دیدگاههوش مصنوعی

هوش مصنوعی: پارادایمی نوین در عرصه‌ی بهداشت و مراقبت

هوش مصنوعی قصد دارد تا با بهبود و ارتقا صنعت بهداشت و مراقبت، زمینه‌ساز موفقیت برای افرادی شود که به سرعت با این رویکرد انطباق می‌یابند. هوش مصنوعی با سرعتی باورنکردنی، به جزئی اجتناب‌ناپذیر از هر تکنولوژی جدیدی بدل شده که بسته به استقبال یا نگرانی مخاطبان این تکنولوژی درمورد ادغام الگوریتم‌های غنی اطلاعاتی در کاربست‌های کاملا شخصی و پیچیده‌ برای مراقبت از بیماران، می‌تواند در عین حال که بسیار دلگرم‌کننده است، نگران‌کننده و مشکل‌ساز نیز باشد.

همچنان ابهاماتی در مورد هوش مصنوعی وجود دارد که البته این ابهامات تا حدودی قابل‌قبول و توجیه‌پذیر هستند زیرا استفاده از این تکنولوژی در زمینه‌ی تجاری از ابزارهای تشخیصی، پشتیبانی از تصمیم‌گیری‌ها و کمک به بهینه‌سازی جریان کار، محققان را به اپراتورهایی برای کنترل و مدیریت هوش مصنوعی بدل می‌کند.

استفاده از تکنولوژی‌های مورد پیشنهاد، مستلزم جلب اعتماد متخصصان بالینی، به خصوص افرادی است که در مورد اطلاعاتی که برمبنای این الگوریتم‌ها آموزش داده می‌شود دارای سوگیری‌های احتمالی هستند. با این حال، بسیاری از مطالعات از نتایج شگفت‌آوری حکایت دارند که براساس آن‌ها، ارائه‌دهندگان خدمات برای دسترسی به این تکنولوژی، استفاده از گردش‌ سریع‌تر فرآیند کاری و در عین حال استفاده از دانش هزاران نفر از همکاران و تجربه‌ی میلیون‌ها بیمار مشتاق هستند.

صرف نظر از جایگاه کنونی که هر فرد یا موسسه در این مسیر به خود اختصاص داده، این نکته به اثبات رسیده است که پیشرفت صنعت مراقبت‌های بهداشتی در عرصه‌ی هوش مصنوعی قابل مقایسه با هیچکدام از عرصه‌های دیگر نیست. چنانچه ساموئل آرونسون -مدیر اجرایی فناوری اطلاعات در موسسه پزشکی شخصی Partners- بیان می‌کند: “ما شاهد پیشرفت‌های متعددی در این عرصه هستیم که به‌طور بالقوه شیوه‌های ارائه‌ی خدمات مراقبتی از بیماران را تغییر می‌دهد. آنچه که ما درحال حاضر بر آن متمرکز شده‌ایم برنامه‌ریزی برای ایجاد تغییرات در روند کلینیکی مورد نیاز برای به کارگرفتن مراقبت‌های مبتنی بر الگوریتم در مراقبت‌های بهداشتی است.”

تعداد زیادی از نوآوری‌هایی که به طور بالقوه تغییرات زیادی را در این عرصه ایجاد خواهند کرد، در نشست انجمن جهانی نوآوری‌های پزشکی (WMIF) در هوش مصنوعی توسط Partners HealthCare ارائه شد.

تفسیر نتایج آزمایشگاهی، ساده‌سازی باروری in vitro و شخصی‌سازی مراقبت‌های سرطان برای نظارت بر جراحی در زمان جراحی و کمک به تشخیص بیماری‌هایی مانند پنوموتوراکس، از جمله نوآوری‌هایی هستند که محققین با تمرکز بر هوش مصنوعی، به آن‌ها دلگرم شده‌اند. استفاده‌ی مناسب و به اندازه‎ از این نوآوری‌ها به عنوان راه‌حل‌های ویژه‌ای که برای موارد خاص طراحی شده‌اند احتمالاٌ به صرفه‌جویی در زمان افراد زیادی کمک خواهد کرد.

