آیا کامپیوترها به زودی در مراقبت بهداشتی از مردم بهتر خواهد شد؟

بسیاری از ابعاد زندگی مدرن به طور فزاینده ای توسط هوش مصنوعی، از جمله جنبه های مختلف سلامت و سلامتی، بوجود می آیند. مدت زمان طولانی قبل از اینکه کامپیوتر بتواند از مداخلات مراقبتهای بهداشتی هدایت شده توسط انسان بهتر عمل کند؟ شايد مهمتر از آن اين است كه چقدر قبل از آنكه يك انسان بخواهد به شخص غير انساني اعتماد كند تا او را درمان كند؟ این دو سوال ممکن است در بحث در مورد پتانسیل تکنولوژی یادگیری ماشین و روباتیک در مراقبت های بهداشتی تمرکز داشته باشد.

رایانه ها می توانند به طور فزاینده ای به انسان فکر کنند. آیا ما آماده هستیم یا نه، پیشرفت های اخیر در سیگنال محاسبات شناختی نشان می دهد که سن مربیگری کامپیوتری و مراقبت های بهداشتی وارد شده است.

تجزیه و تحلیل آماری اطلاعات سلامت

هیچ پنهانی نیست که هر بار که خرید و یا مرور اینترنت را در اختیار شما قرار می دهیم، همه نوع اطلاعات خصوصی و اغلب صمیمی را به اشتراک می گذاریم. توانایی پیش بینی رویدادهای بهداشتی به سادگی با ردیابی رفتارهای گاه به گاه در سال 2012 نشان داده شد که خرده فروشی Target جهانی را که می توانست با دقت غیرمنتظره پیش بینی کند، در صورتی که زن بر اساس عادت های خرید خود حامله باشد، گاهی اوقات حتی اخبار مربوط به حاملگی را خشنود می کرد اعضای خانواده.

بسیاری از اطلاعات شخصی براساس روال معمول به صورت آماری تجزیه و تحلیل می شوند تا بینش بیشتری را نسبت به عادت ها و ویژگی های آنها فراهم کنند. بعضی از این شیوه ها به صورت داوطلبانه و با آگاهی کامل و پشتیبانی از کاربر صورت می گیرد، در حالی که دیگران می توانند توسط سازمان ها و شرکت ها به طور مرتب انجام شوند.

رفتار ناخواسته ردیابی سوالات اخلاقی و اجتماعی خاصی را مطرح می کند.

در حال حاضر بسیاری از افراد اطلاعات شخصی سلامت خود را به صورت های مختلف به اشتراک می گذارند، از طریق ارزیابی صحیح از طریق ارزیابی ریسک سلامتی، از طریق پوشیدنی ها و گاهی حتی ناخواسته از طریق پست های رسانه های اجتماعی و خرید رفتار.

دقت که این اطلاعات را می توان تجزیه و تحلیل و تفسیر کرد، در حال افزایش است، ایجاد هر دو خطرات و فرصت ها، و احتمالا ما را در مرز دوران جدیدی قرار می دهد که در آن فناوری می تواند نقش مثبتی در سلامت و رفاه ما ایفا کند.

شخصی سازی سلامتی و حل مشکالت اشتباه تشخیص

خطاهای تشخیصی پزشکان یک نگرانی بزرگ هستند. نتيجه غفلت يا ناتواني در در نظر گرفتن فراواني گزينه ها، اين اشتباهات مي تواند براي بيمار و خانواده اش مخرب باشد. پروفسور اتا برنر از دانشگاه آلاباما در بیرمنگام و دکتر مارک لبربر گرت از مرکز پزشکی VA Northport دریافتند که حدود 10 تا 20 درصد موارد پزشکی تشخیص داده شده است. برنر و گربر اشاره می کنند که فرآیندهای شناختی کارآمد، اغلب اوقات تشخیص درست را تشخیص می دهند. با این حال، زمانی وجود دارد که این فرایندهای شناختی شکست می خورد. تجزیه و تحلیل Berner and Graber نشان داد که اعتماد به نفس پزشک اغلب می تواند علت مشکالت پزشکی باشد. علاوه بر این، گزارش شده توسط آژانس برای تحقیقات و کیفیت بهداشت و درمان و کیفیت 28 درصد از تمام اشتباهات تشخیصی را به شدت در معرض شدید، احتمالا نشان می دهد یک رویداد تهدید کننده زندگی است.

اشتباه تشخیص می تواند شامل مواردی از تجویز دارو غلط به جراحی حذف قسمت بدنی بدن باشد.

این آمار هشدار دهنده ممکن است منجر به بحث شود که مشکل موجود میتواند به سادگی با حذف فاکتور انسانی از معادله حل شود. فناوری مانند واتسون آی بی ام در حال حاضر امیدوار است که اطلاعات را می توان در یک انسان انسانی ترتیب داده و مورد توجه قرار داد. فنآوری شناختی واتسون توانایی تجزیه و تحلیل داده های بدون ساختار را دارد، سوالات پیچیده را درک کرده و کاربران نهایی را با راه حل های مبتنی بر شواهد ارائه می دهد.

واتسون قصد دارد الگوریتم های پیش بینی کننده را تقویت کند، که همیشه در زمان واقعی بودن آنها اثبات نشده است.

