanslarını xeyli azaldacaq.
İclasda Bostonda məşhur Longwood prospekti ilə altı xəstəxanada Qərbi Afrikadakı bütün xəstəxanalardan daha çox radioloqun işlədiyinə diqqət çəkildi.
Süni intellekt, adətən insanlara həvalə edilmiş bəzi diaqnostik vəzifələri öz üzərinə götürməklə, kritik klinisyen çatışmazlığının təsirini azaltmağa kömək edə bilər.
Məsələn, süni intellekt görüntüləmə aləti vərəmin əlamətlərini yoxlamaq üçün döş qəfəsinin rentgen şüalarından istifadə edə bilər, adətən həkimlə eyni dəqiqliklə.Bu xüsusiyyət resurs çatışmazlığı olan ərazilərdəki provayderlər üçün tətbiq vasitəsilə tətbiq oluna bilər ki, bu da təcrübəli diaqnostik radioloqlara ehtiyacı azaldır.
Massaçusets Ümumi Xəstəxanasında (MGH) neyroelm köməkçisi və radiologiya kafedrasının dosenti Dr. Jayashree Kalpathy Cramer, "Bu texnologiyanın səhiyyəni yaxşılaşdırmaq üçün böyük potensialı var" dedi.
Bununla belə, süni intellekt alqoritmini tərtib edənlər müxtəlif millətlərdən və ya bölgələrdən olan insanların xəstəliyin performansına təsir edə biləcək unikal fizioloji və ətraf mühit amillərinə malik ola biləcəyini diqqətlə nəzərdən keçirməlidirlər.
"Məsələn, Hindistanda xəstəlikdən təsirlənən əhali ABŞ-dan çox fərqli ola bilər" dedi.Bu alqoritmləri inkişaf etdirərkən, məlumatların xəstəliyin təqdimatını və əhalinin müxtəlifliyini təmsil etməsini təmin etmək çox vacibdir.Biz təkcə bir populyasiyaya əsaslanan alqoritmlər hazırlaya bilmirik, həm də onun digər populyasiyalarda rol oynaya biləcəyinə ümid edirik."
4. Elektron sağlamlıq qeydlərinin istifadə yükünü azaldın

Elektron sağlamlıq qeydi (onun) səhiyyə sənayesinin rəqəmsal səyahətində mühüm rol oynadı, lakin bu transformasiya idrakın həddən artıq yüklənməsi, sonsuz sənədlər və istifadəçi yorğunluğu ilə bağlı çoxsaylı problemlər gətirdi.
Elektron sağlamlıq qeydinin tərtibatçıları indi daha intuitiv interfeys yaratmaq və istifadəçinin çox vaxtını alan iş rejimini avtomatlaşdırmaq üçün süni intellektdən istifadə edirlər.
Brigham Health şirkətinin vitse-prezidenti və baş informasiya direktoru Dr. Adam Landman deyir ki, istifadəçilər vaxtlarının çoxunu üç işə sərf edirlər: kliniki sənədlər, sifarişlərin daxil edilməsi və gələnlər qutularının çeşidlənməsi.Nitqin tanınması və diktəsi klinik sənədlərin işlənməsini təkmilləşdirməyə kömək edə bilər, lakin təbii dil emalı (NLP) alətləri yetərli olmaya bilər.
"Düşünürəm ki, daha cəsarətli olmaq və bəzi dəyişiklikləri, məsələn, polisin kameralar taxdığı kimi klinik müalicə üçün video çəkilişdən istifadə etmək kimi bəzi dəyişiklikləri nəzərdən keçirmək lazım ola bilər" dedi Landman.Süni intellekt və maşın öyrənməsi gələcəkdə axtarış üçün bu videoları indeksləşdirmək üçün istifadə edilə bilər.Evdə süni intellekt köməkçilərindən istifadə edən Siri və Alexa kimi, virtual köməkçilər də gələcəkdə xəstələrin çarpayısının yanına gətiriləcək və klinisyenlərə tibbi sifarişlərə daxil olmaq üçün daxili intellektdən istifadə etməyə imkan verəcək."