به کمک هوش مصنوعی می‌توان تغییراتی را به سیستم بهداشت و درمان وارد کرد که قابل بررسی در مقیاس فردی نیست. یادگیری ماشین، یادگیری عمیق، شبکه‌های عصبی، پردازش زبان طبیعی و تمام اجزای دیگر اکوسیستم هوش مصنوعی آماده تغییر کامل در پارادایم موجود در سیستم بهداشت و درمان هستند که از نحوه آموزش پزشکان تا نحوه تصمیم‌گیری برای تعیین چگونگی ارائه مراقبت به بیماران را شامل می‌شود.

چالش ها و فرصت‌های هوش مصنوعی در مراقبت و بهداشت

انقلاب هوش مصنوعی در حال حاضر در صنایع دیگر در حال پیشرفت است که در انجمن جهانی نوآوری‌های پزشکی که در سه روز متوالی برگزار شد مورد تأکید قرار گرفت.

مراقبت‌های بهداشت و درمان به‌طور منحصر به فردی با استفاده از آنچه که هوش مصنوعی ارائه می‌دهد، مواجه شده و بسیاری از اعضای مراقبت مداوم، مشتاق هستند تا تغییراتی را مشاهده‌ کنند که قرار است در فرآیند ارائه خدمات مراقبت و درمان صورت گیرد. با این‌حال، فقط تعداد کمی از پزشکان مدعی هستند که انفجار اخیری که در اطلاعات مربوط به سلامت رخ داده، تصمیم‌گیری را با تردید مواجه ساخته است. در پاسخ به نگرانی این پزشکان لازم است بدانیم که مهم نیست اطلاعات در دسترس تا چه حد کامل و در دسترس است است، بلکه لازم است مطمئن شوید که اطلاعات روی صفحه نمایش دقیق، به روز و همه جانبه است.

HHS و دفتر هماهنگی ملی، تلاش‌هایی را برای اتخاذ چنین رویکردی در صنعت با استفاده از برنامه (Certified EHR Technology (CEHRT انجام داده‌اند که مستلزم مشارکت شرکت‌کنندگان در همکاری است که درحال حاضر تحت عنوان “ارتقاء قابلیت همکاری” شناخته می‌شود.

طبق پیش‌بینی دریر دستیابی به یک نقطه عطف در تمام ابعاد هوش مصنوعی به زمان نیاز دارد و تنها تحت شرایطی بحث برانگیز سرعت پیشرفت آن صورت می‌گیرد.

با توجه به مطالباتی که به صورت روزانه درمورد ساده‌سازی فرآیند کاری وجود دارد، آرونسون معتقد است که به کمک این اقدام بسیاری از سازمان‌های مراقبت‌های بهداشتی، انرژی فعال‌سازی زیادی برای سازگاری با تدابیر جدید کاری از دست نخواهند داد.

او در ادامه بیان می‌کند: “هنگامی که شما در مورد تلفیق هوش مصنوعی یا هر فناوری دیگری در سازمان بهداشت و درمان صحبت می‌کنید، لازم است که پزشکان برای تعریف جریان کاری جدید با شما کار کنند و قبل از اجرا، آن را تایید کنند. اما از جمله موانعی که پیش روی این تغییرات وجود دارد محدودیت زمانی متخصصان است، با وجود اینکه می‌دانند از این طریق در زمان صرفه‌جویی زیادی صورت خواهد گرفت.”