با این حال، آنچه که می تواند تحریک آمیز تر از پتانسیل پیش بینی واتسون باشد، احتمال آن است که تکنولوژی پیشرفته تر از انسان ها در مورد مداخلات بهداشتی و تناسب اندام باشد.

در سال 2015، آی بی ام واتسون یک شراکت استراتژیک با CVS Health ایجاد کرد، این اعلام کرد که ورود محاسبات شناختی در صنعت مراقبت های بهداشتی تجاری. به نظر می رسد که به زودی، پزشکان و داروسازان دسترسی به فناوری دارند که می تواند، به طور خودکار، کاهش در سلامت بیمار را به طور خودکار تشخیص دهد.

معامله بین Under Armor و آی بی ام، که در سال 2016 امضا شد، به واتسون فرصتی برای ساخت و توسعه پلت فرم سلامتی خود داد. اپل نیز با سرمایه گذاری در پلاتفرم واتسون، با هدف ارتقاء سیستم های HealthKIT و ResearchKIT خود، سرمایه گذاری چشمگیری را انجام داده است. براساس گزارش شرکت Grand View Research، پیش بینی می شود که بازار محاسبات شناختی سلامت جهانی تا سال 2020 بیش از 5 میلیارد دلار برسد.

مطالعات علمی نیز از استفاده از تکنولوژی برای کاهش خطر خطا و آسیب در پزشکی حمایت می کنند. دکتر مارک ل. گربر پیشنهاد می کند استفاده از ابزارهای "ماشه ای" به کار برده شود که می تواند مواردی را در معرض خطر خطاهای تشخیصی از طریق تجزیه و تحلیل پرونده های سلامت الکترونیکی و جستجوی اختلافات شناسایی کند. انواع مختلفی از ماشه ابزار در حال حاضر در بیمارستان های آمریکایی استفاده می شود، اما آنها همیشه قادر به تشخیص خطاهای تشخیصی نیستند. بنابراین، تلاش برای طراحی مداخلات پیشگیرانه بهتر نیز صورت گرفته است.

رویکرد امیدوار کننده توسط دکتر Hardeep سینگ و همکارانش ارائه شده است. آنها یک ماژول الکترونیکی را طراحی کردند که می تواند بیماران را که قرار است قرار ملاقات های غیر منظم در بیمارستان را در طی 2 هفته از دیدار اولیه مراقبت های اولیه خود شناسایی کنند، نشان می دهد که در طی بررسی اولیه آنها ممکن است از دست رفته باشد. بسیاری از کارشناسان پیش بینی می کنند که تکنولوژی مانند این به جلوگیری از اشتباهات کمک می کند یا حداقل به آنها توجه می کند تا آنها را کاهش دهد.

درک هوش مصنوعی

سرل مالكوم گرانت، رئیس NHS انگلستان، در سال 2015، نظر خود را مبنی بر اینكه هوش مصنوعی باید توسط مراقبت های بهداشتی در نظر گرفته شود، می تواند به عنوان یكی از كیفیت مراقبت ها و همچنین پیشرفت شخصی سازی داروها را مورد توجه قرار دهد. بسیاری از متخصصان سلامت از این احساسات رنج می برند. فن آوری که بتواند با اطمینان تشخیص و / یا شناسایی اشتباهات تشخیصی را از طریق داده کاوی به دور باشد.

محاسبات شناختی در بخش مراقبت های بهداشتی در حال حاضر بیشتر در نقش مشاوره ای مورد استفاده قرار می گیرد و نه در تصمیم گیری های نهایی و نه در جای جایگزینی انسان ها. برای مثال، واتسون به افراد و سازمان ها کمک می کند تا تصمیمات بالینی پیشرفته تر و پیچیده ای را امتحان کنند و به زودی به افراد کمک می کند تا سطح آمادگی خود را از طریق مشارکت با Under Armor بهبود بخشند. با این حال، تنها زمانی بود که کامپیوترها انسان را به عنوان نیروی غالب در یک ورزش فکری مانند شطرنج سوق دادند و قدرت محاسبات تنها افزایش می یافت. علاوه بر این، عنصر انسانی به ویژگی های پردازش رایانه اضافه می شود، و ایده رایانه و روبات هایی که از ما مراقبت نمی کند، همانطور که یک بار به نظر می رسید.

> منابع

> Berner E، Graber M. Overconfidence به عنوان علت خطای تشخیصی در پزشکی. مجله پزشکی آمریکا . 2008؛ 121: S2-S23.

> Graber ML. بروز خطای تشخیصی در پزشکی. BMJ کیفیت و ایمنی . 2013؛ 22 (عرضه 2): ii21-ii27. doi: 10.1136 / bmjqs-2012-001615.

> Lupton D. ارتقاء سلامت در دوران دیجیتال: یک تفسیر انتقادی. ارتقاء سلامت بین المللی . 2015؛ 30 (1): 174-183

> سینگ H، جیاردینا TD، مایر و فورجوچ SN، ریس سینگ H، جیاردینا TD، مایر AND، Forjuoh SN، ریس MD، توماس EJ. انواع و علل خطاهای تشخیصی در تنظیمات اولیه مراقبت اولیه. طب داخلی داخلی JAMA . 2013؛ 173 (6): 418-425.

> تامپسون M. سلامت و تیم محاسبات شناختی برای تغییرات بزرگ. محبت 2015: 4-8.