Süni intellekt həmçinin dərman əlavələri və nəticələrin bildirişi kimi gələn qutulardan gələn rutin sorğuları idarə etməyə kömək edə bilər.Landman əlavə etdi ki, bu, həqiqətən klinisyenlərin diqqətinə ehtiyacı olan vəzifələrin prioritetləşdirilməsinə kömək edə bilər və xəstələrin görüləcək işlər siyahılarını emal etməyi asanlaşdırır.
5.Antibiotiklərə qarşı müqavimət riski

Antibiotik müqaviməti insanlar üçün artan təhlükədir, çünki bu əsas dərmanların həddindən artıq istifadəsi müalicəyə cavab verməyən superbakteriyaların təkamülünə səbəb ola bilər.Çox dərmana davamlı bakteriyalar xəstəxana mühitinə ciddi ziyan vuraraq hər il on minlərlə xəstəni öldürə bilər.Təkcə Clostridium difficile ABŞ səhiyyə sisteminə ildə təxminən 5 milyard dollara başa gəlir və 30000-dən çox insanın ölümünə səbəb olur.
EHR məlumatları xəstə simptomlar göstərməyə başlamazdan əvvəl infeksiya nümunələrini müəyyən etməyə və riski vurğulamağa kömək edir.Bu analizləri aparmaq üçün maşın öyrənməsi və süni intellekt alətlərindən istifadə onların dəqiqliyini artıra və səhiyyə təminatçıları üçün daha sürətli və daha dəqiq xəbərdarlıqlar yarada bilər.
Massaçusets Ümumi Xəstəxanasında (MGH) infeksiyaya nəzarət üzrə direktor müavini Dr.Bunu etməsələr, hamı uğursuz olacaq.Xəstəxanalar çoxlu EHR məlumatlarına malik olduğundan, onlardan tam istifadə etməsələr, klinik sınaq dizaynında daha ağıllı və daha sürətli sənayelər yaratmasalar və bu məlumatları yaradan EHR-lərdən istifadə etməsələr, uğursuzluqla üzləşəcəklər."
6.Patoloji şəkillər üçün daha dəqiq analiz yaradın

Brigham Qadın Xəstəxanasının (BWh) patoloji şöbəsinin müdiri və HMS-nin patologiya professoru Dr. Jeffrey Golden bildirib ki, patoloqlar bütün tibbi xidmət təminatçıları üçün diaqnostik məlumatların ən vacib mənbələrindən birini təmin edirlər.
"Səhiyyə ilə bağlı qərarların 70%-i patoloji nəticələrə əsaslanır və EHR-lərdəki bütün məlumatların 70%-dən 75%-ə qədəri patoloji nəticələrdən qaynaqlanır" dedi.Və nəticələr nə qədər dəqiq olarsa, düzgün diaqnoz bir o qədər tez qoyulacaqdır.Rəqəmsal patologiyanın və süni intellektin nail olmaq şansı olan məqsəd budur."
Böyük rəqəmsal şəkillərdə dərin piksel səviyyəsinin təhlili həkimlərə insan gözündən yayına biləcək incə fərqləri tanımağa imkan verir.
"Biz indi elə bir nöqtəyə gəldik ki, xərçəngin sürətlə və ya yavaş inkişaf edəcəyini və xəstələrin müalicəsini klinik mərhələlər və ya histopatoloji dərəcələndirmədən daha çox alqoritmlərə əsaslanaraq necə dəyişdirə biləcəyimizi daha yaxşı qiymətləndirə bilərik" dedi Golden.Bu, irəliyə doğru böyük bir addım olacaq."
O, əlavə etdi: "AI, həmçinin klinisyenlər məlumatları nəzərdən keçirməzdən əvvəl slaydlarda maraq xüsusiyyətlərini müəyyən etməklə məhsuldarlığı artıra bilər. Süni intellekt slaydlar vasitəsilə filtrasiya edə bilər və nəyin vacib və nəyin olmadığını qiymətləndirə bilməmiz üçün bizə düzgün məzmunu görmək üçün rəhbərlik edə bilər. Bu, yaxşılaşdırır. patoloqların istifadəsinin səmərəliliyi və hər bir hadisənin öyrənilməsinin dəyərini artırır.
Tibbi cihazlara və maşınlara kəşfiyyat gətirin