همچنین به اعتقاد Crescenzo -مدیرعامل شرکت تغییرات سیستم مراقبت- از دیگر موانع، نداشتن منابع کافی در برخی از موسسات است که حتی اگر با سرمایه‌گذاری زمانی مشکلی نداشته باشند، محدودیت در منابع اطلاعاتی و دانش می‌تواند از به کارگیری این تغییرات ممانعت بعمل آورد و این درحالی است که بسیاری از سیستم‌های بهداشت و درمان دفاتر متعددی برای امدادرسانی در اختیار دارند که این افزایش باورنکردنی در طول چند سال اخیر، می‌تواند این فرآیند را دشوار سازد. اما با این وجود تلاش بر این است که این شبکه‌های جدید که به تازگی گسترش یافته‌اند از طریق اقدام برای ایجاد یکپارچگی در آن‌ها، به صورتی غیرمستقیم بتوان از پرونده‌های بهداشتی الکترونیکی استفاده کرد. اولویت اصلی، اقدام برای ایجاد یکپارچگی در این موسسات می‌باشد. چراکه برای اندیشه‎پردازی در مورد چگونگی استقرار هوش مصنوعی و یادگیری ماشین در تمام اجزای سازنده سازمان‌های بهداشت و مراقبت لازم است که با یک سازمان پیچیده و بالغ روبه‌رو باشیم که در حال حاضر، این تغییرات برای بسیاری از این موسسات عملی نیست. در ادامه او افزود: “اگر این موسسات قصد استفاده از قابلیت‌های هوش مصنوعی را دارند، باید انجام سایر خدمات خود را به شخص دیگری واگذار کرده تا اقدامات عملی مورد نیاز برای هوش مصنوعی میسر شود.”

بخوانید  مهندسی کاتالیست‌های زیستی برای کمک به محیط زیست

برون‌سپاری مسئولیت‌های سنگین این موسسات به شرکای تجاری دیگر می‌تواند راهی امیدوارکننده برای بسیاری از سازمان‌ها باشد تا بتوانند از حداکثر مزایای هوش‌مصنوعی  بهره‌برداری نمایند.

متمرکز ساختن بازپرداخت‌ها، تغییر در نگرش‌های مصرف‌کننده و شایع بودن فرسودگی شغلی بین پزشکان، تأمین‌کنندگان را قانع می‌سازد که قادر نیستند که به واسطه‌ی سرمایه‌گذاری در ابزارها و راه‌حل‌ها، حس رضایت از مراقبت از بیمار را دوباره بدست آورند و در ارائه کمک و راه حل ثمربخش باشند.

تحلیلگران اقتصادی فرصت‌های رشدی و تحولی عظیمی را پیش‌بینی کرده‌اند که با توسعه‌ی محصولات هوش مصنوعی می‌تواند رخ دهد. طبق گزارشات اخیر تحقیقات و بازار، پیش‌بینی می‌شود که نرخ رشد سالیانه‌ی (CAGR) برای بخش مراقبت‌های بهداشتی تا سال 2022 به 60 درصد هم خواهد رسید.

تنها در سه ماهه‌ی نخست سال 2018، ابزارهای تجزیه‌وتحلیل داده‌ها و ابزارهای پشتیبانی برای تصمیم‌گیری‌های درمانی، مانند یادگیری ماشین یا ابزارهایی با مؤلفه‌های هوش مصنوعی، مبلغی حدود 1.2 میلیارد دلار از سرمایه‌گذارانی جذب شده که آن‌ها را نسبت به متعهد شدن و نقش داشتن در این آینده‌ی افسانه‌ای مشتاق می‌کند.

در چنین فضای ملتهب و پررقابتی، که سرمایه‌گذاران به عنوان بازیگران جدید، وارد این عرصه می‌شوند، اغلب ارائه‌دهندگان و توسعه‌دهندگان فناوری‌های اطلاعاتی مربوط به بخش سلامت، تحت تاثیر این فناوری‌ها و این میزان از تقاضا، محصولاتی مبتنی بر هوش مصنوعی ارائه می‌دهند که می‌تواند از طریق بازاریابی‌های فراگیر و تبلیغات به ارتقاء سازمان‌ها کمک کند.