Ağıllı qurğular istehlakçı mühitini ələ keçirir və soyuducunun içərisində real vaxt rejimində olan videodan tutmuş, sürücünün diqqətinin yayınmasını aşkar edən avtomobillərə qədər müxtəlif cihazlar təqdim edir.
Tibbi mühitdə, ICU-larda və başqa yerlərdə xəstələri izləmək üçün ağıllı cihazlar vacibdir.Vəziyyətin pisləşməsini müəyyən etmək qabiliyyətini artırmaq üçün süni intellektin istifadəsi, məsələn, sepsisin inkişaf etdiyini göstərən və ya fəsadların qavranılması nəticələri əhəmiyyətli dərəcədə yaxşılaşdıra və müalicə xərclərini azalda bilər.
"Səhiyyə sistemi üzrə müxtəlif məlumatların inteqrasiyası haqqında danışarkən, ICU həkimlərini mümkün qədər tez müdaxilə etmək üçün inteqrasiya etməli və xəbərdar etməliyik və bu məlumatların birləşdirilməsi insan həkimlərinin edə biləcəyi yaxşı bir şey deyil" dedi Mark Michalski , BWh-də Klinik Məlumat Elmi Mərkəzinin icraçı direktoru.Bu cihazlara ağıllı alqoritmlərin daxil edilməsi həkimlərin koqnitiv yükünü azaldır və xəstələrin mümkün qədər tez müalicə olunmasını təmin edir."
8. xərçəng müalicəsi üçün immunoterapiyanın təşviqi

İmmunoterapiya xərçəngin müalicəsinin ən perspektivli üsullarından biridir.Bədxassəli şişlərə hücum etmək üçün bədənin öz immun sistemindən istifadə etməklə xəstələr inadkar şişlərə qalib gələ bilərlər.Bununla belə, yalnız bir neçə xəstə mövcud immunoterapiya rejiminə cavab verir və onkoloqlar hələ də rejimdən hansı xəstələrin faydalanacağını müəyyən etmək üçün dəqiq və etibarlı bir üsula malik deyillər.
Maşın öyrənmə alqoritmləri və onların yüksək mürəkkəb məlumat dəstlərini sintez etmək qabiliyyəti fərdlərin unikal gen tərkibini aydınlaşdıra və hədəflənmiş terapiya üçün yeni seçimlər təqdim edə bilər.
Massaçusets Ümumi Xəstəxanasının (MGH) hərtərəfli diaqnostika mərkəzinin hesablama patologiyası və texnologiyasının inkişafı üzrə direktoru Dr. Long Le izah edir: "Son zamanlar ən maraqlı inkişaf müəyyən immun hüceyrələri tərəfindən istehsal olunan zülalları bloklayan nəzarət nöqtəsi inhibitorları olmuşdur".Amma biz hələ də bütün problemləri başa düşmürük, bu da çox mürəkkəbdir.Bizə mütləq daha çox xəstə məlumatı lazımdır.Bu müalicələr nisbətən yenidir, buna görə də çox xəstə onları qəbul etmir.Buna görə də, məlumatları bir təşkilat daxilində və ya bir neçə təşkilatda inteqrasiya etməyimiz lazım olub-olmamasından asılı olmayaraq, bu, modelləşdirmə prosesini idarə etmək üçün xəstələrin sayının artırılmasında əsas amil olacaqdır."
9. Elektron sağlamlıq qeydlərini etibarlı risk proqnozlaşdırıcılarına çevirin