کارشناسان بر این موضوع تأکید دارند که آینده‌ی مراقبت‌های درمانی و بهداشتی نگران‌کننده نیست. پزشکان و سایر ارائه‌دهندگان مراقبت‌های ویژه نباید در مورد جایگزینی توسط ربات‌هایی که هرگز به تعطیلات نمی‌روند، نگران باشند.

جان برتون -مدیر عامل شرکت Health Catalyst- اذعان دارد: “گاهی اوقات صحبت درمورد هوش مصنوعی و یادگیری ماشین‌ها با مخالفت‌های شدیدی همراه می‌شود.” مخالفت‌های دوسویه‌ای مانند اینکه “ما دیگر به هیچ پزشکی نیاز نداریم و نیازمان به واسطه‌ی ماشین‌ها برطرف می‌شود؛ یا ما هرگز نباید و نمی‌خواهیم از ماشین استفاده کنیم.” حقیقت در حد وسط این دو رویکرد و انتقاد قرار گرفته است.

کلیبانسکی -پزشک و متصد ارشد- معتقد است که اطمینان و حتی ترس، واکنشی طبیعی به مفهومی اساساٌ انقلابی بعنی هوش مصنوعی است. کلیبانسکی هم‌چنین بیان می‌کند: “با نگاه به جریان انقلاب صنعتی نیز، به نگرانی‌های مشابهی می‌رسیم؛ ماشین‌ها همه چیز را تخریب می‌کنند، مشاغل تغییر خواهند کرد و مردم از چرخه‌ی کار حذف می‌شوند!” با اینحال، تجربه‌ی بشر از عصر بخار تاکنون تغییرات عظیمی داشته که براساس آن‌ها می‌توان استدلال کرد که در مجموع این چنین پیشرفت‌ها مثبت بوده است.

مثال‌ دیگری در این مورد، پیشرفت‌هایی است که در زمینه‌ی نقشه‌برداری ژنوم صورت گرفته است که با وجود نگرانی‌هایی که درمورد تغییرات متعاقب آن درمورد معنای زنده بودن وجود داشت، این علم به سرعت رشد کرد زیرا به امیدواری‌هایی برای بیماران و خانواده‌های افرادی منجر شد که قبلاٌ گفته می‌شد بیماری که به آن مبتلا هستند غیرقابل علاج یا غیرقابل شناسایی است.

 هوش مصنوعی؛ صرفه‌جویی و بهبود تجربه‌ی بیمار از درمان

در فرآیند کار پزشکان و تیم‌های مراقبتی، هوش مصنوعی می‌تواند فرصت‌های مراقبتی را به ارمغان بیاورد که البته نه جایگزین تیم درمان و پزشک می‌شود و نه ارزشی برابر با ذهن بالینی پزشک را دارد. در بخش‌های اداری و عملی نیز امید می‌رود که هوش مصنوعی بتواند برخی از نقاط ضعفی که ارائه‌دهندگان، بیماران، پرداخت‌کنندگان و روند ارائه‌ی مراقبت را تحت تأثیر قرار می‌دهند را جبران کند. چراکه با استفاده از این ترفند می‌توان با ایجاد الگوریتم‌های قابل اعتماد و دقیق بر اساس هوش مصنوعی، به‌طور گسترده‌ای نقایص عمده‌ در وضعیت موجود را ارتقا بخشید. به اعتقاد برخی، به کمک هوش مصنوعی می‌توان انتظار داشت که بسیاری از مسائلی که اغلب بیماران به علت مشکلات مالی در مراکز درمانی و بهداشتی با آن مواجه می‌شوند، مرتفع خواهند شد.

اگرچه اخیراٌ هوش مصنوعی در برخی از این حوزه‌ها ورود کرده، اما هنوز خیلی توسعه و تحول نیافته است. حتی در حال حاضر، شاهد بیماران و افرادی هستیم که به “دکتر گوگل” مراجعه می‌کنند و علائم خود را براساس آنچه که پیدا می‌کنند منطبق می‌سازند.