Elektron sağlamlıq qeydi (onun) xəstə məlumatlarının xəzinəsidir, lakin provayderlər və tərtibatçılar üçün böyük miqdarda məlumatı dəqiq, vaxtında və etibarlı şəkildə çıxarmaq və təhlil etmək daimi problemdir.
Məlumatların keyfiyyəti və bütövlüyü problemləri, məlumat formatının çaşqınlığı, strukturlaşdırılmış və strukturlaşdırılmamış daxiletmə və natamam qeydlər ilə birlikdə insanların mənalı risk təbəqələşməsini, proqnozlaşdırıcı təhlili və klinik qərar dəstəyini necə həyata keçirəcəyini dəqiq başa düşmələrini çətinləşdirir.
Brigham Qadın Xəstəxanasının (BWh) təcili tibbi yardım professoru və Harvard Tibb Məktəbinin (HMS) dosenti Dr. Ziad OBERMEYER, "məlumatları bir yerə inteqrasiya etmək üçün bəzi çətin iş var. Ancaq başqa bir problem anlamaqdır" dedi. insanlar elektron sağlamlıq qeydində (onun) bir xəstəliyi proqnozlaşdırdıqda nə əldə edirlər.İnsanlar süni intellekt alqoritmlərinin depressiya və ya insult barədə proqnoz verə biləcəyini eşidə bilər, lakin əslində insultun qiymətinin artacağını proqnozlaşdırdıqlarını görürlər. vuruşun özü."

O, davam etdi, "MRT nəticələrinə güvənmək, deyəsən, daha spesifik məlumat toplusunu təmin edir. Amma indi kimin MRT-ni ödəyə biləcəyini düşünməliyik? Beləliklə, son proqnoz gözlənilən nəticə deyil. "
NMR təhlili bir çox uğurlu risk qiymətləndirməsi və təbəqələşmə alətləri yaratdı, xüsusən də tədqiqatçılar bir-biri ilə əlaqəli olmayan məlumat dəstləri arasında yeni əlaqələri müəyyən etmək üçün dərin öyrənmə üsullarından istifadə etdikdə.
Bununla belə, OBERMEYER hesab edir ki, bu alqoritmlərin məlumatlarda gizlənmiş qərəzləri müəyyən etməməsinin təmin edilməsi, kliniki qayğını həqiqətən təkmilləşdirə biləcək vasitələrin tətbiqi üçün çox vacibdir.
"Ən böyük problem, qara qutunu açmağa başlamazdan və necə proqnozlaşdıracağımıza baxmadan əvvəl nəyi proqnozlaşdırdığımızı dəqiq bildiyimizə əmin olmaqdır" dedi.
10. Geyinilə bilən cihazlar və şəxsi cihazlar vasitəsilə sağlamlıq vəziyyətinə nəzarət