بخوانید  پزشکی شخصی شده، در بیماران مبتلا به سرطان، سبب نتایج درمانی بهتری می شود

به اعتقاد کلیبانسکی این ضعف ناشی از کمبود 50 میلیارد دلاری در بودجه و کمبود امکان استفاده از مراقبت‌های اولیه است. برای مقابله با این مشکل نمی‌توان مردم را به اجتناب از استفاده از کامپیوتر و لزوم مراجعه به مراقبت‌های اولیه تشویق کرد، بلکه باید شرایطی فراهم شود که افراد در زمانی که قصد دارند از کامپیوتر خود استفاده کنند و به جستجوی اطلاعات ‌بپردازند، بتوانند با طراحی الگوریتم‌های بهتر، اطلاعات بهتر و معتبرتر و بیش‌تری را براساس موارد مورد جستجوی خود به‌دست آورند.

که البته استفاده از هوش مصنوعی برای غلبه بر مشکلاتی که در زمینه‌ی توسعه‌ی این تکنولوژی وجود دارد، موضوعی مشترک در فضای تحقیق و توسعه است.

جلوگیری از عوارض ناخواسته‌ی دارو، ارائه‌ی تذکراتی به بیماران آسیب‌پذیر، طبقه‌بندی بیماران براساس احتمالاتی که برای برنامه‌ریزی‌های مدیریت سلامت این جمعیت‌ها وجود دارد، حمایت از مدیریت بیماری‌های مزمن، شناسایی سرطان‌های متاستاز و پیش‌بینی کاهش عملکرد کلیه، فقط یک مورد کوچک از صدها قابلیت کاربرد هوش مصنوعی برای پیش‌بینی در درمان است.

کالین هیل -مدیر عامل شرکت GNS Healthcare- در گردهمایی WMIF، با بیان اینکه با استفاده از هوش مصنوعی، قادر خواهیم بود هزینه‌ی هنگفتی را که برای مداخلات فاقد اثربخشی هزینه شده و رقمی بالغ بر 500 میلیارد دلار به خود اختصاص داده بود، را کاهش دهیم؛ افزود: “حداقل نیمی از میلیاردها دلاری که بخاطر عدم مصرف درست و مناسب دارو توسط بیماران، یا عدم پوشش تحت برنامه‌های مدیریت مراقبت، و حتی عدم استفاده از درمان‌ها یا تجهیزات پزشکی مناسب، به هدر می‌رود، کاهش می‌یابد. همچنین با بازنگری در این مبالغ از طریق بررسی کاهش پیشرفت بیماری، کاهش احتمال بستری شدن و بهینه‌سازی اثربخشی‌های درمانی می‌توان به فرصت‎های درمانی گسترده‌تری دست یافت”

هیل در ادامه ادعا می‌کند که مراقبت‌های دقیق بهداشتی “مهم‌ترین کاربرد” هوش مصنوعی خواهد بود. “اگر ما بتوانیم مداخلات درمانی را با کیفیت بیش‌تری با بیمار منطبق سازیم، می‌توانیم بهبود نتایج و اثربخشی درمان‌ها را انتظار داشته باشیم و به دنبال آن هزینه‌های مصرفی برای مراقبت‌های درمانی را کاهش دهیم. برای دست‌یابی به این هدف، یکی از حوزه‌های مورد نیاز، لزوم کشف و توسعه داروهای جدید می‌باشد. در راستای همین هدف، کشف بیومارکرها نیز با قرار گرفتن در این حوزه، به محققان کمک خواهد کرد تا بتوانند بیماران را از نظر پاسخ یا عدم پاسخ به درمان به خرده‌- جمعیت‌هایی در بیماری‌های مختلف تقسیم کنند.”