Demək olar ki, bütün istehlakçılar indi sağlamlıq dəyəri haqqında məlumat toplamaq üçün sensorlardan istifadə edə bilərlər.Addım izləyicisi olan smartfonlardan tutmuş, bütün gün ürək döyüntüsünü izləyən daşına bilən cihazlara qədər istənilən vaxt sağlamlıqla bağlı daha çox məlumat yaradıla bilər.
Bu məlumatların toplanması və təhlili və tətbiqlər və digər ev monitorinq cihazları vasitəsilə xəstələr tərəfindən verilən məlumatların əlavə edilməsi fərdi və kütlənin sağlamlığı üçün unikal perspektiv təmin edə bilər.
Süni intellekt bu böyük və müxtəlif verilənlər bazasından təsirli fikirlərin çıxarılmasında mühüm rol oynayacaq.
Lakin Brigham Qadın Xəstəxanasının (BWh) neyrocərrahı, hesablama nevrologiyası nəticələri mərkəzinin CO direktoru Dr. Omar Arnout dedi ki, xəstələrin bu intim, davamlı monitorinq məlumatlarına uyğunlaşmasına kömək etmək üçün əlavə iş tələb oluna bilər.
“Əvvəllər biz rəqəmsal məlumatları emal etməkdə kifayət qədər sərbəst idik” dedi.Lakin Cambridge analytics və Facebook-da məlumat sızması baş verdikcə, insanlar paylaşdıqları məlumatları kiminlə paylaşacaqları mövzusunda getdikcə daha ehtiyatlı olacaqlar."
Xəstələr öz həkimlərinə Facebook kimi böyük şirkətlərdən daha çox güvənirlər, o əlavə etdi ki, bu da genişmiqyaslı tədqiqat proqramları üçün məlumatların təmin edilməsi narahatlığını azaltmağa kömək edə bilər.
"Ehtimal ki, geyilə bilən məlumatların əhəmiyyətli təsiri olacaq, çünki insanların diqqəti çox təsadüfi olur və toplanan məlumatlar çox kobuddur" dedi Arnout.Davamlı olaraq dənəvər məlumatları toplamaqla, məlumatların həkimlərə xəstələrə daha yaxşı baxmasına kömək etmək ehtimalı daha yüksəkdir."
11.Ağıllı telefonları güclü diaqnostika vasitəsinə çevirin

Mütəxəssislər hesab edirlər ki, ağıllı telefonlardan və digər istehlakçı səviyyəli resurslardan əldə edilən təsvirlər portativ cihazların güclü funksiyalarından istifadəni davam etdirməklə, xüsusilə xidmət olunmayan ərazilərdə və ya inkişaf etməkdə olan ölkələrdə klinik keyfiyyətli görüntüləmə üçün mühüm əlavə olacaq.
Mobil kameranın keyfiyyəti ildən-ilə yaxşılaşır və o, süni intellekt alqoritminin təhlili üçün istifadə edilə bilən şəkillər yarada bilir.Dermatologiya və oftalmologiya bu tendensiyanın ilkin benefisiarlarıdır.
Britaniyalı tədqiqatçılar hətta uşaqların üz təsvirlərini təhlil edərək inkişaf xəstəliklərini müəyyən etmək üçün alət hazırlayıblar.Alqoritm uşaqların alt çənə xətti, gözlərin və burnun vəziyyəti və üz anormallıqlarını göstərə biləcək digər atributlar kimi diskret xüsusiyyətləri aşkar edə bilər.Hal-hazırda, alət klinik qərar dəstəyi təmin etmək üçün 90-dan çox xəstəliklə ümumi təsvirləri uyğunlaşdıra bilər.
Brigham Qadın Xəstəxanasının (BWh) mikro/nano təbabət və rəqəmsal sağlamlıq laboratoriyasının direktoru Dr Hadi Shafiee dedi: "İnsanların çoxu müxtəlif sensorlar quraşdırılmış güclü mobil telefonlarla təchiz olunub. Bu, bizim üçün əla fürsətdir. Demək olar ki, hamısı sənaye oyunçuları öz cihazlarında Ai proqram və hardware qurmağa başlayıblar.Bu təsadüf deyil.Rəqəmsal dünyamızda hər gün 2,5 milyon terabaytdan çox məlumat yaradılır.Cib telefonları sahəsində istehsalçılar bundan istifadə edə biləcəklərinə inanırlar. Daha fərdiləşdirilmiş, daha sürətli və daha ağıllı xidmətlər təmin etmək üçün süni intellekt üçün məlumatlar.
Xəstələrin gözlərinin, dəri lezyonlarının, yaralarının, infeksiyalarının, dərman vasitələrinin və ya digər mövzuların şəkillərini toplamaq üçün ağıllı telefonlardan istifadə, müəyyən şikayətlərin diaqnozu üçün vaxtın azaldılması ilə yanaşı, xidmət göstərilməyən ərazilərdə mütəxəssis çatışmazlığını aradan qaldırmağa kömək edə bilər.
"Gələcəkdə bəzi böyük hadisələr ola bilər və biz bu fürsətdən istifadə edərək müalicə məntəqəsində xəstəliklərin idarə olunmasının bəzi mühüm problemlərini həll edə bilərik" dedi Shafiee
12. Yataq başında AI ilə klinik qərarların qəbul edilməsində yeniliklər