به گفته‌ی هیل: “لازم است که محققان از آنچه که برای بیماران اثربخش است، آگاه بوده و نسبت به سازوکار درمانی داروها و مداخلات، چگونگی عملکرد سیستم بیولوژِیکی، نحوه‌ی تاثیر مداخلات بر سیستم بیولوژیکی واقف باشند. یادگیری ماشین با کمک به ما برای افزایش آگاهی ما و فراهم آوردن بینش بیش‌تر نسبت به مسائل در مقایسه با آنچه که انسان به تنهایی بدست خواهد آورد، در این شرایط نقشی حیاتی ایفا می‌کند.”

همچنین به اعتقاد لوینر -مدیرعامل شرکت سلامتی Picnic– داده‌های ژنوم و اطلاعات سلامت که به صورت الکترونیکی ثبت شده‌اند، برای این فرآیند ضروری هستند؛ در ادامه افزود: “اطلاعات ژنومیک و EHR برای استفاده در هوش مصنوعی مناسب هستند.” به اعتقاد او در حال حاضر ما حجم زیادی اطلاعات داریم، اما در عین حال این اطلاعات ضعف‌های نسبی دارند و تنها تاثیرات این ضعف‌های اطلاعاتی در الگوریتم‌ها و پیامدهای آن‌ها کاملاٌ روشن نشده است. با وجود اینکه ما هرچه بیش‌تر در تلاش هستیم تا انواع داده‌های مورد نیاز را تکمیل کنیم، اما به‌نظر می‌رسد که پزشکان تنها با استفاده از مغز خود نمی‌توانند به آن اندازه که انتظار می‌رود مغز و الگوریتم‌ها قدرتمند باشند، قدرتمند عمل کنند زیرا به کمک هوش مصنوعی می‌توانیم به میزان بیش‌تری هزینه‌ها را کاهش داده و از نقش قدرت مغز در صنایع جانبی بکاهد.

de Crescenzo -مدیرعامل تغییرات مراقبت‌های درمانی- معتقد است که سالانه مبلغی حدود 8 میلیارد دلار برای مدیریت خدمات درمانی و مراقبتی از سوی ارائه‌دهنده و مشتریان هزینه می‌شود که انتظار می‌رود با به‌کارگیری هوش مصنوعی بتوان حدود 30درصد از این هزینه را که معادل با 2.4 میلیارد دلار است کاهش داد. می‌توان این مبلغ را صرف ارائه خدمات بالینی تخصصی به بیماران کرد، درحالی که نیاز به افزودن تعداد پرسنل جدید نیست.

کاترین آندریول -رهبر مطالعات استراتژی و اجرایی مرکز تحقیقات داده‌های بالینی (CCDS)- بیان می‌کند: به کمک اتوماسیون می‌توانیم امور منظمی مانند برنامه‌ریزی برای بیمار، مدیریت تامین و رزرو اتاق‌های عمل و یا تجهیزات آزمایشگاهی را انجام دهیم. حتی به کمک هوش مصنوعی قادر خواهیم بود احتمالاتی چون هدر رفتن منابع و زمان از جانب بیمار و ارائه‌دهندگان خدمات را نیز پیش‌بینی کنیم و به این وسیله به تجربه‌ی درمانی بهتر برای بیمار و ارائه‌دهندگان کمک کنیم. چراکه تجربه‌ی درمانی بیماران مهم بوده و ارائه‌دهندگان نمی‌توانند نسبت به اهمیت آن بی‌تفاوت باشند. در ابتدا بیمارستان محلی برای مرگ تلقی می‌شد. آخرین توقف افراد در بیمارستان بود. همانطور که در طول زمان بیمارستان به یکی از مراکز مدیریت سلامت بدل شد محققان و موسسان شروع به تجزیه و تحلیل نقش مرکزی بیمارستان کردند و در نتیجه محیط کاملاٌ جدیدی را به وجود آوردند که ضامن سلامتی است. در حال حاضر ما به این باور رسیده‌ایم که تا زمان مرگ بیماران صبر نکنیم و قبل از اینکه کار بی‌اثر باشد به متخصص مراجع کرده و خدمات درمانی دریافت کنند. و قبل از اینکه افراد اذعان کنند که به کمک نیاز دارند، با گام‌های ابتدایی مانند تشخیص بیماری براساس یک الگوریتم، نخستین گام‌های مراقبت‌های بهداشتی را برداریم. ارائه‌ی مراقبت‌های انعطاف‌پذیر و توانایی برای حمایت بیش‌تر از بیماری‌های پرهزینه که به کاهش کیفیت زندگی بیماران همراه است می‌تواند مزایایی را به همراه داشته باشد که به تسهیل ارتباط بین ارائه‌دهندگان و مشتریان خدمات درمانی منجر شود که گاهاٌ با پیچیدگی مواجه بوده است.

بخوانید  ژنومیکس فردی، به طرز چشمگیری می تواند به تشخیص ناتوانی های ذهنی کمک نماید

به اعتقاد برتشتاین: “لازم است که به سوی سیستمی حرکت کنیم که امکان پرداخت آسان، دسترسی به برنامه‌ریزی‌های درمانی، و یک تجربه‌ی خود-هدایت‌شده از سیستم مراقبت بهداشتی را برای بیماران فراهم آورد؛ امید می‌رود که هوش مصنوعی در رسیدن به این هدف به ما کمک کند.”

کارشناسان هشدار داده‌اند که با استفاده‌ی وسیع‌تر از هوش مصنوعی در خدمات درمانی، لازم است که ارائه‌دهندگان مراقبت‌های بهداشتی نیز تغییرات نسبتاٌ وسیعی در تعاملشان با تکنولوژی‌های مورد استفاده‌شان و بیماران داشته باشند.

کلیبانسکی در این خصوص اذعان دارد: “لازم به یادآوری است که تنها چند سال پیش، آمار زیستی و تجزیه‌و‌تحلیل داده‌ها، به عنوان یک مهارت جدید برای پزشکان که ملزم به یادگیری آن بودند در نظر گرفته شد. در حال حاضر نیز به یک برنامه‌ریزی اساسی محوری نیاز است تا پزشکان از آن آگاهی یابند. پزشکان باید از آنچه که لازم است به آن اعتماد کنند یا نسبت به آن بی‌اعتماد باشند، آگاهی داشته باشند. همچنین نسبت به آنچه که از آن‌ها مطالبه شده نیز تخصص داشته باشند؛ در غیر اینصورت، آن‌ها نسبت به تکنولوژی‌های جدید و دامنه‌ی استفاده از آن‌ها کاملاٌ اعتماد کرده یا برعکس، نسبت به آن‌ها بی‌اعتماد می‌شوند. ضروری است که پزشکان در میانه‌ی این دو رویکرد قرار داشته باشند تا این ابزارها برای پشتیبانی از تصمیم‌گیری‌ها  اثربخش باشند. در حال حاضر محصولات جالب توجهی در حال ارائه هستند که از تصمیمات پشتیبانی کرده و اغلب نمونه‌های آن‌ها توسط رادیولوژیست‌ها به کار گرفته شده‌اند.” او در ادامه توضیح می‌دهد که تشخیص هر متخصص بالینی، با توجه به تجربیات و آموزش‌های منحصر به فردی که دریافت کرده، کمی متفاوت است و می‌تواند در موارد پیچیده منجر به اختلاف نظر یا نیاز به مشورت با همکاران شود. “ادغام و یکپارچه‌سازی نتایج هوش مصنوعی با مشاوره با همکاران می‌تواند تنها اولین گام در تغییر مبانی عمل بالینی باشد.