Səhiyyə sənayesi ödənişli xidmətlərə müraciət etdikcə, passiv səhiyyədən getdikcə uzaqlaşır.Xroniki xəstəlik, kəskin xəstəlik hadisələri və qəfil pisləşmədən əvvəl qarşısının alınması hər bir provayderin məqsədidir və kompensasiya strukturu son nəticədə onlara aktiv və proqnozlaşdırıcı müdaxiləyə nail ola biləcək prosesləri inkişaf etdirməyə imkan verir.
Süni intellekt, provayderlərin hərəkətə keçmə ehtiyacını dərk etməzdən əvvəl problemləri həll etmək üçün proqnozlaşdırıcı təhlili və klinik qərara dəstək vasitələrini dəstəkləyərək, bu təkamül üçün bir çox əsas texnologiyaları təmin edəcək.Süni intellekt epilepsiya və ya sepsis üçün erkən xəbərdarlıq verə bilər ki, bu da adətən olduqca mürəkkəb məlumat dəstlərinin dərin təhlilini tələb edir.
Massaçusets Ümumi Xəstəxanasının (MGH) klinik məlumatların direktoru Brandon Westover dedi ki, maşın öyrənməsi də ürək dayanmasından sonra komada olanlar kimi ağır xəstələrə davamlı qayğı göstərməyə kömək edə bilər.
O izah etdi ki, normal şəraitdə həkimlər bu xəstələrin EEG məlumatlarını yoxlamalıdırlar.Bu proses vaxt aparan və subyektivdir və nəticələr klinisyenlərin bacarıq və təcrübəsinə görə dəyişə bilər.
O, “Bu xəstələrdə tendensiya yavaş ola bilər.Bəzən həkimlər kiminsə sağaldığını görmək istədikdə, hər 10 saniyədə bir dəfə monitorinq edilən məlumatlara baxa bilərlər.Ancaq 24 saat ərzində toplanan 10 saniyəlik məlumatdan dəyişib-dəyişmədiyini görmək, bu vaxt saçın uzanıb-yaramadığına baxmaq kimidir.Bununla belə, süni intellekt alqoritmləri və bir çox xəstələrin böyük həcmli məlumatlarından istifadə edilərsə, insanların gördüklərini uzunmüddətli nümunələrlə uyğunlaşdırmaq daha asan olacaq və bəzi incə təkmilləşdirmələr tapıla bilər ki, bu da həkimlərin tibb bacılığında qərar qəbul etməsinə təsir edəcək. ."
Klinik qərarların dəstəklənməsi, risklərin qiymətləndirilməsi və erkən xəbərdarlıq üçün süni intellekt texnologiyasından istifadə bu inqilabi məlumat təhlili metodunun ən perspektivli inkişaf sahələrindən biridir.
Yeni nəsil alətlər və sistemlər üçün güc təmin etməklə, klinisyenler xəstəliyin nüanslarını daha yaxşı başa düşə, tibb bacısı xidmətlərini daha effektiv təmin edə və problemləri əvvəlcədən həll edə bilərlər.Süni intellekt klinik müalicənin keyfiyyətinin yaxşılaşdırılmasında yeni dövrə başlayacaq və xəstələrə qulluqda maraqlı sıçrayışlar edəcək.


Göndərmə vaxtı: 06 avqust 2021-ci il