کلیبانسکی با اشاره به سیستم آموزش پزشکی، خاطرنشان ساخت که برای اصلاحات، ضروری است که ارتباط و تعامل جدیدی بین ژنتیک، سیستم‌های بیولوژیکی و مداخلات اعمال شده برای بیماران صورت گیرد. به اعتقاد او با وجود آموزش‌های تخصصی متناسب با ارگان‌های خاص در بدن، درصورتی‌که درک وسیع و شاید متفاوتی از بیماری‌ها و مسیرهای بیماری داشته باشیم می‌توانیم انتظار داشته باشیم که حتی آموزش نیز دستخوش تغییر شود. با این‌حال ممکن است آموزش در برخی از رشته‌های با سابقه با شیوه‌‌های جدیدی که در آینده به آن دست می‌یابیم، مطابقت داشته باشند.”

همچنین ضروری است که سازمان‌های مراقبت‌های بهداشتی برای توسعه ابزارهای مراقبتی خود و یا خرید سیستم عامل و یا سایر خدمات، همکاری‌های خود را با ارائه‌دهندگان فناوری‌های قدیمی توسعه دهند تا بتوانند مقیاس موردنیاز برای به کارگیری این تکنولوژی‌ها برای رسیدن به موفقیت را دوباره ارزیابی کنند. به همین دلیل داشتن یک زیرساخت و یک پلتفرم اطلاعاتی برای طراحی و بررسی مقیاس مورد نیاز و جداول مجموعه داده‌ها برای رسیدن به این آگاهی ضروری است.

آرونسون بر این عقیده است: “می‌توان انتظار داشت که سازمان‌هایی که نسبت به بازسازی زیرساخت‌های خود متعد هستند علاوه بر در نظر گرفتن رویه‌های نوآورانه و اشکال جدید ارتباطی، احتمالاٌ به عنوان گروهی انتخاب شوند که در راستای موفقیت گام برداشته‌اند.” او افزود: “دو تصور متفاوت از آینده پیش روی ما وجود دارد. براساس یک تصویر از آینده، ما با در اختیار گرفتن ابزارهای فوق‌العاده قدرتمند قادر خواهیم بود مدل‌های تجارت سنتی را توسعه داده و به دنبال آن زیرساخت‌های جدیدی را طراحی کنیم که از یک حرکت و گام حکایت دارند. در این شرایط سیستم‌های جدید جایگزین سیستم‌های قدیمی شده و در نهایت با تسریع در روند نوآوری مواجه خواهیم بود. با این‌حال آینده به تلاش همه برای سرمایه‌گذاری و استقرار مدل‌های تجاری بستگی دارد.” اگرچه این مدل‌ها ممکن است پیچیده‌تر از تصور حال حاضر باشند، اما آرونسون بر این باور است که در هر صورت بسیار “سودآور” خواهند بود.

آرونسون هم‌چنین بیان می‌کند: “توانایی ما برای شکل دادن به این تصویر از آینده به ما کمک خواهد کرد تا از طریق مواجهه با بک سناریوی واحد بتوانیم باهم و در کنار هم کار کنیم؛ در نتیجه می‌توانیم با استفاده از داده‌های فراوان درمورد یک سیستم مراقبت بهداشتی پیوسته، بیندیشیم.” او تأکید دارد که این مصرف‌کنندگان مراقبت‌های بهداشتی هستند که تصمیم می‌گیرند با چه آینده‌ای رو به رو شوند یا به گفته‌ی وی: “آینده به این بستگی دارد که چه کسی در اتاق باشد و چه تصمیمی بگیرد. در هر صورت ترسیم این آینده مستلزم حمایتی پایدار و باثبات از مدل‌های نوآورانه و به کارگیری و تامین بودجه‌های موردنیاز برای آن‌ها است؛ زیرا امیدواریم با در آینده دستاوردهای بزرگ و شگفت‌انگیزی را برای بشر به دست بیاوریم.”

نویسنده: Jennifer Bresnick

توسط
Health Itanalytics
برچسب‌ها
نمایش بیشتر

نوشته‌های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

شصـت هفـت + = شصـت نـه

دکمه بازگشت به بالا
EnglishIran
بستن